Annexe — Bibliothèque des sources

Le débat sur l’IA va continuer. Suivez l’affaire des journaux canadiens contre OpenAI pour voir si elle se termine par un jugement, un règlement ou…

Le débat sur l’IA va continuer. Suivez l’affaire des journaux canadiens contre OpenAI pour voir si elle se termine par un jugement, un règlement ou autrement. Regardez quels projets de calcul entrent en service, ce qu’il advient des traités signés par le Canada et quels critères la prochaine évaluation de la transparence retiendra. Dans le litige sur Wonder Valley, lisez ce que tout jugement décide réellement sur l’obligation de consulter. Gardez l’habitude que le livre vous demande déjà de prendre : dater l’affirmation et lire sa source. Les faits vont bouger. L’habitude de demander qui a compté, ce que ces personnes pouvaient voir et à quel moment leur jugement est entré en jeu restera utile. Elle aide aussi quand deux personnes dont vous respectez le travail arrivent à des conclusions différentes. Vous pouvez vous servir de ces questions dans une salle de rédaction, au travail ou quand une affirmation apparaît dans votre fil. Leur portée dépend des preuves que vous pouvez obtenir et des personnes à qui vous pouvez poser des questions. Gardez ce qui vous aide à regarder d’un peu plus près. ---

La conversation que vous rencontrerez

Read this section in English

La conversation canadienne sur l'IA dans les années qui suivront la rédaction de ce guide continuera de varier entre les modèles reconnaissables. Les modèles seront présents dans la couverture des nouvelles, dans le débat sur les politiques, dans les conversations sur le lieu de travail, dans l'échange universitaire, dans la discussion sur les médias sociaux et dans le traitement culturel plus large de ce qu'est l'IA et de ce que celle-ci devrait être. Reconnaître les modèles est la première compétence portable.

L'oscillation stratégique-investissement-versus-existant-risques. La conversation canadienne sur l'IA se déroule régulièrement entre le cadrage de l'intelligence artificielle comme occasion que le Canada doit saisir avant que les concurrents ne le fassent, et le cadastre de l 'intelligence artificielle en tant que risque civilisationnel qui exige une retenue de précaution. Les deux cadres sont des positions réelles avec des défenseurs sérieux. Les deux ont aussi tendance à masquer les questions de politique plus granulaires que le guide a documentées. Lorsque vous rencontrez l'un ou l'autre cadre, la question à poser est de savoir quel déploiement spécifique, quelle politique spécifique, quel arrangement institutionnel spécifique est discuté, parce que l'oscillation stratégique-investissement-versus-existant-risques engage rarement ces spécificités directement.

Le modèle d'état de l'éthique. Les grandes sociétés d'IA publient des cadres éthiques, des documents de principes et des engagements en matière de gouvernance à intervalles réguliers. Les cadres lisent bien. Leurs cycles sont souvent corrélés avec des pressions commerciales spécifiques : préparation aux lancements de produits, réponse à la pression réglementaire, repositionnement après critiques publiques. La FMTI de Stanford a documenté (chapitre 18) que les entreprises qui produisent le plus de documents sur l'éthique sont devenues, globalement, moins transparentes au cours de la période où les déclarations prolifèrent. Il ne s'agit pas de corruption; c'est la caractéristique structurelle des cadres éthiques d'entreprise fonctionnant dans le cadre de contraintes commerciales. Ce qui compte dans un tel énoncé, c'est ce qu'il limite en pratique opérationnelle que la société n'aurait pas fait autrement.

Le modèle des droits autochtones en tant que décoration. La politique fédérale en matière d'IA invoque de plus en plus les perspectives autochtones, souvent grâce à de brèves reconnaissances ou à un engagement symbolique avec des voix autochtones spécifiques. L'intégration concrète des cadres de souveraineté des données autochtones (OCAP, NISR, CARE) dans la politique de travail est beaucoup plus rare. Lorsque le langage de reconnaissance apparaît, le test pratique consiste à déterminer si la politique engage les cadres que les organisations reconnues ont publiés ou si la reconnaissance est l'engagement.

Le modèle fédéral-stratégie-versus-provincial-leadership. Le Québec a, dans plusieurs domaines de politique liés à l'IA (privacité, problèmes profonds, prise de décisions automatisées), progressé plus tôt et de façon plus complète que le gouvernement fédéral. Cette tendance est structurellement importante pour des raisons constitutionnelles (chapitre 17) et politiquement significative parce qu'elle produit une couverture canadienne fragmentée de l'IA. Un cadre fédéral qui n'engage pas la variation provinciale soulève une question directe : reconnaît-il à quoi ressemble réellement la politique canadienne d'IA pour les 77 % de Canadiens hors Québec?

Le modèle «IA pour tous» par opposition à «IA pour eux». L'élaboration de la stratégie fédérale en matière d'IA met l'accent sur les avantages généraux (« 250 000 nouveaux emplois », « croissance économique de 200 milliards de dollars », « alphabétisation de l'IA pour tous les Canadiens »). Le cadre de la société civile met l'accent sur des populations touchées spécifiques (les travailleuses confrontées à des déplacements, les communautés racialisées confrontées à un déploiement partial, les collectivités autochtones confrontées à une violation de la souveraineté des données, les travailleurs confrontés à une intensification de la surveillance). Les deux ne sont pas contradictoires (chacun peut être en partie juste), mais elles soulèvent des questions de politique fondamentalement différentes, et la chose qui mérite d'être soulignée est celle qui bénéficie spécifiquement, qui supporte spécifiquement les coûts, et par quels mécanismes.

Le modèle technique-fixe par rapport au modèle de changement structurel. De nombreuses propositions de politiques d'IA posent des problèmes d'ingénierie avec des solutions d'ingénieurs (meilleures algorithmes, meilleures données, meilleurs audits, meilleures mesures). La critique d'épistémologie Lewis/Whanga/Yolgörmez (chapitre 1, chapitre 15) suggère que certaines des questions de politique en matière d'IA les plus corrélatives sont structurelles plutôt que techniques : dont l'intelligence artificielle est construite pour servir, dont les valeurs sont codées dans les systèmes, sur quels fondements reposent les systèmes. Lorsque vous rencontrez des cadrages de fixation technique, le test consiste à déterminer si la correction proposée vise le symptôme de surface ou la structure sous-jacente. La distinction détermine ce que la correction peut accomplir.

Ces tendances se reproduiront. Les reconnaître est la moitié du travail. L'autre moitié est d'avoir des outils portables pour ce qu'il faut faire une fois que vous reconnaissez le modèle.


Que faire lorsque vous rencontrez une demande d'IA spécifique

Read this section in English

Choisissez une affirmation entendue récemment. Elle peut porter sur un outil au travail, une promesse d’Ottawa ou un chiffre qu’on vous a envoyé. Le chapitre 19 donne les catégories de sources et les sept questions. Voici comment les appliquer à l’affirmation que vous avez devant vous.

Étape 1. Identifiez la source. Une annonce gouvernementale, un mémoire syndical et le rapport d’une entreprise donnent des points de départ différents. La section du chapitre 19 sur la méthode de cartographie des biais présente huit catégories. Servez-vous-en pour savoir quoi chercher dans les preuves.

Étape 2 : Déterminer la portée de la revendication. Qu'est-ce qui est spécifiquement revendiqué ? La portée est-elle étroite (un déploiement spécifique, un résultat précis, une disposition politique précise)? Ou la portée est-elle large (affirmation générale au sujet de l'IA, de la stratégie canadienne en matière d'IA et des effets de cette dernière)? Les revendications à large portée exigent généralement plus de scepticisme parce qu'elles regroupent dans de nombreux cas précis, il est peu probable que le locuteur se soit engagé de la même manière.

Étape 3 : Déterminer la portée et l'exclusion. La plupart des demandes d'IA sont techniquement défendables dans leur champ d'application indiqué et sélectives dans ce qu'elles comprennent. L'allégation environnementale de l'entreprise selon laquelle les mesures ne font qu'inférence et excluent la formation, le carbone incorporé et la demande induite est l'exemple documenté (chapitre 8). L'affirmation stratégique d'investissement selon laquelle les emplois créés sans compensation contre le déplacement sont mesurés en est une autre. Lorsque vous pouvez identifier ce qui est exclu, vous pouvez déterminer ce que la demande fait et ne l'établit pas.

Étape 4. Choisissez les questions qui s’appliquent. Que fait l’outil ? Quelles données utilise-t-il ? Qui en subit les effets, qui fixe les règles et qui paie ? Quelqu’un peut-il vérifier l’affirmation ? Qui a eu son mot à dire et que se passe-t-il en cas de problème ? Une affirmation peut répondre à deux de ces questions et laisser ouvertes celles qui vous importent.

Étape 5 : Trianguler les différentes catégories de sources. Si la revendication est l'auto-divulgation de l'entreprise, que dit la littérature universitaire évaluée par des pairs sur le même sujet? Si l'allégation est formulée par le gouvernement, que dit la société civile au sujet de la même politique? Si l'allégation est une critique de la presse, que montrent les sources primaires sous-jacentes? La triangulation entre les catégories produit une compréhension plus fiable que le fait de compter sur une seule catégorie.

Étape 6 : Engager honnêtement un véritable désaccord. Lorsque le guide a documenté des voix rigoureuses en désaccord (Geist/Craig vs TWUC/ACTRA sur le droit d'auteur, Acemoglu vs Autor sur le travail, les débats internes algorithmiques-équité-littérature, le désaccord de l'AGI-timeline parmi les chercheurs seniors en IA), le désaccord est authentique et le guide ne le résolve pas. Lorsque vous rencontrez des désaccords similaires dans les conversations futures sur l'IA, l'engagement méthodologique du guide est d'engager le désaccord plutôt que de l'effondrer vers un côté. Reconnaître un véritable désaccord est lui-même un travail d'analyse.

Étape 7 : Former un poste de travail sans prétendre être concluant. Après le travail d'analyse, vous pouvez occuper une position de travail sur la revendication spécifique : ce qu'elle établit, ce que ce n'est pas, où vous avez confiance, où que vous avez l'incertitude. Le poste de travail n'est pas une conclusion. C'est la base pour une enquête plus approfondie, une lecture plus poussée, une conversation plus approfondie. Les conversations d'IA sont en cours plutôt que terminées.

Cette application pratique en sept étapes est la version de travail de la trousse d'outils chapitre 19 assemblée. Il faut du temps pour le faire pour toute revendication spécifique. Le faire bien se développe avec la pratique. Le guide espère que les lecteurs trouveront cette pratique suffisamment précieuse pour se poursuivre.


Les conversations spécifiques à votre contexte

Read this section in English

Au-delà de la pratique analytique abstraite, les conversations sur l'IA sont contextuelles. La conversation dans votre milieu de travail diffère de celle dans votre collectivité, qui diffère de la conversation dans le domaine professionnel ou créatif. Le guide offre de brèves orientations pour plusieurs contextes spécifiques que les lecteurs navigueront.

Dans votre milieu de travail. Si l’IA sert à la présélection, à la surveillance, à l’aide à la décision ou au service à la clientèle, les chapitres 10 et 16 proposent des questions à poser. Le mémoire du SCFP au Sénat propose un avis, une explication, une révision humaine, des limites à la biométrie et des audits. En Ontario, commencez par l’offre publique si elle est visée. Pour un outil déjà utilisé au travail, vérifiez les politiques, la convention et les lois qui s’appliquent à ce milieu.

Dans votre domaine professionnel ou créatif. Différentes communautés professionnelles et créatives sont confrontées à différentes questions d'intégration de l'IA. Les écrivains, interprètes, musiciens, journalistes, photographes, designers et autres créateurs sont confrontés aux questions de consentement et d'indemnisation auxquelles le chapitre 11 a donné lieu. Les travailleurs de la santé, les travailleurs sociaux, les éducateurs et les autres professionnels du service sont confrontés aux questions de déploiement et d'appui à la décision auxquelles se livrent les chapitres 15 et 16. Les travailleurs des industries réglementées (services financiers, télécommunications, radiodiffusion) sont confrontés aux questions de réglementation sectorielle et de conformité du chapitre 17. Les organisations spécifiques représentant votre communauté professionnelle ou créative font du travail sur les politiques d'IA ; les engager, c'est comment les postes professionnels individuels deviennent une voix politique coordonnée. ACTRA, l'Union des écrivains du Canada, la Guilde des directeurs du Canada et l'Association médicale canadienne, le CUPE, Unifor et bien d'autres ont des positions précises en matière de politique d'IA que vous pouvez engager plutôt que de développer à partir de zéro.

Dans votre communauté. Si vous vivez dans une communauté autochtone, les questions de souveraineté des données engagées au chapitre 9 ne sont pas abstraites. Si vous habitez dans une province où la législation sur la protection de la vie privée est solide (Québec, C.-B., Alberta, Manitoba), vos protections diffèrent de celles des Canadiens d'ailleurs. Si vous habitez dans une collectivité où l'infrastructure d'IA est proposée ou construite (centres de données, régions hyperéchelleuses, projet de la vallée des merveilles du lac Sturgeon et successeurs), les processus de consultation locaux et les questions plus générales de souveraineté qui sont abordées au chapitre 6 et au chapitre 9 sont immédiats. Le guide ne peut pas fournir d'orientations propres à la collectivité, mais l'infrastructure analytique se déplace.

Dans vos décisions personnelles. Vous prendrez des décisions concernant l'utilisation de produits d'IA - chatbots, générateurs d'images, outils de productivité, interactions avec le service à la clientèle, plateformes de médias sociaux qui intègrent l'IA, applications pour l'emploi, interactions en matière de soins de santé, services financiers. L'infrastructure analytique du guide vous aide à évaluer les déploiements spécifiques que vous rencontrez. Les décisions personnelles s'intègrent dans l'économie politique plus large à laquelle la politique répond. Le choix individuel ne se substitue pas à l'action politique, mais la clarté analytique individuelle y contribue.

Dans l'engagement civique. Vous pouvez vous engager dans la politique canadienne de l'IA par le biais de mécanismes précis : présentation à des consultations gouvernementales (ISDE, le Commissariat à la protection de la vie privée, le Conseil du Trésor, les commissaires provinciaux, les organismes sectoriels de réglementation), appui aux organisations de la société civile qui font des travaux sur la politique d'IA, vote basé sur des positions stratégiques d'IA où elles diffèrent d'une partie à l'autre, participation à des initiatives universitaires et communautaires de littératie en matière d'intelligence artificielle et engagement direct avec des représentants élus aux niveaux fédéral, provincial et municipal. La coalition politique pour combler les lacunes en matière de politiques d'IA que le guide a documentées exige l'engagement des citoyens; l'infrastructure analytique qu'il a construite appuie cet engagement.


Les limites du guide — ce que vous ne pouvez pas attendre de lui

Read this section in English

Un engagement honnête exige de nommer ce que le guide ne peut pas faire. Le chapitre s'en occupe directement.

Le guide ne peut pas se tenir au courant de faits précis. Le guide a été rédigé au milieu de 2026. Des faits précis changeront: décisions judiciaires, développement de la réglementation, annonces d'entreprise, changements de politiques, nouvelles conclusions de recherche, nouvelles structures institutionnelles. Certains documents seront désuets sur le plan opérationnel dans les mois suivant leur publication; d'autres parties resteront utiles pendant des années. L'infrastructure analytique vieillit mieux que les faits spécifiques. Les lecteurs qui veulent obtenir des renseignements actuels sur les politiques canadiennes en matière d'IA devraient consulter directement les sources principales — le CPVP, le Conseil du Trésor, ISDE, les organisations de la société civile, les chercheurs universitaires, le journalisme d'enquête, les éditions annuelles de l'IMF Stanford.

Le guide ne peut se substituer à l'expertise du domaine. Le guide fournit un cadre général pour la réflexion sur les allégations d'IA. Il ne fournit pas d'expertise spécifique en IA de soins de santé, services financiers IA, IA juridique, IA éducative, ou tout autre domaine qui a sa propre littérature et pratique spécialisée. Lorsque des décisions spécifiques nécessitent une expertise de domaine, le guide indique aux lecteurs cette expertise plutôt que de la remplacer.

Le guide ne peut résoudre un véritable désaccord intellectuel. Le chapitre a nommé ceci à plusieurs reprises — Geist/Craig vs TWUC/ACTRA, Acemoglu vs Autor, les débats algorithmiques-équité-littérature, le désaccord AGI-timeline. Le guide présente les deux côtés de ces désaccords et demande aux lecteurs de les engager. Les lecteurs qui veulent que le guide leur dise qui est correct ne trouveront pas cette réponse. La position méthodologique du guide est que les désaccords sont productifs lorsqu'ils sont engagés honnêtement plutôt que résolus prématurément.

Le guide ne peut prédire les résultats politiques. Chapitre 20 a tracé les voies institutionnelles pour combler les lacunes documentées en matière de politiques. La question de savoir si les conditions politiques qui permettront d'activer ces voies seront réunies dépend des facteurs que le guide ne peut prévoir - résultats électoraux, coordination de la coalition, changements d'opinion publique, développements internationaux, évolution technologique. Les voies sont cartographiées, peu importe si elles sont utilisées.

Le guide ne peut être neutre en valeur. Le chapitre a nommé le biais du guide dans chaque chapitre à travers la convention de clôture de l'étiquette biaisée. Le guide fonctionne à partir d'une position d'engagement critique — sceptique quant à l'autodivulgation des entreprises, sensible aux cadres dirigés par les Autochtones, attentif aux préoccupations des travailleurs, prêt à désigner le cadre gouvernemental comme un cadre gouvernemental. Différents lecteurs occuperont des positions différentes; le guide présente son biais honnêtement tout en rendant l'infrastructure analytique sous-jacente portable à travers les positions de lecteur.

Le guide ne peut être la ressource canadienne complète d'éducation du public en matière d'IA. C'est une contribution. D'autres contributions (d'organismes dirigés par des Autochtones, d'organisations syndicales, d 'organismes créateurs, de commissaires à la protection de la vie privée, de chercheurs universitaires, de journalistes d'investigation et d'initiatives d'éducation communautaire) font un travail différent et complémentaire. Les lecteurs qui veulent une connaissance complète de l'IA au Canada devraient faire appel à plusieurs sources, et pas seulement à celle-ci.

Le guide ne peut pas sauver la politique canadienne sur l'IA. Combler les lacunes documentées exige une coordination politique à une échelle supérieure à ce qu'un seul document peut produire. La contribution du guide est de rendre l'infrastructure analytique portable; ce que les lecteurs font avec cette infrastructure est à eux de déterminer.


Ce que le guide a essayé de faire

Read this section in English

Le guide s'est ouvert avec l'affirmation que le mot « intelligence » dans l'intelligence artificielle fait plus de travail que la plupart des gens ne le réalisent, et que le côté qui parvient à définir l'Intelligence à l'intérieur d'un système d'IA gagne généralement l'argument sur le fonctionnement du système. Depuis, tout a été une tentative d'engager directement ce travail : des voix rigoureuses présentées dans leurs propres cadres plutôt que comme caricatures; les revendications des sociétés ont porté sur leur bien-fondé pendant que les modèles de divulgation sélective ont été nommés; la politique du gouvernement canadien en matière d'IA traitée comme une politique, un fond et une réalité et une contestation; l'infrastructure analytique construite pour aller plus loin que les conclusions sur lesquelles il a été démontré; et, à chaque question contestée, le refus de vous donner une résolution, la preuve n'appuie pas. La boîte à outils était toujours le produit. Les conclusions ont été la démonstration. Et les limites — un document sur un champ en mouvement, un livre non dirigé par des Autochtones engageant des cadres dirigés par des autochtones, une analyse qui ne peut résoudre ce que les gens raisonnables contestent — sont des caractéristiques de faire le travail honnêtement, et non pas des échecs à faire l'ensemble du travail.


Le côté avantage, maintenu étalonné

Read this section in English

Voir le reçu #127

Voilà à quoi ressemble la demande de preuves dans une clinique. Dans un essai randomisé mené dans 16 cliniques de soins primaires au Kenya, les chercheurs ont évalué un outil d’aide à la décision fondé sur un modèle de langage et intégré au dossier médical. L’essai n’a pas mis en évidence de baisse statistiquement significative des échecs de traitement dans les 14 jours. C’était le résultat que les chercheurs avaient choisi de mesurer. Si on vous dit que l’IA a facilité une tâche clinique, demandez aussi ce qui est arrivé aux patients. C’est une autre mesure, et cette équipe l’a prise.

Un guide qui dépense ces nombreuses pages sur les empreintes, les lacunes et la surestimation vous doit l'autre moitié de sa propre méthode, parce que le scepticisme du gobelin n'a jamais été cynique. Les mêmes questions qui dégonflent une hype prétendent aussi protéger une vraie. Appliquées honnêtement, elles montrent que l'IA fait bien certaines choses.

Les cas les plus forts sont étroits et mesurables. AlphaFold a prédit les structures de presque toutes les protéines connues et a obtenu un prix Nobel 2024, bien que ses fabricants soient prudents d'appeler les résultats des hypothèses précieuses plutôt que des faits expérimentaux. Les modèles météorologiques d'IA ont désormais battu le prévisionniste européen de référence sur ses propres repères. Plus près de chez soi, un système d'alerte précoce à Unity Health Toronto a été associé à une baisse de 26 % des décès imprévus dans un service hospitalier. Ce ne sont pas des communiqués de presse, mais des résultats évalués par les pairs.

Exécutez-les à travers la boîte à outils de toute façon, parce que la méthode ne s'éteint pas pour de bonnes nouvelles. Qui a compté, et comment ? Le résultat de l'étude Unity Health est une étude avant et après sur un seul service, et non un essai randomisé, et la même catégorie d'outils a produit le modèle de septicémie épique qui a manqué environ les deux tiers des cas dans les tests externes. Le bénéfice est-il démontré ou extrapolé? Une vérification effectuée en 2023 a révélé que les fuites de données ont gonflé les résultats dans dix-sept domaines scientifiques, et au Canada, un projet « financé » signifie qu'une facture de calcul a été subventionnée, et non que le produit a fonctionné. La position honnête n'est pas "IA est bon", pas plus qu'elle ne l'était "IA est mauvais." C'est que certaines applications d'IA ont gagné leurs revendications et d'autres pas, et vous avez maintenant l'équipement pour dire qui est ce.


Ce que vous reportez

Read this section in English

Les lecteurs feront avancer différentes choses du guide. Le chapitre se termine par ce qu'il espère que les lecteurs vont poursuivre, reconnaissant que ce que les lecteur portent réellement sera à eux de déterminer.

Une compréhension que l'IA n'est pas magique. Le cadre d'appariement des patrons du chapitre 2, c'est-à-dire l'encadrement des données-est-le-modèle du chapitre 3, l'analyse physique-substrat du chapitre 4, qui établit que l'IA est une appariement à l'échelle industrielle sur les données extraites fonctionnant sur du matériel physique qui dépend de chaînes d'approvisionnement spécifiques et de modèles de travail. Une fois l'IA démythifiée, les questions de politique deviennent lisibles. La magie résiste à la politique; l'ingénierie ne le fait pas.

Une compréhension que l'IA n'est pas rien. Les capacités sont réelles. Les déploiements sont réels. Les enjeux économiques, sociaux et politiques sont réels. Le guide a refusé la magie alternative de « l'IA est juste autocomplete » avec le même sérieux que la magie de « L'IA est l'intelligence générale. » Ce qui est vraiment puissant modèle-appariement avec des implications substantielles.

Des questions à emporter. De quel côté penche la source ? Que permettent de dire ses preuves ? Qui peut contester le résultat ? Gardez les questions qui vous aident à creuser l’affirmation.

Une reconnaissance que la conversation canadienne sur l'IA est contestée. Des gens raisonnables ne sont pas d'accord sur des choses importantes. Les désaccords sont productifs quand ils sont engagés honnêtement. La méthodologie d'étiquetage des biais du guide vous aide à déterminer qui est en train de se pencher et pourquoi; l'infrastructure analytique vous permet d'évaluer les allégations, quelle que soit la source.

Une compréhension pratique de l'endroit où se trouve réellement la politique canadienne sur l'IA. Stratégie fédérale axée sur l'investissement, réglementation sectorielle fragmentée, leadership québécois devant Ottawa, écart réglementaire post-AIDA, écarts de transparence importants par rapport aux compétences des pairs, ressources institutionnelles spécifiques faisant un travail significatif dans les lacunes plus larges, mécanismes politiques documentés disponibles pour combler les lacunes sans conditions politiques actuellement alignées pour les activer.

Un sens honnête de ce que le guide est et n'est pas. Une contribution. Utile pour une période de temps. Remplaceable par une meilleure analyse au fur et à mesure que le terrain se développe. La valeur du guide est d'aider les lecteurs à engager des conversations plus productives sur l'IA; l'obsolescence du guide constitue le critère naturel d'un travail canadien utile de littératie en matière d'IA.

Plus que tout, le guide espère que les lecteurs reconnaîtront que l'IA est une conversation canadienne à laquelle les Canadiens peuvent participer. Canada ne peut pas s'en retirer (la technologie et le déploiement sont déjà là) et ne peut la contrôler pleinement, car les deux sont mondiales. Mais elle est bien placée pour s'engager sur le fond, en s'appuyant sur les ressources institutionnelles, les traditions politiques, les cadres dirigés par les Autochtones, les droits des créateurs et les traditions de protection du travail, et un héritage de la vie privée et des libertés civiles qui contribue à des perspectives distinctives aux besoins de la conversation mondiale. Que le Canada s'engage sur le fond ou qu'il veille à ce que cela se produise dépend de ce que font les Canadiens. Ce guide a essayé d'aider à faire.


Clôture

Read this section in English

C'est là que se termine le guide. La conversation se poursuit.

Vous avez peut-être lu les vingt et un chapitres. Vous arrivez peut-être directement de la boîte à outils avec une affirmation en tête. Dans les deux cas, essayez les questions la prochaine fois qu’on vous tend un chiffre.

Quand vous avez le reçu, demandez qui peut en faire quelque chose. Ce peut être un collègue, un syndicat, un organisme de réglementation ou une personne qui siège à votre conseil. Vous saurez un peu mieux quoi lui demander.

🧌 GOBLIN CHECK — le dernier. Ces trois questions tiennent dans une poche. Qui a compté ça ? Qu’a-t-on laissé de côté ? Je peux voir le reçu ? Posez-les devant la prochaine affirmation sur l’IA que vous croiserez. Posez-les aussi à ce livre. Surtout à ce livre.
ALIGNMENT — tournez la boussole vers ce livre. Vous avez les questions. Reste le geste un peu inconfortable : posez-les au guide que vous avez entre les mains. Où penche-t-il ? Qu’a-t-il laissé de côté ? Où sont ses reçus ? Un guide qui ne résiste pas à sa propre méthode n’a pas mérité votre confiance. Le gobelin a quitté les marges. À vous de faire votre réserve.

— Alex Yesilcimen et Brine Shadewater Labs Vancouver, Canada Juin 2026


Étiquette partiale pour ce chapitre : clôture de la synthèse méthodologique avec engagement explicite des limites du manuel et conditions dans lesquelles l'infrastructure analytique se déplace. Auteur biais : engagement méthodologique à l'égard des principes organisateurs du manuel de refuser la résolution prématurée de véritables désaccords, en présentant des voix rigoureuses dans leurs propres cadres, en désignant à la fois les contributions de fond du manuel et ses limites honnêtes; reconnaissance explicite que combler les lacunes documentées de la politique canadienne en matière d'IA exige une coordination politique que le manuel ne peut produire mais que l'infrastructure analytique peut appuyer; volonté de fermer le manuel au même niveau de sérieux intellectuel avec lequel il a ouvert, y compris en refusant d'écrire une conclusion triomphale. Le chapitre s'inspire de l'ensemble du manuel pour les sources; des citations spécifiques figurent dans les chapitres précédents et dans l'annexe Sources.


Fin du manuel.


🧌 GOBLIN CHECK — le dernier. Vous n'avez pas besoin de ce livre dans vos mains pour faire le travail. Trois questions s'inscrivent dans n'importe quelle poche : Qui a compté ça ? Qu'est-ce qui a été laissé hors du compte ? Je peux voir le reçu ? Demandez-leur de la prochaine réclamation IA que vous rencontrez, y compris les réclamations faites par ce livre. Surtout ceux-là.