L’adoption suit encore la forme du travail de bureau
Les outils d’IA générative s’intègrent facilement à un emploi déjà organisé autour d’un ordinateur, de documents et d’un réseau stable. Les données de Statistique Canada montrent ce biais. En mars 2026, 65,6 % des personnes travaillant dans les services professionnels, scientifiques et techniques disaient avoir utilisé l’IA générative au travail durant les 12 mois précédents. La proportion atteignait 59,2 % en finance, assurance et immobilier, puis 53 % en éducation. Le portrait change dans les secteurs où le travail se déroule debout, en déplacement ou devant un client. L’utilisation déclarée était de 22,4 % en construction, 21,1 % en transport et entreposage, 17,5 % en agriculture et 16,3 % dans l’hébergement et la restauration. Ces chiffres ne mesurent pas la valeur possible de l’IA et ne prouvent pas qu’un secteur résiste au changement. Ils montrent plutôt que l’accès actuel favorise les tâches qui ressemblent déjà à une conversation dans une fenêtre de texte.
Un formulaire parfait peut être inutilisable sur le terrain
Un billet d’AI Optimize décrit une équipe qui consigne un travail une première fois sur le chantier, puis le retranscrit plus tard dans le système officiel. Entre les deux, une photo reste dans un téléphone, une heure n’est pas notée ou une modification demandée par le client disparaît. Ce scénario est une observation opérationnelle, pas une mesure représentative de toutes les entreprises. Il expose néanmoins un problème de conception fréquent : le système demande au personnel de traduire la réalité du terrain dans un format conçu pour une personne assise. Sur un chantier, une personne peut porter des gants, travailler sous la pluie, manquer de lumière ou ne pas avoir de réseau. Une application qui exige quinze champs, plusieurs menus et un long texte sera contournée, même si chaque champ semble utile au bureau. Le papier et les messages personnels survivent parce qu’ils acceptent le désordre du moment. Une IA utile doit réduire l’effort de saisie sans supprimer les éléments nécessaires à la preuve, à la facturation ou à la sécurité.
La bonne unité d’automatisation est une étape précise
Notre analyse est qu’une entreprise devrait éviter le projet vague qui promet d’« ajouter l’IA aux opérations terrain ». Elle peut plutôt choisir une perte précise : un numéro de série mal retranscrit, une variation de travaux oubliée, une photo introuvable ou une lecture de compteur absente. L’outil peut alors accepter une courte note vocale ou une image, extraire quelques données et demander immédiatement la seule information manquante. La personne confirme le résultat pendant que les faits sont encore visibles. Prenons un entrepreneur en entretien électrique. Après une visite, le technicien photographie la plaque d’un équipement, dicte le travail effectué et indique si une pièce doit être commandée. Le système propose le numéro de l’actif, la durée et le suivi requis. Il ne devrait ni inventer un numéro illisible ni fermer le bon de travail lorsque la photo obligatoire manque. Le gain ne vient pas d’un texte spectaculaire. Il vient de l’élimination d’une deuxième saisie et de la détection d’une omission avant que la camionnette quitte le site.
Hors ligne d’abord, intelligence ensuite
Une application de terrain doit continuer à remplir sa fonction de base lorsque la connexion disparaît. Elle peut enregistrer localement une note, une heure, un identifiant et une photo, puis synchroniser ces éléments plus tard. L’analyse par IA peut attendre si elle dépend du nuage, mais l’utilisateur doit savoir ce qui est sauvegardé, ce qui reste à traiter et ce qui exige une reprise. Sans cette séparation, une panne de réseau transforme un outil de productivité en obstacle au travail. L’Organisation internationale du Travail estime qu’un travailleur sur quatre occupe un emploi ayant une certaine exposition à l’IA générative, mais seulement 3,3 % de l’emploi mondial se trouve dans la catégorie d’exposition la plus élevée. Les emplois administratifs restent les plus exposés et la transformation des tâches apparaît plus probable que l’automatisation complète. Cette distinction compte sur le terrain : l’IA peut structurer la preuve, repérer un manque et préparer un dossier, tandis que la mesure, l’intervention physique et le jugement face à une situation imprévue demeurent humains.
Mesurer l’adoption par les dossiers complets
Un projet ne devrait pas être déclaré réussi parce que l’équipe a installé l’application ou produit beaucoup de transcriptions. Il faut mesurer le résultat opérationnel. Combien de dossiers arrivent complets au bureau? Combien d’heures de ressaisie ont réellement disparu? Les photos sont-elles liées au bon travail? Combien d’extractions ont été corrigées? L’équipe peut comparer ces indicateurs sur un seul type d’intervention pendant quatre semaines, sans brancher immédiatement tous les processus. Il faut aussi demander au personnel ce qui a été déplacé plutôt que supprimé. Une saisie plus courte sur place peut créer une longue révision au bureau si l’extraction est peu fiable. Une application rapide peut augmenter la surveillance si elle recueille plus de données que le travail n’en exige. L’écart d’adoption mesuré par Statistique Canada ne se fermera pas uniquement avec de meilleurs modèles. Il se fermera lorsque les outils respecteront les conditions réelles du travail, conserveront une solution simple en cas de panne et prouveront qu’ils rendent le dossier plus complet sans rendre la journée plus lourde.
