Un résumé par publication, rédigé pour que vous puissiez déterminer en vingt secondes si le document complet mérite votre temps. Sans jargon, sans statistique dépourvue d'une explication claire de ce qu'elle signifie.
Les 20 publications. Gratuites à lire, libres de réutilisation sous licence Creative Commons BY 4.0.
Le Canada a passé vingt ans à brancher les gens. Un nouvel écart se creuse par-dessus celui-là, et il porte sur qui utilise l'IA plutôt que sur qui a Internet.
L'écart entre les groupes d'âge qui utilisent le plus et le moins l'IA est plus large que tout écart numérique mesuré auparavant — plus large que les écarts selon le revenu ou la scolarité. Régler l'accès à Internet n'a pas réglé cela, et ne le réglera pas.
Les écoles ne peuvent pas former les gens à des emplois qui n'existent pas encore. Elles peuvent enseigner des compétences transférables.
Environ 39 % des compétences utilisées au travail devraient changer d'ici 2030. Enseigner une description de poste figée, c'est parier contre cela. Enseigner des compétences qui circulent entre les emplois, non.
Pour la première fois depuis des décennies, les personnes récemment diplômées sont plus susceptibles d'être au chômage que l'ensemble des travailleurs.
Le travail d'entrée de gamme, c'est là où les gens apprenaient un métier ou une profession. Si l'IA absorbe ces tâches, l'échelon que l'on gravissait a disparu — et personne ne l'a remplacé.
Les femmes utilisent désormais les outils d'IA presque autant que les hommes. Ce ne sont toujours pas elles qui décident de l'usage qu'on en fait.
L'accès n'est plus l'obstacle. Le leadership l'est. L'écart se voit dans qui dirige les projets d'IA, qui fonde les entreprises d'IA, et qui se trouve dans la pièce au moment des décisions.
L'écart d'IA dans le Nord et les régions rurales et éloignées du Canada suit la même carte que l'écart de connectivité.
La connectivité est arrivée tard dans ces communautés, et le soutien à l'adoption n'est pas arrivé du tout. Sans lui, les mêmes régions sont laissées pour compte une seconde fois.
Les travailleurs d'expérience ne refusent pas d'utiliser l'IA. On ne les y forme pas.
La partie de la main-d'œuvre qui croît le plus vite reçoit le moins de formation de la part des employeurs. Les premières données donnent à penser que l'IA a été plus clémente envers les travailleurs d'expérience qu'envers les débutants — ce qui rend l'écart de formation encore plus difficile à justifier.
Presque toutes les organisations utilisent désormais l'IA quelque part. Les deux tiers ne dépassent jamais le stade pilote.
Le blocage vient rarement de la technologie. Il vient de la qualité des données, de processus qui ne plient pas, et de l'absence de méthode convenue pour mesurer si cela a fonctionné. Multiplier les projets pilotes ne réglera aucun de ces problèmes.
Traiter l'IA comme un amas d'expériences distinctes fait perdre l'essentiel de la valeur.
Les organisations qui obtiennent des rendements gèrent l'IA comme un portefeuille : quelques paris encadrés, examinés ensemble, avec une personne responsable de l'ensemble plutôt que de chaque pièce.
La distance entre les organisations prêtes pour l'IA et celles qui ne le sont pas s'accroît, elle ne se referme pas.
Les chefs de file déclarent une croissance des revenus plusieurs fois supérieure à celle des retardataires. Comme l'avantage se cumule par de meilleures données et de meilleures habitudes, attendre rend le rattrapage plus difficile plutôt que plus facile.
Quand toutes les entreprises peuvent acheter les mêmes modèles, le modèle cesse d'être l'avantage.
Le marché se scinde en trois groupes. Ce qui les sépare n'est pas la technologie mais la rapidité avec laquelle une organisation peut décider, repenser le travail et agir sur ce qu'elle apprend.
Les budgets de formation ont augmenté. Pas l'orientation venant des dirigeants.
Seul un quart environ des travailleurs estime que leurs dirigeants donnent assez d'orientation sur l'IA. Envoyer des gens suivre un cours ne répond pas à la question de ce qu'ils doivent faire différemment le lundi.
L'IA est le plus grand essor d'embauche de la décennie, et les femmes en obtiennent une part qui rétrécit à mesure que les postes montent en importance.
Les femmes représentent environ un quart des nouvelles embauches en IA, un cinquième des postes de direction en IA, et un huitième des sièges de haute direction en IA. La tendance se resserre à chaque échelon.
La formation détermine qui est promu, et pas seulement qui est embauché. Les personnes en situation de handicap et racisées y rencontrent des obstacles.
Si la formation qui mène à l'avancement est plus difficile d'accès, l'obstacle se cumule : les personnes ne sont pas seulement exclues d'un cours, elles sont exclues de la progression qu'il ouvre.
Tout ce dont un petit organisme a besoin pour évaluer son propre travail, sans embaucher d'évaluateur.
Gabarits de théorie du changement, répertoire d'indicateurs, guides de consentement et d'entretien, et un plan de rapport. Adaptez-les ; ils sont faits pour être modifiés.
Une liste de vérification pour que l'accessibilité soit conçue dans l'étude plutôt qu'ajoutée quand quelqu'un le demande.
Couvre le recrutement, le consentement, la conception des séances et la façon dont les résultats sont partagés. Chaque élément est une décision à prendre tôt, et non un accommodement à improviser.
De courtes réponses aux questions que les praticiens posent sans cesse, avec un degré de confiance honnêtement déclaré.
Chaque note indique ce que les données soutiennent réellement, pour qu'une réponse fragile ne soit jamais prise pour une certitude.
Comment rédiger des résultats qu'une personne occupée lira jusqu'au bout.
Des règles accompagnées d'exemples avant-après. Le test n'est pas de savoir si cela sonne rigoureux, mais si le lecteur peut agir en conséquence.
Gros caractères, langage simplifié, audio et documents balisés sont tous produits sur demande, gratuitement, et sans vous demander pourquoi. Utilisez le formulaire de demande ou écrivez à contact@cometx.ca.