93 % des chefs d'entreprise canadiens disent que leur entreprise utilise l'IA. 2 % en tirent des bénéfices (KPMG Canada, novembre 2025).
Ce n'est pas un problème technologique. C'est un problème de fondations. Les modèles fonctionnent. Les démonstrations sont convaincantes. Puis, l'initiative se heurte aux données de production et s'effondre, parce que les données d'entrée sont chaotiques, la lignée est fictive, la gouvernance n'existe que sur une diapositive que personne n'a vraiment lue et les environnements hors production sont encore remplis de données personnelles réelles datant de l'époque des deux RSSI précédents.
La préparation à l'IA, c'est pas un produit. C'est un état d'esprit.
Soit ton environnement y parvient, soit ton projet stagne. Il n'y a pas de troisième option. Répare la plomberie et tu obtiendras des applications qui font confiance à leurs données d'entrée, une confidentialité qui ne s'impose pas comme un veto de dernière minute, des audits qui relèvent de la préparation plutôt que de la panique, et une prochaine équipe qui héritera d'éléments fonctionnels plutôt que d'un jeu de devinettes. Ignore ça et tu te condamnes à refaire le même projet pilote, sauf que cette fois, le conseil d'administration se souviendra du premier budget.
À quoi ça ressemble, le boulot quand personne ne regarde ?
Quelqu'un finit par le dire. La confidentialité et la gouvernance sont ajoutées après coup, et non intégrées dès le départ. Le catalogue est absent ou simulé. Viennent ensuite les premières victoires : de petits cas d'utilisation avec des contrôles dès le premier jour. Après ça, le travail complexe. Réparer les tuyaux. Automatiser les mesures de sécurité. Former des gens qui n’ont jamais vu de ligne de code ailleurs que dans un tableur.
Ensuite, ça s'accumule. Respecte les SLO pour les données et les modèles. Surveille la dérive et la santé des caractéristiques. Garde un registre de modèles bien tenu et des contrats versionnés. Crée des chemins de retour qui ne nécessitent pas de cellule de crise. Intègre les validations, la traçabilité et les justificatifs dans les pipelines pour que le « ce qui s’est passé » ne devienne pas une rétrospective de 6 semaines. Rien de tout ça n’a rien de glamour. C’est pour ça que ça marche.
Une fiche d'évaluation que tu peux utiliser un lundi
Gary a fait ça au dernier trimestre. La plupart des cases étaient cochées. Les lacunes correspondaient à celles que personne n'avait financées il y a deux ans. Ça ne l'a pas surpris.
Si ton catalogue est vraiment utilisé et que les gens s'en servent pour trouver des infos au lieu de demander à la personne la plus ancienne de l'entreprise, passe à la suite. S'il s'agit d'une feuille de calcul datant de la dernière migration, commence par régler ce problème.
Si les environnements hors production sont masqués par défaut, passe ton chemin. Si on attend « quand on aura le temps » pour les masquer, ça ne se fait pas.
Si la généalogie et les validations sont enregistrées dans le pipeline au fur et à mesure que le travail avance, passe ton chemin. Si elles sont rassemblées lors du post-mortem par des gens qui ont mieux à faire, tu paies le prix fort pour des retouches qui auraient pu être évitées.
S'il y a un propriétaire désigné qui peut donner son accord ou son refus sans avoir à convoquer un comité qui se réunit tous les mois et publie des comptes-rendus que personne ne lit, passe ton chemin.
Si quelqu'un peut remonter jusqu'aux données d'entrée qui ont alimenté une décision sans passer par une cellule de crise, vas-y. Sinon, tes résultats d'IA ne sont que des suggestions que personne ne peut défendre quand l'auditeur pose des questions.
En pratique
Finance. Les modèles de fraude et de risque fonctionnent quand les données d'entrée sont classées et que la traçabilité est assurée. L'analyste à Toronto arrête de remettre en question les données et commence à faire confiance aux résultats. Les cycles de révision s'accourcissent. Les résultats cessent de fluctuer parce que la base sur laquelle ils reposent est stable.
Santé. Les modèles prédictifs progressent plus vite quand les mesures de confidentialité sont intégrées avant le début de l'entraînement. Une équipe de recherche en Alberta travaille avec des données de patients anonymisées, gérées et prêtes à être analysées, sans que l'hôpital ne fasse la une du Calgary Herald.
Fabrication. La prévision marche quand le service des commandes et le service informatique se mettent d'accord sur la définition d'une « unité ». L'usine de Sudbury et l'entrepôt de Mississauga arrêtent de se disputer sur les définitions. D'abord le catalogue. L'optimisation, après.
La série jusqu'à présent
Cet article s'appuie sur tout ce qui l'a précédé. « Tu ne peux pas protéger ce que tu ne peux pas trouver » t'a apporté de la visibilité. Ta politique dit une chose, ton environnement en dit une autre: ça t'a donné les contrôles. Personne n'est promu pour son travail en matière de gouvernance: ça t'a donné les règles. Les données se moquent de ton pare-feu: ça t'a donné la protection. C'est là que tout s'additionne... ou pas.
Le service qui regroupe tout : Préparation à l'IA.
Commence là où tu es
Choisis un processus lié à un résultat concret. Fais-en la liste. Ajoute la traçabilité. Intègre les validations. Assure sa fiabilité de bout en bout. C'est comme ça que les projets pilotes deviennent des produits.
Depuis des décennies, on aide les équipes du secteur public et des entreprises canadiennes à transformer des environnements complexes en solutions d'IA opérationnelles. Une prestation locale. La capacité mondiale de Kyndryl quand il faut passer à la vitesse supérieure. Et on reste à tes côtés quand les choses se compliquent.
Un petit mot de Catherine Manarolis, directrice des ventes
Je bosse dans le secteur des technologies de l'information en entreprise depuis plus de 20 ans. J'ai d'abord travaillé avec les géants du secteur, et maintenant avec une équipe qui s'occupe vraiment de régler les problèmes sous-jacents. J'ai vu trop de clients perdre de l'argent dans des solutions bien intentionnées qui finissent par stagner juste avant d'être livrées.
Les clients qui réussissent ne sont pas toujours ceux qui ont les plus gros budgets. Ce sont ceux qui ont consolidé leurs bases avant que la pression ne monte, ou qui ont testé les nouveautés avant de les déployer à grande échelle.
Quand la structure est solide, tu n’as pas à payer pour des retouches, des surmenages professionnels ou des audits à l’improviste. Tu n’as pas à justifier de budgets pour finir ce que tu as déjà commencé. Et tu ne perds pas de temps à refaire ce qui aurait dû être évolutif.
Mon rôle, c'est pas de te refiler un produit. C'est de comprendre ce qui te freine et de t'aider à trouver la bonne voie. Si ta prochaine initiative approche et que tu veux qu'elle soit un succès, je suis là.
