La pratique propulsée par l’IA

Partie 1 : Du regard vide à l’habitude quotidienne

La plupart des vagues technologiques frappent notre industrie à deux reprises. Le premier succès réside dans les portefeuilles et la sélection des titres. Des questions surgissent quant à ce qu’ils possèdent, en quelle quantité, et s’il s’agit déjà d’une bulle? Nous avons déjà écrit à ce sujet (voir How Much AI Do I Own? ). Le deuxième coup est plus silencieux. Quelles sont les répercussions, le cas échéant, de cette technologie sur la gestion d’une société de services-conseils? C’est là l’élément en question. Un regard pratique sur la façon dont les conseillers pourraient utiliser l’IA aujourd’hui, et une feuille de route pour passer de « J’ai ouvert ChatGPT une fois et il m’a écrit une comptine médiocre » à la gestion réelle de certaines parties de votre pratique avec cet outil.

Avertissement : ceci est en deux parties. La première partie traite de ce que révèlent les données sur l’adoption, des raisons pour lesquelles la plupart des utilisations actuelles de l’IA ne font qu’effleurer la surface, et de la façon de passer de zéro à une habitude quotidienne. La deuxième partie approfondit le volet des utilisateurs avancés : confier des flux de travail entiers à l’IA, en mesurer les retombées et repositionner votre équipe pour un monde où les tâches routinières peuvent être automatisées.

Tout le monde « utilise l’IA ». Peu d’entre eux utilisent réellement l’IA.

Nous avons eu la chance d’assister à une présentation sur ce sujet lors d’une conférence de Morningstar, et le message concorde avec ce que révèlent les données publiques. La plus récente étude de Charles Schwab sur les conseillers en placement inscrits (RIA) a révélé que 63 % des cabinets de conseil utilisent l’IA à un certain degré, soit plus du double du taux d’adoption en 2023. Cela semble impressionnant jusqu’à ce que l’on examine la situation de plus près (fig. 1) : 82 % de ces utilisateurs s’appuient sur des outils d’IA générative, comme la fenêtre de clavardage, et la majeure partie de l’adoption se fait par le biais d’expériences individuelles plutôt que par des initiatives à l’échelle de l’entreprise.

Entre-temps, seulement une entreprise sur dix environ a pleinement intégré l’IA à sa stratégie d’affaires. En d’autres termes, la plupart des utilisations de l’IA aujourd’hui consistent à taper une question dans un clavardage et à copier-coller la réponse. Ce n’est pas rien, mais c’est l’équivalent technologique d’acheter un camion pour écouter la radio.

Les données de l’outil racontent la même histoire à la figure 2. Dans un sondage mené auprès de près de 3 000 conseillers, le taux d’adoption des systèmes de gestion de la relation client (CRM) était de 91 % et celui des logiciels de planification financière de 83 %, tandis que les outils d’IA générative et de recherche se situaient à 52 % et les outils de prise de notes par IA à 43 %. Il faut reconnaître le mérite de l’IA ici, car elle progresse rapidement, l’utilisation de l’IA générative ayant augmenté de 11 % par rapport à il y a à peine un an. Mais le fait demeure qu’il est toujours à la traîne par rapport à la pile principale, et ce qui s’y trouve est majoritairement de la clavardage.

Il existe également un effet de taille qui mérite d’être souligné. L’adoption d’outils de prise de notes par IA dépasse les 43 % dans les entreprises réalisant un chiffre d’affaires annuel de 8 millions de dollars ou plus, comparativement à 32 % dans les plus petits cabinets. Les équipes plus importantes ont simplement l’envergure nécessaire pour assigner quelqu’un pour trouver la solution. La bonne nouvelle pour tous les autres est que les outils sont devenus assez abordables et généralisés pour que le fait d’« assigner quelqu’un » puisse désormais signifier vous consacrer une heure par semaine.

Allez là où la rondelle va se diriger.

Voici pourquoi « clavarder et c’est réglé » est une erreur. Cette technologie ne fait pas que stagner ; elle n’avance même pas. Les recherches de METR montrent que la durée des tâches que les modèles d’IA de pointe peuvent accomplir double  environ tous les 4 à 7 mois, le rythme s’étant accéléré au cours des deux dernières années. En 2022, les modèles pouvaient répondre à une question. D’ici 2024-2025, ils pourraient utiliser des outils, effectuer des recherches, exécuter du code et contrôler des logiciels. La direction du parcours va de la réponse → l’exécution → la gestion de flux de travail complets. Si vous bâtissez vos habitudes en matière d’IA en fonction de ce que les outils pouvaient faire l’année dernière, vous aurez toujours une génération de retard. Planifiez en fonction de l’évolution de la technologie, et non de son état actuel.

Une précision importante à apporter : l’IA possède ce que les chercheurs appellent une « frontière dentelée ». Il est surhumain pour certaines tâches et s’avère être avec assurance dans l’erreur pour d’autres. Il peut résumer un essai de 90 pages en quelques secondes, puis se tromper facilement sur le nom de l’auteur dès la première ligne. Cette irrégularité est précisément la raison pour laquelle l’aspect humain constitue le modèle opérationnel. Les rôles passent de l’exécution du travail à son encadrement, son orientation et sa révision. Plus de détails à ce sujet ci-dessous.

Mise en pratique de ces éléments

Voici un cadre pour l’adoption de l’IA, qui repose sur quatre étapes de maturité des pratiques.

1. Adoption ponctuelle (le dilettante). Quelques outils, quelques membres d’équipe curieux, aucune politique. Les gains sont personnels et accidentels.
2. Preuve de la valeur (le compte régulier). Cas d’utilisation choisis délibérément, indicateurs de performance clés définis, personne responsable, projets pilotes mesurés.
3. Intégration opérationnelle (l’intégrateur). Des flux de travail documentés, des données unifiées, l’IA intégrée à l’ensemble des opérations ; et pas seulement chez les individus.
4. Transformation stratégique (le Transformateur). Recrutement axé sur les compétences en IA, priorisation des résultats, déploiement de systèmes autonomes.

Cet article a pour but de vous guider à travers les étapes une et deux. La deuxième partie portera sur les étapes trois et quatre.

La plupart des cabinets de services-conseils au Canada en sont aujourd’hui fermement à la première étape. Ce qui signifie que l’écart concurrentiel entre les pratiques de la première étape et celles de la troisième étape est actuellement un terrain grand ouvert.

La première étape réussie : le guide pratique des débutants

Si vous partez de zéro, une méthode simple consiste à adopter l’approche cœur et satellite. Ce terme devrait sembler familier à quiconque a déjà constitué un portefeuille. Le cœur est simplement une plateforme d’IA à usage général (Microsoft Copilot, les versions d’entreprise de ChatGPT, Gemini ou Claude, selon ce que votre entreprise a approuvé). Les satellites sont un petit nombre d’outils spécialisés qui s’intègrent à des tâches précises : un outil de prise de notes par IA, les fonctionnalités d’IA de votre CRM, ou peut-être un outil de planification ou de gestion documentaire. Un noyau, quelques satellites. Résistez à la tentation de collectionner les applications comme des Pokémon.

Adoptez ensuite le modèle à trois rôles pour toutes les interactions avec l’IA. Lorsque vous travaillez avec l’IA, votre rôle change et vous devenez :

• Le cadre — fournir le contexte. Qui vous êtes, quelle est la situation, quel rôle vous voulez que l’IA joue, quel résultat vous souhaitez obtenir et sous quel format vous le voulez. La différence entre « rédiger un courriel à un client » et « rédiger un courriel de 150 mots à un client de 62 ans qui s’inquiète de la volatilité des actions, sur un ton rassurant, avec un niveau de lecture de 8ᵉ année et sans promesses de rendement » est la différence entre un résultat médiocre et un résultat exceptionnel.
• Le Guide — orienter en cours de tâche. Corrigez les hypothèses erronées, dirigez vers des sources crédibles et fournissez la documentation nécessaire.
• L’éditeur — assumez la responsabilité du résultat. Vérifier les faits, valider la logique, apporter des modifications. Rien de ce qui est généré par l’IA n’est diffusé sans une révision humaine. Non pas parce que les organismes de réglementation ou la conformité l’exigent (bien qu’ils le fassent), mais parce que la frontière accidentée l’exige.

Commencez par des tâches à faible enjeu mais très agaçantes : résumer des recherches, rédiger des notes internes, préparer des ordres du jour de réunions, traduire la « justification du rééquilibrage de portefeuille » en langage simple. Notre position consiste à exclure entièrement les RPI (renseignements personnels identifiables) des clients des outils d’IA. Qu’elle soit approuvée ou non, il n’y a aucune raison pour qu’une invite nécessite le nom complet, le NAS ou le numéro de compte d’un client. Cette règle devrait aider à éliminer l’une des principales sources d’anxiété liée à la conformité.

Phase deux : du tour de passe-passe à la preuve

Le passage du stade de « Dabbler » à celui de « Regular » repose sur une sélection délibérée des cas d’utilisation et sur certaines mesures. La figure 5 ci-dessous illustre où se situe la traction et le chemin parcouru par la fiducie. Les principaux cas d’utilisation sont les résumés de réunions, les mises à jour de CRM, la préparation de réunions et les communications courantes avec les clients. Un tiers des conseillers ont déclaré qu’ils laisseraient l’IA générer et envoyer des communications courantes, planifier des réunions ou mettre à jour le CRM sans même examiner le résultat au préalable. Regardez maintenant la barre inférieure. Seulement 8 % accepteraient que l’IA rééquilibre un portefeuille ou exécute une opération. Les conseillers ont clairement défini les domaines sur lesquels ils souhaitent concentrer leur temps.

Cette ligne constitue également une perspective utile pour choisir vos premiers cas d’utilisation sérieux. L’IA excelle actuellement dans deux extrêmes : les tâches ouvertes sans réponse unique correcte (p. ex. la rédaction d’un bulletin d’information) et les tâches binaires avec une réponse clairement vérifiable (ce document contient-il X? ). C’est là qu’il éprouve le plus de difficultés, dans cette zone grise intermédiaire. Choisissez un cas d’utilisation axé sur la croissance et un cas d’utilisation axé sur l’efficacité, exécutez chacun d’eux pendant un mois et effectuez le suivi des heures.

Soyons honnêtes ; les obstacles sont réels. Lorsque le même sondage a demandé aux conseillers pourquoi ils n’utiliseraient pas d’outils optimisés par l’IA, les réponses les plus fréquentes étaient la conformité, la cybersécurité et les obstacles réglementaires. Mais si vous consultez la liste complète, un seul élément (le manque d’outils eux-mêmes) concerne la technologie. Le reste nous concerne. Le risque de conformité est géré conformément aux politiques de votre entreprise en matière d’IA, aux outils approuvés, aux règles relatives aux renseignements personnels identifiables (PII) et à l’examen humain obligatoire. La confiance et le temps se gèrent de la même manière que tout le reste dans la vie pour devenir à l’aise : par la répétition.

Votre liste de vérification pour les étapes un et deux

• Inventaire de ce qui est approuvé. Comprenez les outils d’IA autorisés par votre entreprise et normalisez l’utilisation d’un assistant principal ainsi que d’un ou deux outils satellites.
• Notez les deux règles. Aucune Renseignements personnels identifiables (RPI) de client dans tout outil d’IA. Décrivez la situation, jamais la personne ; aucun résultat d’IA ne doit être diffusé sans révision humaine. Deux phrases. Faites-les circuler.
• Choisissez quelques cas d’utilisation. Une croissance, une efficacité. Engagez-vous à 30 jours d’utilisation réelle. Suivez honnêtement le temps économisé.
• Pratiquez la boucle encadreur-guide-éditeur. De meilleures instructions mènent véritablement à de meilleurs résultats : des directives claires, des tâches décomposées, des exemples de ce qui constitue un travail de qualité, ainsi qu’un format et un ton précisés.

Essayez-le pendant un trimestre et vous aurez une longueur d’avance sur plusieurs acteurs de l’industrie qui, rappelons-le, demandent encore aux robots conversationnels d’écrire des limericks.

Dans la partie 2 : ce que font les utilisateurs experts — cartographier des flux de travail complets, créer des invites système pour votre équipe, mesurer le gain en heures par semaine et repositionner votre pratique autour des éléments que l’IA ne peut pas banaliser : le jugement, la confiance et le coaching comportemental.

— Spencer Morgan & Brett Gustafson, Purpose Investments

Date de publication : 27 août 2026

Le contenu du présent document est destiné aux conseillers à titre informatif seulement et n’est pas fourni dans le cadre d’une offre de titres décrits aux présentes, et ne constitue pas non plus une recommandation ou une sollicitation d’acheter, de détenir ou de vendre un titre. L’information ne constitue pas un conseil en matière de placement et n’est pas adaptée aux besoins ou aux circonstances d’un investisseur donné. Les renseignements contenus dans le présent document ne constituent pas et ne doivent en aucun cas être interprétés comme une notice d’offre, un prospectus, une publicité ou un appel public à l’épargne. Aucune commission des valeurs mobilières ni aucune autorité de réglementation similaire n’a examiné le présent document ; toute déclaration contraire constitue une infraction. Les renseignements contenus dans le présent document sont jugés exacts et fiables ; toutefois, nous ne pouvons garantir qu’ils sont complets ou à jour en tout temps. Les renseignements fournis peuvent être modifiés sans préavis.

Certaines déclarations sur ce site peuvent être de nature prospective. Les déclarations prospectives (« DP ») sont des déclarations de nature prévisionnelle qui dépendent d’événements ou de conditions futurs ou s’y rapportent, ou qui comprennent des termes tels que « peut », « sera », « devrait », « pourrait », « s’attend à », « anticipe », « a l’intention de », « planifie », « croit », « estime » ou d’autres expressions similaires. Les déclarations qui sont tournées vers l’avenir ou qui contiennent autre chose que des renseignements historiques sont assujetties à des risques et à des incertitudes, et les résultats, les mesures ou les événements réels pourraient différer sensiblement de ceux énoncés dans les énoncés prospectifs. Les FLS ne constituent pas une garantie de rendement futur et sont, par nature, fondées sur de nombreuses hypothèses. Bien que les énoncés prospectifs contenus dans le présent document soient fondés sur ce que Purpose considère comme des hypothèses raisonnables, Purpose ne peut garantir que les résultats réels seront conformes à ces énoncés prospectifs. Le lecteur est prié d’examiner attentivement les FLS et de ne pas s’y fier indûment. Sauf si la loi applicable l’exige, il n’est pas prévu, et il est expressément nié, qu’il existe une intention ou une obligation de mettre à jour ou de réviser les énoncés prospectifs, que ce soit à la suite de nouveaux renseignements, d’événements futurs ou autrement.