Utilisation de l'IA au sein des conseils d'administration québécois : impact potentiel sur le recrutement et la rétention des administrateurs
Notice bibliographique
Résumé
L'intelligence artificielle (IA) pourrait transformer profondément la manière dont les organisations fonctionnent et prennent des décisions. Puisque les conseils d’administration (CA) sont responsables de définir les orientations stratégiques des organisations, ils jouent un rôle majeur dans la décision d’adopter ou non des technologies d’IA au sein de ces dernières. D’autre part, les CA seront eux-mêmes de plus en plus amenés à utiliser des outils basés sur l’IA pour améliorer leur propre fonctionnement, notamment en ce qui concerne le développement de la stratégie d’affaires, la planification de la relève pour la haute direction et l’identification des risques émergents. Malgré les avantages que l’IA pourrait apporter aux CA, son introduction comporte plusieurs risques importants. Par exemple, une mauvaise décision suggérée par l’IA, causant des dommages ou entraînant le non-respect d’une loi, pourrait constituer un manquement aux obligations fiduciaires et de diligence raisonnable des administrateurs. Ces derniers devront être capables d’évaluer adéquatement les risques associés à l’utilisation de l’IA dans ce contexte. En examinant la familiarité des administrateurs avec l’IA et leur perception des risques associés, cette étude vise à mieux cerner l’impact potentiel de l’IA sur l’attractivité de la profession d’administrateur et la rétention des administrateurs qualifiés. Comme les outils d’IA spécifiquement conçus pour la prise de décision au sein des CA sont aujourd’hui quasi inexistants et que leurs cas d’utilisation potentiels ne sont pas encore bien compris par tous les administrateurs, nous avons conçu une approche méthodologique basée sur des scénarios hypothétiques que nous avons soumis à seize (16) administrateurs québécois. Un avatar simule des analyses réalisées par l’IA à partir de données fictives et présente des recommandations aux participants afin qu’ils puissent commenter des cas d’utilisation spécifiques. Des entrevues semi-dirigées ont permis d’explorer leurs perspectives sur le potentiel de l’IA pour la prise de décisions au sein des CA et de recueillir leurs points de vue sur l’impact éventuel de son utilisation sur la profession. Les résultats de cette étude qualitative interprétativiste démontrent que la grande majorité des participants estiment que l’IA, sous supervision humaine, permettrait d’améliorer la prise de décisions au sein des CA. Ils ont manifesté une bonne compréhension de plusieurs risques et limitations de l’IA, bien que d’autres risques importants semblent encore méconnus ou largement sous-estimés, dont ceux liés à l’utilisation, dans le contexte québécois, des outils IA développés ailleurs. Ils anticipent d'importants changements au niveau de la profession en cas d’adoption, mais les avis sont partagés quant à l’impact potentiel sur l'attractivité et la rétention. Pour certains, elle rendra la profession plus attrayante en allégeant la charge des administrateurs, ce qui facilitera l'accès à des candidats compétents mais disposant de peu de temps à investir. Pour d'autres, les candidats potentiels s'interrogeront davantage sur la valeur ajoutée qu'ils pourraient apporter au CA qui utilise déjà l’IA pour la prise de décision. Cette étude contribue aux champs de recherche en sciences de la gestion et des technologies de l’information en mettant en évidence la nature multiniveau des impacts qui alimentent l’évaluation des risques liés à l’IA : individuel (administrateur), de groupe (CA), organisationnel (parties prenantes internes), collectif (corps professionnel) et sociétal (parties prenantes externes), ainsi que la répercussion de leurs interactions sur l’avenir de la profession. Alors que la littérature actuelle portant sur la gouvernance avec l’IA ne tient pas suffisamment compte des défis spécifiques des CA québécois, cette étude permet de mieux outiller ces derniers afin d’assurer la rétention et l’attractivité de la profession. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : intelligence artificielle, gouvernance corporative, conseil d’administration, prise de décision
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».