Après 25 ans à accompagner des PME et des grands groupes dans leurs transformations numériques—du Cirque du Soleil à Royal Canin, de Montréal à Montpellier —j’ai vu défiler beaucoup de tendances technologiques. Mais celle-ci est différente.
L’IA générative n’est pas juste une autre tendance. C’est un outil qui fonctionne—ou qui vous coûte du temps—selon comment vous l’utilisez.
En 2026, je vois trois catégories de dirigeants québécois. Ceux qui pensent que ChatGPT c’est juste bon pour écrire un email. Ceux qui essaient et disent que « ça ne marche pas ». Et ceux qui ont compris une chose simple : comment on demande à l’IA, c’est tout ce qui change.
C’est cette dernière catégorie qui va gagner.
Ce que j’ai appris en 25 ans : les bonnes questions avant tout
Quand j’ai commencé à documenter la transformation numérique du Québec au début des années 2000, une chose m’a frappée : les entreprises qui réussissaient n’étaient pas nécessairement celles avec la meilleure technologie. C’étaient celles qui posaient les bonnes questions.
Rien n’a changé. L’IA, c’est pareil. Sauf qu’aujourd’hui, poser la bonne question à l’IA peut vous sauver des dizaines d’heures de travail. Ou vous faire perdrevotre temps et peut-être même votre argent, si vous posez mal.
Je vais vous montrer trois niveaux. Chacun est progressif. Vous pouvez commencer au premier et avancer à votre rythme.
Niveau 1 : La question précise (gratuit, à faire demain)
On appelle ça l’« ingénierie de prompts ». Horrible nom, je sais. C’est juste : comment demander à ChatGPT ce que vous voulez vraiment.
Mauvaise question : « Aide-moi à augmenter mes ventes »
Bonne question : « Je suis directeur commercial d’une PME manufacturière en Estrie avec 30 employés. Nos ventes B2B ont baissé de 8% cette année. On se bat contre trois concurrents principaux (les nommer). Notre marge est de 35%. On n’a pas budget pour une agence externe. Donne-moi trois stratégies d’acquisition à moins de 10K$ par mois qu’on pourrait lancer en 60 jours. »
La différence? La première réponse sera générique. La deuxième sera actionnable.
Pourquoi ça marche? Parce que vous avez donné du contexte. Pas beaucoup, mais du vrai contexte. L’IA travaille mieux quand elle comprend ce que vous faites, où vous êtes, et ce qui vous bloque vraiment.
Ça coûte quoi? Rien. Zéro dollar. C’est du temps pour écrire mieux. 15 minutes d’une bonne question vs 1 heure de mauvaises questions. Vous gagnez 45 minutes.
Quand l’utiliser? Tous les jours. Pour une idée de campagne, un audit rapide, du brainstorming stratégique, une analyse d’articles concurrents. C’est gratuit, c’est immédiat, donc tant qu’à faire, faites-le bien.
Cas hypothétique : Imaginez un restaurateur à Montréal qui pense « ChatGPT, c’est pas pour mon entreprise ». Il demande « Comment augmenter mes réservations? » et reçoit des réponses génériques. Mais s’il demande plutôt : « J’ai 200 couverts par semaine. 70% mercredis-jeudis, 30% fins de semaine. Prix moyen $28/personne. Cuisine québécoise traditionnelle. Comment augmenter mes réservations en semaine sans réduire mon prix? », l’IA lui donne quatre stratégies vraiment applicables à sa réalité.
C’est pas magique. C’est juste plus d’information qui mène à de meilleures réponses.
Niveau 2 : Le contexte donné à l’avance (quelques heures, gros impact)
Après un an avec le niveau 1, vous commencez à voir un pattern : vous revenez toujours aux mêmes informations. Votre budget, votre équipe, vos défis structurels, votre marché.
Au lieu de tout répéter à chaque question, vous rassemblez ça une fois. C’est le niveau 2. On appelle ça l’« ingénierie de contexte ». C’est moins en mode « comment je demande » et plus en mode « qu’est-ce que je donne comme base de travail ».
Concrètement, ça ressemble à quoi?
Vous préparez un document de 1-2 pages avec : – Qui vous êtes (secteur, taille, années d’expérience) – Votre réalité actuelle (chiffres clés, défis, avantages compétitifs) – Votre marché (qui sont vos clients, vos compétiteurs, la tendance du secteur) – Vos contraintes (budget, équipe, délais)
Vous sauvegardez ça. À chaque question stratégique, vous collez ce contexte avant, puis vous posez votre question.
Résultat? L’IA ne génère pas avec ses connaissances générales. Elle génère avec VOTRE réalité comme base de travail.
Ça coûte quoi? Quelques heures une fois. Peut-être 5-10 heures pour bien documenter votre contexte réel. Après, c’est investi.
Quand l’utiliser? Pour toute question stratégique à moyen-long terme : planification, positionnement, acquisition, rétention, prix, nouveaux produits/services.
Cas hypothétique : Prenez un directeur général dans le secteur aérospatiale en Estrie qui analyse ses options de croissance. S’il demande à l’IA « Comment croître? » il recevra des réponses génériques. Mais s’il documente d’abord son contexte—secteur aérospatiale, 45 employés, expertise usinage précision, 75% ventes à Montréal, 25% EU, défis réglementaires US, coûts d’opération, talent rare—et demande ensuite : « Basé sur ce contexte, quels sont les trois marchés de croissance les plus réalistes pour les 18 prochains mois? Pour chacun, donne-moi les trois obstacles principaux et comment les surmonter », il reçoit un plan vraiment actionnable. Pas du générique. Du spécifique à sa réalité.
Niveau 3 : L’IA qui connaît votre histoire (investissement réel, mais ça paie)
Si vous êtes rendu là, vous gérez déjà beaucoup d’information. Beaucoup de rapports, beaucoup de données, beaucoup de contexte. Vous ne voulez plus copier-coller manuellement.
Là, vous entrez dans le RAG. Retrieval-Augmented Generation. Pas besoin de mémoriser le terme. Vous n’avez besoin que de comprendre ce que ça fait : un système qui va chercher dans VOS données automatiquement, puis utilise ça pour répondre à VOS questions.
Pensez à ça comme un expert interne qui lit tous vos rapports, connaît votre histoire, et peut répondre en quelques secondes à partir de ce qui s’est passé chez vous réellement.
Ça ressemble à quoi en vrai?
Imaginez que vous êtes responsable du marketing chez une entreprise SaaS à Montréal. Vous avez : 5 ans de données de campagnes, rapports mensuels de ventes, données d’engagement media social, rapports de satisfaction client, analyses compétitives mensuelles.
Au lieu de fouiller dans 47 fichiers pour retrouver « combien de leads on a eu avec la campagne LinkedIn en 2023 », le système RAG le trouve en 3 secondes. Vous lui demandez : « Basée sur nos trois dernières années de données, quelle a été notre meilleure campagne en termes de ROI, et pourquoi est-ce que ça a marché? Comment je reproduis ça en 2025 avec un budget 20% plus bas? »
Le système cherche dans VOS données, analyse VOS patterns, et vous donne une réponse basée sur ce qui a vraiment fonctionné chez vous. Pas sur ce qui fonctionne « en général ».
Ça coûte quoi? 10 000$ à 75 000$ selon la complexité. Une vraie implémentation demande de 4 à 12 semaines. Vous allez probablement avoir besoin d’une expertise externe.
Quand ça vaut la peine? Quand vous avez beaucoup de données (plusieurs années d’historique), quand votre équipe passe des heures à chercher l’information, quand vous voulez de la continuité d’une année à l’autre, ou quand vous avez besoin d’analyses continue (monitorage média social, intelligence compétitive, tendances marché).
Cas hypothétique qui illustre l’impact : Prenez une organisation politique qui gère des teraoctets de données de monitorage média social. Sans système intelligent : analyste qui passe 30 heures par semaine à fouiller les données manuellement. Avec RAG : le système va chercher les patterns automatiquement, produit des rapports d’intelligence, identifie les tendances 48 heures avant qu’elles deviennent évidentes. Ça change complètement la capacité de réaction stratégique.
Tableau : Lequel choisir pour votre situation
| Aspect | Niveau 1 : Question précise | Niveau 2 : Contexte préparé | Niveau 3 : RAG |
| Investissement | $0 | 5-15 heures (votre temps) | $10K-$75K + expertise |
| Mise en place | 0 (demain) | 1-2 semaines | 4-12 semaines |
| Meilleur pour | Idées rapides, problèmes ponctuels, créativité | Stratégie moyen-terme, décisions qui reviennent, planification | Données massives, continuité, intelligence continue |
| Exemple d’usage | « Comment je position mon produit contre le concurrent X? » | « Quelle est ma meilleure stratégie de croissance sachant mon contexte? » | « Analysez 5 ans de données clients et dites-moi les 3 patterns clés pour retenir plus de clients » |
| Effort par utilisation | 5-10 min | 10-20 min | 30 sec (système cherche) |
| S’améliore avec le temps? | Non | Non | Oui (apprend vos patterns) |
Ce que je ne vous dis pas (mais que vous devriez savoir)
L’IA générative va inventer des choses. C’est un fait. Ça s’appelle « hallucinations ». Elle va vous dire quelque chose avec une confiance totale qui est… faux. Ou partiellement faux. Ou basé sur des données de 2021.
C’est pour ça que le contexte que VOUS donnez importe plus que vous ne le pensez. Plus votre contexte est précis, moins l’IA peut inventer.
Et c’est pour ça que le RAG marche mieux : parce qu’elle n’invente pas vos données. Elle les récupère.
Ne laissez pas un stagiaire jouer avec l’IA sur vos données sensibles sans supervision. Ne prenez pas une réponse d’IA comme étant vraie sans vérifier (surtout les chiffres, les dates, les noms de compétiteurs).
L’IA c’est un accélérateur, pas un remplaçant pour le jugement. C’est un outil de direction, pas un outil de remplacement de direction.
Donc. Par où vous commencez?
Semaine 1-2 : Pratiquez le niveau 1. Posez une question bien précise à ChatGPT ou Claude. Incluez votre contexte dans la question. Voyez la différence. Ça vous coûte 0$.
Mois 1-2 : Si vous aimez le résultat, documentez votre contexte (niveau 2). Une page, deux pages. Votre entreprise en résumé pertinent. Après, utilisez ça de base pour chaque question stratégique.
Trimestre 2 : Si vous êtes devenu un « power user » du niveau 2 et que vous avez VRAIMENT beaucoup de données à traiter, parlez-en à quelqu’un qui connaît le RAG. Mais sérieusement, 80% des dirigeants québécois vont régler 80% de leurs problèmes avec le niveau 1-2. Le RAG c’est pour les entreprises en phase d’accélération et les big data.
Après 25 ans, voici ce qui change vraiment
J’ai vu l’internet arriver. J’ai vu le mobile transformer tout. J’ai vu les réseaux sociaux changer la relation entre entreprises et clients. J’ai écrit plus de 2800 articles sur ces transformations.
L’IA générative, c’est probablement le shift le plus important depuis l’internet.
Pas parce que c’est magique. Mais parce que ça met le pouvoir d’analyse, de créativité et de résolution de problèmes à la portée du dirigeant moyen. Avant, vous aviez besoin d’une agence coûteuse. Maintenant, vous avez besoin de poser les bonnes questions.
Le dirigeant qui a compris ça en 2026 va diriger différemment en 2027.
Les autres vont continuer à se plaindre que « l’IA, ça sert à rien ».
Et si vous êtes prêt à vraiment explorer ça?
Ce que j’accompagne dans mes projets de consultation, c’est exactement ça : des PME et des grands groupes au Québec qui veulent passer du « on a essayé ChatGPT » au « on utilise l’IA pour diriger mieux ».
Si vous avez des questions spécifiques à votre contexte, ou si vous voulez explorer comment ces trois niveaux pourraient transformer vos décisions, je suis là.
PS : Ce billet a été écrit avec l’aide de l’IA (mais pas sans réflexion)
Oui, c’est ironique. Ce billet sur comment bien utiliser l’IA? Je l’ai co-écrit avec une IA en utilisant exactement les techniques que j’explique. Contexte précis, questions bien posées, révision humaine.
C’est un peu la preuve par l’exemple que ça marche.