La relation entre entreprises québécoises et IA ressemble encore à un long préambule : on observe, on assiste à des webinaires, on teste un outil ou deux, puis on attend. La Presse résumait bien la posture ambiante en qualifiant nos entreprises de « curieuses, mais prudentes ». La curiosité est bien réelle ; les décisions et les budgets, beaucoup moins.
Selon l’Institut de la statistique du Québec, un peu plus de 12 % des entreprises de la province utilisaient des applications d’IA à des fins de production au deuxième trimestre de 2025 — une progression d’environ trois points en un an. Cet état des lieux mérite qu’on s’y arrête : que nous dit-il vraiment, pourquoi cette prudence se comprend-elle, et à quel moment devient-elle un risque en soi ?
Une entreprise sur huit, environ. Voilà où en est l’adoption de l’IA à des fins de production au Québec, selon les données de l’ISQ pour le deuxième trimestre de 2025. La progression existe — environ trois points de pourcentage sur un an —, mais elle demeure modeste au regard du bruit médiatique entourant l’IA générative depuis quelques années. Autrement dit : tout le monde en parle, mais la grande majorité des entreprises n’en fait pas encore un usage productif.
Le portrait n’est pas uniforme. Les secteurs de la finance et des assurances, de l’information et de la culture, ainsi que des services professionnels arrivent en tête. Rien d’étonnant : ce sont des industries riches en données, où les tâches d’analyse et de traitement de texte se prêtent naturellement aux outils actuels. Ailleurs, l’adoption avance plus lentement, souvent faute de cas d’usage évidents ou de ressources internes pour les identifier.
Disons-le clairement : cette prudence n’est pas de la paresse. Une PME québécoise qui hésite devant l’IA a généralement de bonnes raisons. Les coûts sont difficiles à prévoir, les compétences internes manquent, les fournisseurs promettent tout et son contraire, et les questions de confidentialité des données — surtout depuis le resserrement des obligations en matière de renseignements personnels — refroidissent les ardeurs.
Il y a aussi une saine méfiance envers les modes technologiques. Bien des dirigeants ont déjà payé pour des projets numériques qui n’ont jamais livré la valeur promise. Devant une technologie que ses propres promoteurs peinent à expliquer simplement, prendre le temps de comprendre avant d’investir est un réflexe défendable. Nous serions d’ailleurs mal placés pour le reprocher à qui que ce soit : la démarche pragmatique, c’est aussi la nôtre.
Le problème, c’est que la frontière entre prudence et attentisme est mince, et qu’on la franchit sans s’en rendre compte. La prudence, c’est avancer lentement en apprenant. L’attentisme, c’est ne pas avancer du tout en se disant qu’on verra plus tard. Or, pendant que vous attendez, vos concurrents — et surtout les grandes organisations de votre chaîne de valeur — apprennent, accumulent des données propres, forment leurs équipes et raffinent leurs processus.
L’écart qui se creuse n’est pas d’abord technologique : il est organisationnel. Une entreprise qui a mené deux ou trois petits projets d’IA, même imparfaits, sait comment cadrer un cas d’usage, évaluer un fournisseur et mesurer un résultat. Celle qui n’a rien fait devra apprendre tout cela sous pression, le jour où le marché ne lui laissera plus le choix. C’est là que les erreurs coûteuses se produisent.
La bonne nouvelle, c’est que l’écosystème québécois n’a jamais offert autant de soutien aux entreprises qui veulent passer à l’action. Le programme d’expertise en IA soutenu par La Caisse a été renouvelé, et IVADO a lancé sa cohorte DémultiplIA 2026, qui accompagne une quinzaine de PME dans leurs premiers projets d’intelligence artificielle. D’autres initiatives sectorielles ou régionales existent selon votre industrie et votre région.
Si vous décidez de passer de la curiosité à l’action, la recette qui fonctionne tient en trois ingrédients. D’abord, un cas d’usage délimité : un irritant précis, fréquent et mesurable — le tri de courriels, la préparation de soumissions, la synthèse de documents —, pas une « transformation par l’IA » abstraite. Ensuite, un regard lucide sur vos données : sont-elles accessibles, de qualité suffisante, utilisables légalement ? Enfin, un minimum de gouvernance : qui est responsable, quelles règles d’utilisation, comment mesure-t-on le résultat.
Ce n’est pas spectaculaire, et c’est voulu. Fixez-vous un horizon court — quelques semaines pour un prototype, quelques mois pour une première mise en production — et décidez d’avance des critères qui détermineront si vous poursuivez, ajustez ou arrêtez. Un premier projet réussi, même modeste, crée la confiance et les apprentissages pour le suivant. Un premier projet pharaonique qui échoue vaccine l’organisation contre l’IA pour des années.
Le portrait statistique québécois n’a rien de dramatique : une adoption modeste, en progression, concentrée dans les secteurs où la valeur est la plus évidente. Mais derrière la moyenne, deux groupes se dessinent — ceux qui apprennent et ceux qui attendent. Notre conviction : dans quelques années, la différence entre les deux ne se mesurera pas en outils installés, mais en capacité organisationnelle à saisir les occasions.
Si vous vous reconnaissez dans le camp des curieux prudents et que vous cherchez par où commencer sans vous brûler, notre équipe peut vous aider à cadrer un premier cas d’usage réaliste, avec vos données et vos contraintes réelles. Créer de la valeur, ensemble — y compris avec une IA bien choisie et bien encadrée.