Voici une matrice des nouveaux rôles liés à l’IA, adaptée au contexte québécois, où l’on valorise à la fois l’éthique, l’efficacité, la formation continue et la collaboration humaine.

L’article a été rédigé avec l’aide de l’intelligence artificielle, suivi d’une vérification minutieuse du contenu et des références.

Vos commentaires sont appréciés.

Bonne lecture.

Matrice des nouveaux rôles liés à l’IA au Québec (2025)

Télécharger Matrice_roles_IA_Quebec_2025.docx

Lecture stratégique de la matrice

• • Les grands groupes (Hydro-Québec, Desjardins, CAE, Banque Nationale) tendent à institutionnaliser ces rôles à travers des unités dites de  Transformation IA.
  • Les PME optent pour des fonctions hybrides : par exemple, un « analyste marketing IA » qui combine stratégie et usage de copilotes.
  • Les OBNL et municipalités commencent à recruter des chargés d’innovation numérique intégrant une dimension IA responsable (souvent reliée à la Loi 25).
  • Les centres de recherche et incubateurs (MILA, IVADO, SCALE AI, CEIM) deviennent des réservoirs de talents pour ces postes émergents.

En résumé

Le Québec avance avec prudence, mais aussi avec créativité.
Il ne s’agit pas d’imiter les États-Unis dans leur frénésie de nouveaux titres, mais d’intégrer intelligemment les rôles IA dans notre tissu économique : en misant sur l’éthique, la formation, la gouvernance et la valeur humaine ajoutée.

---

** Voici une explication claire et contextualisée (en français) de chacune de ces abréviations et notions, avec leur signification et leur rôle concret dans le contexte québécois de l’intelligence artificielle.

Organismes et structures québécoises en IA

IVADO

Institut de valorisation des données

• Regroupe les universités de Montréal, Polytechnique Montréal et HEC Montréal.
• Mission : soutenir la recherche appliquée et la formation en science des données et intelligence artificielle, et relier les chercheurs aux entreprises (Hydro-Québec, Desjardins, CAE, etc.).
• C’est un pôle scientifique majeur du Québec en IA.

MILA 

Institut québécois d’intelligence artificielle

MILA a pour mission de repousser les frontières de la recherche fondamentale et appliquée en intelligence artificielle, tout en favorisant son utilisation éthique et responsable.

Son action s’articule autour de quatre volets :

1. 1. Recherche – en deep learning, en apprentissage automatique (ML), en traitement du langage naturel (LLM), en vision par ordinateur, etc.
   2. Formation – collaboration avec l’Université de Montréal, Polytechnique Montréal, HEC Montréal, et d’autres institutions.
   3. Transfert industriel – accompagnement des entreprises dans leurs projets IA (partenariats avec Hydro-Québec, Ubisoft, Air Canada, etc.).
   4. Éthique et société – réflexion sur les impacts sociaux, environnementaux et moraux de l’IA.

SCALE AI

Supply Chain and Logistics Excellence Artificial Intelligence Supercluster

• • L’un des supergrappes d’innovation financées par le gouvernement fédéral du Canada.
  • Mission : accélérer l’adoption de l’IA dans les chaînes d’approvisionnement (transport, distribution, logistique, commerce).
  • Basée à Montréal, elle finance de nombreux projets d’entreprises québécoises (ex. : Metro, CN, Couche-Tard).

CEIM

Centre d’entreprises et d’innovation de Montréal

• • Un incubateur et accélérateur d’entreprises technologiques.
  • Mission : soutenir les startups et PME innovantes, notamment dans les domaines de l’IA, de la cybersécurité et du numérique.
  • C’est souvent le premier tremplin pour les jeunes entreprises IA québécoises.

Concepts et technologies liés à l’intelligence artificielle

Human-AI

Human–Artificial Intelligence Collaboration

• • Désigne la collaboration entre les humains et les systèmes d’IA.
  • Objectif : combiner la créativité et le jugement humain avec la rapidité et la puissance analytique de l’IA.
  • Exemple : un médecin qui utilise un outil IA pour analyser des images médicales, mais garde la décision finale.

API

Application Programming Interface

• • Interface de programmation d’application.
  • Permet à deux logiciels de communiquer entre eux automatiquement.
  • Exemple : une entreprise québécoise peut connecter son CRM à ChatGPT via une API pour générer automatiquement des résumés clients.

LLM

Large Language Model (Grand Modèle de Langage)

• • Modèle d’intelligence artificielle entraîné sur d’immenses volumes de textes pour comprendre et générer du langage humain.
  • ChatGPT, Claude, Gemini, Mistral sont des exemples de LLM.
  • Sert à la traduction, au résumé, à la génération de contenu ou à la rédaction automatisée.

Curator

Conservateur / Sélectionneur de contenu

• • Dans le contexte de l’IA, un AI content curator sélectionne, valide et organise des contenus générés automatiquement.
  • Exemple : un journaliste ou un responsable marketing qui utilise l’IA pour produire des textes, mais assure la révision humaine avant diffusion.

SQL

Structured Query Language

• • Langage standard pour interroger et gérer les bases de données.
  • Permet de chercher, organiser ou modifier des données (clients, ventes, transactions, etc.).
  • Indispensable pour les architectes de données et les ingénieurs IA.

ML

Machine Learning (Apprentissage automatique)

• • Branche de l’IA qui permet à une machine d’apprendre à partir de données sans être programmée explicitement.
  • Exemple : un algorithme de ML apprend à reconnaître les fraudes bancaires en analysant des milliers de transactions passées.

Ontologies

• • En informatique, une ontologie est une représentation structurée des connaissances d’un domaine : les concepts, leurs relations et les règles qui les lient.
  • Exemple : une ontologie médicale relie les notions de symptôme, diagnostic et traitement pour qu’une IA puisse raisonner sur ces liens.
  • Essentiel pour les knowledge architects (architectes de connaissances).

UX

User Experience (Expérience utilisateur)

• • Fait référence à la qualité de l’expérience vécue par l’usager lors de l’utilisation d’un produit ou service numérique.
  • En IA, l’UX vise à rendre les interactions homme-machine naturelles, efficaces et plaisantes.
  • Exemple : un designer UX crée une interface de chatbot conviviale et rassurante.

Voici un article qui brosse un portrait succinct sur la façon dont les entreprises québécoises s’adaptent à l’arrivée massive de l’IA, et sur quelques leaders qui participent à ce phénomène.

Les nouveaux rôles liés à l’IA — tels que « knowledge architect », « orchestration engineer », « human-AI collaboration lead » — fleurissent notamment aux États-Unis dans des entreprises comme Walmart, KPMG ou Salesforce. (Voir l’article du Washington Post https://www.washingtonpost.com/business/2025/10/29/ai-new-jobs/ ).

Le Québec n’est pas en reste : les organisations y intègrent l’IA — générative ou non — de façon croissante, mais avec des nuances..

L’article a été rédigé avec l’aide de l’intelligence artificielle, suivi d’une vérification minutieuse du contenu et des références.

L’état des lieux

• • Une étude de KPMG montre que 76 % des organisations québécoises ont adopté l’IA générative — un taux plus élevé que la moyenne canadienne (61 %). KPMG
  • Parmi ces entreprises québécoises, 46 % de celles qui ont adopté l’IA générative déclarent l’avoir intégrée « pleinement » à leurs opérations ou flux de travail principaux — là encore au-dessus de la moyenne nationale (36 %). KPMG
  • Les usages les plus cités : la conformité réglementaire (environ 50 % des répondants), l’automatisation de tâches via des copilotes (37 %), la génération de matériel marketing (30 %). KPMG
  • Toutefois — et c’est un élément à ne pas négliger —, un rapport du Conseil du patronat du Québec (CPQ) souligne que « les entreprises du Québec ne savent pas toujours par où commencer » en matière d’IA. Conseil du patronat du Québec
  • On observe cependant une fracture : les grandes entreprises avancent plus vite que les PME dans l’IA générative. croo.io
  • Enfin, on note une très bonne adaptation des entreprises québécoises à ces nouvelles fonctions

Puisque de nombreux nouveaux rôles sont créés autour de l’IA (pilotage, architecture, collaboration homme-machine, ingénierie d’orchestration), comment les entreprises québécoises s’ajustent-elles ?

Voici quelques tendances :

• • Stratégie et gouvernance interne : les organisations québécoises prennent conscience que l’IA n’est pas qu’un projet techno mais un levier stratégique. Elles mettent en place des cadres pour l’éthique, la gestion des risques, et la formation des employés afin de préparer des rôles comme « human-AI collaboration lead ».
  • Formation et montée des compétences : face aux défis de compréhension et d’adoption (78 % des répondants voient « l’adoption par les employés » comme un défi) KPMG, il y a un mouvement vers la formation continue, l’hybridation métiers/IA.
  • Optimisation des processus métiers existants : plutôt que de créer immédiatement une armée de nouveaux postes, plusieurs entreprises adaptent leurs rôles existants (ex : analyste, ingénieur de données, chef de projet digital) en y incorporant des responsabilités IA-centric.
  • Partenariat et externalisation : beaucoup de PME déplacent la création de nouveaux rôles vers des partenariats avec des firmes externes spécialisées IA ou consultants, plutôt que tout internaliser dès le départ.
  • Pilotage et maturité progressive : les entreprises québécoises s’orientent souvent vers des projets pilotes, testant des automations, copilotes, générateurs de contenus ou surveillance réglementaire, avant d’évoluer vers des rôles mieux définis et intégrés.

Quelques entreprises-phare québécoises de l’IA

Pour illustrer les propos par des exemples concrets, voici trois acteurs québécois très visibles dans l’écosystème IA (et qui servent aussi de partenaires pour d’autres entreprises).

Coveo (Montréal)

Spécialisée dans l’intelligence artificielle appliquée à la recherche et à la personnalisation (e-commerce, support client, recherche interne), Coveo est un bon exemple de firme québécoise qui transforme l’IA en produit commercialisable. Wikipédia+1 http://www.coveo.com

En tant qu’entreprise utilisatrice, elle a intégré des fonctions de personnalisation intelligente, d’IA de recommandation et de traitement du langage naturel. Elle prépare ainsi des rôles internes d’« IA architecte », d’ingénieur IA, de designer de conversation (dans ses services).
Pour les entreprises clientes, travailler avec Coveo permet de « délocaliser » l’expertise IA jusqu’au partenaire, plutôt que de recruter immédiatement le tout en interne.

Leçons : une solution «plug-in» IA permet de pallier l’absence initiale de nouveaux rôles internes.

Gestisoft (Montréal)

Gestisoft est une entreprise québécoise certifiée B-Corp spécialisée dans l’intégration de Microsoft Dynamics 365 et l’IA dans les processus clients, notamment pour les PME, associations, municipalités. gestisoft.com+1
Elle illustre l’adaptation «de proximité» de l’IA : l’IA n’est pas seulement pour les géants, mais s’invite dans les PME et les organisations intermédiaires. Gestisoft permet à ses clients de créer des «copilotes» internes (dans CRM/ERP), d’intégrer des fonctions de prédiction des besoins, de personnalisation, d’automatisation de la relation client.

Leçons : l’implantation IA commence souvent par des rôles «hybrides» (analyste CRM + IA), avant de créer des titres exotiques comme «conversation designer».

Zetane Systems (Montréal)

 

Cette firme est spécialisée dans l’IA industrielle : elle propose des plateformes permettant aux entreprises de valider, tester et déployer des modèles IA dans des environnements sensibles (manufacturier, industriel) https://zetane.com

Dans ce contexte, on retrouve des nouveaux rôles clairement définis : ingénieur d’orchestration (connecter plusieurs agents IA), architecte IA responsable (garde-fous, fiabilité, interprétabilité), etc. Pour des entreprises manufacturières ou d’ingénierie au Québec, travailler avec Zetane veut dire avancer vers des fonctions IA structurées.

Leçons : dans les secteurs plus «durs» (manufacturier, ingénierie), l’IA impose aussi de nouveaux postes plus techniques, ce qui incite les entreprises québécoises à anticiper.

Enjeux et recommandations pour les entreprises québécoises

        Enjeux

• • Le manque de talents spécialisés reste un frein majeur. Même parmi les entreprises qui ont adopté, 28 % déclarent qu’elles comprennent bien la valeur de l’IA et comment l’utiliser; 22 % sont en désaccord. KPMG
  • Le fossé PME vs grandes entreprises se creuse. Les grandes avancent vite, les plus petites restent hési­tantes. croo.io
  • Les questions d’éthique, de biais, de transparence, et de conformité réglementaire sont considérées comme «très difficiles» par plus de 75 % des répondants. KPMG
  • Malgré l’adoption, beaucoup d’organisations manquent encore de stratégie globale (une feuille de route IA, des rôles définis, des mesures de retour sur investissement).

Recommandations

• • Élaborer une feuille de route IA : déterminer dès maintenant quels nouveaux rôles sont pertinents pour l’entreprise (ex : prompt engineer, human-AI collaboration lead, adoption strategist), comment ils s’articuleront avec les rôles existants.
  • Commencer petit, piloter, apprendre : un projet pilote permet d’expérimenter des fonctions comme copilote, automatisation ou génération de contenu, avant de déployer à grande échelle.
  • Former et accompagner le capital humain : prévoir des programmes de montée en compétence, intégrer l’IA dans la culture d’entreprise (ex : «comment je travaille avec l’IA?»).
  • Définir des garde-fous et une gouvernance IA : en éthique, biais, confidentialité, transparence — afin de crédibiliser l’adoption et de légitimer les nouveaux rôles.
  • Mesurer les retombées : définir des indicateurs clairs (ex : productivité, rentabilité, délai de traitement, satisfaction client) pour évaluer les rôles et investissements IA.
  • Collaborer avec l’écosystème : profiter des ressources québécoises (clusters IA, centres de recherche comme MILA) et des fonds (ex : SCALE AI a annoncé près de 99 M$ pour 23 projets au Québec) Scale AI

En conclusion

Le Québec entre dans une phase de transformation où l’IA ne se limite plus aux grandes firmes technologiques : elle touche aussi les entreprises intermédiaires, les PME et les OBNL.

Les nouveaux rôles liés à l’IA — qu’il s’agisse d’architecte de connaissances, de prompt engineer ou de leader de collaboration homme-IA — exigent que les organisations repensent leurs structures, leurs compétences et leur gouvernance.

Mais ne craignons pas ces titres exotiques : pour beaucoup d’entreprises québécoises, l’essentiel est de faire le premier pas — déterminer «où nous voulons aller», «quel rôle devrais-je créer) ?» et «comment l’IA va servir notre mission». Ensuite, les titres spécialisés viendront naturellement, lorsque la maturité aura progressé.