Sources et bibliographie
Toutes les sources citées dans le framework et les gabarits sont listées ici, organisées par pilier puis par catégorie transversale. Chaque source comporte une URL et une courte note sur la raison de la citation.
Date d'accès des sources : mai 2026 (Version 0.1 du kit). Les URLs et le contenu des sources peuvent évoluer — vérifiez à votre date de consultation.
Posture sur les sources : ce kit privilégie les sources québécoises et canadiennes orientées PME. Les références internationales corporate (NIST, ISO) sont reléguées à une section dédiée « si audit enterprise », parce que le kit n'est pas conçu pour la certification.
Sources par pilier
Pilier 1 — Gouvernance & politique
OBVIA — Observatoire international sur les impacts sociétaux de l'IA et du numérique https://www.observatoire-ia.ulaval.ca/ Cadres de gouvernance IA pour organisations québécoises. Référence d'autorité scientifique francophone sur les enjeux éthiques et organisationnels. Citée pour les principes de gouvernance allégée et les pratiques de personne-référence IA.
Commission d'accès à l'information du Québec (CAI) — Loi 25 et IA https://www.cai.gouv.qc.ca/ Référence légale obligatoire pour toute PME québécoise traitant des renseignements personnels. Citée pour les obligations de protection des données dans le contexte d'usage d'outils IA.
ISED Canada — SME AI Adoption Toolkit (G7 Blueprint) https://ised-isde.canada.ca/ Cadre fédéral d'adoption IA pour PME canadiennes. Référence pour la structure de gouvernance et les principes de Hiroshima sur l'IA responsable. Citée pour la posture générale de gouvernance par taille.
Pilier 2 — Classification des données
Commission d'accès à l'information du Québec (CAI) — Catégorisation des renseignements personnels https://www.cai.gouv.qc.ca/ Référence officielle pour la classification des données personnelles au Québec. Citée pour la grille de classification à 4 niveaux et les règles d'usage IA par catégorie.
Loi 25 — Loi modernisant des dispositions législatives en matière de protection des renseignements personnels (Québec) https://www.legisquebec.gouv.qc.ca/ Texte législatif de référence. Citée pour les obligations de protection, d'évaluation d'impact, et de transparence applicables aux traitements automatisés.
OBVIA — Gouvernance des données et IA https://www.observatoire-ia.ulaval.ca/ Citée pour les principes de minimisation des données soumises aux outils IA et pour la distinction données contextuelles / données nominatives.
Pilier 3 — Sélection & approvisionnement d'outils
ISED Canada — SME AI Adoption Toolkit https://ised-isde.canada.ca/ Citée pour les critères de sélection d'outils IA adaptés aux PME (sécurité, conformité, intégration, support).
Microsoft — Copilot for Small and Medium Business — Adoption Resources https://adoption.microsoft.com/ Référence pragmatique pour les PME déjà sur Microsoft 365 (la majorité de la cible du kit). Citée comme défaut de proposition (« si vous êtes M365, commencez par Copilot ») et pour ses limites.
OBVIA — Évaluation éthique des outils d'IA https://www.observatoire-ia.ulaval.ca/ Citée pour la grille de questions éthiques à se poser sur un outil IA avant son adoption (provenance, biais, données d'entraînement, conditions d'utilisation).
Pilier 4 — Literacy & formation
CRIM — ACTIVATION IA https://www.crim.ca/ Programme québécois d'accompagnement IA pour PME. Citée comme ressource d'accompagnement complémentaire au kit (pour les PME qui veulent plus qu'un kit en autonomie) et pour le curriculum de literacy.
OCDE — AI Adoption by SMEs (2025) https://www.oecd.org/ Étude internationale qui établit la taxonomie de maturité Novices / Explorers / Optimisers / Champions et qui fournit la statistique 11,9 % vs 40 %. Citée pour le cadre de maturité et la justification du besoin d'un programme de literacy intentionnel.
Microsoft — AI Essentials et Copilot Learning Path https://learn.microsoft.com/ Référence pratique pour le curriculum literacy 101 (modules gratuits utilisables tel quel par les PME). Citée comme matériel d'appoint pour la formation des employés.
Pilier 5 — Cas d'usage (task-based)
IVADO — PARTENAR-IA https://ivado.ca/ Programme québécois de jumelage PME ↔ chercheurs pour pilotes IA. Citée pour les pilotes de cas d'usage et le financement de R&D appliquée.
MEIE — Plan PME 2025-2028 (volet numérique et IA) https://www.economie.gouv.qc.ca/ Cadre gouvernemental québécois de soutien à la transformation numérique des PME. Citée pour le financement de pilotes et pour la posture « adoption par étapes ».
Daugherty & Wilson — Human+Machine: Reimagining Work in the Age of AI (2018, mis à jour 2022) Ouvrage de référence sur l'augmentation par tâche (vs automatisation par rôle). Citée pour la posture conceptuelle du pilier 5 et de la couche foundationale.
OBVIA — Impacts de l'IA sur le travail https://www.observatoire-ia.ulaval.ca/ Citée pour la décomposition compétence/tâche et pour les principes de décision augmentation vs automatisation.
Pilier 6 — Mesure & évolution
OCDE — AI Adoption by SMEs (2025) https://www.oecd.org/ Citée pour les KPIs d'adoption (taux d'utilisation, satisfaction, gains de productivité observés) et leurs ordres de grandeur attendus en PME.
Microsoft — Copilot Adoption Success Kit (Measure & Optimize) https://adoption.microsoft.com/ Citée pour les indicateurs pragmatiques d'adoption Copilot (utilisation hebdomadaire, satisfaction, cas d'usage déclarés).
Pilier 7 — Conduite du changement & culture
OBVIA — Acceptabilité sociale de l'IA et impacts organisationnels https://www.observatoire-ia.ulaval.ca/ Référence québécoise sur la conduite du changement IA et l'acceptabilité par les équipes. Citée pour le cadre des peurs réelles et pour la sécurité psychologique.
IVADO / Mila — Recherche sur l'IA et le futur du travail https://ivado.ca/ ; https://mila.quebec/ Citée pour les dynamiques organisationnelles d'adoption et les facteurs culturels de réussite/échec.
Daugherty & Wilson — Human+Machine Citée pour le cadre narratif d'augmentation par tâche utilisé dans les communications internes-type.
Standards internationaux — si vous êtes audité par un client enterprise
Ces standards ne sont pas la base méthodologique de ce kit. Ils sont mentionnés ici à titre de référence pour le cas où votre PME doit démontrer une conformité à un client enterprise (multinationale, gouvernement, secteur réglementé international). Si c'est votre cas, ce kit reste utile comme point de départ, mais vous devrez probablement le compléter avec un dispositif conforme à l'un de ces standards.
NIST AI Risk Management Framework (AI RMF 1.0) https://www.nist.gov/itl/ai-risk-management-framework Cadre américain volontaire de gestion du risque IA, structuré en 4 fonctions (Govern, Map, Measure, Manage). Conçu pour grandes organisations avec équipes dédiées. Mentionné ici en référence, pas en source de méthode pour la cible PME.
ISO/IEC 42001:2023 — Information technology — Artificial intelligence — Management system https://www.iso.org/standard/81230.html Standard international certifiable pour systèmes de management de l'IA. Conçu pour organisations enterprise. Mentionné ici en référence ; la certification ISO 42001 n'est pas un objectif réaliste pour une PME 10-75 employés sauf exigence client explicite.
Ressources québécoises et canadiennes générales
Sources d'autorité que la personne IA en PME peut consulter pour aller plus loin, par cas d'usage :
Pour de l'accompagnement IA (consultation, jumelage)
CRIM — ACTIVATION IA et NUMERIA — https://www.crim.ca/ Centre de recherche en informatique de Montréal. Programmes d'accompagnement IA pour PME, jumelage avec consultants spécialisés.
IVADO — PARTENAR-IA et DémultiplIA — https://ivado.ca/ Institut de valorisation des données. Jumelage PME ↔ chercheurs universitaires pour projets pilotes IA.
Pour du financement IA et numérique
MEIE — Plan PME 2025-2028 et programme ESSOR — https://www.economie.gouv.qc.ca/ Ministère de l'Économie, de l'Innovation et de l'Énergie du Québec. Aides financières directes pour projets de transformation numérique et IA en PME.
Numeria (anciennement Audit Industrie 4.0) — https://www.economie.gouv.qc.ca/ Programme québécois d'audit numérique et d'aide à la transformation pour PME manufacturières.
ISED Canada — Programme d'aide à la recherche industrielle (PARI/IRAP) — https://nrc.canada.ca/ Aide fédérale pour PME canadiennes en innovation, incluant projets d'adoption IA.
Pour de l'autorité scientifique et éthique
OBVIA — Observatoire international sur les impacts sociétaux de l'IA et du numérique — https://www.observatoire-ia.ulaval.ca/ Référence francophone d'autorité sur les impacts organisationnels et sociétaux de l'IA. Particulièrement pertinent pour la conduite du changement et l'éthique en milieu québécois.
Mila — Institut québécois d'intelligence artificielle — https://mila.quebec/ Centre de recherche en IA de Montréal. Publications grand public et événements ouverts utiles pour la veille.
Pour la conformité légale (Québec)
Commission d'accès à l'information du Québec (CAI) — https://www.cai.gouv.qc.ca/ Autorité de protection des renseignements personnels au Québec. Référence obligatoire pour Loi 25.
Loi 25 (Loi modernisant des dispositions législatives en matière de protection des renseignements personnels) — https://www.legisquebec.gouv.qc.ca/ Texte légal applicable à toute PME québécoise qui collecte ou traite des renseignements personnels.
Statistiques d'autorité citées dans le kit
Pour chaque chiffre fort utilisé dans le framework ou les gabarits, la source est explicite.
« 11,9 % des petites entreprises utilisent l'IA vs 40 % des grandes » Source : OCDE — AI Adoption by SMEs (2025). https://www.oecd.org/ Utilisée dans : framework section 1 (justification du besoin), pilier 4 (literacy).
« 6 à 12 mois pour parcourir la séquence complète d'adoption au rythme PME » Estimation interne Meliark, calibrée sur l'étude OCDE ci-dessus et sur le programme Microsoft Copilot Adoption (qui propose un cadre 30-60-90 jours mais pour des organisations avec ressources dédiées). Utilisée dans : framework section 1 et section 4 (approche par étapes).
« 2-4 semaines de calendrier par étape d'adoption pour une PME » Estimation interne Meliark, à valider lors du déploiement chez les premiers utilisateurs (notamment SEEG). Utilisée dans : framework section 4 (approche par étapes), couche foundationale (temps en marge).
Comment ce kit a été conçu (méthodologie de référence)
Pour transparence, le kit lui-même a été conçu en suivant la méthodologie de développement V4 de Meliark (~/meliark/core/development/methodology.md), avec une phase de recherche documentée dans forge/research.md qui a scanné 10 sources de référence (les principales sont listées ci-dessus). Les sources retenues ont été filtrées selon trois critères : pertinence pour les PME 10-75 employés, disponibilité francophone ou québécoise, et alignement avec la posture autonomie-pas-vente du kit.
Si vous voulez creuser la méthodologie qui a produit le kit (utile par exemple si vous l'adaptez pour votre propre contexte), contactez Meliark.