Gouvernance IA : l'écart de maturité se creuse

Ce que révèle l'étude McKinsey 2026

Entre décembre 2025 et janvier 2026, McKinsey & Company a sondé environ 500 entreprises sur leur maturité en intelligence artificielle. Le constat est limpide : les organisations qui ont attribué la responsabilité de l'IA à une personne ou une équipe dédiée affichent un score de maturité de 2,6 sur 4. Celles qui naviguent sans gouvernance claire stagnent à 1,8.

Un écart de 0,8 point peut sembler modeste sur le papier. Dans la pratique, c'est la différence entre une organisation qui subit les transformations technologiques et une autre qui les orchestre selon ses priorités d'affaires.

L'étude souligne également que seulement un tiers des organisations sondées atteignent un niveau de maturité de 3 ou plus en stratégie et gouvernance IA. Deux tiers des entreprises, donc, avancent sans cadre structuré.

La gouvernance n'est pas un luxe de grande entreprise

Pour plusieurs PME et OBNL du Québec, la gouvernance IA évoque des comités pléthoriques, des politiques de 50 pages et des processus qui ralentissent tout. Cette perception mérite d'être corrigée.

Gouverner l'IA, c'est d'abord répondre à trois questions simples :

• Qui décide des cas d'usage à prioriser?
• Qui valide que les outils déployés respectent vos obligations (protection des données, propriété intellectuelle, normes sectorielles)?
• Qui mesure les résultats et ajuste le tir?

Sans réponse claire à ces questions, chaque département avance selon sa propre logique. Le marketing teste ChatGPT pour ses infolettres. La comptabilité explore des outils d'automatisation. Les RH évaluent des solutions de tri de CV. Personne ne coordonne, personne ne capitalise sur les apprentissages, personne ne gère les risques de façon cohérente.

Le coût réel de l'absence de gouvernance

Les entreprises sans responsable IA désigné accumulent des coûts cachés que l'étude McKinsey ne quantifie pas directement, mais que les firmes-conseils comme Extensio.ai observent régulièrement auprès des organisations du Grand Montréal et d'ailleurs au Québec.

Duplication des efforts : trois équipes qui testent trois outils différents pour résoudre le même problème, c'est trois fois le temps d'évaluation, trois courbes d'apprentissage, trois abonnements potentiels.

Risques non gérés : un employé qui alimente un outil IA gratuit avec des données clients sensibles ne le fait pas par malveillance. Il le fait parce que personne n'a établi de balises claires.

Opportunités manquées : sans vision d'ensemble, les gains rapides prennent le dessus sur les projets structurants. L'organisation optimise des tâches isolées au lieu de repenser ses processus.

Fatigue décisionnelle : quand chaque nouvelle annonce technologique génère des discussions sans fin sur « est-ce qu'on devrait? », l'énergie collective s'épuise dans le débat plutôt que dans l'action.

Ce que signifie « nommer un responsable »

L'étude McKinsey ne prescrit pas un titre de poste spécifique. Elle mesure simplement si la responsabilité est clairement attribuée. Pour une PME québécoise de 25 employés, ce responsable peut être le directeur des opérations qui ajoute l'IA à son mandat. Pour un OBNL, ce peut être un membre de la direction qui consacre quelques heures par semaine à cette fonction.

L'enjeu n'est pas de créer un nouveau poste, mais de créer de l'imputabilité. Quelqu'un doit pouvoir répondre à la question : « Où en sommes-nous avec l'IA et où allons-nous? »

Cette personne n'a pas besoin d'être experte en apprentissage automatique. Elle doit comprendre les enjeux d'affaires de l'organisation, avoir l'autorité pour arbitrer entre les priorités et la curiosité pour suivre l'évolution rapide du domaine.

Les caractéristiques des organisations matures

Au-delà de la nomination d'un responsable, l'étude McKinsey identifie d'autres marqueurs de maturité que les PME et institutions québécoises peuvent adopter progressivement.

Une politique d'utilisation acceptable : un document simple qui précise ce qu'on peut et ne peut pas faire avec les outils IA. Quelles données peuvent être partagées? Quels types de décisions peuvent être déléguées à l'IA? Quelles vérifications humaines sont requises?

Un inventaire des usages : savoir quels outils IA sont utilisés dans l'organisation, par qui et pour quoi. Sans cet inventaire, impossible d'évaluer les risques ou d'identifier les synergies.

Des critères d'évaluation : avant de déployer un nouvel outil, quelles questions poser? Où sont hébergées les données? Le fournisseur utilise-t-il vos données pour entraîner ses modèles? Quelles sont les garanties de disponibilité?

Un processus de retour d'expérience : les projets pilotes génèrent des apprentissages. Encore faut-il les documenter et les partager pour éviter de répéter les mêmes erreurs.

Par où commencer

Pour une organisation québécoise qui part de zéro, voici une séquence réaliste :

Semaine 1-2 : Désigner un responsable. Pas besoin d'un mandat de 40 heures. Une personne identifiée avec quelques heures par semaine dédiées suffit pour amorcer le mouvement.

Semaine 3-4 : Dresser l'inventaire des usages actuels. Un simple formulaire envoyé aux équipes : « Utilisez-vous des outils d'IA? Lesquels? Pour quelles tâches? »

Mois 2 : Rédiger une politique d'utilisation acceptable. Deux pages suffisent. L'objectif est de donner des balises claires, pas de couvrir tous les scénarios imaginables.

Mois 3 : Identifier un ou deux cas d'usage prioritaires alignés sur les objectifs d'affaires. Lancer des projets pilotes encadrés plutôt que de laisser proliférer les initiatives spontanées.

Le contexte québécois

Les PME et OBNL du Québec font face à des défis spécifiques. La rareté de main-d'œuvre pousse à l'automatisation, mais les ressources pour structurer cette transformation sont limitées. Les obligations linguistiques ajoutent une couche de complexité dans le choix des outils. Les subventions disponibles (CDAE, programmes d'Investissement Québec) peuvent financer des projets IA, mais exigent souvent une documentation que seule une gouvernance minimale permet de produire.

Les organisations du Grand Montréal bénéficient d'un écosystème IA dynamique — Mila, Scale AI, nombreuses startups — mais cet écosystème génère aussi un bruit constant. Sans gouvernance pour filtrer les opportunités pertinentes, le risque est de courir après chaque nouveauté sans jamais ancrer les gains.

La gouvernance comme avantage concurrentiel

L'étude McKinsey positionne la gouvernance comme un facteur de maturité. On peut aller plus loin : dans un contexte où la majorité des organisations avancent sans cadre structuré, celles qui se dotent d'une gouvernance claire acquièrent un avantage concurrentiel.

Elles déploient plus vite parce qu'elles n'ont pas à débattre des règles du jeu à chaque projet. Elles attirent des talents qui préfèrent travailler dans un environnement où les balises sont claires. Elles rassurent leurs clients et partenaires sur leur gestion des données. Elles accèdent plus facilement aux financements qui exigent une démonstration de rigueur.

La gouvernance IA n'est pas un frein à l'innovation. C'est ce qui permet d'innover de façon durable, sans accumuler de dette technique ou de risques réputationnels.