Avenir du travail

Note : La recherche présentée dans ce rapport s’appuie sur des sondages et des entrevues menés auprès de 300 organisations au 1er trimestre de 2025. Elle reflète des tendances d’adoption déclarées, plutôt que des gains de productivité mesurés. Le chiffre de 90 % correspond à une utilisation régulière auto-déclarée d’outils d’IA pour des tâches de travail, et peut recouvrir des niveaux de maîtrise variables. 

Les employé·es franchissent d’eux-mêmes le fossé de l’adoption de l’IA générative, même si leurs employeurs restent cantonnés à des projets pilotes. Dans une étude portant sur la mise en œuvre de l’IA dans 300 entreprises, des travailleurs et travailleuses de plus de 90 % des organisations sondées disent utiliser régulièrement des outils d’IA personnels pour des tâches professionnelles – alors que seulement 40 % de ces mêmes organisations ont acheté des abonnements officiels à des outils d’IA pour leurs équipes.  

Cette économie parallèle de l’IA montre que les employé·es intègrent déjà l’IA à leurs méthodes de travail au quotidien grâce à des outils grand public comme ChatGPT et Claude, souvent sans supervision des TI ni formation structurée. Plusieurs disent s’en servir plusieurs fois par jour, tandis que les initiatives officielles de leur organisation demeurent bloquées à des phases d’expérimentation. L’écart entre l’adoption individuelle et le déploiement organisationnel révèle que les employé·es n’attendent pas que les systèmes officiels suivent le rythme.  

La préférence pour les outils d’IA grand public plutôt que pour des solutions d’entreprise s’expliquerait par des différences d’expérience d’utilisation. Les employé·es vantent régulièrement la souplesse, la familiarité et l’utilité immédiate des outils grand public, tout en décrivant les outils d’entreprise comme rigides, inutilement complexes ou mal adaptés aux méthodes de travail. À titre d’exemple, un juriste d’entreprise sondé indique avoir investi dans un outil spécialisé d’analyse de contrats, mais revenir systématiquement à ChatGPT pour la rédaction, jugeant la qualité des résultats supérieure et appréciant la possibilité d’affiner le texte par itérations, au fil d’un échange. Cette dynamique suggère que des outils généralistes, dotés d’une interface conversationnelle, peuvent surpasser des systèmes spécialisés destinés aux entreprises, pourtant beaucoup plus coûteux.  

Cette adoption informelle a des effets importants sur les effectifs. Les personnes qui utilisent activement des outils d’IA à titre personnel déclarent des gains de productivité et développent une culture pratique de l’IA grâce à l’expérimentation, pendant que les initiatives officielles de leur organisation piétinent. Il peut en résulter une asymétrie de connaissances : le personnel de première ligne comprendrait parfois mieux les capacités de l’IA que les dirigeant·es. L’économie parallèle soulève aussi des questions d’équité, puisque les personnes qui peuvent payer un abonnement à un outil grand public, ou qui possèdent déjà une aisance technique, pourraient prendre de l’avance sur leurs collègues qui n’ont pas les mêmes moyens ou compétences.  

Pourquoi ces résultats comptent 

Secteur public : Le décalage entre les stratégies organisationnelles et les usages réels suggère que les politiques sur l’IA au travail devraient tenir compte des compétences informelles qui se développent déjà. Les programmes de formation et d’initiation au numérique gagneraient à partir de l’expérience concrète que de nombreuses personnes acquièrent avec des outils grand public, plutôt que de présumer une absence d’exposition à l’IA. 

Employeurs et services d’emploi : L’économie parallèle indique que les employé·es sont prêt·es à intégrer l’IA à leur travail, mais que les organisations ne suivent pas. Comprendre quels outils personnels sont déjà utilisés, et pourquoi ils sont souvent préférés à des solutions d’entreprise coûteuses, pourrait orienter les décisions d’acquisition et les stratégies de mise en œuvre, en les alignant sur les besoins réels.  

Enseignement postsecondaire et étudiant·es : Le rapport laisse entendre que, pour la préparation au marché du travail à court terme, l’expérience pratique compte peut-être davantage que les titres officiels. Les étudiant·es utilisent déjà des outils d’IA grand public pour leurs travaux et projets et développent, ce faisant, des compétences transférables – même si ces outils diffèrent de ceux déployés en entreprise. Les établissements pourraient réfléchir à la façon de reconnaître et de consolider ces apprentissages informels.  

Écosystème de l’IMT : L’économie parallèle de l’IA pose un défi de mesure. Les indicateurs traditionnels d’adoption technologique et de compétences numériques risquent de passer à côté d’une part importante du développement des capacités en IA, parce qu’il se fait hors des canaux officiels. Les spécialistes de l’IMT gagneraient à réfléchir à des moyens de capter l’usage informel des outils d’IA et à ses liens possibles avec la productivité et la qualité de l’emploi.