IA et gaz naturel : quelles compétences recherchent les employeurs albertais et comment s'en inspirer au Québec

Sommaire

• Un contexte canadien où l'IA redessine les métiers
• Pourquoi l'industrie gazière albertaine est devenue un banc d'essai IA
• Les compétences IA recherchées dans l'énergie
• Ce que le Québec peut en tirer pour sa propre trajectoire
• Reconversion : par où commencer quand on est cadre au Québec
• Conclusion

Un contexte canadien où l'IA redessine les métiers

L'irruption de l'intelligence artificielle générative dans les organisations n'est plus un signal faible : c'est désormais une variable structurante du marché du travail. Au Québec, l'ampleur du phénomène est particulièrement frappante. En 2024, environ 59 % de la main-d'œuvre québécoise occupait un emploi présentant une haute exposition à l'intelligence artificielle, soit près de 2,7 millions de personnes.^[1]

Ce chiffre ne signifie pas que six emplois sur dix vont disparaître. Il signifie qu'ils vont changer, et souvent en profondeur. La bonne question n'est donc plus « mon métier est-il menacé ? », mais « quelles compétences vais-je devoir cultiver pour rester pertinent dans un environnement où l'IA fait partie de la chaîne de valeur ? ». Cette question, l'ensemble du pays se la pose : le Québec affiche un taux d'exposition à l'IA semblable à celui de l'ensemble du Canada.^[2]

Autrement dit, ce qui se passe ailleurs au Canada, notamment dans les provinces qui misent fortement sur l'IA appliquée à l'industrie, constitue un signal avancé pour le marché québécois. L'Alberta, et son secteur gazier en particulier, en est l'exemple le plus révélateur.

Pourquoi l'industrie gazière albertaine est devenue un banc d'essai IA

L'Alberta a un profil économique singulier : forte densité industrielle, intensité capitalistique élevée, actifs physiques distribués sur de vastes territoires, données opérationnelles produites en continu par des capteurs, des pipelines, des puits, des unités de traitement. Cette combinaison est précisément le terreau idéal pour l'intelligence artificielle appliquée : là où il y a beaucoup de données, beaucoup de risques opérationnels et beaucoup d'argent en jeu, l'IA trouve rapidement sa valeur d'usage.

Le mouvement dépasse d'ailleurs la seule sphère industrielle. Les gouvernements du Québec et de l'Alberta prévoient de collaborer pour mettre en œuvre l'intelligence artificielle dans l'administration.^[3] Ce rapprochement institutionnel n'est pas anodin : il signale que les deux provinces reconnaissent mutuellement leurs expertises complémentaires, l'Alberta apportant une profondeur d'application industrielle, le Québec sa densité en recherche fondamentale et son écosystème IA établi.

Le gaz naturel, un cas d'école

Dans l'industrie gazière, l'IA se déploie principalement sur trois axes : la maintenance prédictive des équipements, l'optimisation des opérations (production, transport, distribution) et la gestion des risques environnementaux et de sécurité. Chacun de ces axes crée une demande spécifique en compétences humaines, non pas pour remplacer les experts métiers, mais pour les augmenter.

Les compétences IA recherchées dans l'énergie

Les postes qui émergent dans l'industrie gazière albertaine sous l'effet de l'IA ne sont pas uniquement des postes de data scientists. Ils dessinent plutôt une nouvelle cartographie de rôles hybrides.

Les profils métiers augmentés

Le premier bloc concerne les ingénieurs, techniciens, opérateurs et gestionnaires de terrain qui apprennent à travailler avec des outils IA sans en devenir les développeurs. On leur demande de comprendre ce qu'un modèle prédictif peut, et surtout ne peut pas, faire, d'interpréter ses sorties, de challenger ses recommandations, et d'intégrer ses résultats dans des décisions opérationnelles. C'est de la littératie IA appliquée, pas de la programmation.

Les profils traduction et gouvernance

Le deuxième bloc regroupe des rôles souvent moins visibles mais tout aussi critiques : chefs de projet IA, product owners, responsables conformité, spécialistes en gouvernance des données. Leur mission consiste à faire dialoguer les experts techniques (data engineers, ML engineers) avec les experts métiers, à cadrer les cas d'usage, à sécuriser les données et à s'assurer que les modèles déployés respectent les exigences réglementaires et éthiques.

Les profils techniques spécialisés

Enfin, un troisième bloc, plus étroit numériquement mais très demandé, rassemble les compétences purement techniques : ingénierie de données industrielles, MLOps, modélisation en environnement contraint (edge computing, cybersécurité industrielle). Ce sont ces profils qui font le lien entre l'infrastructure physique et les modèles.

Ce que le Québec peut en tirer pour sa propre trajectoire

Le Québec n'a pas la même structure économique que l'Alberta, mais plusieurs de ses secteurs partagent des caractéristiques similaires : industrie manufacturière, hydroélectricité, mines, aluminium, aérospatiale, transport, chaînes logistiques complexes. Autant de terrains où les cas d'usage IA développés en Alberta peuvent être transposés, adaptés et enrichis.

Avec près de 2,7 millions d'emplois hautement exposés à l'IA au Québec,^[1] la demande en profils hybrides « métier plus IA » va mécaniquement croître dans les prochaines années. La collaboration annoncée entre les deux provinces sur l'IA dans l'administration^[3] va accélérer cette diffusion, en normalisant l'usage de l'IA dans les services publics et en irriguant tout un écosystème de fournisseurs.

Trois transpositions concrètes

Premièrement, la maintenance prédictive : ce qui fonctionne sur des pipelines de gaz naturel fonctionne aussi sur des turbines hydroélectriques, des lignes de production automobile ou des équipements miniers. Deuxièmement, l'optimisation des flux : les modèles de prévision de la demande énergétique peuvent inspirer la gestion des chaînes logistiques québécoises. Troisièmement, la gouvernance des données industrielles : les cadres méthodologiques développés dans le pétrole et le gaz sont directement réutilisables dans d'autres industries lourdes.

Reconversion : par où commencer quand on est cadre au Québec

Pour un cadre québécois qui veut se positionner sur cette vague, la question n'est pas de devenir ingénieur en apprentissage automatique en six mois. C'est irréaliste et, surtout, ce n'est pas là que se trouve la principale demande.

Cartographier son exposition

La première étape consiste à évaluer honnêtement où son propre poste se situe sur le spectre de l'exposition à l'IA. Quelles tâches sont automatisables ? Lesquelles gagnent à être augmentées par un copilote ? Lesquelles reposent sur des compétences difficilement automatisables (jugement, relation client complexe, arbitrage stratégique) ?

Investir dans la littératie IA

La deuxième étape est de bâtir une littératie IA solide : comprendre les grandes familles de modèles, savoir ce qu'ils produisent, identifier leurs limites, connaître les enjeux éthiques et réglementaires. Cette compétence transversale est aujourd'hui le socle minimal attendu d'un cadre dans un environnement transformé par l'IA.

Choisir un angle d'hybridation

La troisième étape est stratégique : choisir un angle d'hybridation entre son expertise métier et l'IA. Chef de projet IA appliqué à son secteur ? Responsable de la gouvernance des données ? Spécialiste des cas d'usage IA dans son domaine fonctionnel (RH, finance, opérations, marketing) ? C'est cet angle qui rendra un profil