Votre méfiance envers l’IA est légitime, mais votre résistance nous coûtera cher
Votre méfiance envers l’intelligence artificielle est compréhensible. Les textes générés contiennent encore des erreurs. Des images génériques ou futuristes produites par des robots conversationnels remplacent parfois des services humains, sans atteindre le même niveau de qualité. Les modèles d’intelligence artificielle, dont le fonctionnement demeure mystérieux pour beaucoup, peuvent être frustrants et décevants. Certaines applications semblent relever davantage du gadget que de la véritable innovation.
Vous n’êtes pas les seuls à craindre de perdre votre emploi en raison de l’IA générative. Une enquête menée auprès de 25 000 travailleurs américains révèle qu’ils estiment à 20 % la probabilité de perdre leur emploi au cours des deux prochaines années. Cette estimation atteint 25 % chez ceux qui utilisent l’IA au travail (Hartley et al., 2026).
Les données ne confirment toutefois pas encore un scénario catastrophe. Les mises à pied n’augmentent pas et les offres d’emploi demeurent stables dans les professions les plus exposées à l’IA (Hartley et al., 2026). Les travailleurs s’inquiètent davantage de l’utilisation de ces outils informatiques, particulièrement lorsqu’ils les voient accomplir des tâches essentielles, comme la programmation.
Cette inquiétude est légitime. Les données sont encore préliminaires et les effets à long terme demeurent inconnus. Cependant, l’incertitude ne doit pas entraver l’innovation, pas plus que la peur ne doit guider les politiques publiques.
L’histoire économique montre que les révolutions technologiques ont profondément transformé le travail. La machine à vapeur, l’électricité, l’imprimerie et l’informatique ont mécanisé certaines tâches, en ont transformé d’autres et ont contribué à en créer de nouvelles. Les travailleurs ont dû s’adapter à ces changements.
L’industrie automobile américaine a connu une croissance considérable, passant de 175 000 à près d’un million d’emplois malgré l’automatisation. Lorsque les constructeurs allemands et japonais ont adopté de nouvelles technologies, Detroit a perdu des parts de marché, mais a ensuite récupéré des emplois en modernisant ses chaînes de production. Selon Higgins, le problème n’était donc pas l’automatisation en soi, mais le retard pris dans son adoption.
Il serait néanmoins faux de croire que l’IA ne présente aucune particularité. Elle s’attaque désormais à des tâches cognitives et à des professions qualifiées que l’on croyait relativement protégées. Certaines transitions seront douloureuses, mais l’expérience historique ne permet pas de conclure que l’IA entraînera nécessairement une disparition nette et durable des emplois.
Il ne s’agit pas de préserver tous les emplois existants, mais de favoriser la création de nouvelles possibilités, l’amélioration de la productivité et les transitions professionnelles (Higgins, 2026).
La réglementation : protéger les citoyens sans protéger les entreprises établies
Le débat sur l’IA doit notamment porter sur une question fondamentale : à qui profite réellement la réglementation ?
Les grandes entreprises technologiques qui réclament des règles communes peuvent poursuivre des objectifs qui ne sont pas uniquement philanthropiques. Les coûts de conformité sont généralement plus faciles à absorber pour les entreprises établies que pour les jeunes pousses. Une réglementation complexe peut ainsi devenir une barrière à l’entrée, protéger les acteurs dominants et limiter la concurrence.
Selon l’étude d’impact de la Commission européenne, la réglementation européenne exige la mise en place d’un système de gestion des risques pour certains usages considérés comme étant à haut risque. Le coût de conformité pourrait atteindre 401 000 euros pour une entreprise de 100 employés (Bentata et Bouzou, 2026).
Cette asymétrie touche non seulement les entreprises, mais également les consommateurs, en limitant leurs choix et en favorisant la concentration du marché.
Le Règlement général sur la protection des données (RGPD) aurait entraîné une diminution d’un tiers du nombre d’applications offertes et une baisse de 47,2 % des nouvelles entrées sur ce marché, selon Bentata et Bouzou.
Ces résultats ne signifient pas que la protection des données est inutile. Ils rappellent plutôt qu’une réglementation peut poursuivre un objectif légitime tout en produisant des effets économiques indésirables. La véritable question consiste à déterminer si les bénéfices de chaque contrainte justifient les coûts qu’elle impose.
L’expérience européenne soulève un défi supplémentaire : l’incertitude réglementaire. L’Union européenne a adopté sa loi sur l’intelligence artificielle en 2024, avant de reporter certaines obligations concernant les systèmes autonomes à haut risque au 2 décembre 2027 (National Law Review, 2026).
Les entreprises établies peuvent s’adapter à ces changements grâce à leurs équipes juridiques et réglementaires. Les jeunes entreprises, en revanche, manquent souvent des ressources nécessaires pour le faire. L’instabilité des règles devient alors un avantage concurrentiel pour les acteurs qui disposent des moyens de s’y adapter.
Cela ne signifie pas qu’il faille renoncer à toute réglementation. Les applications de l’IA dans les domaines de la santé, de l’embauche et de la justice soulèvent des enjeux réels qui méritent une attention particulière.
Koonin recommande un encadrement ciblé des usages (2026). Il faut distinguer les risques réels des scénarios spéculatifs, privilégier des règles proportionnées aux dommages possibles et éviter d’imposer des contraintes générales à l’ensemble des applications.
La course technologique ne s’arrête pas aux frontières
La réglementation de l’IA comporte une dimension géopolitique souvent négligée.
Contrairement au nucléaire, l’IA ne peut être entièrement contrôlée par quelques États. Les connaissances scientifiques circulent, la puissance de calcul peut être louée commercialement et des modèles ouverts sont accessibles à l’échelle internationale. Cette réalité complique la surveillance et l’application uniforme de règles internationales.
Le problème est stratégique : les États qui imposent des contraintes coûteuses risquent de désavantager leurs propres entreprises sans empêcher leurs concurrentes étrangères de progresser.
Les démocraties peuvent se soumettre à des obligations vérifiables, tandis que les régimes opaques peuvent dissimuler leurs pratiques. Koonin souligne ainsi les limites d’une gouvernance internationale qui dépendrait de la bonne volonté des acteurs, sans disposer de moyens crédibles de vérification.
Les écarts d’investissement illustrent la vigueur de cette concurrence. En 2024, les États-Unis ont créé trois fois plus d’entreprises d’IA que l’Europe et attiré environ vingt fois plus d’investissements privés, soit 29 milliards de dollars contre 1,5 milliard, selon Bentata et Bouzou (2026).
Ces écarts ne peuvent être attribués à la seule réglementation, mais ils montrent que l’Europe aborde cette compétition avec un désavantage. Une réglementation coûteuse pourrait l’accentuer.
Ralentir ses propres entreprises sans ralentir ses concurrents ne constitue pas une stratégie de sécurité crédible. Koonin qualifie cette approche d’« abdication stratégique ».
Pour le Canada, la leçon est claire : il faut protéger les citoyens contre les risques réels de l’IA sans compromettre notre capacité à développer, à adopter et à commercialiser cette technologie.
L’action publique se heurte toutefois à une limite : le rythme de l’innovation dépasse souvent celui des institutions.
Les capacités de l’IA évoluent rapidement et les prochaines avancées pourraient transformer profondément les usages actuels en quelques années (Koonin, 2026). Il est impossible de prédire quelle technologie dominera dans quatre ou cinq ans.
Une réglementation trop étroitement liée aux technologies actuelles risque donc de devenir rapidement obsolète. Les gouvernements doivent privilégier des principes suffisamment stables pour protéger le public, mais assez souples pour s’adapter aux innovations futures.
Trois chantiers pour préparer le Canada
Que faire, alors ?
Le Canada doit cesser de considérer l’IA principalement comme une menace à contenir et commencer à la traiter comme une transformation à préparer.
Cela exige trois chantiers complémentaires : développer les compétences, libérer l’entrepreneuriat et faciliter la mobilité professionnelle.
Former davantage et mieux
La première priorité consiste à développer le capital humain.
Nous devons former davantage d’ingénieurs, de scientifiques, de mathématiciens et de spécialistes capables de concevoir, d’adopter et d’améliorer les technologies émergentes.
L’étude de Zegart et Johnston sur DeepSeek montre que 53,5 % des chercheurs de son équipe n’ont été affiliés qu’à des institutions chinoises durant toute leur carrière documentée. La Chine développe ainsi un bassin national de talents dans un domaine stratégique.
Les auteurs recommandent de renforcer l’enseignement des sciences, des technologies, de l’ingénierie et des mathématiques (STIM), de la maternelle à l’université, ainsi que d’attirer les meilleurs talents internationaux.
Le Canada a d’autant plus intérêt à agir que sa démographie limite progressivement sa capacité à accroître la production en augmentant simplement le nombre de travailleurs.
Selon Gunderson, la croissance annuelle de la population active, qui avoisinait 2 % entre 1961 et 2017, devrait tomber à environ 0,6 % d’ici 2061 (2025).
Dans une société vieillissante, les gains de productivité deviennent essentiels au maintien du niveau de vie. L’IA peut contribuer à relever ce défi, à condition que les entreprises et les travailleurs disposent des compétences nécessaires pour l’utiliser efficacement.
La formation doit également s’adresser aux personnes déjà en emploi, particulièrement à celles dont les tâches sont susceptibles d’évoluer.
Selon Baum, les salariés qui accomplissent davantage de tâches manuelles participent moins souvent à des activités de formation continue en milieu de travail. Des mesures incitatives adaptées aux tâches et aux besoins des entreprises pourraient contribuer à corriger cette lacune (Baum, 2026).
Il ne faut pas chercher à uniformiser la formation, mais plutôt permettre à chacun de développer les compétences nécessaires pour s’adapter.
Libérer l’entrepreneuriat et réduire les barrières à l’entrée
Le deuxième chantier consiste à créer un environnement favorable à l’innovation, à l’investissement et à la concurrence.
L’innovation exige non seulement des chercheurs et des capitaux, mais également des institutions qui facilitent l’arrivée de nouvelles entreprises sur le marché, leur permettent de mettre leurs idées à l’épreuve et favorisent leur croissance sans entraves inutiles.
L’Institut économique de Montréal (IEDM) a créé un indice visant à mesurer les obstacles à la mobilité sociale au Canada.
Selon cet indice, l’Alberta obtient un score de 57,35 sur 100, tandis que le Québec se situe à 39,74 (Callais, Geloso et Giguère, 2025).
Cet indicateur ne mesure pas directement la capacité d’innovation en IA, mais il illustre les différences entre les conditions institutionnelles susceptibles d’influencer les possibilités économiques.
La politique canadienne en matière d’IA devrait s’appuyer sur cette logique : adopter des règles proportionnelles aux risques, réduire les coûts fixes et éviter de reproduire les écueils du modèle européen.
Bentata et Bouzou suggèrent de recourir aux mécanismes existants de responsabilité civile pour traiter les dommages causés par l’IA, tout en exerçant une surveillance rigoureuse des systèmes les moins contrôlables (2026).
Cette approche mérite d’être examinée sérieusement. Elle permettrait de responsabiliser les acteurs sans présumer que chaque innovation nécessite une nouvelle couche de réglementation.
L’État doit intervenir lorsque les dommages sont démontrables et que les mécanismes existants se révèlent insuffisants.
Toute nouvelle règle devrait répondre à trois questions fondamentales : quel problème concret cherche-t-elle à résoudre ? Existe-t-il un moyen moins coûteux d’y parvenir ? Quels effets aura-t-elle sur la concurrence, l’arrivée de nouvelles entreprises et l’adoption de la technologie ?
C’est en tenant compte de ces considérations que la réglementation pourra véritablement servir les citoyens.
Assouplir le marché du travail et faciliter les transitions
Le troisième chantier consiste à faciliter la mobilité professionnelle afin de permettre aux travailleurs de s’adapter à l’évolution des compétences recherchées à l’ère de l’IA.
Il faut favoriser les transitions professionnelles plutôt que de chercher à préserver les structures actuelles du marché du travail.
Les exigences relatives aux permis d’exercice professionnels constituent un point de départ concret.
Selon Timmons, Zhang et Trudeau, le Québec exige un permis pour 67 des 158 titres d’emploi réglementés au Canada, derrière l’Alberta (73) et devant l’Ontario (62) (2026).
Selon les estimations, entre 11 % et 25,1 % des travailleurs canadiens sont concernés par ces exigences (Timmons, Zhang et Trudeau, 2026 ; Hartley et Kleiner, 2026).
Dans 44 pays, les titulaires de permis gagnent de 6 % à 19 % de plus que les travailleurs comparables, ce qui peut contribuer à une hausse des prix et à une réduction de l’offre de services (Hartley et Kleiner, 2026).
Certains permis protègent réellement le public. D’autres, cependant, imposent des exigences de formation, de temps et d’argent qui dépassent ce que nécessite la maîtrise des tâches concernées.
Lorsque la technologie transforme les professions, ces barrières peuvent compliquer inutilement le passage d’un métier à un autre.
Une personne dont l’emploi est automatisé ne devrait pas devoir entreprendre de longues études pour accéder à une profession dont elle possède déjà une partie des compétences requises.
Les travaux de Geloso, Plemmons et Sharma apportent un éclairage intéressant sur cette question.
Aux États-Unis, les régions davantage exposées aux robots industriels ont mieux résisté lorsque les professions à revenu faible ou moyen étaient soumises à moins de restrictions réglementaires.
Selon leurs résultats, une réduction d’un écart type de la réglementation efface plus de 90 % de l’effet négatif associé à un écart type supplémentaire d’exposition aux robots (2026).
Il s’agit ici de robots industriels et non d’IA générative. On ne peut donc pas transposer mécaniquement ce résultat. Il met néanmoins en évidence l’importance de la capacité des travailleurs à se réorienter.
La flexibilité ne signifie pas l’abandon des travailleurs.
Le Danemark offre un exemple intéressant avec son marché du travail flexible, son régime d’assurance généreux et ses programmes de reconversion professionnelle. Seuls 14 % des Danois sont soumis à des exigences de permis d’exercice professionnel (2026).
Le Canada pourrait s’inspirer de cette combinaison : réduire les obstacles inutiles à l’emploi tout en renforçant les mécanismes d’aide aux personnes touchées par les transitions technologiques.
Prendre les risques au sérieux, sans céder à la paralysie
Il serait imprudent d’ignorer les risques associés à l’IA ou de croire que la réglementation peut les éliminer entièrement.
Un modèle théorique récent suggère qu’une automatisation excessive des tâches favorisant l’apprentissage pourrait entraîner un piège de faible capital humain, en raison de l’érosion progressive des compétences.
Les auteurs indiquent également que l’imposition d’une taxe uniforme sur la technologie pourrait aggraver ce problème (Afrouzi et al., 2026).
Ce scénario ne constitue pas une prédiction. Il souligne plutôt l’importance de réfléchir à la formation en milieu de travail, à l’accès aux premières expériences professionnelles et à la transmission des compétences.
Les entreprises devront peut-être repenser leurs parcours de formation à mesure que certaines tâches seront automatisées.
Les pouvoirs publics peuvent faciliter cette adaptation sans imposer une taxe générale qui pénaliserait également les usages productifs de la technologie.
La bonne réponse à l’incertitude n’est donc ni l’aveuglement technologique ni la paralysie réglementaire.
Il faut privilégier une politique d’adaptation : évaluer les interventions en fonction de leurs résultats, corriger celles qui échouent, préserver la capacité d’innover et reconnaître les risques sans transformer chaque danger hypothétique en justification pour une nouvelle contrainte.
Choisir l’adaptation plutôt que le déclin
La méfiance envers l’IA est compréhensible. Personne ne souhaite voir son emploi menacé ou se faire imposer des outils médiocres au nom du progrès.
Des données fiables, des politiques de formation solides, des mécanismes de responsabilité efficaces et un marché du travail adaptable sont nécessaires pour répondre à ces préoccupations.
Toutefois, ces inquiétudes ne justifient pas de confondre prudence et immobilisme.
Les technologies ne cessent pas de progresser sous prétexte qu’un gouvernement les réglemente, que certaines professions s’y opposent ou que des organisations préfèrent préserver leurs habitudes.
Elles continuent de se développer ailleurs, grâce aux entrepreneurs, aux chercheurs et aux travailleurs qui apprennent à les maîtriser.
Le véritable choix n’est pas entre une société sans risques et une société qui accepte tous les risques.
Il se situe entre une économie qui s’adapte et une économie qui laisse les autres prendre de l’avance.
Pour le Canada, la priorité doit être claire : former davantage, ouvrir les marchés à la concurrence, réduire les barrières inutiles et aider les travailleurs à évoluer.
Nous ne protégerons pas durablement les emplois en freinant la transformation économique. Nous protégerons davantage les travailleurs en leur donnant les compétences, la liberté et les moyens de s’adapter.
Références
Afrouzi, Hassan, Andres Blanco, Andrés Drenik et Erik Hurst. 2026. « Automation, Learning, and Career Dynamics ». NBER Working Paper, no 35157. Cambridge (Massachusetts) : National Bureau of Economic Research. Consulter.
Baum, Myriam. 2026. « Tasks as a Link Between Technology Introduction and Continuing Training: Evidence of a Mediating Mechanism in Firms ». International Journal of Training and Development, p. 1-16. Consulter.
Bentata, Pierre, et Nicolas Bouzou. 2026. The Adoption of AI and the Threat to Innovation: Lessons from Europe. Note économique, série Réglementation. Montréal : Institut économique de Montréal. Consulter.
Callais, Justin T., Vincent Geloso et Gabriel Giguère. 2025. Les obstacles à la mobilité sociale au Canada. Note économique, collection Fiscalité. Montréal : Institut économique de Montréal. Consulter.
Geloso, Vincent, Alicia Plemmons et Pradyot Sharma. 2026. « Income Mobility, Automation, and Occupational Licensing ». Southern Economic Journal, p. 1-20. Consulter.
Gunderson, Morley. 2025. Can AI Mitigate Our Labour Force Problems? Labour Policy. Vancouver : Fraser Institute. Consulter.
Hartley, Jonathan S., Filip Jolevski, Vitor Melo et Brendan Moore. 2026. « Job Loss Fears in the First Years of Generative Artificial Intelligence ». Economics Working Paper, no 26125. Stanford (Californie) : Hoover Institution. Consulter.
Hartley, Jonathan S., et Morris M. Kleiner. 2026. « Analyzing Occupational Licensing Across Nations ». NBER Working Paper, no 35424. Cambridge (Massachusetts) : National Bureau of Economic Research. Consulter.
Higgins, Sean. 2026. « Don’t Panic: A Skeptic’s Guide to the AI Jobs Doomsday ». OnPoint, no 311. Washington (D.C.) : Competitive Enterprise Institute. Consulter.
Koonin, Steven E. 2026. « Regulating AI Development: Challenges, Constraints, and a Realist Agenda ». Hoover Institution Working Paper. Stanford (Californie) : Hoover Institution. Consulter.
National Law Review. 2026. « EU Digital Omnibus on AI Enters Into Force ». Consulter.
Timmons, Edward J., Tingting Zhang et Noah Trudeau. 2026. Provincial Occupational Licensing Index, 2026. Bulletin. Vancouver : Fraser Institute. Consulter.
Zegart, Amy, et Emerson Johnston. 2026. « Update: DeepSeek AI and the Great Talent Competition ». White Paper. Stanford (Californie) : Technology Policy Accelerator, Hoover Institution et Stanford Institute for Human-Centered Artificial Intelligence. Consulter.
Autres articles sur Pilule Rouge
L’IA et la création d’entreprise : vers l’essor de l’entrepreneur en solo ? — Louis-Philippe Noël. Comment l’intelligence artificielle réduit les barrières à l’entrée et ouvre de nouvelles possibilités aux entrepreneurs indépendants.
La bataille du capital humain : l’Amérique peut-elle encore former et retenir le talent face à la Chine ? — Louis-Philippe Noël. Une analyse de la compétition technologique internationale et de l’importance de la formation, des chercheurs et des talents.
Le prix de l’aversion au risque : pourquoi les sociétés qui veulent éliminer l’incertitude freinent leur propre prospérité — Louis-Philippe Noël. Une réflexion sur la peur du risque, l’innovation et les conséquences économiques de l’immobilisme.
Le véritable coût de l’accumulation réglementaire — Louis-Philippe Noël. Comment les exigences administratives pénalisent les entreprises, réduisent leur productivité et peuvent freiner l’innovation.
Après le constat, le chantier réglementaire — Louis-Philippe Noël. Des pistes concrètes pour réduire les contraintes réglementaires et favoriser un environnement économique plus concurrentiel.
Liberté économique : le Canada glisse au 18e rang mondial — Louis-Philippe Noël. Un portrait du recul de la liberté économique canadienne et des obstacles institutionnels à la prospérité.
