L'IA souveraine, expliquée.

Cinq couches, pas un slogan

Être souverain en IA, ce n'est pas planter un drapeau sur un logiciel. C'est contrôler cinq couches distinctes — et chacune peut se perdre séparément. Les modèles : qui a entraîné la machine, et qui peut la modifier ou la retirer? Les données : sur quels textes a-t-elle appris, et où vont les vôtres quand vous l'utilisez? Le calcul : à qui appartiennent les processeurs et les centres de données? Les lois : quel tribunal tranche quand quelque chose tourne mal? Le talent : les gens qui savent construire tout ça — restent-ils?

Le test rapide d'un service « souverain » : si son fournisseur étranger triplait ses prix demain matin, coupait l'accès, ou changeait ses conditions — que resterait-il? La réponse, couche par couche, mesure la souveraineté réelle. Tout le reste est du marketing.

Pourquoi c'est devenu urgent

Parce que l'IA est en train de devenir une infrastructure — comme l'électricité ou les routes. Une école qui bâtit ses cours sur un outil, un hôpital qui s'en sert pour trier, une entreprise qui en dépend pour servir ses clients : tous héritent des décisions de celui qui possède la machine. Prix, disponibilité, valeurs encodées, langues bien servies — rien de tout ça ne se négocie quand on est locataire.

Et il y a la question des données : chaque phrase envoyée à un service hébergé ailleurs vit sous les lois d'ailleurs. Pour un particulier, c'est un choix personnel. Pour une école, un ministère, un cabinet — c'est une responsabilité légale. C'est exactement ce que le chapitre 4 du parcours enseigne aux élèves : le lieu de traitement détermine les protections.

Le pays qui a écrit la méthode

L'apprentissage profond — la technique au cœur de toute l'IA moderne — a survécu à ses hivers en grande partie dans des universités canadiennes, quand presque tout le monde avait abandonné. Geoffrey Hinton à Toronto, Yoshua Bengio à Montréal : leurs travaux leur ont valu le prix Turing 2018, le « Nobel de l'informatique ». Et dans l'équipe qui a signé « Attention Is All You Need » — l'article de 2017 qui a inventé le transformer, l'architecture de tous les grands modèles actuels — il y avait un chercheur formé à Toronto. La méthode que le monde entier utilise porte des empreintes d'ici.

Un écosystème qui existe pour vrai

Le Canada a été le premier pays au monde à se doter d'une stratégie nationale en IA (2017), articulée autour de trois instituts : Mila à Montréal — l'un des plus grands centres de recherche universitaire en apprentissage profond au monde —, l'institut Vector à Toronto et Amii à Edmonton. Autour d'eux : des milliers de chercheurs formés chaque année, et des entreprises d'ici qui construisent des modèles plutôt que d'en louer.

La stratégie « L'IA pour tous » (2026) ajoute l'étage qui manquait : la littératie comme objectif national — un million d'étudiants visés —, la confiance et la souveraineté comme piliers, et des investissements publics dans le calcul souverain, pour que la recherche d'ici tourne sur des machines d'ici.

L'avantage québécois

Le Québec cumule trois atouts rares. Une électricité propre et abondante — les centres de données qui font tourner l'IA sont énergivores, et l'hydroélectricité change l'équation écologique et économique. Une loi qui a des dents : la Loi 25 encadre les renseignements personnels plus strictement que presque partout en Amérique du Nord, et donne aux citoyens des droits réels. Et une raison culturelle de bâtir : des modèles entraînés massivement sur l'anglais servent moins bien le français — la souveraineté, ici, c'est aussi la survie de la qualité de notre langue dans les machines qui écriront avec nous.

Ce qui manque encore — honnêtement

Le calcul reste le maillon faible : les plus grands entraînements se font sur des grappes que le Canada ne possède pas encore à cette échelle. Les capitaux de croissance aussi — trop d'entreprises d'ici se font acheter au moment précis où elles deviennent stratégiques. Et l'adoption traîne : la recherche est mondiale de classe, mais les organisations canadiennes utilisent l'IA moins vite que leurs concurrentes. La souveraineté ne se décrète pas; elle s'achète en processeurs, se protège en capital et se pratique en adoption. Trois chantiers ouverts — et trois raisons d'apprendre, maintenant.

Étudier ici, avec des outils pensés ici

La souveraineté abstraite devient concrète quand on regarde un vrai produit. L'équipe derrière OYEE — Inquisitive Flow, à Montréal — construit deux tuteurs d'IA qui appliquent ce que ce dossier décrit, couche par couche.

Mnemosyne, pour étudier par soi-même : un tuteur d'aide aux devoirs ancré dans le programme québécois — chaque explication est arrimée au curriculum réel, pas à un programme américain moyen. Ses réponses passent par Aegis, une couche de vérification qui recalcule les mathématiques avec un moteur symbolique et confronte chaque affirmation au programme officiel — la réponse du chapitre 3 aux hallucinations, en production. Les données restent au Canada, sous la Loi 25.

Aethon, pour les écoles : la même fondation, avec ce dont les établissements ont besoin — tableaux de bord pour le personnel enseignant, alignement sur les programmes provinciaux (Québec, Ontario, Colombie-Britannique, Alberta), gestion par l'école plutôt que par l'élève. L'IA en classe sans exporter les données de mineurs vers d'autres juridictions.

Pourquoi en parler ici? Par transparence d'abord : OYEE est un projet d'Inquisitive Flow, et vous méritez de savoir ce que ses créateurs construisent. Mais surtout parce que c'est l'argument le plus honnête de ce dossier : l'IA souveraine en éducation n'est pas une théorie ni un vœu de politiciens — elle s'écrit en ce moment, en français, à Montréal. Ce qu'une petite équipe d'ici peut faire, un pays le peut aussi.