« L’intelligence artificielle ne peut être meilleure que les données qui l’alimentent. Sans des données de qualité, l’IA se compare à une simple calculatrice très coûteuse. »
La nouvelle stratégie canadienne en matière d’IA suscite beaucoup d’enthousiasme à Ottawa. Le gouvernement promet davantage de productivité, de croissance économique, d’emplois et de compétitivité pour le pays. Ces objectifs sont louables, mais avant de célébrer, les Canadiens devraient se poser une question toute simple : quel problème essaie-t-on réellement de résoudre ?
Dans le secteur agroalimentaire, le défi ne relève certainement pas d’un manque d’utilisation de l’IA.
Les producteurs agricoles utilisent depuis longtemps l’agriculture de précision, l’analyse prédictive, l’apprentissage automatique et l’automatisation. Les transformateurs alimentaires s’appuient déjà sur l’IA pour accroître leur efficacité et réduire le gaspillage. Les détaillants utilisent des algorithmes sophistiqués pour prévoir la demande, gérer les stocks et optimiser la logistique. D’un bout à l’autre de la chaîne de valeur alimentaire, l’intelligence artificielle fait déjà partie du quotidien.
Le Canada a un manque criant de données.
Le pays continue de souffrir d’un déficit important en matière de données agroalimentaires. L’information reste fragmentée, cloisonnée et souvent inaccessible en temps réel. Les entreprises, les gouvernements et même les consommateurs prennent encore trop souvent des décisions avec une vision partielle de la réalité. L’IA ne corrige pas ce problème, au contraire, elle amplifie les conséquences de données incomplètes ou de mauvaise qualité.
Le Canada ne dispose toujours pas d’un système national permettant de suivre en temps réel les stocks alimentaires des principales denrées. Pendant la pandémie, gouvernements et entreprises ont souvent navigué à vue pour évaluer les risques de pénuries. Nous avons découvert à quel point nous connaissions mal l’état réel de nos chaînes d’approvisionnement.
Le gaspillage alimentaire constitue un autre angle mort. Chaque année, des milliards de dollars en nourriture se perdent au Canada, mais nous demeurons toujours incapables de mesurer précisément où ces pertes surviennent dans la chaîne de valeur.
Même l’abordabilité alimentaire demeure difficile à évaluer rapidement. Les données publiées par Statistique Canada sont essentielles, mais souvent rétrospectives. Les décideurs réagissent aux événements plutôt que de les anticiper.
Les chaînes d’approvisionnement illustrent également notre retard.
Le Canada est l’un des plus importants exportateurs agricoles de la planète, mais nous ne possédons toujours pas une plateforme nationale moderne permettant de suivre en temps réel les goulots d’étranglement du transport, la congestion portuaire, la performance ferroviaire, les mouvements des stocks ou les perturbations logistiques. Lorsqu’une grève ferroviaire survient, qu’un port ralentit ses activités ou qu’un événement climatique extrême frappe une région, les décideurs doivent souvent composer avec une information incomplète.
La traçabilité représente une autre occasion ratée.
Alors que plusieurs pays investissent massivement dans des systèmes numériques intégrés afin de suivre les aliments de la ferme à la table, le Canada jongle avec un assemblage de bases de données déconnectées les unes des autres. À une époque où les consommateurs exigent davantage de transparence sur l’origine des produits, leur empreinte environnementale et leur sécurité, cette fragmentation limite notre capacité d’innover et de demeurer compétitifs.
Voilà pourquoi la stratégie d’Ottawa semble incomplète.
Des milliards de dollars sont consacrés aux infrastructures informatiques, à la recherche et à l’adoption de l’intelligence artificielle. Pourtant, beaucoup moins d’attention se porte sur l’écosystème de données qui rend cette technologie réellement utile. Le Canada n’a pas tant besoin d’augmenter son nombre d’algorithmes. Il a besoin de meilleures données.
La leçon économique voit plus loin.
Le Canada n’a jamais manqué d’innovation. Le pays a produit des chercheurs de calibre mondial et plusieurs des percées qui ont permis l’émergence de l’IA moderne. Pourtant, notre productivité demeure faible, les investissements privés accusent un retard par rapport à plusieurs pays concurrents et notre PIB par habitant continue de s’éloigner de celui des États-Unis.
Le problème ne provient jamais de l’invention. Le problème se situe toujours dans la commercialisation, l’exécution et la productivité.
Les Canadiens ne devraient pas craindre l’IA, mais ils ne devraient pas non plus la considérer comme une solution miracle.
Le succès de la stratégie fédérale ne se mesurera pas au nombre de centres de calcul construits ou de jeunes entreprises financées. Il se mesurera à l’augmentation de la productivité, à la croissance des salaires, à l’amélioration de la compétitivité de nos industries et au rendement obtenu par les contribuables sur les sommes investies.
L’IA pourrait devenir l’une des technologies les plus marquantes de notre époque, mais cette technologie, à elle seule, ne crée pas la prospérité.
Dans le secteur agroalimentaire, et probablement dans une grande partie de l’économie canadienne, le véritable enjeu ne consiste pas à rendre les machines plus savantes, mais plutôt à bâtir des systèmes plus intelligents, alimentés par des données de meilleure qualité.
Tant que rien ne se fait pour résoudre ce déficit de données, la stratégie canadienne en intelligence artificielle risque de s’attaquer aux symptômes plutôt qu’à la maladie.
Dr. Sylvain Charlebois/Professor/Professeur Titulaire
Senior Director/Directeur Principal
AGRI-FOOD ANALYTICS LAB/LABORATOIRE DE SCIENCES ANALYTIQUES EN AGROALIMENTAIRE
CO-HOST, The Food Professor Podcast
