Deux tribunes, un même diagnostic
Le 4 mai 2026, le Hill Times publie coup sur coup deux tribunes qui convergent sur un constat dérangeant pour la stratégie canadienne en intelligence artificielle. La première, signée par Umar Ruhi, s'intitule « Canada's AI challenge is readiness, not infrastructure ». La seconde, de Teshager W. Dagne, dénonce un « proprietary blind spot » dans la stratégie fédérale. Toutes deux pointent un même angle mort : Ottawa multiplie les annonces autour des centres de données souverains, du superordinateur public et des investissements en calcul, mais ne consacre pas la même énergie à la préparation organisationnelle, à la gouvernance et aux alternatives ouvertes aux modèles propriétaires américains.
Ce diagnostic arrive à un moment charnière. L'appel à propositions du programme fédéral de calcul souverain (SCIP) reste ouvert jusqu'au 1er juin 2026, le ministre Evan Solomon achève la consolidation de la stratégie nationale en six piliers, et le Québec est lui-même engagé dans la dernière ligne droite avant l'échéance de juin 2026 fixée par le ministère de la Cybersécurité et du Numérique pour appliquer son cadre obligatoire dans l'administration publique.
Le paradoxe de l'infrastructure
L'argument central de Ruhi tient en une comparaison historique : lors des révolutions technologiques précédentes, l'essentiel de la valeur économique a été captée par les utilisateurs de la technologie, pas par ceux qui ont construit les tuyaux. Investir dans le compute sans investir dans la capacité d'absorption (formation, processus, gouvernance, gestion du changement), c'est se condamner à payer pour les autoroutes que d'autres emprunteront.
Cette mise en garde rejoint une autre critique, formulée la veille par Bryan Hill dans le même journal sous le titre « Canada's next AI challenge is execution ». Les annonces ne manquent pas : 890 millions pour le superordinateur public, 36 millions à Mila en février, l'énoncé économique de l'automne 2025 et ses six piliers, le registre fédéral de plus de 400 systèmes d'IA. Mais l'exécution, elle, traîne. Et le Québec, qui voudrait porter une candidature unifiée pour le SCIP, n'a toujours pas tranché entre une proposition coordonnée (universités, Hydro-Québec, opérateurs de centres de données, gouvernement provincial) et plusieurs propositions concurrentes.
Le « blind spot » des modèles propriétaires
Dagne ajoute une dimension complémentaire. Lorsqu'une infirmière à Montréal interroge un outil d'IA pour détecter une septicémie, elle utilise généralement un modèle conçu en Californie, soumis au droit américain. La souveraineté sur le calcul ne suffit pas si les modèles déployés au-dessus restent étrangers et fermés. Les 11 300 Canadiens qui ont participé à la consultation d'ISED ont déjà identifié l'enjeu : l'open source manque comme pilier stratégique.
Ce point résonne particulièrement au Québec, où la directive ministérielle de décembre 2025 exige des organismes publics qu'ils classifient leurs données, conduisent systématiquement des évaluations des facteurs relatifs à la vie privée et documentent leurs processus avant tout déploiement. Sans alternative ouverte vérifiable, ces obligations deviennent extrêmement lourdes à satisfaire face à un fournisseur étranger qui refuse de divulguer ses jeux d'entraînement, ses politiques de filtrage ou ses garanties de localisation des données.
Ce que cela change pour le Québec
Le Québec présente un profil paradoxal. D'un côté, il dispose d'atouts tangibles : Mila, l'OBVIA, un écosystème montréalais reconnu, une Loi 25 robuste sur les décisions automatisées, une Commission d'accès à l'information active sur l'encadrement de l'IA, et un avis du CCTM publié fin avril sur l'IA dans les milieux de travail. De l'autre, il doit absorber, en quelques semaines, un cadre obligatoire qui exige formation préalable du personnel, gouvernance formelle, classification des données et reddition de comptes.
Or, c'est précisément cette couche que Ruhi et Dagne identifient comme le maillon faible canadien. Le Québec a une occasion à saisir : transformer son échéance de juin 2026 en démonstration que la préparation organisationnelle n'est pas un coût, mais un actif stratégique. Trois leviers se dégagent :
D'abord, mesurer la capacité plutôt que le compute. Combien d'employés ont effectivement suivi la formation prévue par la directive ? Combien d'organismes ont mis en place leur structure de gouvernance ? Combien de systèmes ont été classifiés et évalués ? Ces indicateurs disent davantage sur la préparation réelle que les téraflops disponibles à Bromont ou à Mirabel.
Ensuite, intégrer l'open source dans la commande publique. Plutôt que de retenir uniquement des modèles propriétaires américains, exiger des fournisseurs qu'ils proposent une alternative ouverte ou hybride lorsque la sensibilité des données le justifie. C'est aussi un moyen de donner du sens aux investissements souverains en calcul : faire tourner localement des modèles dont on contrôle réellement la chaîne de valeur.
Enfin, traiter la gouvernance comme un avantage concurrentiel et non comme un fardeau. Les institutions qui maîtriseront tôt l'évaluation algorithmique, la documentation des cas d'usage et la révision des décisions automatisées gagneront en crédibilité auprès des citoyens, des partenaires européens (où l'AI Act bascule en application contraignante le 2 août 2026) et des investisseurs.
Une fenêtre courte
L'avertissement des tribunes du Hill Times a une particularité : il n'est pas adressé aux retardataires, mais aux pays qui investissent déjà beaucoup. Le risque n'est pas celui d'un sous-investissement, mais celui d'un mauvais alignement entre ce qu'on finance (l'infrastructure) et ce qui produit de la valeur (la capacité d'usage). Pour le Québec, dont la stratégie d'intégration 2021-2026 arrive à terme et dont le cadre obligatoire entre en application dans moins de deux mois, la fenêtre pour corriger ce déséquilibre est courte. La prochaine stratégie québécoise en IA, attendue dans les douze prochains mois, aura tout intérêt à mettre la préparation organisationnelle au cœur du dispositif, plutôt qu'à la marge.
Sources
- Umar Ruhi, « Canada's AI challenge is readiness, not infrastructure », The Hill Times, 4 mai 2026 : https://www.hilltimes.com/2026/05/04/canadas-ai-challenge-is-readiness-not-infrastructure/501817/
- Teshager W. Dagne, « Canada's AI strategy has a proprietary blind spot », The Hill Times, 4 mai 2026 : https://www.hilltimes.com/2026/05/04/canadas-ai-strategy-has-a-proprietary-blind-spot/501786/
- Bryan Hill, « Canada's next AI challenge is execution », The Hill Times, 29 avril 2026 : https://www.hilltimes.com/2026/04/29/canadas-next-ai-challenge-is-execution/501900/
- Innovation, Sciences et Développement économique Canada, « Canada launches national initiative to build large-scale AI supercomputing capacity », 22 avril 2026 : https://www.canada.ca/en/innovation-science-economic-development/news/2026/04/canada-launches-national-initiative-to-build-large-scale-ai-supercomputing-capacity.html
- Cabinet de la ministre de la Cybersécurité et du Numérique, Directive ministérielle sur l'utilisation de l'IA dans l'administration publique, 19 décembre 2025
- Commission d'accès à l'information du Québec, Principes encadrant l'IA générative et travaux préparatoires au rapport quinquennal 2026 : https://www.cai.gouv.qc.ca/
