Jusqu’où les entreprises doivent-elles contrôler les technologies, les données et l’écosystème de fournisseurs sur lesquels repose leur utilisation de l’intelligence artificielle? Cette question soulève des enjeux de gouvernance, de dépendances, de gestion des risques et de capacités internes.
L’intégration de l’IA suscite plusieurs interrogations, dont celle du choix entre la création d’outils d’IA internes et l’adoption de solutions commerciales (« build vs buy »). Le tout dans un cadre réglementaire qui reste à définir dans un environnement technologique en constante évolution.
- Faut-il développer des outils internes adaptés aux besoins de l’organisation ou recourir à une solution existante?
- Quelles fonctions doivent demeurer sous contrôle interne?
- Quelles données peut-on confier à un tiers et qui pourra y accéder?
- Quelles dépendances technologiques ou contractuelles découlent de ces choix?
Développer ses propres capacités d’intelligence artificielle ou recourir à une solution clé en main est donc une décision dont les ramifications dépassent largement le choix technologique.
Cette décision doit s’inscrire dans une réflexion beaucoup plus large sur la gouvernance et le niveau de contrôle que l’organisation souhaite conserver sur son environnement d’IA.
Développer ou acquérir une solution d’IA : une décision stratégique
Les besoins auxquels l’IA peut répondre varient d’une organisation à l’autre : automatisation, gains de productivité, aide à la prise de décision, analyse de données ou traitement de renseignements sensibles.
Une réflexion stratégique doit tenir compte de plusieurs facteurs :
- Les usages;
- La sensibilité des données;
- Le niveau de risque acceptable;
- Les capacités internes;
- Les exigences réglementaires;
- Les besoins actuels et futurs.
Une solution commerciale peut répondre rapidement à certains besoins et éviter de mobiliser une équipe spécialisée à l’interne. À l’inverse, le besoin d’adaptabilité ou le traitement de données sensibles peuvent amener une entreprise à privilégier le développement à l’interne.
Le véritable enjeu consiste à bien évaluer ce que chaque modèle permet de contrôler et les dépendances qui en découlent.
Gouvernance de l’IA et gouvernance des données
La gouvernance de l’IA est indissociable de celle des données. Lorsqu’une organisation confie ses données à un tiers, il ne suffit pas de savoir où elles sont hébergées. Il faut aussi comprendre l’environnement dans lequel elles circulent et qui peut intervenir dans leur traitement.
Les données constituent un actif stratégique que les organisations ne peuvent exposer sans tenir compte des risques, particulièrement dans les secteurs où la confidentialité est fondamentale. Le secteur juridique en est un exemple en raison de la nature de l’information confiée aux cabinets, mais le principe s’applique au-delà des services professionnels.
La gouvernance ne relève pas uniquement de la conformité. Elle permet aussi d’encadrer comment les données sont protégées, organisées et utilisées pour soutenir les objectifs de l’organisation.
Pour exercer cette gouvernance, il faut disposer d’une compréhension suffisamment précise de la manière dont les données circulent dans l’environnement technologique
Il faut donc être en mesure d’obtenir les réponses à des questions comme :
- Où les données sont-elles hébergées?
- Qui peut y accéder?
- Quelles juridictions peuvent s’appliquer?
Même lorsqu’un fournisseur de solution commerciale affirme conserver les données dans une juridiction précise, son infrastructure, ses mécanismes de redondance ou ses propres fournisseurs peuvent créer des flux de données beaucoup plus complexes.
Choisir un fournisseur d’IA : comprendre les dépendances technologiques et contractuelles
Le choix d’un fournisseur ne repose pas uniquement sur les capacités de la solution ou sur son coût. Le recours à une solution d’IA commerciale peut créer des dépendances technologiques et contractuelles que l’organisation doit être en mesure de comprendre et de gouverner.
Il faut donc comprendre :
- Quels sous-traitants peuvent intervenir;
- Quelle infrastructure soutient la solution;
- Quelles juridictions peuvent entrer en jeu;
- Quelles sont les dépendances technologiques et contractuelles.
L’évaluation doit permettre de déterminer ce que l’organisation continuera de contrôler directement et ce qu’elle confiera à un tiers.
Développer ou acquérir ses outils d’IA ne constitue donc pas uniquement un choix technologique. La décision détermine également ce que l’organisation contrôle directement et les acteurs dont elle devient dépendante.
Intégration de l’IA en entreprise : conjuguer adoption et esprit critique
L’adoption par les employés représente déjà une préoccupation dans plusieurs organisations. Certains peuvent hésiter à utiliser l’IA, alors que d’autres peuvent l’adopter trop vite sans en comprendre le fonctionnement ou les risques.
- Les utilisateurs vont-ils recourir à l’IA de manière sécuritaire et limiter les risques de fuite de données ?
- Quelle courbe d’apprentissage leur sera nécessaire ?
L’enjeu consiste à créer un environnement où les employés ont suffisamment confiance dans l’IA pour l’utiliser, tout en conservant leur jugement et leur esprit critique.
Cela suppose de déployer de solides cadres de gouvernance, en plus de former ou de mobiliser des personnes capables d’utiliser l’IA en prenant le recul nécessaire lorsque la situation l’exige. À mesure que les capacités de l’IA évolueront, la dimension humaine conservera toute son importance.
Gouvernance de l’IA à long terme : préparer l’organisation de demain
À quoi ressemblera une organisation qui aura véritablement intégré l’IA dans dix ou vingt ans?
Il faudra avoir mis en place :
- Une gouvernance adaptée;
- Des responsabilités claires;
- Les compétences nécessaires;
- Une culture permettant une utilisation réfléchie de l’IA;
- Des mécanismes de contrôle;
- Des informations et des données de qualité.
Une organisation doit être capable non seulement d’utiliser l’IA, mais aussi de comprendre comment ses données sont gouvernées, l’écosystème de ses fournisseurs et les risques associés à son utilisation.
Une stratégie d’IA ne se limite pas à une adoption technologique. Elle doit aussi reposer sur la gouvernance des données, les compétences, la culture interne et les mécanismes de contrôle nécessaires à une utilisation responsable et créatrice de valeur.
Faire de l’IA une décision collective
Qu’une organisation choisisse de développer ses propres capacités d’intelligence artificielle ou de recourir à une solution existante, la décision ne devrait pas être prise en silo. Les enjeux technologiques ne représentent qu’une partie de l’équation.
Données, cybersécurité, protection des renseignements, exigences juridiques et réglementaires, dépendances envers les fournisseurs, capacités internes, coûts, adoption par les utilisateurs et objectifs d’affaires sont étroitement liés. Une décision prise sous un seul angle risque donc de déplacer le risque plutôt que de le prévenir.
C’est pourquoi les organisations qui souhaitent intégrer l’IA ont intérêt à réunir, dès le début de leur réflexion, les fonctions appelées à en évaluer les différentes dimensions.
À mesure que l’IA prendra une place plus importante dans les organisations, celles qui auront mis en place cette gouvernance transversale seront mieux outillées pour faire des choix éclairés et transformer leurs investissements en IA en capacités durables et créatrices de valeur.
- Enquête réalisée auprès de 495 décideurs américains en matière d’IA du 7 au 25 novembre 2025. Les participants comprenaient des cadres, des vice-présidents de l’ingénierie et des produits, de même que des responsables des décisions d'achat et de développement d’IA au sein d’organisations utilisant activement des outils d’IA. Voir le sondage.