Vos concurrents passent à l’IA : ce que montrent les chiffres, et par où commencer

Un mardi matin, une PME demande à trois cabinets d’analyser une quarantaine de pièces avant une acquisition. Le premier cabinet envoie une lecture préliminaire le lendemain, chaque montant renvoyé à sa page ; les deux autres promettent une réponse à la fin de la semaine. Aucun n’a mal travaillé, mais le client retient le plus rapide, preuves à l’appui. La scène est inventée ; les chiffres qui suivent ne le sont pas.

Dans son Enquête canadienne sur la situation des entreprises, menée du 1er avril au 6 mai 2026 (9 251 réponses), Statistique Canada établit que 19,2 % des entreprises avaient utilisé l’intelligence artificielle (IA) pour produire leurs biens ou fournir leurs services au cours des 12 mois précédents. La part était de 12,2 % un an plus tôt, et de 6,1 % au deuxième trimestre de 2024. Au troisième trimestre de 2026, 25,2 % des entreprises prévoyaient de l’utiliser au cours des 12 prochains mois, contre 14,5 % un an plus tôt ; 52,7 % n’en prévoyaient pas.

Le Québec a repris de la vitesse. À partir de la même enquête, l’Institut de la statistique du Québec (ISQ) y relevait 12,7 % d’entreprises utilisatrices au deuxième trimestre de 2025, au niveau de la moyenne canadienne (12,2 %), mais avec une progression plus lente qu’en Ontario. Un an plus tard, l’enquête donne 20,1 % au Québec, 18,1 % en Ontario et 19,2 % pour l’ensemble du pays ; 27,4 % des entreprises québécoises prévoient d’utiliser l’IA au cours des 12 prochains mois.

Parmi les entreprises qui ont utilisé l’IA, 36,6 % s’en sont servies pour analyser des données, 34,5 % pour analyser des textes, 28,2 % pour des agents virtuels ou des robots conversationnels, et 24,8 % pour des grands modèles de langage. L’IA des entreprises n’est pas d’abord une conversation avec un assistant.

Ce qui retient les autres : 40,0 % jugent l’IA non pertinente pour leur activité, 13,4 % citent la cybersécurité ou la confidentialité, 26,4 % dans les soins de santé et l’assistance sociale.

Le secteur que Statistique Canada appelle « services professionnels, scientifiques et techniques » regroupe notamment, dans la classification des industries (SCIAN), les études d’avocats et de notaires, les cabinets de comptables, et la recherche et le développement en sciences de la vie. Si vous dirigez un cabinet, c’est votre secteur ; un organisme de recherche sous contrat peut y être classé aussi, selon son activité principale.

Dans ce secteur, l’usage a peu bougé en un an : 31,7 % des entreprises avaient utilisé l’IA au deuxième trimestre de 2025, 32,4 % au deuxième trimestre de 2026. L’intention, elle, a basculé : 26,3 % des entreprises prévoyaient de l’utiliser au troisième trimestre de 2025, et 54,8 % au troisième trimestre de 2026, la part la plus élevée de tous les secteurs. Au Québec, l’estimation est plus élevée encore (65,7 %), mais moins précise, l’échantillon étant plus petit. Et ces intentions ont déjà été dépassées deux années de suite : 24,6 % prévues en 2024, 31,7 % d’utilisatrices en 2025 ; 26,3 % prévues en 2025, 32,4 % en 2026. Parmi les entreprises du secteur qui prévoient d’utiliser l’IA, les applications les plus citées sont les grands modèles de langage (54,9 %) et l’analyse de données (40,5 %).

Les travailleurs, eux, n’attendent pas. En mars 2026, selon des questions ajoutées à l’Enquête sur la population active, 35,9 % des travailleurs canadiens avaient utilisé des outils d’IA générative au travail au cours des 12 mois précédents ; dans les services professionnels, scientifiques et techniques, 65,6 %. Les deux enquêtes ne mesurent pas la même chose : l’une compte des travailleurs, l’autre des entreprises. Mais dans votre secteur, deux travailleurs sur trois se servent déjà de ces outils, et rien ne dit que tous le font avec un outil choisi par leur employeur.

Aucune statistique officielle ne compte les clients qu’un cabinet perd au profit d’un concurrent mieux outillé. Ce qui suit est donc un raisonnement, appuyé sur des faits mesurés : un cabinet vend du temps qualifié, et le coût d’un dossier est surtout fait d’heures.

• Le coût par dossier. Quand la lecture des pièces, le classement et la première version prennent moins d’heures, le même dossier coûte moins cher. Le concurrent peut baisser ses honoraires, ou garder sa marge et l’investir.
• Le délai de réponse. Le cabinet qui envoie une première analyse le lendemain change ce que le client juge normal. Les autres ne sont pas devenus plus lents ; ils sont devenus les plus lents du marché.
• La capacité en période de pointe. Saison des impôts, clôture d’exercice, dépôt réglementaire : la capacité dépend du nombre de personnes. En octobre 2026, la Banque du Canada rapportait que plusieurs entreprises comptent sur l’automatisation et d’autres gains d’efficience pour répondre à la hausse de leurs ventes sans embaucher.
• La qualité constante. Une lecture outillée, où chaque valeur renvoie à sa source et où une personne tranche les cas incertains, dépend moins de l’heure et de la personne qui traite le dossier. Moins d’écarts, c’est moins de reprises.

Ces gains viennent du travail réorganisé, pas de l’outil seul. Parmi les entreprises qui prévoient d’utiliser l’IA, 48,7 % comptent former leurs employés et 47,5 % mettre au point de nouveaux processus de travail. Et, parmi ces mêmes entreprises, 68,1 % s’attendent à un emploi total inchangé, 10,8 % à une baisse et 9,8 % à une hausse : la plupart ne prévoient pas de toucher à leurs effectifs.

Attendre a un coût qui ne figure sur aucune facture : l’apprentissage remis à plus tard. Parmi les entreprises qui ont utilisé l’IA, 44,4 % ont changé leurs pratiques de formation ou de dotation. Des économistes de la Banque du Canada rappellent que, pour une technologie d’usage général, les effets arrivent avec un décalage : le temps d’apprendre et de s’ajuster. Qui commence tard paie ce décalage quand d’autres l’ont déjà payé.

Mal faire coûte aussi, de deux façons. La première est l’IA pour tous : chacun son outil, sans règle. Dans un sondage de la Banque du Canada auprès de 314 dirigeants (décembre 2025, non représentatif de l’ensemble des entreprises), plus des deux tiers disaient utiliser personnellement l’IA au travail, mais 8 % seulement des entreprises en faisaient un usage important dans leurs activités. L’usage personnel ne transforme pas un processus ; il fait sortir des renseignements vers des outils que personne n’a évalués : c’est l’IA fantôme.

La seconde est l’IA pour tout : confier à un grand modèle de langage ce qu’une formule, une règle ou un lecteur de documents fait mieux. Un modèle de langage estime ; une formule calcule. Or, dans les services professionnels, ce sont justement les grands modèles de langage que les entreprises prévoient d’utiliser d’abord : raison de plus pour choisir la technique tâche par tâche. Le choix de la technique fait l’objet d’un article à part : l’IA ne se résume pas aux grands modèles de langage.

Un bon premier chantier réunit quatre traits : une tâche fréquente, un résultat vérifiable, une erreur qui se rattrape avant d’atteindre le client, et des données que vous avez le droit d’utiliser ainsi.

1. Lire les pièces, et faire valider par une personne ce qui est incertain

Feuillets fiscaux, pièces d’un litige, certificats d’analyse : la lecture optique de caractères (OCR, qui transforme l’image d’une page en texte), puis l’extraction des champs utiles, font le gros du travail. Chaque valeur arrive avec sa position dans la page et un indice de confiance ; sous un seuil fixé d’avance, une personne vérifie. Quand l’OCR suffit, et quand un modèle génératif vaut son coût : voyez notre article sur la lecture de documents.

À mesurer : les minutes par dossier, la part des champs corrigés à la révision, les erreurs trouvées après coup. Au préalable : une centaine de documents réels, la liste des champs, et ce que la Loi 25 exige avant de confier des renseignements personnels à une IA : une évaluation des facteurs relatifs à la vie privée, un contrat écrit avec le fournisseur et, si les renseignements sortent du Québec, une évaluation qui tient compte aussi du régime juridique du lieu de destination. Premier pas : chronométrez vingt dossiers cette semaine.

2. Arrêter de ressaisir d’un logiciel à l’autre

Recopier un nouveau client du formulaire d’accueil vers le logiciel de gestion des dossiers, puis vers la facturation : ce travail n’a souvent besoin d’aucune IA. Un flux automatisé, ou un robot logiciel quand le logiciel n’offre aucune interface de programmation, part d’une donnée déjà validée, la saisit, relit ce qu’il a saisi et signale les écarts. À mesurer : les heures de ressaisie par semaine, les écarts découverts plus loin. Au préalable : un processus stable, une source validée, les conditions d’utilisation de chaque éditeur. Premier pas : pendant une semaine, chacun note ce qu’il copie d’un écran à l’autre. Sur Microsoft 365, voyez ce qui est possible pour les soumissions et les factures.

3. Un assistant interne encadré, avec une règle d’usage écrite

Première version d’une lettre, résumé d’un long échange, clause à retrouver dans vos propres modèles : un assistant d’IA retenu par l’entreprise rend ces services, dans un cadre. Le Centre canadien pour la cybersécurité recommande un plan qui définit la façon d’utiliser l’IA, des processus de surveillance et d’examen, et d’éviter l’information nominative ou les données commerciales sensibles dans les requêtes.

À mesurer : le temps passé sur les premières versions, la part des textes à reprendre en profondeur, les incidents signalés. Au préalable : un outil choisi et encadré par contrat, une règle d’une page, une courte formation. Premier pas : écrivez la règle, puis faites l’essai avec cinq volontaires.

1. 1

   Faire l’inventaire

   Pendant une semaine, notez les tâches répétitives : lire, classer, recopier, vérifier.

2. 2

   Noter chaque tâche

   Le volume, le temps, le coût d’une erreur qui passe, la sensibilité des données. Commencez par un volume élevé, une erreur rattrapable et des données peu sensibles.

3. 3

   Choisir la technique

   Pour chaque tâche, la technique la plus simple qui suffit (voir la grille ci-dessous). L’IA seulement là où elle est nécessaire.

4. 4

   Essayer, mesurer, étendre

   Un essai limité, sur des cas réels, comparé à la mesure de départ. On étend ce qui a fait ses preuves, on arrête le reste.

• Demandez à trois personnes de l’équipe quels outils d’IA elles utilisent déjà, et pour quoi.
• Dressez la liste des tâches répétitives de la semaine, notées selon le volume, le temps, le coût d’une erreur et la sensibilité des données.
• Retenez un seul chantier, et mesurez la situation de départ avant de rien changer.
• Voyez avec votre responsable de la protection des renseignements personnels ce que ce chantier exige.
• Écrivez une règle d’usage d’une page pour les assistants d’IA, et dites quel outil est approuvé.
• Fixez la date où vous comparerez les mesures, et la règle pour étendre ou arrêter.