Par Paul Arseneault, Directeur | Observatoire de l’IA, des données et du tourisme – UQAM
À la demande de Pierre Bellerose, j’ai accepté de partager une réflexion sur Claude. La question peut sembler simple, mais elle ne l’est pas. Depuis plus de vingt-cinq ans, j’ai vu défiler les grandes promesses technologiques: les bornes interactives, les applications mobiles de destination, les QR codes (deux fois plutôt qu’une), les chatbots, Clubhouse, le Big Data et le métavers. Les effets de mode ne m’impressionnent plus. Si je consacre aujourd’hui un billet à Claude, c’est parce que mon opinion repose sur une expérimentation de terrain, et non sur l’enthousiasme du moment. Or, cette fois, je ne vous répondrai pas depuis mon fauteuil de professeur.
Depuis le printemps, j’accompagne une grande institution publique québécoise — dont je tairai le nom, confidentialité de mandat oblige — dans un projet-pilote de déploiement de Claude auprès de ses cadres. Avant d’activer la moindre licence, des ateliers de prise de besoins : deux à trois heures avec des gestionnaires, à inventorier ce qui gruge réellement leurs semaines — puis à tester l’outil, en direct, sur leurs vrais dossiers. Et ce que j’y ai vu décrit trait pour trait le quotidien d’une ATR, d’une ATS, de l’Alliance et du MTO lui-même.
Une prise de besoins n’est pas un sondage d’opinion
La règle du jeu de ces ateliers est contre-intuitive : on ne parle pas de l’outil. On parle du travail. Qu’est-ce qui vous a coûté vos dernières soirées? Jamais — jamais — quelqu’un n’a répondu « j’aimerais un agent conversationnel pour rédiger mes courriels ». Ce qui sort, c’est autre chose. Quatre conventions collectives de 300 pages chacune à croiser avec des dizaines de cas particuliers. Des règles budgétaires ministérielles qui changent chaque année. Des politiques empilées depuis trente ans. Des redditions de comptes. Des corpus normatifs lourds, contradictoires et mouvants.
Puis on teste, en séance, sur leurs documents. Et le moment de bascule n’est jamais la démonstration préparée : c’est le moment où l’outil travaille sur leurs affaires. Quand il retrouve en quarante secondes la disposition que le gestionnaire cherchait depuis deux jours. Quand il refuse de répondre parce que le document fourni ne contient pas l’information demandée, au lieu de broder du plausible. Parce qu’en intelligence touristique, la pire faute n’est pas l’ignorance : c’est l’aplomb.
Une prise de besoins n’est pas un sondage d’opinion : c’est un révélateur. Celle-là a révélé deux choses. La première : les besoins réels ne sont pas des questions, ce sont des dossiers. La seconde, plus inconfortable : l’IA était déjà entrée dans la maison — les cadres utilisaient déjà des outils grand public non gouvernés. La vraie question de 2026 n’est donc pas « faut-il adopter l’IA? » ; c’est « qui gouverne celle qui est déjà là? ».
Des dossiers, pas des questions
C’est ici que loge le malentendu fondamental sur l’IA générative en tourisme. Depuis trois ans, on évalue ces outils comme des machines à répondre : rédige-moi une infolettre, résume-moi ce rapport. Du clavardage amélioré. Or une organisation touristique ne vit pas de questions-réponses. Elle vit de dossiers : un plan stratégique de destination, une demande à l’EPRTNT, une réponse à un appel de projets. Des documents de vingt, quarante, quatre-vingts pages, nourris de sources contradictoires, qui doivent tenir debout de la première à la dernière ligne. Générer n’est pas raisonner.
Pourquoi Claude, donc? Parce que c’est là que l’écart se creusait dans les ateliers. Sa fenêtre de contexte d’environ un million de jetons — grosso modo 2 000 pages — permet de tenir ensemble la convention collective, les règles ministérielles, les politiques – règlements – directives internes et le cas à trancher. L’assistant bureautique que l’institution possédait déjà — je ne le nommerai pas non plus, mais vous l’avez tous — ne soumet au modèle que des extraits présélectionnés par un algorithme de récupération : si la disposition cruciale n’est pas jugée pertinente par l’algorithme, elle n’atteint jamais le raisonnement de l’IA. C’est toute la différence entre lire un contrat et lire les passages surlignés par quelqu’un d’autre.
Visuel 1 — La différence n’est pas de degré, elle est de nature : le dossier entier, ou des extraits choisis par un algorithme.
L’endurance avant la vitesse
Appelons ça l’endurance cognitive : tenir une ligne d’analyse cohérente sur la longueur d’un vrai dossier, sans se contredire à la page 34, sans inventer une donnée pour boucher un trou. Je me méfie des benchmarks comme de la peste — surtout ceux que publient les vendeurs eux-mêmes —, mais il en existe un qui mérite le détour : AA-Briefcase, de la firme indépendante Artificial Analysis. Le protocole simule un vrai projet qui s’étire sur des semaines : des milliers de fichiers contradictoires, des livrables qui s’enchaînent. Décrivez-moi une ATR au mois de mars et je vous décris ce protocole.
Résultat, en date de juillet 2026 : Claude (dans sa version Fable 5) domine le classement, avec un score de qualité analytique de 1 764 points Elo contre 1 592 pour son plus proche rival, le GPT-5.6 Sol d’OpenAI. Le rival remporte pour sa part le prix de la présentation — ses PowerPoint et ses fichiers Excel sont jugés les plus beaux de l’industrie. Je vous laisse méditer la répartition des talents et ceux qui sont les plus importants pour vous! Détail délicieux : Claude inspecte visuellement son propre travail en moyenne 21 fois par tâche avant de le remettre, quand certains concurrents livrent des fichiers qu’ils n’ont jamais regardés. Vérifier son travail avant de le remettre, voilà une compétence que bien des organisations cherchent encore à recruter, n’est-ce pas!?
« L’algorithme est-il plus puissant? »
En relisant ce billet, Pierre m’a posé la vraie question : y a-t-il des statistiques qui le démontrent? L’algorithme est-il plus puissant? Réponse honnête : ce n’est pas l’algorithme — les architectures des grands modèles sont cousines. C’est l’entraînement. Anthropic a entraîné ses modèles à terminer de longues tâches de travail réelles plutôt qu’à briller dans la conversation : planifier, vérifier, se relire, admettre l’incertitude. Cette orientation se mesure.
La statistique la plus savoureuse : GDPval, un banc d’essai conçu par OpenAI elle-même — 220 tâches professionnelles réelles couvrant 44 métiers dans 9 industries, jugées à l’aveugle. Dans l’évaluation indépendante qu’en fait Artificial Analysis, c’est Claude qui domine : 1 890 points Elo contre 1 769 pour le meilleur GPT-5.5. Quand le banc d’essai du rival vous couronne, l’argument change de poids. Mais je vous dois la nuance : sur le banc financier de Vals AI (juillet 2026), Claude est troisième, à un point et demi du premier — et aucun modèle ne franchit les 58 %. Personne ne domine partout, et personne ne remplace encore vos analystes.
Visuel 2 — Deux protocoles indépendants, même verdict sur le travail de fond. GDPval a été conçu par OpenAI; c’est Claude qui y domine.
Et vos organisations touristiques dans tout ça?
Vous me voyez venir. Le tourisme québécois est structurellement identique à l’institution que j’accompagne — en plus petit et avec moins de moyens. Des équipes de cinq, dix, vingt personnes ; des généralistes qui portent chacun trois chapeaux et un cadre normatif taillé pour des organisations dix fois plus grosses. Le tourisme québécois, c’est une industrie de PME administrée avec une paperasse de multinationale.
Faites l’exercice de transposition. Une ATR : les règles d’attribution de l’EPRTNT, les ententes avec le ministère, les redditions de comptes, le continuum mandat, le plan de développement de la destination, les mémoires au CA, la conciliation de données d’achalandage contradictoires. Une ATS : les mêmes dossiers, avec une équipe plus réduite encore. L’Alliance : des mémoires prébudgétaires, des consultations gouvernementales, la synthèse des positions de dizaines d’associations qui ne disent pas toutes la même chose. Et le MTO lui-même : il écrit les règles des programmes, analyse des centaines de demandes, négocie les ententes — et devrait vérifier la cohérence interne de ses propres cadres normatifs. Chacune de ces organisations vit très exactement le protocole d’AA-Briefcase — sans le savoir et, surtout, sans outil à la hauteur.
La démarche, elle, est transférable en trois temps. Un : la prise de besoins d’abord — pas de licences avant de savoir ce qu’on en fera. Deux : un pilote balisé et réversible — une poignée de licences, une politique d’usage écrite, la « méthode sans données » (jamais de renseignements personnels — la Loi 25 n’est pas une suggestion), une porte de sortie. Trois : un bilan sur données empiriques, pas sur impressions. Coût : moins de 750 $ par gestionnaire par année. Une fraction de votre prochaine campagne printanière — pour un outil qui, lui, travaille aussi en novembre.
Les angles morts (parce qu’il y en a)
Je serais un bien mauvais sceptique si je m’arrêtais là. D’abord, le coût et la lenteur : le modèle endurant pense avant de parler et facture sa pensée. Pour du travail de dossier, c’est un investissement ; pour répondre à des courriels, c’est du gaspillage. Ensuite, la confidentialité : rétention obligatoire des données pendant 30 jours ; la méthode sans données s’impose — et il faut la poser avant, pas après. Enfin, il n’existe à ce jour aucune évaluation indépendante rigoureuse de ces modèles sur le raisonnement long en français. Aucune. Faites donc votre propre pilote, sur vos propres dossiers, dans votre propre langue. Est-ce que tout ceci sera encore vrai à Noël? Je n’en sais rien. Et je me méfie systématiquement de ceux qui croient savoir.
La seule fidélité qui vaille
Alors, pourquoi Claude? Parce que sur le terrain qui compte — le dossier long, complexe, contradictoire, où la rigueur analytique et l’honnêteté valent plus que la vitesse et le vernis —, c’est l’outil qui, à ce jour, tient la distance. Mes ateliers le montrent ; les évaluations indépendantes le confirment, avec toutes leurs limites méthodologiques.
Mais retenez surtout ceci : le jour où les données diront autre chose, je changerai d’outil. Sans nostalgie, sans état d’âme. C’est peut-être ça, au fond, la seule posture défendable devant l’IA en 2026 : l’infidélité méthodique.
À méditer avant votre prochaine planification stratégique!
p.s. : est-il besoin de préciser que ce billet a été rédigé avec l’aide de l’outil dont il fait l’analyse? Circularité pleinement assumée — j’ai toutefois refait la vérification des données moi-même. Déformation professionnelle oblige!
Paul Arseneault, Directeur
Observatoire de l’IA, des données et du tourisme – UQAM
