De l’intelligence artificielle à la continuité cognitive des institutions

J’ai toujours été curieux de nature. Je crois même qu’une partie importante de mon parcours professionnel s’explique par cette curiosité et par une certaine attirance pour ce qui n’existe pas encore tout à fait, pour les technologies nouvelles, pour les idées qui bousculent les façons de faire établies et pour cette question qui revient presque instinctivement lorsque je découvre quelque chose de nouveau : qu’est-ce que nous pourrions faire différemment avec cela? Mon intérêt pour la technologie ne date donc pas de l’arrivée de ChatGPT ni même de l’intelligence artificielle telle que nous la connaissons aujourd’hui. Il remonte beaucoup plus loin, jusqu’au début des années 1990, lorsque les premiers ordinateurs ont commencé à faire leur entrée dans notre quotidien et dans les organisations. Je me souviens de cette période comme d’un premier basculement. Nous étions évidemment très loin des modèles de langage, des agents logiciels ou de la cognition augmentée, mais je ressentais déjà cette fascination devant une machine qui permettait soudainement de traiter l’information autrement, de travailler plus rapidement, d’organiser des données et d’accomplir en quelques minutes ce qui exigeait auparavant beaucoup plus de temps.

Au fil des années, j’ai observé l’arrivée d’Internet, l’évolution des logiciels, la multiplication des systèmes numériques, l’infonuagique, les appareils mobiles et toutes ces transformations qui finissaient presque toujours par produire le même phénomène : ce qui paraissait extraordinaire au départ devenait rapidement normal, puis presque indispensable. Chaque génération technologique repoussait légèrement la frontière entre ce que l’humain devait faire lui-même et ce qu’un outil pouvait lui permettre d’accomplir plus facilement. Pourtant, je n’ai jamais été particulièrement fasciné par la technologie uniquement pour la technologie. Ce qui m’intéressait davantage était sa capacité de modifier le travail humain. Que devient une organisation lorsqu’elle peut accéder plus rapidement à son information? Que devient une personne lorsqu’une tâche qui lui prenait une journée peut être accomplie en une heure? Que faisons-nous du temps ainsi libéré? Et surtout, que devient notre façon de décider lorsque nous disposons de davantage d’information, plus rapidement?

Je ne savais pas encore que ces questions allaient accompagner une grande partie de mon parcours. Pendant longtemps, elles demeuraient simplement l’expression d’une curiosité naturelle pour l’innovation. Puis, en 2017, ma trajectoire professionnelle m’a placé à l’intérieur d’un système organisationnel particulièrement complexe, un système où la technologie, les connaissances, les humains, les règles, les perceptions et le pouvoir se rencontrent quotidiennement : celui d’une petite municipalité québécoise.

2017 à 2021 : découvrir le monde municipal de l’intérieur

En juin 2017, je suis devenu directeur général d’une municipalité d’environ 800 citoyens. Avec le recul, je considère aujourd’hui cette période comme l’une des expériences les plus déterminantes dans la construction de ma pensée actuelle. Je connaissais évidemment déjà une partie du fonctionnement municipal. Je savais qu’une municipalité était encadrée par des lois, des règlements, des budgets, des résolutions, des contrats et une multitude d’obligations administratives. Mais connaître une organisation de l’extérieur et devoir la faire fonctionner quotidiennement constituent deux expériences complètement différentes. Dans une municipalité de cette taille, il existe très peu de distance entre le citoyen, l’employé, l’élu, le maire et la direction générale. Les mêmes personnes se croisent dans la communauté. Elles connaissent souvent les mêmes familles, les mêmes entreprises, les mêmes histoires et les mêmes enjeux. L’administration n’est pas une abstraction éloignée. Elle fait partie du milieu.

La direction générale se trouve alors au centre d’un nombre étonnant de réalités. Dans une même journée, on peut passer d’un dossier budgétaire à une question d’urbanisme, d’une problématique de travaux publics à une plainte citoyenne, d’une demande ministérielle à la préparation d’une séance du conseil, d’un contrat à un enjeu de ressources humaines, puis terminer la journée devant une situation qui ne correspond à aucune case de l’organigramme. Dans une organisation plus importante, plusieurs de ces responsabilités seraient réparties entre différentes directions, des professionnels spécialisés et plusieurs niveaux de gestion. Dans une municipalité de 800 citoyens, un nombre beaucoup plus limité de personnes doit maintenir simultanément une quantité considérable de connaissances, de responsabilités et de relations.

J’ai rapidement découvert qu’une petite municipalité n’était donc pas une version simplifiée d’une grande organisation. Elle possédait sa propre complexité. Une complexité moins visible, parce qu’elle était souvent absorbée par les personnes elles-mêmes.

C’est également pendant ces années que j’ai commencé à mesurer l’influence réelle du facteur humain sur le fonctionnement d’une institution. Les lois déterminent les pouvoirs. Les règlements établissent des règles. Les résolutions consignent des décisions. Les structures administratives précisent les responsabilités. Pourtant, ce ne sont jamais ces éléments seuls qui font fonctionner une municipalité. Une institution vit à travers les personnes qui l’interprètent, la dirigent, la contestent, lui font confiance ou s’en méfient. Elle vit à travers ce qu’elles savent, ce qu’elles croient savoir, ce qu’elles se rappellent, ce qu’elles racontent aux autres et la façon dont elles interprètent les décisions qui les touchent.

J’ai compris progressivement que le pouvoir dans une organisation ne correspond pas uniquement au pouvoir inscrit dans un organigramme. Il existe évidemment un pouvoir formel : celui du conseil municipal, du maire, de la direction générale et des différents officiers municipaux. Mais il existe également un pouvoir d’influence beaucoup plus diffus. Un ancien conseiller peut continuer à exercer une influence dans son milieu longtemps après avoir quitté le conseil. Un promoteur peut posséder sa propre vision du développement du territoire et considérer certaines décisions administratives à travers les conséquences qu’elles ont sur ses projets. Un citoyen peut connaître une partie de l’histoire locale que l’administration ignore ou interpréter une situation à partir d’une expérience personnelle qui lui donne une perspective complètement différente de celle de la direction générale. Un employé expérimenté peut détenir une connaissance technique ou historique que personne d’autre dans l’organisation ne possède. Chacun observe le système depuis un endroit différent.

C’est probablement l’une des choses les plus difficiles à comprendre lorsqu’on regarde une municipalité de l’extérieur : une institution n’agit jamais à partir d’une seule réalité parfaitement partagée. Elle agit à partir de plusieurs représentations de cette réalité.

Une direction générale peut prendre une décision qu’elle considère administrativement cohérente, appuyée sur l’information dont elle dispose, sur les obligations qu’elle doit respecter et sur les responsabilités qu’elle exerce. Un citoyen peut vivre la conséquence de cette décision et la comprendre complètement différemment. Un promoteur peut considérer qu’une pratique administrative nuit à son projet. Un ancien élu peut croire que l’organisation s’éloigne d’une façon de faire qu’il jugeait préférable. Chacun possède une partie du contexte. Chacun développe son interprétation. Et ces interprétations peuvent ensuite circuler, se renforcer et devenir elles-mêmes des forces capables d’influencer l’organisation.

À l’époque, je ne parlais évidemment pas de cognition institutionnelle. Je ne parlais pas d’actifs cognitifs, de patrimoine cognitif ou de mémoire organisationnelle. Je n’aurais probablement même pas utilisé ces mots. Pourtant, avec le recul, c’est exactement ce que j’étais en train d’observer. Une organisation est composée de données, de documents, de règles et de décisions, mais elle est également composée de connaissances, de perceptions, de raisonnements, de relations, d’histoires et d’expériences. La capacité institutionnelle dépend de la manière dont toutes ces dimensions se rencontrent.

Cette expérience m’a également appris à quel point certaines connaissances importantes pouvaient demeurer invisibles. Une personne savait pourquoi une décision avait été prise dix ans auparavant. Une autre connaissait l’histoire d’un équipement. Quelqu’un savait comment communiquer efficacement avec un ministère. Une employée se rappelait pourquoi une disposition particulière avait été ajoutée à un règlement. Tant que ces personnes demeuraient dans l’organisation, tout cela semblait normal. Personne ne considérait nécessairement cette connaissance comme un actif particulier. Elle faisait simplement partie du quotidien.

Lorsque j’ai quitté la direction générale en novembre 2021, j’avais donc acquis beaucoup plus qu’une expérience administrative. J’avais découvert l’intérieur du monde municipal, sa richesse humaine, sa proximité avec les citoyens, son potentiel, mais également sa fragilité. J’avais vu combien certaines connaissances pouvaient reposer sur une seule personne. J’avais constaté combien une relation de confiance pouvait faciliter un projet et combien une rupture de confiance pouvait, à l’inverse, ralentir tout un système. J’avais compris qu’une organisation pouvait parfaitement conserver tous ses documents et perdre malgré tout une partie du raisonnement qui avait permis de les produire.

Je ne savais pas encore que quelques mois plus tard une nouvelle révolution technologique allait me permettre de regarder tout cela autrement.

Lorsque je regarde le chemin parcouru depuis 2022

Lorsque je regarde le chemin parcouru depuis 2022, j’ai parfois l’impression que plusieurs décennies d’évolution technologique se sont concentrées dans quatre années. Les outils qui m’impressionnaient au début de cette période paraissent déjà rudimentaires comparativement à ceux que nous utilisons aujourd’hui. Des capacités qui relevaient presque de la science-fiction sont devenues des fonctions accessibles quotidiennement. Des limites que nous pensions devoir contourner pendant des années ont parfois disparu en quelques mois. Des façons de travailler que nous apprenions avec difficulté sont devenues presque obsolètes avant même d’avoir eu le temps de s’installer. Pourtant, avec le recul, ce n’est pas seulement la technologie qui a changé. Ce qui s’est transformé le plus profondément, c’est ma façon de la regarder. En 2022, je cherchais surtout à comprendre ce que ces nouvelles machines pouvaient faire. En 2026, je me demande plutôt ce qu’elles peuvent nous apprendre sur la façon dont nos organisations se souviennent, comprennent, décident, agissent et apprennent. Entre les deux se trouve une histoire faite d’expérimentations, de milliers d’heures de travail, de développement logiciel, de rencontres avec des gestionnaires municipaux, d’idées qui ont fonctionné, d’autres qui ont échoué, de technologies qui ont évolué plus rapidement que prévu et, surtout, d’une série de questions qui ont fini par m’amener beaucoup plus loin que l’intelligence artificielle elle-même.

Je n’arrivais toutefois pas dans cet univers sans histoire. Avant de m’intéresser aussi intensément aux modèles de langage, j’avais déjà vécu le monde municipal de l’intérieur. Je connaissais la réalité d’une direction générale, les réunions qui se succèdent, les décisions qui doivent parfois être prises rapidement avec une information imparfaite, les obligations légales, les urgences, les projets, les citoyens, les élus, les professionnels, les entrepreneurs, les ministères, les contraintes financières et cette impression constante qu’une petite organisation doit être capable de comprendre et de gérer une quantité étonnante de sujets différents. J’avais également observé un phénomène qui, à l’époque, me semblait presque normal : une grande partie de la capacité réelle d’une municipalité repose sur ce que certaines personnes savent. On sait à qui demander. On sait que telle employée connaît l’historique du dossier. On sait que le contremaître se souvient de la particularité de cette conduite d’eau. On sait que la greffière comprend pourquoi cette disposition avait été ajoutée au règlement. On sait que la direction générale se rappelle pourquoi le conseil avait choisi cette solution plutôt qu’une autre dix ans auparavant. Tant que ces personnes sont présentes, l’organisation semble fonctionner normalement. Cette réalité allait devenir beaucoup plus importante dans ma réflexion quelques années plus tard. Mais en 2022, je n’avais pas encore les mots pour la nommer. Je regardais surtout une nouvelle technologie apparaître et je me demandais jusqu’où elle pourrait nous conduire.

2022 : derrière un générateur de texte, j’entrevoyais déjà une interface

Lorsque ChatGPT est rendu accessible au public le 30 novembre 2022, beaucoup découvrent un outil capable de produire du texte d’une façon qui paraît presque déconcertante. Il peut répondre à une question, poursuivre une conversation, reformuler un passage, rédiger un contenu ou réagir à une précision. Les résultats sont impressionnants, mais les limites sont tout aussi évidentes. Le système perd parfois le fil. Il invente des références. Il produit des réponses générales. Il peut se tromper avec une assurance remarquable. Il ne connaît pas le contexte particulier d’une organisation. Il n’a pas spontanément accès à ses règlements, à ses bases de données, à ses procès-verbaux, à ses contrats, à ses pratiques, à son territoire ou à la connaissance accumulée par ses employés. Il aurait donc été facile de conclure que cette technologie était intéressante, spectaculaire même, mais encore trop fragile pour une administration publique sérieuse.

Ce n’est pourtant pas exactement ce que je voyais. Les erreurs m’intéressaient, évidemment, parce qu’il fallait les comprendre. Mais quelque chose d’autre me semblait beaucoup plus important. Pour la première fois, une personne pouvait communiquer avec une machine complexe en utilisant essentiellement son propre langage. L’humain n’avait plus nécessairement à apprendre la logique technique du logiciel avant de pouvoir exprimer son besoin. La technologie commençait plutôt à faire une partie du chemin vers lui. Cette inversion me fascinait. Dans une municipalité, l’un des problèmes n’est pas toujours que l’information n’existe pas. Au contraire, il y en a énormément. Le problème est souvent de savoir où elle se trouve, sous quelle forme, dans quel système et auprès de quelle personne. Une réponse peut être enfouie dans un ancien procès-verbal, un règlement, un classeur, un logiciel financier, une base de données, un plan, un courriel, un contrat, un rapport professionnel ou tout simplement dans la mémoire d’une personne présente depuis quinze ans. Pour trouver l’information, il faut souvent savoir où chercher avant même de savoir ce que l’on va trouver.

C’est à ce moment qu’une question a commencé à s’installer dans ma tête. Et si, un jour, le gestionnaire n’avait plus à connaître tous les chemins techniques permettant d’accéder à cette complexité? Et s’il pouvait simplement expliquer ce qu’il cherche? Et si un système pouvait comprendre suffisamment son intention pour déterminer quelles sources consulter, quelles données analyser, quels documents mettre en relation et quels outils utiliser? Et si le langage humain devenait progressivement une interface permettant d’accéder aux connaissances et aux systèmes d’une organisation? Je ne voyais déjà plus seulement un générateur de texte. J’entrevoyais une couche nouvelle entre la personne et la complexité administrative qui l’entoure. Je ne savais pas encore exactement comment nous pourrions la construire. Je ne savais certainement pas jusqu’où les modèles progresseraient. Mais cette intuition allait devenir le premier fil conducteur de mon parcours.

2023 : comprendre la trajectoire plutôt que maîtriser l’outil du moment

L’année 2023 a profondément accéléré cette réflexion. Les modèles deviennent plus performants. Ils commencent à travailler avec des formes d’information différentes. GPT-4 marque notamment une progression importante dans la capacité de traiter des problèmes complexes et d’interpréter d’autres formes de contenu. Une image peut devenir une source d’information. Un tableau peut être analysé. Un document peut progressivement être compris dans sa structure. Les frontières entre texte, données, images et documents deviennent moins étanches. Pour moi, cela change la nature même du problème. La question n’est plus simplement de savoir comment obtenir une meilleure réponse à une commande. Elle devient : comment donner à un modèle suffisamment de contexte pour qu’il puisse travailler à partir d’une réalité organisationnelle sans l’inventer?

Je me suis alors engagé beaucoup plus profondément dans l’expérimentation. Je voulais comprendre pourquoi une formulation produisait un meilleur résultat qu’une autre, comment fournir du contexte, comment diminuer les hallucinations, comment distinguer l’instruction de la source, comment faire retrouver une information contrôlée plutôt que demander au modèle de la reconstruire, comment lui permettre d’utiliser des documents, comment gérer les droits d’accès, comment conserver un contexte de travail, comment distinguer la connaissance générale du modèle de la connaissance particulière d’une organisation et, surtout, comment profiter de cette puissance nouvelle sans transformer le système en autorité. Ces questions m’intéressaient de plus en plus, parce qu’elles se situaient exactement à la frontière entre technologie et gouvernance.

Les heures d’expérimentation se sont accumulées. J’essayais les nouvelles versions. Je comparais les comportements. Je cherchais les limites. J’observais ce qui changeait. Je discutais avec des personnes capables de développer les systèmes qui commençaient à prendre forme dans ma tête. Mais j’ai surtout appris quelque chose qui allait influencer beaucoup plus tard ma réflexion sur les connaissances organisationnelles : dans un univers qui évolue aussi rapidement, apprendre ne suffit pas. Il faut également apprendre à désapprendre. Une technique absolument nécessaire en janvier peut devenir secondaire en octobre. Une faiblesse technologique que nous consacrons des semaines à contourner peut disparaître lors de la génération suivante. Une solution qu’il fallait développer nous-mêmes peut être intégrée quelques mois plus tard directement dans un modèle ou dans une plateforme. Accumuler de la connaissance sans la réévaluer continuellement peut donc devenir un handicap.

Cette expérience m’a amené à regarder moins la photographie de la technologie que sa trajectoire. Au lieu de demander uniquement « que sait faire le modèle aujourd’hui? », je cherchais à comprendre dans quelle direction le mouvement nous conduisait. Les modèles deviendraient-ils meilleurs pour raisonner? Pour comprendre des documents? Pour travailler avec des images? Pour retrouver des fichiers? Pour chercher dans des sources externes? Pour utiliser des outils? Pour communiquer avec des systèmes? Pour effectuer plusieurs étapes successives? Pour choisir entre différentes capacités spécialisées? Pour assister les développeurs eux-mêmes dans la création de nouvelles applications? Chaque fois que la réponse devenait progressivement « oui », ce que nous pouvions imaginer changeait.

C’est là qu’une conviction a commencé à prendre forme : la valeur future de ces modèles ne résiderait probablement pas principalement dans leur capacité à produire du contenu. Elle se trouverait dans leur capacité à devenir une couche d’interaction entre les humains et les systèmes complexes qui les entourent.

La naissance de Global IA et d’EVA : faire rencontrer deux mondes

C’est dans cet espace que Global IA et, progressivement, EVA ont commencé à prendre forme. Nous avancions sur deux chemins en même temps. D’un côté se trouvait la technologie : les modèles, les bases de connaissances, la recherche documentaire, les connecteurs, les agents, les architectures logicielles, les mécanismes de sécurité, les outils et l’orchestration. De l’autre se trouvait le métier municipal : la direction générale, le greffe, les finances, l’urbanisme, les travaux publics, les ressources humaines, les communications, les loisirs, la sécurité civile, le développement économique et les relations avec les citoyens. Mon intuition était que la valeur se trouverait précisément à l’intersection de ces deux mondes. Une technologie peut être extraordinaire sans être utile. Pour créer de la valeur, elle doit comprendre suffisamment le problème réel auquel elle est appliquée.

L’idée initiale derrière EVA était donc beaucoup plus pragmatique que théorique : rendre l’intelligence artificielle réellement utile dans le quotidien municipal. Pas dans cinq ans. Pas seulement sous forme de démonstration impressionnante. Maintenant. Cela voulait dire prendre des modèles encore imparfaits et construire autour d’eux du contexte, des sources, des règles, des mécanismes de contrôle et une compréhension suffisamment fine du métier pour qu’ils puissent contribuer à résoudre de vrais problèmes.

Mais une intuition n’est pas un logiciel. Elle doit rencontrer des personnes capables de la remettre en question et de lui donner une forme technique. Xavier Fortin a joué un rôle important dans cette transition en construisant la première version d’EVA et en établissant une partie de ses fondations technologiques. Au fil de l’évolution du projet, une équipe beaucoup plus large s’est formée autour du développement, de la livraison, de la formation et du soutien. Cette complémentarité a été déterminante. Je pouvais arriver avec une idée issue du terrain et dire : « Voilà ce qu’un gestionnaire devrait pouvoir demander. » L’équipe pouvait répondre : « Voilà ce qui est techniquement possible », « voilà ce que nous devons construire autour du modèle », « ce n’est probablement pas la bonne approche », ou encore « ce n’est pas possible aujourd’hui, mais surveillons ce qui arrive ». L’innovation est née de ces allers-retours.

Je trouve important d’insister là-dessus, parce que l’histoire de l’intelligence artificielle peut facilement donner l’impression que la machine crée tout. Ce n’est pas ce que nous avons vécu. Les outils ont augmenté notre capacité de création, parfois considérablement, mais ils n’ont pas remplacé la compréhension du métier, la créativité, le jugement ou la responsabilité. Déterminer comment une directrice générale devrait interagir avec un système, comment une greffière devrait retrouver un précédent, comment un professionnel de l’urbanisme devrait pouvoir poser une question liée au territoire, comment afficher les sources, comment arrêter une automatisation avant une décision sensible ou comment transformer une conversation en document ne relève pas seulement de la programmation. Ce sont des questions de métier, de design organisationnel, d’expérience utilisateur et de gouvernance.

Paradoxalement, nous développions des outils utilisant l’intelligence artificielle en utilisant nous-mêmes des outils de programmation alimentés par l’intelligence artificielle. Cette réalité a énormément accéléré notre capacité à expérimenter. Une hypothèse pouvait être prototypée beaucoup plus rapidement. Une interface pouvait être essayée, critiquée et abandonnée. Une fonction pouvait être modifiée. Une intégration pouvait être explorée. Le coût de l’essai diminuait. Et lorsque le coût de l’essai diminue, une petite équipe peut explorer davantage de possibilités. Mais j’ai également découvert l’autre face de cette accélération : lorsqu’on devient capable de construire plus vite, on devient également capable de construire beaucoup plus rapidement quelque chose dont personne n’a besoin. La compréhension du problème réel devient donc encore plus importante que la capacité de produire une solution.

2024 : lorsqu’EVA cesse progressivement d’être un chatbot

Le lancement d’EVA en version bêta au printemps 2024 a représenté une étape déterminante. Il fallait maintenant confronter nos idées à de véritables utilisateurs. Ce qui semblait évident dans une salle de développement ne l’était pas toujours sur le terrain. Les utilisateurs posaient des questions auxquelles nous n’avions pas pensé. Ils utilisaient certaines fonctions autrement que prévu. Ils révélaient des limites. Certaines idées que nous croyions importantes créaient peu de valeur. D’autres devenaient essentielles. Cette période d’apprentissage a progressivement changé notre perception du produit. Nous pensions construire un assistant. Nous commencions plutôt à voir apparaître un socle logiciel municipal.

Mais ce que cette première façon de raconter l’histoire ne disait pas suffisamment, c’était le rôle déterminant des premières organisations qui ont accepté de nous ouvrir leurs portes alors que notre technologie était encore jeune et que nous étions nous-mêmes en train de comprendre jusqu’où elle pouvait aller. Une innovation technologique peut commencer avec une idée, une intuition et quelques personnes capables de développer un produit, mais elle ne devient véritablement une innovation organisationnelle que lorsqu’une organisation accepte de la mettre à l’épreuve. C’est exactement ce qui s’est produit en 2024.

En juillet, le PREL a fait partie de ces premières organisations qui ont accepté d’explorer avec nous ce nouveau territoire. En août, la Ville de Bécancour nous a également ouvert une porte. Puis est venue la MRC de Montmagny en septembre, dont l’ouverture et l’audace ont constitué pour moi un moment particulièrement important du projet, ainsi que la Municipalité de Lac-Etchemin et progressivement plusieurs autres organisations. À cette époque, beaucoup de gestionnaires se demandaient encore avec raison si l’intelligence artificielle générative était suffisamment mature, suffisamment fiable ou suffisamment sécuritaire pour être utilisée sérieusement dans une organisation publique. Ces organisations n’ont pas ignoré ces questions. Elles ont simplement accepté d’en ajouter une autre : qu’est-ce que nous pourrions apprendre si nous expérimentions cette technologie de manière structurée et responsable?

Cette ouverture a été fondamentale, parce que ces premières organisations nous ont offert quelque chose qu’aucun laboratoire technologique ne pouvait nous donner : la réalité. La réalité d’une direction générale. La réalité du greffe. La réalité des finances. La réalité de l’aménagement. La réalité des données. La réalité du territoire. La réalité d’une organisation qui doit répondre à de véritables citoyens et respecter de véritables obligations. Une fonction qui paraissait logique dans une démonstration pouvait soudainement devenir beaucoup moins pertinente devant un vrai gestionnaire. Une question formulée par une directrice générale pouvait ouvrir une piste de développement à laquelle nous n’avions jamais pensé. Un irritant pouvait révéler une faiblesse de notre architecture. Une demande qui revenait dans plusieurs municipalités pouvait nous montrer qu’un problème que nous croyions local était en réalité beaucoup plus généralisé.

À mesure que les formations, les séminaires, les démonstrations et les accompagnements se sont multipliés, cette relation avec le terrain est devenue de plus en plus riche. Au fil de ces interventions, j’ai eu l’occasion de rencontrer, de sensibiliser, de former ou d’accompagner plus de 500 gestionnaires, directions générales, élus et professionnels à différents niveaux des organisations municipales et publiques. Ils provenaient de municipalités de tailles différentes, de milieux différents et d’organisations possédant des niveaux de maturité numérique très différents. Certaines étaient déjà fortement numérisées. D’autres fonctionnaient avec quelques employés qui devaient porter presque toute la connaissance de l’organisation. Certaines étaient très ouvertes à l’innovation. D’autres étaient beaucoup plus prudentes.

Je considère aujourd’hui ces centaines de rencontres comme une immense collecte de terrain. Ce n’était pas, au départ, une étude scientifique structurée et je ne veux pas la présenter comme telle. Mais il s’agissait de centaines de conversations avec des personnes qui connaissaient intimement leur travail. Chaque fois qu’un gestionnaire me disait : « Chez nous, ça ne fonctionne pas comme ça », cette phrase avait énormément de valeur. Elle nous empêchait de construire une représentation théorique du monde municipal. Chaque fois qu’une personne nous expliquait pourquoi une fonction ne répondait pas à son besoin, elle nous permettait d’améliorer notre compréhension. Chaque fois qu’une même difficulté revenait dans plusieurs organisations, elle cessait progressivement d’être une anecdote pour devenir l’indice d’un problème organisationnel plus général.

C’est ainsi que je comprends maintenant l’évolution d’EVA. La plateforme n’est plus simplement le produit d’une vision initiale ou d’une équipe technique. Elle est progressivement devenue le résultat d’une boucle continue entre notre compréhension du monde municipal, l’évolution des modèles, la créativité des développeurs et l’expérience de centaines de personnes qui accomplissent quotidiennement le travail que nous cherchons à soutenir. Les quatorze univers ou départements municipaux autour desquels la plateforme est aujourd’hui organisée ne sont donc pas apparus parce que nous avons décidé arbitrairement qu’il en fallait quatorze. Ils sont apparus parce que le terrain nous a constamment rappelé qu’une municipalité n’était pas un métier unique. Elle est un système composé de fonctions interdépendantes, chacune possédant ses propres connaissances, ses propres responsabilités, ses propres risques et sa propre façon de comprendre l’organisation.

L’évolution des modèles renforçait simultanément cette transformation. Avec la convergence du texte, de la vision et de la voix, puis l’arrivée de modèles consacrant davantage d’effort au raisonnement, une nouvelle logique devenait crédible : un système pouvait interpréter une demande, réfléchir aux étapes nécessaires, chercher une information, utiliser un outil, analyser le résultat et poursuivre le travail. La notion d’agent commençait à sortir du concept théorique.

Nous avons alors cessé de vouloir faire entrer tous les besoins dans un seul assistant généraliste. Une question financière n’obéit pas à la même logique qu’une question d’urbanisme. Une résolution ne se traite pas comme une analyse d’évaluation foncière. Une demande citoyenne ne possède pas les mêmes contraintes qu’un dossier de ressources humaines. Le besoin devait être compris, puis acheminé vers le bon domaine, la bonne connaissance, les bons outils et les bonnes règles. Cette logique de spécialisation et de routage allait progressivement devenir l’un des principes importants de notre architecture et mener à une plateforme comptant plusieurs modules spécialisés dans différentes familles de métiers municipaux.

Puis la conversation elle-même a commencé à nous sembler insuffisante. Un urbaniste ne veut pas seulement lire une réponse : il doit parfois voir le territoire. Un responsable de l’évaluation doit travailler avec des unités d’évaluation, des comparables, des historiques et des valeurs. Une greffière doit transformer le travail en document. Un gestionnaire doit consulter une source. Une personne doit pouvoir approuver ou refuser une action. Nous avons donc commencé à construire des environnements de travail autour de la conversation. La géomatique est devenue particulièrement révélatrice. Lorsque nous avons relié le langage à la carte, nous avons constaté combien la connaissance municipale est spatiale. Un règlement de zonage concerne un territoire. Une infrastructure occupe un lieu précis. Un rôle d’évaluation concerne une propriété. Une demande citoyenne possède souvent une localisation. Une donnée ne devait plus simplement pouvoir être trouvée : elle devait pouvoir être croisée, contextualisée et représentée.

La même logique s’est étendue à d’autres fonctions. Les sites municipaux pouvaient être abordés par une interface plus conversationnelle. Les réunions pouvaient devenir une source structurée de mémoire grâce à leur transcription et à la préparation de documents. Les réponses pouvaient être transformées en résolutions, rapports, avis, lettres et procès-verbaux. Les automatisations pouvaient commencer à enchaîner plusieurs étapes, mais en s’arrêtant avant les décisions exigeant un jugement humain. Ce principe est devenu central : EVA peut préparer; l’humain décide.

Ce qui ressemblait initialement à une règle de sécurité est devenu pour moi un principe de gouvernance.

2025 : de la réponse à l’action, et de l’action à la responsabilité

En 2025, l’ensemble de l’industrie se déplace davantage vers la recherche multiétape, les outils, les agents et l’orchestration. Un modèle peut désormais chercher, parcourir différentes sources, analyser de grands volumes d’information et produire des synthèses documentées. Les architectures permettent de plus en plus à un système d’interpréter une intention puis de choisir les ressources nécessaires à son exécution. Ce mouvement confirmait une intuition que nous portions depuis plusieurs années : le futur ne reposerait probablement pas sur un seul modèle gigantesque possédant toutes les réponses, mais sur des architectures capables d’aller chercher la bonne connaissance et le bon outil au bon moment.

Texte, documents, données, images, voix, cartes, recherche, programmation et raisonnement commençaient progressivement à converger. Notre rôle n’était pas d’inventer chacune de ces technologies. Nous n’avions inventé ni les modèles de langage, ni la géomatique, ni l’évaluation foncière, ni les bases de données. Notre travail consistait plutôt à comprendre comment ces capacités pouvaient être assemblées de façon cohérente autour d’un métier et d’une réalité organisationnelle particulière.

Et c’est exactement en essayant de connecter tous ces éléments qu’une nouvelle série de questions a commencé à m’occuper.

Nous pouvions construire un meilleur moteur de recherche. Mais quelle connaissance devait-il chercher?

Nous pouvions conserver davantage de documents. Mais lesquels étaient encore valides?

Nous pouvions retrouver un précédent. Mais était-il toujours pertinent?

Nous pouvions connecter une base de données. Mais qui devait y accéder?

Nous pouvions automatiser un processus. Mais à quel moment l’humain devait-il reprendre la décision?

Nous pouvions améliorer la capacité du système à répondre. Mais pouvions-nous démontrer d’où provenait sa réponse?

À mesure que nous avancions, je réalisais que les questions les plus difficiles n’étaient plus vraiment technologiques. Elles étaient des questions de gouvernance.

Le 4 juin 2025 : lorsque cette réflexion est devenue personnelle

Le 4 juin 2025, cette réflexion sur la gouvernance, l’information, le contexte et la responsabilité a pris pour moi une dimension que je n’aurais jamais souhaité expérimenter de cette manière. Ce jour-là, j’ai été arrêté relativement à des accusations criminelles liées à des événements remontant à mon passage dans le monde municipal. Selon ma compréhension des événements et les éléments de mon dossier, la situation trouvait notamment son origine dans des plaintes provenant de personnes qui contestaient certaines pratiques de gestion administrative de cette période. Une analyse extérieure avait ensuite conduit le dossier beaucoup plus loin que ce que j’aurais imaginé. Lorsque l’arrestation a été médiatisée, je suis presque instantanément passé de la position de celui qui analyse les systèmes institutionnels à celle de celui qui se retrouve lui-même pris dans un système institutionnel, médiatique et humain beaucoup plus grand que lui.

J’avais passé plusieurs années à réfléchir aux conséquences possibles d’une information incomplète dans une municipalité, à l’importance du contexte et à la nécessité de retourner aux sources. Soudainement, ces concepts n’étaient plus abstraits. Une information sur moi circulait publiquement. Certaines personnes ne connaissaient que ce qui avait été rendu public. D’autres possédaient quelques éléments supplémentaires. Moi, j’avais ma propre compréhension de plusieurs années d’événements. Les enquêteurs possédaient leur dossier. Les procureurs devaient travailler à partir des éléments qui leur étaient transmis. Les médias avaient leur propre rôle et leurs propres contraintes. Chacun construisait donc une représentation à partir de l’information qui lui était accessible.

Une accusation n’est évidemment pas une condamnation, mais cette distinction juridique fondamentale ne voyage pas toujours avec la même précision lorsque l’information circule dans l’espace public. Dans un milieu relativement restreint comme celui des organisations municipales québécoises, une nouvelle médiatisée peut rapidement devenir une information professionnelle, puis une perception commerciale. Des clients se sont questionnés. De futurs clients également. J’ai été informé que certains acteurs du marché de l’intelligence artificielle municipale reprenaient cette médiatisation dans certaines conversations avec des organisations auprès desquelles nous travaillions ou souhaitions travailler. Je ne peux évidemment pas connaître l’intention de chaque personne ni reconstruire chaque échange, et toute la réflexion que je développe aujourd’hui m’oblige justement à demeurer prudent devant ce que je ne peux pas vérifier directement. Mais je pouvais observer les conséquences : une information circulait, une perception pouvait se former et cette perception pouvait influencer des décisions.

Cette période de 2025 et de 2026 a été particulièrement difficile parce qu’elle touchait simultanément plusieurs dimensions de ma vie. Elle m’atteignait personnellement, évidemment, mais elle touchait aussi le projet auquel j’avais consacré des milliers d’heures et qui commençait précisément à prendre l’ampleur que nous avions imaginée. EVA continuait de progresser. L’équipe continuait de travailler. Les organisations continuaient à découvrir les nouvelles possibilités de la plateforme. Pourtant, à certains moments, je me suis senti exclu de mon propre projet. Je devais continuer à penser à l’avenir de l’entreprise tout en essayant simultanément de comprendre ce qui m’arrivait et de reconstruire, avec mon avocat, plusieurs années d’histoire.

C’est ici que l’intelligence artificielle a pris dans ma vie une place que je n’avais jamais anticipée.

Lorsque la technologie que j’étudiais est devenue un outil pour reconstruire ma propre histoire

histoire

J’avais passé les années précédentes à essayer de comprendre comment une machine pouvait aider une organisation à retrouver, mettre en relation et contextualiser ses connaissances. Je me retrouvais maintenant devant mon propre problème de connaissance. Il fallait reconstruire plusieurs années d’événements, retrouver des documents, identifier des dates, comparer des communications, établir des chronologies, remettre certaines décisions dans leur contexte, distinguer mes souvenirs de ce que les documents permettaient réellement de démontrer et préparer une quantité considérable d’information pouvant ensuite être utilisée par mon avocat.

Le volume de matériel était important et, surtout, dispersé. Une partie existait dans des documents. Une autre dans des communications. Une autre dans des décisions administratives prises plusieurs années auparavant. Certaines informations qui me semblaient évidentes parce que je les avais vécues devaient maintenant être démontrées à quelqu’un qui n’avait pas vécu ces événements. Cette distinction est extrêmement importante. Vivre une histoire et devoir reconstruire cette histoire pour une personne extérieure ne sont pas du tout la même chose.

Sans les outils d’intelligence artificielle dont j’avais approfondi la maîtrise au cours des années précédentes, je ne crois pas que j’aurais été capable, seul et dans le même laps de temps, de structurer un dossier aussi étoffé. Mais ce qui s’est produit est beaucoup plus intéressant que l’idée simpliste selon laquelle « l’IA aurait préparé ma défense ». Ce n’est pas ce qui s’est passé.

Je possédais le vécu. Je connaissais les personnes, les événements et le contexte. Les documents fournissaient des traces vérifiables qui pouvaient confirmer, compléter, nuancer ou parfois même contredire ce que ma propre mémoire reconstruisait. Mon avocat possédait l’expertise juridique permettant de déterminer quels éléments avaient réellement une portée dans le dossier. Des experts pouvaient apporter leurs connaissances dans des domaines particuliers. Et les outils d’intelligence artificielle me permettaient d’augmenter considérablement ma capacité à organiser, comparer, retrouver et mettre en relation cette masse d’information.

Aucun de ces éléments n’aurait été suffisant seul.

La machine ne connaissait pas mon histoire.

Elle n’avait aucune capacité à déterminer par elle-même ce qui était juridiquement pertinent.

Mon expérience personnelle n’était pas une preuve.

Les documents, sans compréhension de leur contexte, pouvaient eux aussi être interprétés de différentes façons.

Le professionnel possédait son expertise, mais il devait pouvoir accéder à l’information nécessaire pour l’exercer.

C’est la synergie entre l’humain, la documentation, l’expertise professionnelle et la capacité de traitement de la machine qui est devenue puissante.

Je me retrouvais à vivre personnellement ce que nous cherchions depuis plusieurs années à construire dans les organisations : une forme de cognition augmentée dans laquelle la technologie ne remplace ni l’expérience ni le jugement, mais augmente notre capacité à relier des connaissances fragmentées afin qu’un humain responsable puisse prendre une meilleure décision.

2026 : lorsque de nouvelles informations changent la représentation d’un dossier

Au cours de 2026, le dossier a progressivement été réévalué à la lumière d’éléments et d’informations qui permettaient de reconstruire plus complètement certaines parties de l’histoire. Des documents avaient été retrouvés et organisés. Des explications pouvaient maintenant être replacées dans leur contexte. Des relations entre certains événements devenaient plus visibles. Le dossier a été réexaminé et, le 11 août 2026, les accusations ont finalement été retirées.

Une formulation associée à ce dénouement est demeurée profondément ancrée dans ma mémoire : « Si nous avions été au fait des nouvelles informations, nous n’aurions pas porté d’accusation. »

Je ne crois évidemment pas qu’une seule phrase puisse résumer toute la complexité d’un dossier judiciaire. Pourtant, celle-ci a immédiatement trouvé un écho avec plusieurs années de réflexion sur les organisations. Elle posait brutalement une question que j’essayais déjà de comprendre dans le monde municipal : que se produit-il lorsqu’une information importante existe, mais n’est pas accessible au moment où une personne ou une institution doit décider? Que se produit-il lorsque plusieurs personnes possèdent chacune une partie différente du contexte sans que ces différentes parties soient correctement mises en relation? Que vaut une information qui existe quelque part dans un document, dans un courriel ou dans la mémoire d’une personne, mais qui ne peut pas être retrouvée ou mobilisée au moment critique?

Je pouvais désormais répondre à cette question d’une manière beaucoup moins théorique.

Une information qui existe sans être accessible au moment où elle est nécessaire peut avoir très peu de valeur pour la décision.

Et l’absence de cette information peut avoir des conséquences immenses.

Cette expérience allait profondément renforcer ce que j’étais déjà en train de comprendre sur les actifs cognitifs. Une organisation n’est pas capable simplement parce qu’elle possède beaucoup d’information. Elle devient capable lorsqu’elle peut mobiliser la bonne information, comprendre son contexte, la relier à d’autres éléments, évaluer sa fiabilité et la mettre à la disposition de la bonne personne au bon moment. Ce qui venait de se produire dans ma propre vie me ramenait exactement à cette distinction fondamentale entre information, connaissance et capacité d’action.

Plus j’avançais dans l’intelligence artificielle, plus je revenais vers l’humain

C’est probablement le paradoxe le plus important de mon cheminement. En 2022, ce sont les capacités nouvelles de la machine qui me fascinaient. Quatre années plus tard, une grande partie de ma réflexion porte sur la valeur de la connaissance humaine.

Une directrice générale expérimentée ne lit pas une résolution comme quelqu’un qui la découvre dans une base documentaire. Elle connaît l’histoire qui l’entoure. Elle se souvient de la discussion. Elle comprend la contrainte politique ou financière qui existait au moment de la décision. Une greffière sait parfois pourquoi une disposition réglementaire apparemment étrange avait été introduite. Un employé des travaux publics connaît une particularité du réseau qui ne figure sur aucun plan. Un inspecteur se souvient d’un précédent qui change complètement la façon de comprendre un nouveau dossier. Un gestionnaire possède des relations, des réflexes et des apprentissages issus de quinze années d’expérience.

Cette connaissance est extraordinairement précieuse.

Mais elle est aussi extraordinairement fragile.

C’est ici que plusieurs éléments de mon passé municipal et de mon parcours technologique ont commencé à se rejoindre. J’ai repensé à toutes ces phrases entendues dans les organisations : « Il faut demander à Michel. » « Louise connaît ce dossier. » « Denis pourrait nous expliquer ce qui s’est passé. » Elles semblent parfaitement normales. Pourtant, elles révèlent quelque chose de fondamental. Elles indiquent parfois que l’organisation dépend d’une connaissance qui appartient davantage à une personne qu’à l’institution.

J’ai commencé à utiliser une analogie. Imaginons une municipalité possédant un réseau d’aqueduc valant plusieurs millions de dollars. Si l’ensemble des plans de ce réseau était conservé dans un seul classeur, dans le bureau d’un seul employé, sans copie et sans mécanisme de sauvegarde, tout le monde identifierait immédiatement un risque. Nous créerions de la redondance. Nous sécuriserions l’information. Nous organiserions les plans. Pourtant, si une partie essentielle de la connaissance permettant de faire fonctionner ce même réseau se trouve uniquement dans la mémoire d’un employé, cette situation peut durer vingt ans sans être considérée comme un risque majeur.

Tant que la personne est là, le problème reste invisible.

Lorsqu’elle quitte, l’organisation découvre parfois qu’elle avait confondu ce qu’une personne savait avec ce que l’institution savait réellement.

De l’information à l’actif cognitif

Cette observation m’a conduit progressivement vers la notion d’actif cognitif. Mais il fallait immédiatement éviter un raccourci. Toute information n’est pas une connaissance. Toute connaissance n’est pas un actif stratégique. Et tout ce qu’une organisation sait ne mérite pas nécessairement d’être conservé.

Un procès-verbal peut nous apprendre qu’une décision a été prise. Il n’explique pas nécessairement pourquoi elle l’a été. Il ne contient pas toujours les solutions qui avaient été envisagées, les contraintes qui existaient, les préoccupations des gestionnaires, les discussions informelles ou les apprentissages qui ont suivi. Avec le temps, l’organisation peut donc conserver parfaitement la trace de ce qu’elle a décidé tout en perdant progressivement la capacité de comprendre pourquoi elle l’avait décidé.

Cette différence est immense.

Une organisation peut posséder des millions de documents et demeurer cognitivement vulnérable. Une archive peut préserver l’histoire. Une base de données peut préserver des faits. Un moteur de recherche peut retrouver un fichier. Mais une institution doit également pouvoir relier les éléments : pourquoi cette décision? Dans quel contexte? Quelles solutions avions-nous envisagées? Quel risque avions-nous identifié? Qu’avons-nous appris? Cette situation s’est-elle déjà produite? Qui possède une expérience pertinente? Quelles contraintes locales doivent encore être considérées?

J’en suis progressivement venu à considérer comme actif cognitif une connaissance, une expérience, un raisonnement, un précédent, une relation, une méthode ou un apprentissage suffisamment important et contextualisé pour contribuer à la capacité d’une organisation de comprendre, de décider ou d’agir. Sa valeur n’est donc pas seulement dans le fait qu’il existe. Elle réside dans sa capacité à être mobilisé au bon moment.

Cette idée ne naît évidemment pas dans un vide intellectuel. Lorsque nous avons commencé à confronter nos intuitions à la recherche, nous avons constaté que des concepts voisins existaient déjà depuis longtemps. Des travaux avaient été menés sur la connaissance tacite, la mémoire organisationnelle, le capital intellectuel, l’apprentissage organisationnel et les actifs cognitifs. Les travaux de Jorge Cataldo et Paulo Prochno nous ont notamment obligés à reconnaître que l’expression « cognitive assets » avait déjà été conceptualisée dans la littérature. Les recherches d’Alastair Stark sur l’amnésie institutionnelle dans les administrations publiques nous ont montré que la perte de mémoire gouvernementale constituait elle aussi un objet de recherche sérieux. La norme ISO 30401 sur le management des connaissances confirmait également que la connaissance est déjà considérée comme une ressource organisationnelle pouvant faire l’objet d’une gestion structurée.

Cette confrontation a été saine. Elle m’a obligé à modifier la question.

Il devenait beaucoup moins intéressant de demander : « Avons-nous inventé le concept d’actif cognitif? »

La question devenait plutôt : « Quel phénomène essayons-nous réellement de comprendre? »

Et plus j’y réfléchissais, plus la réponse semblait se rapprocher de la continuité institutionnelle.

Lorsque la connaissance devient un enjeu de risque et de gouvernance

Si certaines connaissances sont essentielles au fonctionnement d’une organisation, alors leur perte ne constitue pas seulement un problème de gestion documentaire. Elle peut devenir un risque organisationnel.

Imaginons une connaissance critique détenue par une seule personne, très peu documentée, difficilement transmissible, liée à une fonction essentielle et dont la reconstruction exigerait plusieurs mois. Cette situation n’a manifestement pas le même niveau de vulnérabilité qu’une connaissance maîtrisée par plusieurs personnes, bien documentée, à jour, vérifiable et facilement transmissible. On peut alors commencer à réfléchir à la criticité d’une connaissance, à sa concentration, à sa disponibilité, à sa transmissibilité, à sa fiabilité, à son niveau de contextualisation, à sa capacité de reconstruction et aux conséquences de sa disparition.

C’est ici que la notion de risque cognitif commence à devenir intéressante.

Une municipalité pourrait parfaitement découvrir que son service des finances possède une faible vulnérabilité cognitive parce que les procédures sont connues de plusieurs employés et suffisamment structurées, alors que son service des travaux publics dépend lourdement d’une seule personne possédant trente ans de connaissances tacites. Nous avons pendant longtemps demandé aux organisations si elles possédaient suffisamment de ressources humaines. Il faudrait peut-être également commencer à leur demander : où se trouve votre dépendance cognitive?

Cette question change notre regard sur la relève. Remplacer une personne ne suffit pas nécessairement à assurer la continuité de sa fonction. Une personne qui quitte après quinze ans emporte avec elle des relations, des raisonnements, une compréhension historique et des apprentissages que son successeur ne récupérera pas automatiquement en recevant sa description de tâches.

C’est à partir de là que la notion de patrimoine cognitif a commencé à prendre forme dans ma réflexion. Le patrimoine cognitif représente l’ensemble des connaissances, expériences, raisonnements, précédents, relations et apprentissages ayant une valeur durable pour l’organisation. La notion introduit une forme de responsabilité intergénérationnelle. Une personne entre dans une organisation, apprend, expérimente, comprend son milieu, établit des relations, développe de nouvelles façons de faire, puis finit un jour par partir. Elle demeure évidemment irremplaçable comme personne. Mais une partie des connaissances qu’elle a acquises au service de l’institution devrait pouvoir enrichir celle-ci après son départ.

Cela ne signifie surtout pas qu’une organisation devrait chercher à capturer toutes les pensées de ses employés. Une telle ambition serait à la fois irréaliste, intrusive et inutile. Il faut distinguer ce qui appartient à la personne de ce qui possède une véritable valeur institutionnelle. La question consiste à identifier les connaissances réellement critiques pour la mission et à créer les conditions permettant leur transmission.

Une infrastructure invisible

Cette réflexion m’a conduit vers une autre image qui m’aide beaucoup à penser les organisations : celle de l’infrastructure cognitive.

Nous savons reconnaître une infrastructure physique. Une municipalité possède des routes, des bâtiments, un réseau d’eau, des équipements, des véhicules. Nous savons les inventorier. Nous savons qu’ils s’usent. Nous prévoyons des investissements. Nous organisons leur entretien. Nous évaluons leur durée de vie.

L’infrastructure cognitive est beaucoup moins visible. Elle se compose des personnes, des connaissances, des documents, des données, des relations, des mécanismes de mémoire, des systèmes, des méthodes et des outils qui permettent collectivement à l’organisation de se souvenir, de comprendre, de décider et d’agir. Comme une infrastructure physique, elle peut être robuste ou fragile. Elle peut posséder de la redondance. Elle peut être entretenue. Certaines de ses composantes peuvent devenir obsolètes. Elle peut aussi présenter des points uniques de défaillance.

Une organisation peut donc présenter une excellente situation financière tout en possédant une infrastructure cognitive extrêmement vulnérable.

Cette vulnérabilité est simplement beaucoup plus difficile à voir.

Et c’est probablement pour cette raison qu’elle demeure invisible jusqu’au moment où survient une rupture.

À mesure que cette architecture conceptuelle se développait, une distinction devenait plus claire. L’information correspond aux données, aux faits et aux documents dont dispose l’organisation. La connaissance apparaît lorsque ces éléments peuvent être compris à travers le contexte et l’expérience. Certaines connaissances suffisamment importantes et mobilisables deviennent des actifs cognitifs. Leur ensemble constitue un patrimoine cognitif. Les personnes, les systèmes et les mécanismes qui permettent de préserver et de mobiliser ce patrimoine forment une infrastructure cognitive. La capacité de l’organisation à retrouver, relier, contextualiser, transmettre et utiliser ses connaissances constitue sa capacité cognitive. Et lorsqu’elle arrive à mobiliser collectivement cette capacité pour accomplir sa mission, nous pouvons commencer à parler d’intelligence cognitive organisationnelle.

Puis une évidence est apparue : nous étions en train de décrire différentes parties d’un même système.

J’utilise aujourd’hui, encore prudemment, l’expression système cognitif institutionnel pour désigner cet ensemble dynamique de personnes, de connaissances, d’expériences, de données, de relations, de règles, de processus, de mécanismes de mémoire et de technologies par lesquels une institution se souvient, comprend, décide, agit et apprend.

Cette formulation a profondément modifié ma façon de situer EVA.

EVA n’est pas l’intelligence de la municipalité.

L’intelligence appartient à l’organisation.

La technologie n’en est qu’une composante.

Survivre aux personnes, aux technologies et au temps

Une phrase a fini par réunir plusieurs années de réflexion : faire en sorte que la capacité d’une institution à comprendre, décider et agir survive aux personnes, aux technologies et au temps.

Cette formulation m’a immédiatement parlé parce qu’elle rapprochait plusieurs sujets que je traitais jusque-là séparément : la relève, l’intelligence artificielle, la mémoire organisationnelle, la dépendance envers certaines personnes, la continuité municipale, la gouvernance et les actifs cognitifs.

Nous avons toutefois continué à la questionner. Les personnes ne sont pas un problème auquel une institution devrait « survivre ». Leur renouvellement est normal. Les technologies ne constituent pas davantage une menace en elles-mêmes. Elles changent. Les circonstances changent elles aussi. La continuité ne consiste donc pas à empêcher le changement. Elle consiste à permettre à l’institution de continuer à accomplir sa mission malgré lui.

Je préfère donc aujourd’hui une formulation légèrement différente : faire en sorte que la capacité d’une institution à se souvenir, comprendre, décider, agir et apprendre demeure durable malgré le renouvellement des personnes, des technologies et des circonstances.

Survivre aux personnes signifie éviter qu’un départ fasse disparaître quinze années de compréhension institutionnelle. Cela ne diminue pas la valeur humaine. Au contraire, cela exige d’abord de reconnaître combien l’expérience des personnes est précieuse.

Survivre aux technologies signifie éviter que le patrimoine de l’organisation devienne captif d’un fournisseur, d’un logiciel, d’une plateforme ou d’un modèle d’intelligence artificielle. Les technologies changent. EVA changera. Les modèles qui nous impressionnent aujourd’hui seront remplacés. Ce qui doit durer, c’est la capacité de l’institution à utiliser ses connaissances.

Survivre au temps est peut-être encore plus difficile. Un règlement peut être conservé cinquante ans alors que la compréhension de son contexte disparaît en dix ans. Un procès-verbal conserve la décision, mais pas toujours le raisonnement. Un plan conserve une représentation, mais pas nécessairement les apprentissages de ceux qui ont réalisé le projet. J’en viens donc à distinguer la mémoire documentaire de la mémoire cognitive. La première préserve ce qui a été produit. La seconde cherche à préserver suffisamment de contexte pour que les personnes futures puissent comprendre la portée de ce qui a été produit et réutiliser les apprentissages.

Mais la mémoire comporte également un danger.

Une institution peut posséder trop peu de mémoire et souffrir d’amnésie. Elle peut également posséder beaucoup de mémoire sans jamais la remettre en question et devenir prisonnière de son passé.

Une ancienne pratique peut avoir été parfaitement justifiée en 2015 et être inadéquate en 2026. Une interprétation peut devenir erronée. Une connaissance peut perdre sa pertinence. Un actif cognitif peut progressivement devenir un passif cognitif. La continuité ne peut donc pas consister simplement à accumuler.

Il faut préserver.

Mais il faut également savoir oublier, corriger, désapprendre et reconstruire.

C’est ce qui m’amène aujourd’hui vers l’idée de continuité cognitive adaptative : préserver suffisamment de mémoire pour ne pas recommencer continuellement à zéro, mais renouveler suffisamment cette mémoire pour ne pas devenir prisonnier de ce qui a déjà été fait.

Curieusement, c’est exactement le parcours que j’ai moi-même vécu avec l’intelligence artificielle depuis 2022.

Apprendre.

Désapprendre.

Puis réapprendre.

De la municipalité au territoire

Cette réflexion ne s’arrête probablement pas aux frontières d’une organisation. Une municipalité possède une partie de la connaissance d’un territoire. La municipalité voisine en possède une autre. La MRC détient ses propres connaissances. Des organismes de développement connaissent d’autres dimensions du milieu. Les institutions de santé, d’éducation et les organismes communautaires possèdent leur propre mémoire. Les citoyens eux-mêmes connaissent profondément leur territoire.

Toutes ces connaissances ne doivent évidemment pas être centralisées. Certaines sont confidentielles. Certaines sont protégées. Certaines ne concernent que l’organisation qui les possède. La gouvernance des accès demeure fondamentale.

Mais une partie de cette connaissance pourrait être reliée.

Cela ouvre pour moi un autre champ d’exploration : celui de l’intelligence cognitive territoriale. Non pas une immense base de données où tout serait centralisé, mais une capacité collective permettant à différentes organisations d’un territoire de mieux préserver, relier et mobiliser certaines connaissances afin de comprendre leurs enjeux, de prendre des décisions et d’agir.

Nous avons beaucoup travaillé au cours des dernières années sur les représentations numériques du territoire : les données géomatiques, les cartes, les infrastructures, les lots, les valeurs foncières, les règlements. Une nouvelle question apparaît maintenant derrière cette représentation physique et numérique :

Pouvons-nous également mieux représenter ce que le territoire sait?

Et surtout, pouvons-nous lui permettre d’utiliser cette connaissance collectivement sans sacrifier l’autonomie, la confidentialité ou la responsabilité de chacun?

Je n’ai pas encore toutes les réponses. Mais je crois que cette question mérite d’être explorée.

Cette réflexion commence également à dépasser les frontières du Québec. Les problèmes que nous rencontrons dans nos municipalités ne sont pas exclusivement québécois. La perte de connaissances lors des départs, la rareté des ressources, la fragmentation des systèmes, la difficulté à transmettre l’expérience, la multiplication des données et la nécessité de mieux soutenir les gestionnaires existent ailleurs. L’Ontario constitue naturellement un prochain territoire d’adaptation et d’apprentissage, et je vois progressivement comment les principes que nous développons pourraient éventuellement être appliqués beaucoup plus largement en Amérique du Nord. Mais cette expansion ne pourra jamais consister simplement à copier une technologie d’un territoire à un autre. Chaque administration possède ses propres règles, sa culture, ses structures et surtout son patrimoine cognitif. L’architecture peut voyager. La connaissance demeure locale.

Le développement d’EVA finit ainsi par devenir un laboratoire de gouvernance

En 2026, ce que j’imaginais vaguement en 2022 est devenu en partie une réalité technique. Les modèles peuvent raisonner beaucoup plus profondément. Ils peuvent utiliser des outils, travailler avec des fichiers, effectuer des recherches, analyser des données, produire des visuels, contribuer à la programmation et communiquer avec différents systèmes. Des agents peuvent effectuer plusieurs étapes successives. Les outils de développement augmentent eux-mêmes la capacité des équipes techniques à construire de nouvelles fonctions.

EVA reflète cette convergence. La plateforme est devenue un environnement comptant plusieurs modules spécialisés, des fonctions territoriales, de l’évaluation foncière, des outils de réunion, de la génération documentaire, des automatisations contrôlées, des citations de sources, des connecteurs, des cartes, des données et des mécanismes d’approbation humaine. Elle est aujourd’hui utilisée par des municipalités, des MRC et d’autres organisations publiques, ce qui nous permet de confronter constamment ce que nous imaginons à ce que les utilisateurs vivent réellement.

Mais je considère de moins en moins EVA uniquement comme un produit technologique.

Global IA et EVA deviennent pour moi un laboratoire.

Nous pouvons observer un problème. Imaginer une solution. La construire. La tester. Constater qu’elle ne fonctionne pas comme prévu. Revenir en arrière. Modifier notre hypothèse. Tester de nouveau. Les outils de programmation accélèrent la boucle technique. Les modèles de langage accélèrent parfois l’exploration conceptuelle. L’équipe apporte la connaissance du métier, le développement, le jugement et la créativité. Les municipalités nous apportent l’épreuve de réalité.

À cela s’ajoute maintenant quelque chose que je n’aurais probablement pas mesuré avec autant de clarté quelques années auparavant : les centaines de gestionnaires rencontrés dans les formations, les séminaires et les accompagnements constituent eux aussi une partie du laboratoire. Ils représentent des centaines de points d’observation du même système. Chacun possède sa connaissance, ses contraintes, son histoire et sa façon de comprendre son organisation. Ensemble, ils permettent progressivement d’identifier des constantes qui dépassent une municipalité particulière. Ce sont ces interactions qui transforment une technologie générique en un outil de métier.

Cette façon de travailler m’a convaincu d’une chose : l’avenir de l’intelligence artificielle ne dépendra pas uniquement des performances des modèles.

Il dépendra de l’architecture humaine et organisationnelle que nous saurons construire autour d’eux.

L’intelligence artificielle est aussi devenue un outil pour penser l’intelligence artificielle

Il existe une dernière dimension de ce cheminement que je considère importante de rendre transparente. Ma propre manière de travailler avec les modèles de langage s’est transformée.

Au début, je leur demandais principalement de produire.

Aujourd’hui, je les utilise également pour réfléchir.

Je peux présenter une observation issue du terrain. Développer une intuition. Demander au modèle d’établir des liens avec d’autres concepts. Il propose une structure. Je la conteste. Il la reformule. Nous recherchons des sources. Certaines semblent soutenir l’hypothèse. D’autres la fragilisent. Nous modifions le concept. Puis nous recommençons.

Le modèle devient parfois une forme de miroir cognitif.

Je dois toutefois demeurer extrêmement prudent avec cette capacité. Un modèle de langage peut développer avec beaucoup d’éloquence une mauvaise idée. C’est l’un des risques les plus importants de cette façon de travailler. Je peux formuler une prémisse fragile, obtenir une réponse cohérente, demander au modèle de poursuivre et finir quelques heures plus tard avec une architecture intellectuelle impressionnante reposant entièrement sur une hypothèse incorrecte.

La cohérence n’est pas une preuve.

La qualité du texte n’est pas une validation scientifique.

J’essaie donc de créer volontairement de la contradiction. Pourquoi cette idée pourrait-elle être fausse? Quelle notion similaire existe déjà? Quel chercheur pourrait contester ce raisonnement? Qu’est-ce que nous sommes en train de confondre? Quelle partie repose réellement sur des données? Quelle partie provient de mon expérience? Quelle partie a émergé du dialogue avec le modèle?

C’est précisément ce processus qui nous a obligés à repositionner certaines notions comme l’actif cognitif. Au lieu de chercher artificiellement à revendiquer une idée comme entièrement nouvelle, la recherche permet de la situer, de découvrir ses antécédents et de préciser ce que nous tentons réellement d’ajouter.

J’en viens donc à distinguer trois niveaux. Il y a d’abord mes observations, mon expérience et mes intuitions. Il y a ensuite la construction conceptuelle augmentée par le dialogue avec les modèles. Puis il y a la validation externe : la littérature scientifique, les normes, les données empiriques et l’observation structurée du terrain. Ces trois niveaux ne doivent pas être confondus.

Une idée peut être originale sans être vraie.

Une idée peut être vraie sans être originale.

Le travail sérieux consiste précisément à apprendre à distinguer les deux.

Je vois cette méthode comme une forme de cognition augmentée. L’humain apporte l’expérience, le jugement, les valeurs, l’intention, le sens du contexte et la responsabilité. Le modèle augmente la capacité de comparer, de relier, de structurer et d’explorer. Les outils de recherche ouvrent l’accès à des connaissances extérieures. Les données permettent de mesurer. Le terrain permet de confronter. L’équipe transforme ensuite certaines idées en systèmes réels.

L’objectif n’est pas de déléguer la pensée.

Il est d’augmenter notre capacité de la confronter.

Cette façon de travailler est devenue encore plus significative pour moi après l’expérience de 2025 et de 2026. Pendant cette période, je n’utilisais plus seulement un modèle pour explorer une idée théorique. J’utilisais cette capacité de mise en relation pour reconstruire une partie de ma propre histoire, puis pour transmettre cette reconstruction à des professionnels capables de l’interpréter. Cette expérience m’a montré avec une intensité particulière pourquoi la responsabilité humaine doit demeurer au centre du système. Une machine peut augmenter la capacité de chercher et de relier. Elle ne doit jamais devenir l’autorité qui décide ce que ces relations signifient.

En quatre années, la question a complètement changé

Lorsque je résume aujourd’hui ce parcours, une progression apparaît clairement.

En 2022, je me demandais : que peut produire cette machine?

En 2023 : que peut-elle comprendre et interpréter?

En 2024 : comment peut-elle raisonner davantage et travailler avec plusieurs formes d’information?

En 2025 : comment peut-elle chercher, utiliser des outils, travailler avec des sources et effectuer plusieurs étapes?

En 2026, la question qui m’intéresse est beaucoup plus vaste :

Comment intégrer ces capacités dans un système humain et institutionnel qui demeure responsable, autonome, capable d’apprendre et maître de ses propres connaissances?

Je suis parti d’une technologie capable de générer du texte.

Le texte m’a conduit vers les données.

Les données vers les connaissances.

Les connaissances vers la mémoire.

La mémoire vers les personnes.

Les personnes vers la continuité.

La continuité vers la gouvernance.

Et la gouvernance m’amène aujourd’hui vers une question qui dépasse largement l’intelligence artificielle :

Comment une institution peut-elle conserver sa capacité d’accomplir sa mission lorsque les personnes, les technologies, les connaissances et les circonstances qui la composent changent continuellement?

Je crois que c’est probablement là que se trouve le véritable fil conducteur de ces quatre années.

Je ne cherche finalement pas simplement à introduire davantage d’intelligence artificielle dans les municipalités.

Je cherche à comprendre comment une institution peut devenir moins dépendante d’une personne, d’un système ou d’une circonstance particulière sans perdre la richesse humaine qui lui permet de fonctionner.

Je cherche à comprendre comment les connaissances accumulées au fil des années peuvent devenir un patrimoine transmissible.

Je cherche à rendre visibles des vulnérabilités que nous avons longtemps considérées comme normales.

Je cherche à créer des organisations capables de se souvenir sans devenir prisonnières de leur passé.

Je cherche à augmenter leur capacité de comprendre sans retirer aux personnes leur jugement.

Je cherche à faciliter la décision sans transférer la responsabilité à la technologie.

Je cherche à automatiser ce qui peut l’être sans automatiser ce qui doit demeurer humain.

Et je cherche surtout à préserver la capacité d’agir.

C’est pourquoi je ne crois plus que la véritable révolution consistera simplement à construire des machines toujours plus intelligentes.

La véritable transformation pourrait être ailleurs.

Elle pourrait consister à construire des institutions qui apprennent à mieux reconnaître, préserver, renouveler et mobiliser leur propre intelligence collective.

Une institution véritablement résiliente n’est pas celle qui conserve éternellement les mêmes personnes, les mêmes connaissances, les mêmes méthodes ou les mêmes technologies.

C’est celle qui demeure capable de se souvenir, de comprendre, de décider, d’agir et d’apprendre malgré leur renouvellement.

En 2022, je découvrais des machines capables de générer des mots.

En 2026, avec mon équipe, je cherche à comprendre comment ces technologies peuvent contribuer à rendre la capacité cognitive de nos institutions plus accessible, plus transmissible, plus durable et plus consciente d’elle-même.

Entre les deux, il y a quatre années d’expérimentation, d’erreurs, de création, de développement, de rencontres, de remises en question, d’apprentissage et de désapprentissage.

Et une conviction qui ne cesse de devenir plus forte :

L’avenir ne sera pas uniquement déterminé par ce que l’intelligence artificielle deviendra capable de faire.

Il dépendra surtout de ce que les humains, les organisations et les territoires deviendront capables de construire avec elle.

Lorsque je regarde maintenant cette histoire dans son ensemble

Lorsque je regarde maintenant cette histoire dans une perspective plus longue, je comprends que 2022 ne constitue finalement pas un commencement absolu. C’est plutôt le moment où plusieurs fils de mon parcours ont commencé à se rencontrer. Ma curiosité pour la technologie avait commencé plusieurs décennies auparavant avec les premiers ordinateurs. Mon expérience comme directeur général entre 2017 et 2021 m’avait fait découvrir l’intérieur d’une petite organisation municipale et surtout le rôle déterminant des personnes, de leurs connaissances, de leurs perceptions et de leurs relations dans la capacité réelle d’une institution. Puis l’intelligence artificielle est arrivée avec une possibilité nouvelle : celle de commencer à relier, à une échelle auparavant difficilement imaginable, le langage humain, les documents, les données, les systèmes et progressivement une partie des connaissances qui composent une organisation.

En 2024, cette intuition a rencontré le terrain. Le PREL, la Ville de Bécancour, la MRC de Montmagny, la Municipalité de Lac-Etchemin et les autres organisations qui ont accepté d’expérimenter avec nous ont permis à EVA de quitter progressivement l’univers des hypothèses pour entrer dans celui des véritables problèmes municipaux. Puis plus de 500 gestionnaires rencontrés, sensibilisés, formés ou accompagnés à travers mes séminaires et mes interventions ont ajouté leur expérience à cette construction. Ils ont contribué, parfois sans le savoir, à nous montrer ce que la technologie devait devenir si elle voulait réellement servir leur travail. Les quatorze univers municipaux que nous développons aujourd’hui ne sont donc pas seulement le résultat de notre capacité à programmer. Ils portent également la trace de centaines de conversations avec ceux qui connaissent ces organisations de l’intérieur.

Puis 2025 et 2026 m’ont obligé à regarder une partie de cette réflexion depuis un endroit que je n’aurais jamais choisi. J’ai expérimenté personnellement les conséquences possibles d’une information qui circule sans tout son contexte, le pouvoir d’influence que peut acquérir une perception et la difficulté de reconstruire une histoire complexe plusieurs années après les événements. Mais j’ai également expérimenté, d’une manière extrêmement concrète, la puissance d’une collaboration entre l’humain et la machine lorsqu’elle demeure correctement gouvernée. L’intelligence artificielle ne m’a pas fourni la vérité et elle n’a pas remplacé les professionnels qui m’accompagnaient. Elle m’a aidé à augmenter ma capacité à retrouver, organiser, comparer et relier les éléments permettant ensuite à ces humains de mieux comprendre.

Il existe d’ailleurs quelque chose de profondément paradoxal dans cette période. L’année où je me suis parfois senti le plus éloigné du projet que j’avais contribué à créer est également l’année où j’ai approfondi comme jamais ma compréhension de la technologie sur laquelle ce projet reposait. Une situation qui aurait pu uniquement m’éloigner de l’intelligence artificielle m’a au contraire obligé à l’utiliser autrement, avec davantage de rigueur, avec davantage de prudence et avec une conscience beaucoup plus claire de ses limites. Elle m’a montré qu’un système capable d’analyser des milliers de pages ne possède pas pour autant le contexte humain permettant de comprendre pourquoi certains événements ont eu lieu. Elle m’a montré qu’un résultat techniquement impressionnant n’a de valeur que lorsqu’il peut être vérifié. Et surtout, elle m’a montré qu’une bonne architecture ne consiste jamais à choisir entre l’humain et la machine, mais à déterminer quelle responsabilité doit demeurer à chacun.

Je croyais en 2022 commencer un voyage pour comprendre l’intelligence artificielle. Je réalise maintenant que ce voyage m’a surtout ramené vers une question profondément humaine : qu’est-ce qu’une organisation doit être capable de conserver, de transmettre, de remettre en question et de mobiliser pour continuer à accomplir sa mission lorsque tout ce qui l’entoure change?

Les personnes changent. Les directions générales changent. Les élus changent. Les technologies changent. Les fournisseurs changent. Les circonstances changent. Les connaissances elles-mêmes peuvent devenir obsolètes. Une institution durable ne peut donc pas être une institution qui essaie d’empêcher le changement. Elle doit plutôt développer la capacité de traverser ce changement sans perdre continuellement ce qu’elle a appris et sans devenir prisonnière de ce qu’elle savait auparavant.

C’est peut-être là que toutes ces années finissent par se rejoindre : l’ordinateur qui m’intriguait au début des années 1990, la petite municipalité de 800 citoyens que j’ai dirigée, les premiers modèles de langage, les milliers d’heures d’expérimentation, la naissance de Global IA, les premières lignes de code d’EVA, l’audace des organisations pionnières, les centaines de gestionnaires rencontrés, l’épreuve personnelle de 2025, le travail de reconstruction de 2026 et maintenant cette réflexion sur les actifs cognitifs, le patrimoine cognitif et la continuité des institutions.

Ce ne sont peut-être pas plusieurs histoires.

C’est peut-être une seule histoire qui m’a pris près de trente-cinq ans à reconnaître.

Celle d’une question qui n’a cessé d’évoluer :

Comment utiliser la technologie pour augmenter notre capacité humaine sans perdre ce qui nous rend capables de juger, d’apprendre, de transmettre et de décider?

Et si je devais aujourd’hui donner une finalité à tout ce travail, elle serait probablement beaucoup plus simple que l’architecture technologique que nous sommes en train de construire.

Je ne cherche pas à construire une municipalité où l’intelligence artificielle sait tout.

Je cherche à contribuer à construire des municipalités qui ne perdent plus aussi facilement ce qu’elles savent.

Des institutions qui permettent à une nouvelle direction générale de comprendre plus rapidement les décisions qui ont façonné son organisation. Des institutions où le départ d’un employé expérimenté ne signifie pas automatiquement la disparition de vingt années d’apprentissage. Des institutions capables de retrouver une information importante avant qu’elle ne devienne urgente. Des institutions où une décision peut être replacée dans son contexte et où la source utilisée peut être vérifiée. Des institutions où la technologie prépare, met en relation et explique, mais où une personne demeure responsable de la décision.

Des institutions capables de se souvenir sans devenir prisonnières du passé, de transmettre sans figer, d’automatiser sans abandonner leur responsabilité, d’utiliser la puissance des machines sans perdre le jugement des personnes et de permettre à chaque nouvelle génération de gestionnaires de commencer un peu plus loin que celle qui l’a précédée.

Des institutions capables de changer sans devoir continuellement recommencer à zéro.

C’est peut-être finalement cela que je cherche depuis le début.

Un mot de la fin

En terminant ce récit, je réalise que ce parcours n’a jamais été uniquement une histoire de technologie. Il est d’abord une histoire de personnes, de rencontres, d’expériences, de remises en question et de curiosité. Depuis les premiers ordinateurs qui m’intriguaient au début des années 1990 jusqu’aux possibilités que nous explorons aujourd’hui avec l’intelligence artificielle, j’ai toujours été animé par la même envie : comprendre ce qui change et chercher comment nous pouvons utiliser ces changements pour mieux travailler, mieux décider et, surtout, mieux servir les organisations et les personnes qui les composent.

Les dernières années m’ont également appris que l’innovation n’est jamais un chemin parfaitement droit. Certaines idées fonctionnent, d’autres doivent être abandonnées. Certaines rencontres ouvrent des portes auxquelles nous n’avions pas pensé. Certaines épreuves nous obligent à regarder autrement ce que nous croyions pourtant bien comprendre. J’ai appris autant dans les moments d’enthousiasme que dans les périodes de doute. Et je sais aujourd’hui que chacune de ces expériences a contribué, à sa manière, à faire évoluer ma compréhension de l’intelligence artificielle, mais surtout ma compréhension des humains et des institutions.

Je demeure convaincu que la technologie la plus puissante sera toujours celle que nous saurons mettre au service de notre jugement, de notre expérience et de notre capacité collective à apprendre. Ce récit ne marque donc pas pour moi la fin d’une réflexion. Il représente plutôt un point de passage.

Il reste énormément à comprendre, à expérimenter et à construire.

Et ma curiosité, elle, est toujours aussi présente.