Vous louez l’IA de quelqu’un d’autre
L’adoption de l’intelligence artificielle progresse dans les organisations. Mais derrière l’efficacité immédiate se dessine une dépendance structurelle que peu de dirigeants ont encore mesurée. Ce n’est pas une question technologique. C’est une question de gouvernance.
1. L’efficacité immédiate et son angle mort
Au Québec, l’adoption de l’intelligence artificielle en entreprise progresse, mais prudemment. Contrairement à ce que laissent entendre les manchettes technologiques, la majorité des organisations de taille intermédiaire n’en sont pas encore à optimiser leur usage de l’IA — elles en sont à se demander par où commencer, comment justifier l’investissement, et si les gains promis sont réels.
Cette prudence est légitime. Mais elle comporte un risque symétrique : pendant que l’organisation hésite, les fournisseurs, eux, n’attendent pas. Ils structurent le marché, établissent les standards, et créent les dépendances. L’organisation qui tarde à se positionner stratégiquement ne gagne pas du temps — elle laisse d’autres définir les règles à sa place.
Pourtant, une question demeure rarement posée dans les comités de direction : est-ce que nous investissons dans notre propre capacité, ou dans celle de notre fournisseur ?
La distinction est fondamentale. Lorsqu’une organisation déploie un outil d’IA construit sur un modèle tiers — que ce soit Azure OpenAI, Gemini ou tout autre service en nuage —, elle ne se dote pas d’une intelligence. Elle loue l’accès à celle de quelqu’un d’autre. Et comme tout locataire, elle construit sur un terrain qui ne lui appartient pas.
L’efficacité n’est pas en cause. C’est la nature de la relation qui doit être comprise.
2. Le mécanisme que le contrat ne dit pas
Il existe un piège structurel que l’on peut appeler l’obsolescence financée. Son fonctionnement est simple : chaque abonnement versé à un fournisseur d’IA lui permet de financer le développement de ses propres produits concurrents. Votre facture mensuelle à Microsoft ou à Google ne finance pas seulement votre usage — elle finance leur prochaine itération.
Ce n’est pas une conspiration. C’est la mécanique normale d’une industrie en consolidation. Mais elle crée une tension que les dirigeants doivent nommer clairement : le fournisseur qui vous vend l’outil aujourd’hui est aussi celui qui développe le produit qui remplacera cet outil demain — et qui cherchera à vous vendre directement ce qui suit.
L’autre dimension de ce mécanisme est temporelle. Le cycle d’adoption d’un outil en entreprise — évaluation, déploiement, formation, intégration — s’étale généralement sur douze à dix-huit mois. Le cycle d’innovation des fournisseurs de modèles, lui, est de trois à six mois. Au moment précis où votre organisation a terminé d’intégrer une solution, le fournisseur en a déjà lancé une nouvelle version qui modifie les règles du jeu.
Microsoft et Google jouent simultanément plusieurs rôles dans votre écosystème : partenaire de productivité, fournisseur d’infrastructure, investisseur dans les modèles d’IA, et concurrent en devenir. Cette superposition de rôles n’est pas un problème en soi. Mais elle exige une lucidité que les achats technologiques traditionnels n’ont pas préparée les organisations à avoir.
3. La souveraineté que personne ne calcule
La question de la souveraineté des données est souvent réduite à sa dimension juridique : où sont stockées les données, et qui y a accès ? C’est une question nécessaire, mais insuffisante.
Le risque le plus profond n’est pas que vos données soient utilisées à votre insu pour entraîner un modèle — les contrats enterprise de Microsoft et Google excluent explicitement cet usage. Le risque est plus subtil, et plus difficile à contractualiser.
Lorsque votre intelligence organisationnelle — vos processus, vos décisions, vos workflows — est traitée sur une infrastructure étrangère, vous perdez trois choses que peu de dirigeants mesurent :
- Le contrôle du traitement : vous ne savez pas précisément ce qui se passe avec vos données au moment de l’inférence, ni comment elles sont gérées dans les couches intermédiaires du service.
- La portabilité réelle : vos usages, vos automatisations et vos intégrations se construisent autour d’une interface propriétaire. Changer de fournisseur ne signifie pas exporter un fichier — cela signifie reconstruire.
- Le levier contractuel : les conditions d’utilisation évoluent. Ce qui est garanti aujourd’hui peut être modifié lors du prochain renouvellement, et votre capacité à résister à ces changements est directement proportionnelle à votre niveau de dépendance.
Pour les organisations québécoises et canadiennes, une dimension supplémentaire s’ajoute : la résidence des données et leur exposition potentielle au Cloud Act américain. Ce n’est pas une menace abstraite. C’est un paramètre de conformité et de risque géopolitique que les conseils d’administration commencent à inscrire à leur ordre du jour.
Vous ne perdez pas vos données. Vous perdez le contrôle de leur traitement, de leur résidence, et de votre capacité à changer de cap.
4. Ce que la direction devrait exiger de son équipe TI
La gouvernance de l’IA ne peut plus être déléguée entièrement aux équipes techniques. Elle appartient à la direction — parce que ses implications touchent la stratégie, le risque, et la compétitivité à long terme.
Avant tout investissement IA significatif, quatre questions méritent une réponse claire :
1. Si ce fournisseur modifie ses tarifs ou ses conditions dans dix-huit mois, quelle est notre capacité réelle à migrer ? Quel en serait le coût opérationnel et humain ?
2. Quelle part de notre processus décisionnel sera traitée sur une infrastructure que nous ne contrôlons pas ? Avons-nous évalué les implications pour notre conformité et notre gouvernance des données ?
3. Cet outil nous rend-il plus autonomes ou plus dépendants au fil du temps ? L’efficacité qu’il génère aujourd’hui est-elle transférable si nous changeons de plateforme ?
4. Disposons-nous d’un plan de réversibilité ? Pas comme scénario catastrophe, mais comme indicateur de maturité dans notre gestion du risque technologique.
Ces questions ne visent pas à freiner l’adoption. Elles visent à s’assurer que l’organisation adopte en position de force, et non par défaut.
5. Les modèles à poids ouverts : un choix de souveraineté, pas un compromis
Il existe une alternative structurelle à la dépendance aux grands modèles propriétaires : les modèles à poids ouverts, tels que Llama (Meta) ou Mistral. Ces modèles peuvent être déployés sur l’infrastructure de l’organisation elle-même — sur ses propres serveurs ou dans un environnement infonuagique qu’elle contrôle entièrement.
Cette option est encore trop souvent perçue comme une solution de second rang, réservée aux organisations qui n’ont pas les moyens des grandes plateformes. C’est une lecture inexacte, et stratégiquement coûteuse.
Les modèles à poids ouverts présentent aujourd’hui des performances très compétitives pour une large gamme de cas d’usage en entreprise. Leur déploiement implique certes un investissement en infrastructure et en expertise — il transforme une dépense opérationnelle flexible en investissement capitalisable. Cela suppose de disposer, en interne ou via un partenaire, des compétences pour déployer, sécuriser et maintenir le modèle : administration de l’environnement d’inférence, gestion des mises à jour, surveillance des performances et encadrement des usages. Mais cet investissement a une contrepartie directe : l’organisation cesse de financer ses propres contraintes futures.
Plus fondamentalement, choisir un modèle à poids ouverts, c’est choisir que l’intelligence qui traite vos données stratégiques reste dans votre périmètre. Que vous contrôlez la version du modèle, les conditions de son utilisation, et sa trajectoire d’évolution. Que votre dépendance a une limite que vous avez vous-même définie.
La vraie question n’est pas quelle IA adopter. C’est dans quelle position stratégique vous placez-vous en l’adoptant.
Dans un contexte où la souveraineté numérique devient un enjeu de compétitivité autant que de conformité, ce choix mérite d’être posé explicitement — non pas à la table des TI, mais à celle du conseil d’administration.
Eficio accompagne les organisations dans l’évaluation de leur maturité TI et la gouvernance de leurs investissements technologiques. Ce texte s’inscrit dans notre démarche de veille stratégique à l’intention des dirigeants et CIOs.
FAQ – IA
Quelle est la différence entre adopter un outil d'IA et développer une capacité d'IA ?
Adopter un outil d’IA signifie louer l’accès à l’intelligence d’un fournisseur tiers (Microsoft, Google, etc.) via un abonnement. Développer une capacité d’IA signifie investir dans votre propre infrastructure et expertise, souvent via des modèles à poids ouverts que vous déployez sur vos serveurs. La première option offre une efficacité immédiate mais crée une dépendance structurelle. La seconde exige un investissement initial plus important, mais vous donne le contrôle du traitement de vos données stratégiques et de votre trajectoire d’évolution.
Qu'est-ce qu'un modèle à poids ouverts et pourquoi devrait-il intéresser les dirigeants ?
Un modèle à poids ouverts (comme Llama ou Mistral) est une intelligence artificielle que vous pouvez déployer sur votre propre infrastructure plutôt que de louer l’accès à celle d’un fournisseur. Pour les dirigeants, l’intérêt n’est pas d’abord technique — c’est stratégique : vous contrôlez où vos données sont traitées, vous ne financez pas l’obsolescence de vos propres outils, et vous gardez un levier de négociation avec vos partenaires technologiques. Eficio accompagne les organisations dans l’évaluation de cette option via son Parcours IA, qui aide à déterminer si cette approche correspond à votre niveau de maturité et à vos enjeux de gouvernance.
Comment évaluer si notre organisation est en position de dépendance vis-à-vis de nos fournisseurs d'IA ?
Posez-vous ces questions : Si votre fournisseur modifie ses tarifs ou conditions dans 18 mois, pouvez-vous migrer facilement ? Quel serait le coût réel (opérationnel, humain, temporel) d’un changement de plateforme ? Vos processus décisionnels clés sont-ils traités sur une infrastructure que vous ne contrôlez pas ? Si ces questions n’ont pas de réponse claire, votre niveau de dépendance mérite une évaluation formelle par votre direction.
Pourquoi la gouvernance de l'IA devrait-elle être discutée au conseil d'administration et pas seulement aux TI ?
Parce que l’IA ne concerne plus uniquement l’efficacité opérationnelle — elle touche la stratégie, le risque, la conformité et la compétitivité à long terme. Les décisions d’adoption d’IA créent des dépendances structurelles qui peuvent limiter vos options futures, exposer vos données stratégiques et affecter votre capacité à négocier avec vos fournisseurs. Ce sont des enjeux de gouvernance d’entreprise, pas des décisions purement techniques.
Inscrivez-vous à l’infolettre Eficio et soyez le premier à recevoir notre actualité !