Extrait court
L’administration publique doit se montrer proactive face aux projets novateurs, tout en se donnant le droit d’expérimenter des solutions offertes par l’IA dans un environnement contrôlé, à faible coût et sans risque.
Définition courte
Démarche d’exploration, de mise à l’essai et de projets pilotes de systèmes d’intelligence artificielle à petite échelle et dans des environnements contrôlés. Elle permet aux organisations d’innover, de développer leur savoir-faire et d’évaluer concrètement les impacts et les risques d’un outil avant de procéder à son déploiement à grande échelle.
Définition longue
Dans le contexte de l’intelligence artificielle, l’expérimentation est une phase d’exploration cruciale qui permet aux établissements d’enseignement, aux organismes publics et aux entreprises de tester des systèmes novateurs de manière sécuritaire. Face à la complexité et à l’évolution rapide des technologies de l’IA, les organisations sont encouragées à mener des projets pilotes dans des environnements contrôlés, parfois qualifiés de « bacs à sable réglementaires ». Ces espaces d’expérimentation permettent de tester des algorithmes à petite échelle et sur une durée déterminée, tout en bénéficiant d’une certaine souplesse pour évaluer la solidité des outils technologiques.
Toutefois, cette ouverture à l’innovation ne doit pas se faire au détriment de la sécurité ou de l’éthique. L’expérimentation exige d’adopter un regard critique sur les impacts pédagogiques, sociaux, environnementaux et culturels des outils testés. Tout au long de la phase d’essai, l’organisation doit actualiser ses évaluations des risques, comme l’évaluation des facteurs relatifs à la vie privée (ÉFVP), afin de s’assurer de la protection des données et de l’intégrité du système. L’objectif ultime de cette démarche est de développer une culture d’innovation et des compétences internes, de valider l’efficacité réelle des outils pour soutenir la réussite éducative ou l’amélioration des processus administratifs, et de prendre des décisions éclairées et responsables avant d’envisager un déploiement à plus grande échelle.
Éléments clés
- Environnement contrôlé (Bac à sable) : Recours à des espaces de test sécurisés où les organisations peuvent explorer les technologies d’IA à petite échelle, à faible coût et avec des risques limités.
- Projets pilotes et validation : Mise en œuvre de tests pratiques sur le terrain pour valider l’efficacité d’un système (par exemple pour soutenir la réussite éducative ou améliorer des services) avant son adoption généralisée.
- Regard critique et évaluation des risques : Obligation d’accompagner l’innovation d’une analyse rigoureuse des impacts (éthiques, environnementaux, protection de la vie privée) tout au long de la phase d’essai.
- Développement du savoir-faire : Occasion pour le personnel de se familiariser avec l’IA, de stimuler une culture de l’innovation et d’adapter les pratiques institutionnelles.
Exemple d’application
Un établissement d’enseignement décide de mener un projet pilote en autorisant temporairement l’usage d’un nouvel outil d’intelligence artificielle générative au sein d’un seul département. Cette expérimentation se déroule dans un environnement contrôlé, ce qui permet à l’équipe d’évaluer concrètement les impacts de l’outil sur l’apprentissage et d’actualiser l’évaluation des facteurs relatifs à la vie privée avant de décider de son déploiement à l’ensemble du collège.
Sources d’inspiration
- Cégep de Trois-Rivières (2025). Énoncé de principes et 9 principes directeurs en IA.
- Conseil de l’innovation du Québec (CIQ). (2024). Prêt pour l’IA : Répondre au défi du développement et du déploiement responsables de l’IA au Québec.
- Conseil supérieur de l’éducation (CSE) et Commission de l’éthique en science et en technologie (CEST). (2024). Intelligence artificielle générative en enseignement supérieur : enjeux pédagogiques et éthiques.
- Gouvernement du Québec. (2021). Stratégie d’intégration de l’IA dans l’administration publique 2021-2026.
- Ministère de la Cybersécurité et du Numérique (MCN). (2025). Mesures applicables lors de l’utilisation de l’intelligence artificielle générative.