L’adoption de l’IA dans le secteur sans but lucratif canadien : où on en est vraiment en 2026

Au Canada, la conversation sur l’IA et les OBNL a été dominée par deux voix : les enthousiastes qui veulent que chaque organisation aille plus vite, et les sceptiques qui craignent que tout ça détourne l’organisation de sa mission.

Les deux camps passent à côté de ce que les données montrent vraiment.

Les OBNL canadiens ne sont pas en retard sur l’IA. Ils l’adoptent vite, en bonne partie sans soutien de l’organisation, et le plus souvent sans plan. Le vrai risque et la vraie occasion se trouvent tous les deux dans ce mélange-là.

Regardons lucidement où en est vraiment le secteur à l’aube de 2026.

Les chiffres qui comptent

Le rapport Portrait de l’adoption de l’intelligence artificielle par les organismes à but non lucratif canadiens, publié en 2026 par Imagine Canada et Cinder, brosse un tableau qui surprend la plupart des dirigeants du milieu quand ils le découvrent. Il s’appuie sur un sondage auprès d’organismes de bienfaisance et d’OBNL canadiens, qui a reçu 963 réponses entre juin et septembre 2025 :

80 % des OBNL canadiens disent utiliser déjà l’IA sous une forme ou une autre. Les chercheurs précisent que ce chiffre se situe « dans l’échelon supérieur de l’adoption actuelle ». Même en le lisant comme un plafond, c’est la majorité du secteur. Partout dans le secteur, le personnel — coordonnateurs de programmes, collecteurs de fonds, responsables des communications, directions générales — se tourne vers l’IA pour venir à bout d’une charge de travail qui, elle, n’a pas diminué avec les budgets.

Seulement 10 % des OBNL ont une politique formelle sur l’IA. C’est l’écart qui caractérise le moment. Dans le secteur, l’IA s’utilise en grande majorité sans que l’organisation ait dit quels outils conviennent, comment traiter les données ou où sont les limites.

64 % des OBNL qui utilisent déjà l’IA n’ont aucune politique et ne sont pas en train d’en élaborer une. C’est le constat le plus frappant : la plupart des organismes qui utilisent l’IA ne font pas d’une politique une priorité.

Concrètement, l’IA fait déjà partie du fonctionnement de votre organisation, que vous le sachiez ou non. La question n’est plus de savoir s’il faut s’y intéresser, mais si vous allez le faire de façon réfléchie ou laisser les choses suivre leur cours.

Les trois étapes que traversent les OBNL canadiens

Peu importe la taille ou le sous-secteur, on voit revenir le même schéma. La plupart des OBNL en sont à l’une de trois étapes :

Étape 1 : l’expérimentation clandestine
Des membres du personnel utilisent des outils d’IA — souvent ChatGPT, Claude ou Copilot — sans que l’organisation le sache ni les encadre. On sent un mélange d’enthousiasme et de culpabilité. Il n’y a aucune politique. Personne ne pose la question « Est-ce que j’ai le droit de faire ça? », et personne n’y répond. C’est là qu’en est actuellement la majorité des OBNL canadiens.

Étape 2 : la paralysie
L’organisation sait que l’IA est utilisée et veut prendre les devants, mais elle reste bloquée. Les inquiétudes sur la confidentialité sont réelles, mais floues. Le conseil d’administration veut une politique, mais personne n’a le temps de l’écrire. On a peur de miser sur un outil qui se révélerait inapproprié. Rien ne bouge.

Étape 3 : l’intégration réfléchie
Une minorité croissante d’organisations a surmonté la paralysie et est passée à quelque chose de plus structuré : des politiques claires, des outils approuvés, des cas d’usage définis et un personnel qui comprend à la fois les possibilités et les limites. L’IA y démultiplie vraiment le travail accompli pour la mission.

Pour aller de l’étape 1 à l’étape 3, il faut passer par l’étape 2. Les organisations qui avancent le plus vite sont celles qui n’y font qu’un court passage au lieu de s’y installer.

Le contexte canadien est différent

Ça vaut la peine de préciser pourquoi le contexte canadien compte : une bonne partie des conseils sur l’IA qu’on trouve en ligne sont écrits pour des organisations américaines et ne tiennent pas compte de la réalité réglementaire et culturelle d’ici.

Les lois sur la protection des renseignements personnels sont plus strictes. La LPRPDE (la loi fédérale sur la protection des renseignements personnels dans le secteur privé) et la Loi 25 du Québec créent des obligations que la plupart des outils d’IA américains n’ont pas été conçus pour respecter. La Loi 25 en particulier — entrée en vigueur par étapes entre 2022 et 2024 — oblige les organisations à réaliser des évaluations des facteurs relatifs à la vie privée pour les nouvelles technologies, à désigner qui est responsable des renseignements personnels et, dans certains cas, à informer les personnes quand l’IA est utilisée pour prendre des décisions à leur sujet. Ce ne sont pas des obligations hypothétiques. Elles s’appliquent à votre organisation dès maintenant si vous exercez des activités au Québec.

La souveraineté des données canadiennes est une préoccupation légitime. La plupart des outils d’IA commerciaux font transiter les données par des serveurs aux États-Unis. Pour les organisations qui traitent des renseignements sensibles sur leurs clients — santé, services sociaux, aide juridique, immigration — le risque est bien réel. La bonne nouvelle : des solutions hébergées au Canada existent pour certains cas d’usage, et une configuration réfléchie des outils commerciaux peut réduire considérablement le risque, même quand l’hébergement au Canada n’est pas offert.

La réalité bilingue ajoute une couche. Pour les organisations francophones et bilingues, c’est un fait : l’IA donne de moins bons résultats en français qu’en anglais. Ce n’est pas une raison de l’éviter. C’est une raison de concevoir des flux de travail qui en tiennent compte, et de réviser plus rigoureusement ce qu’elle produit en français.

Le Canada n’est pas en retard. Une autre façon de voir les choses, à garder en tête : si l’adoption est plus mesurée et plus prudente ici qu’aux États-Unis, ce n’est pas un échec. C’est le signe d’un secteur qui prend au sérieux ses obligations envers les communautés qu’il sert. Les organisations qui font les choses comme il faut auront un net avantage sur celles qui sont allées vite et qui gèrent maintenant les problèmes de confiance qu’elles ont créés.

Là où le secteur voit un impact réel

Malgré l’absence de politiques, l’IA donne déjà des résultats mesurables dans certains domaines précis du secteur sans but lucratif canadien :

Récupérer du temps administratif. Le bénéfice le plus constant et le plus immédiat. Le personnel qui utilise l’IA pour résumer des notes de réunion, rédiger des rapports, répondre aux demandes courantes et traiter de la documentation récupère des heures chaque semaine, qu’il remet dans le travail au cœur de la mission.

Demandes de subvention et communications de collecte de fonds. L’IA sert à structurer les demandes, à synthétiser la recherche et à produire des premières versions que du personnel d’expérience peaufine ensuite. La révision humaine doit rester exigeante, mais on arrive à une première version beaucoup plus vite.

Gestion des connaissances. Les organisations où le roulement de personnel est élevé trouvent l’IA utile pour créer et tenir à jour des bases de connaissances internes. Dans un secteur sous-financé, ça limite le savoir qui part chaque fois que quelqu’un quitte.

Recherche et synthèse. Le personnel de programme qui doit rester à jour sur les politiques, la recherche sectorielle ou le paysage du financement utilise l’IA pour résumer rapidement de longs documents. L’IA alimente leur jugement; elle ne le remplace pas.

Les risques qui se concrétisent vraiment

Tout ne roule pas comme sur des roulettes. Trois types de risques reviennent sans cesse dans le secteur :

Des données de clients dans des outils d’IA grand public. Du personnel entre des notes de dossier, des identifiants de clients ou des données de programmes dans ChatGPT ou des outils semblables sans se rendre compte de ce que ça implique. C’est le risque le plus immédiat et le plus lourd de conséquences, tant pour la confidentialité des clients que pour la conformité de l’organisation.

Une confiance excessive dans l’exactitude de l’IA. Les outils d’IA donnent des réponses qui ont l’air plausibles, même quand elles sont fausses. Dans les contextes où l’exactitude compte — demandes de subvention qui citent des statistiques, évaluations de programmes, analyses de politiques — des réponses de l’IA que personne n’avait vérifiées ont causé de vrais problèmes.

Le problème de l’expert unique. Quand l’adoption de l’IA repose sur une seule personne enthousiaste, tout est fragile. Si cette personne part ou s’épuise, l’organisation perd à la fois la compétence et la mémoire de la façon dont l’IA était utilisée.

Ce que font les organisations qui avancent

Les OBNL qui s’en sortent bien ont quelques pratiques en commun :

Ils commencent par une politique — pas un document juridique de 20 pages, mais un guide clair d’une page qui dit au personnel quels outils sont approuvés, quelles données ne doivent jamais y entrer et à quoi ressemble un bon usage de l’IA. Ils mettent leur équipe dans le coup pour l’écrire, et l’équipe l’adopte d’autant plus facilement.

Pour commencer, ils choisissent un seul cas d’usage, très utile et peu risqué : une tâche précise où l’IA peut aider, où une erreur ne serait pas grave et où on peut mesurer le succès. Ils font un vrai projet pilote, mesurent les résultats, puis élargissent.

Ils développent leurs propres compétences au lieu de devenir dépendants. Le but : une équipe qui comprend ses flux de travail d’IA et peut les entretenir elle-même, pas une relation à vie avec un expert externe.

Mitch Schwartz est le fondateur d’Ops Machine, un cabinet de conseil en intégration de l’IA et en flux de travail établi à Montréal. Il accompagne des OBNL et des organisations en pleine transformation pour trouver où l’IA a sa place, bâtir les bons systèmes et s’assurer que les équipes les utilisent vraiment. Réservez un appel découverte gratuit →