L’Ia En Entreprise Avance Plus Vite Chez Les Autochtones

Et si l’image d’une fracture numérique figée était déjà dépassée? Un rapport canadien vient bousculer une idée trop souvent répétée: les peuples autochtones ne seraient pas en première ligne des outils d’intelligence artificielle au travail. Les chiffres disent autre chose. Dans plusieurs contextes professionnels, le rythme d’adoption serait nettement plus rapide que celui observé chez les collègues non autochtones. Le constat n’est pas anecdotique. Il ouvre une discussion plus large sur la formation, les types d’emplois occupés et la manière dont l’IA s’installe réellement dans le quotidien.

Quand l’IA s’invite plus vite dans certains bureaux

L’étude, menée sous l’égide de Toronto Metropolitan University et de son Diversity Institute, s’appuie sur le Survey on Employment and Skills. Les chercheurs d’Environics Institute for Survey Research ont interrogé, entre mars et avril 2025, 281 personnes issues des Premières Nations, métisses et inuites. Le groupe le plus représenté se situait entre 15 et 54 ans. L’échantillon n’est pas immense, mais il suffit à faire apparaître des écarts trop nets pour être ignorés.

Le message central est simple: l’usage de l’IA au travail progresse partout au Canada, mais il progresse plus vite dans une partie des communautés autochtones. Cette accélération touche plusieurs niveaux de formation et plusieurs statuts d’emploi. Elle ne se limite pas à un secteur à la mode ni à une poignée de spécialistes. Elle concerne des gestes concrets: rédiger plus vite, trier de l’information, préparer un dossier, automatiser une tâche répétitive.

Des écarts de familiarité difficiles à minimiser

Les deux populations disent utiliser l’IA pour gagner du temps. La différence se joue dans l’intensité. Chez les répondants autochtones, 32 % se déclarent « très familiers » avec les programmes d’IA en milieu professionnel, contre 17 % chez les non-autochtones. L’écart n’est pas cosmétique. Il décrit une aisance déclarée, une capacité à nommer les outils et à les intégrer dans une journée de travail.

Les travailleurs autochtones déclarent davantage de familiarité avec l’IA et des hausses de productivité plus marquées que les autres groupes observés.

– Synthèse du rapport TMU / Diversity Institute

Le gain ressenti suit la même pente. Les répondants autochtones évoquent une hausse de productivité de 46 %, contre 30 % dans les autres groupes. Ils signalent aussi un accès plus fréquent à des formations liées à l’IA. Autrement dit, l’outil n’arrive pas seulement comme une nouveauté imposée. Il arrive parfois avec un accompagnement, un atelier, un module interne, une initiative publique.

Le diplôme ne raconte pas toute l’histoire

L’usage varie fortement selon le niveau d’études, et c’est là que le rapport devient vraiment intéressant. Chez les personnes ayant un niveau secondaire, l’écart explose: 25 % d’usage chez les travailleurs autochtones contre 5 % chez les autres. Le même contraste réapparaît dans les parcours d’apprentissage. À l’université, la tendance s’inverse. Les non-autochtones y déclarent alors un usage plus élevé.

Cette bascule mérite qu’on s’y arrête. Elle suggère que l’IA n’entre pas seulement par le haut du marché du travail. Elle s’installe aussi dans des métiers où l’on cherche un levier immédiat: gagner une heure, clarifier un texte, préparer un rapport, répondre plus vite à un usager. Dans ces contextes, un outil grand public peut suffire. Il n’est pas nécessaire d’avoir un diplôme en science des données pour ouvrir un assistant conversationnel et l’utiliser tous les jours.

À l’inverse, les campus et les professions très diplômées peuvent déjà être saturés d’outils, de chartes internes et de logiciels spécialisés. L’avantage relatif y devient moins visible. Le rapport n’enferme pas cette lecture dans une seule cause. Il constate le phénomène et invite à creuser.

Ce que le Canada observe déjà à plus grande échelle

Le tableau national confirme que le sujet n’est plus périphérique. Selon Statistique Canada, 30 % des travailleurs canadiens ont utilisé l’IA au travail au cours des douze derniers mois, contre 18 % en 2024. La courbe monte vite. Dans ce mouvement général, le signal autochtone n’apparaît plus comme une exception isolée, mais comme une variante particulièrement nette d’une bascule plus large.

Cette accélération nationale change la nature du débat. On ne discute plus seulement de la pertinence d’adopter l’IA. On discute de qui l’adopte, dans quels métiers, avec quelle formation et avec quels effets sur la charge de travail. Une technologie qui entre par le bas et le milieu de l’échelle professionnelle n’a pas les mêmes conséquences qu’une technologie réservée aux équipes d’innovation.

Des hypothèses, pas encore de verdict

Les auteurs le reconnaissent sans détour: le rapport n’apporte pas de preuve définitive sur les causes. Plusieurs pistes sont néanmoins avancées. Une représentation plus forte dans le secteur public pourrait jouer. Les administrations, les organismes communautaires et certains employeurs financés déploient parfois des programmes de formation plus visibles. Une structure d’âge plus jeune dans une partie de la main-d’œuvre pourrait aussi favoriser l’essai rapide d’outils grand public.

Une autre lecture possible concerne la nature des tâches. Si davantage de postes impliquent de la rédaction, de la coordination, du service ou du traitement de dossiers, l’IA générative offre un bénéfice immédiat. Si d’autres postes reposent sur des machines spécialisées, des protocoles fermés ou des données sensibles, l’adoption peut être plus lente, même chez des profils très diplômés.

• Une familiarité déclarée plus élevée avec les outils d’IA au travail.
• Des gains de productivité ressentis plus marqués.
• Un accès plus fréquent à des formations liées à l’IA.
• Un écart particulièrement fort aux niveaux secondaire et d’apprentissage.

Ces éléments ne disent pas que tout va bien. Ils disent que le récit unique de l’exclusion technologique est trop pauvre. Une communauté peut être sous-représentée dans certains métiers de pointe et, en même temps, très active dans l’usage concret des assistants numériques. Les deux réalités peuvent coexister.

Ce que cela change pour les employeurs

Pour une organisation, le réflexe habituel consiste à réserver l’IA aux équipes déjà numériques. Le rapport invite à inverser le regard. Les personnes qui déclarent le plus fort effet utile ne sont pas forcément celles qui portent le titre le plus technique. Elles sont parfois celles qui ont une tâche à accélérer et un outil assez simple pour le faire.

Cela a des conséquences pratiques. Former seulement les cadres ne suffit plus. Il faut regarder les métiers de terrain, les fonctions administratives, les postes en apprentissage, les équipes en contact avec le public. C’est souvent là que l’outil devient un gain de temps mesurable, à condition d’être encadré: qualité des réponses, protection des données, respect des protocoles internes, vérification humaine.

La formation apparaît comme un levier décisif. Les répondants autochtones disent y avoir davantage accès. Si cet accès est réel et durable, il peut expliquer une partie de l’aisance déclarée. S’il reste ponctuel, l’avantage pourrait s’essouffler. L’enjeu n’est donc pas seulement d’ouvrir un compte sur un outil. Il est de construire une compétence qui survive au prochain logiciel à la mode.

Inclusion numérique: sortir des caricatures

Le débat public aime les oppositions simples: connectés contre déconnectés, campus contre communautés, innovation contre tradition. Les données canadiennes brouillent ce schéma. Une adoption plus rapide dans certains segments autochtones n’efface ni les inégalités historiques, ni les écarts d’infrastructure, ni les questions de souveraineté des données. Elle montre simplement qu’il existe déjà des pratiques d’usage, des stratégies d’appropriation et des bénéfices concrets.

Cette nuance compte pour les politiques publiques. Un programme conçu uniquement comme un rattrapage risque de passer à côté de personnes qui utilisent déjà l’outil, parfois mieux que la moyenne. Un programme conçu uniquement pour l’élite technique risque d’ignorer ceux qui en tirent le plus grand effet quotidien. L’équilibre se trouve entre accompagnement, éthique, accessibilité et reconnaissance des savoirs déjà en place.

Il faudra aussi distinguer usage et pouvoir. Se servir d’un assistant pour rédiger plus vite n’équivaut pas à concevoir les modèles, à gouverner les données ou à décider des règles d’entraînement. L’adoption accélérée peut être une bonne nouvelle opérationnelle et, en même temps, laisser intacte la question de la place des communautés dans la conception des systèmes.

Ce qu’il reste à vérifier

Le rapport lui-même appelle à d’autres travaux. L’échantillon de 281 personnes permet d’ouvrir le dossier, pas de le clore. On aimerait savoir quels métiers précisent le mieux l’écart, quels outils sont réellement utilisés, combien de temps par jour, avec quel degré de contrôle managérial, et si le gain de productivité tient dans la durée. On aimerait aussi comparer régions urbaines et éloignées, employeurs publics et privés, travailleurs salariés et indépendants.

Sans ces précisions, deux lectures restent possibles. Soit les travailleurs autochtones occupent davantage de rôles où l’IA grand public est immédiatement utile. Soit des dispositifs de formation et une démographie plus jeune créent un avantage d’expérimentation. Les deux peuvent se combiner. Rien n’oblige à choisir une seule cause trop tôt.

En attendant, le signal est assez clair pour modifier le ton des conversations. Parler d’IA au travail au Canada sans regarder ces écarts, c’est raconter une histoire incomplète. La technologie n’entre pas partout au même rythme. Parfois, elle entre plus vite là où on ne l’attendait pas. C’est précisément ce type de surprise qui force à relire les cartes de l’innovation, non pas comme un club fermé, mais comme une série d’usages déjà en cours, inégaux, imparfaits, et pourtant bien réels.