La place du consultant scientifique à l'ère de l'IA

Quand le savoir devient accessible à tous

Le modèle classique du consultant en chimie est simple. Un scientifique consacre des années à approfondir quelques domaines pointus, souvent au sein de la même industrie. Il y accumule des connaissances théoriques et un savoir-faire pratique. En fin de carrière, il met ce bagage au service d'entreprises qui n'ont pas cette expertise dans leurs propres rangs.

Ce modèle repose sur une rareté : l'accès au savoir spécialisé. Or, l'intelligence artificielle est en train de faire disparaître cette rareté. Une question qui demandait autrefois un appel à un expert, ou des heures de recherche dans la littérature, obtient maintenant une réponse structurée en quelques secondes.

Alors, quelle place reste-t-il au consultant scientifique? Ma conviction est la suivante : la valeur du consultant se déplace. Elle passe de ce qu'il sait vers ce qu'il est prêt à assumer.

Ce que disent les données sur les métiers du savoir

Les métiers du savoir sont parmi les plus exposés à l'IA, et la chimie n'y échappe pas. Cinq études permettent de mesurer l'ampleur du changement.

Mises ensemble, ces études dessinent un portrait cohérent. L'IA touche d'abord les métiers du savoir : l'étude d'Eloundou et de ses collègues montre que les emplois les mieux rémunérés sont les plus exposés. Elle maîtrise déjà les connaissances théoriques : dans ChemBench, publiée dans Nature Chemistry, les meilleurs modèles ont fait en moyenne mieux que les meilleurs chimistes testés.

Nonobstant, ces mêmes modèles échouent à certaines tâches de base et répondent avec trop d'assurance. L'étude Harvard-BCG montre ce que ça coûte : sur une tâche hors de portée de l'IA, les consultants qui l'utilisaient ont obtenu 19 points de pourcentage de moins de bonnes réponses que ceux qui travaillaient sans elle.

Le marché du travail commence à en tenir compte. Selon la Réserve fédérale de Dallas, l'IA tend à remplacer les postes d'entrée, fondés sur des notions théoriques, tout en complétant les travailleurs expérimentés : dans les métiers exposés où l'expérience terrain vaut cher, les salaires montent. Le baromètre 2026 de PwC, tiré de plus d'un milliard d'offres d'emploi, va dans le même sens : les postes où l'IA absorbe la routine et laisse plus de place au jugement humain croissent deux fois plus vite que ceux qu'elle rend accessibles aux non-experts.

Autrement dit, l'information n'est plus le goulot d'étranglement. Ce qui devient rare, c'est le jugement : savoir quand se fier à l'IA, et accepter de répondre de la décision qui en découle.

Ce que l'IA ne remplacera pas : trancher et en répondre

Même avec toute l'information disponible, un projet a besoin de quelqu'un qui dit : « On y va avec cet angle, avec ce plan de match. » Une IA peut dresser la liste des options et bien les argumenter. Mais demandez-lui laquelle choisir, et sa réponse devient beaucoup moins fiable.

Sur une question factuelle bien établie, plusieurs IA donneront à peu près la même réponse. Quand il n'existe pas de réponse unique, le portrait change. Des chercheurs de l'Université de Pennsylvanie ont soumis quatre décisions cliniques nuancées à six modèles d'IA, cinq fois chaque. Les modèles se contredisaient entre eux et changeaient même d'avis d'une fois à l'autre devant la même question (Penn LDI). Une IA ne choisit donc pas vraiment : elle produit une réponse plausible. Celle-ci peut changer à la prochaine requête, et ce, sans que l'IA en assume la moindre conséquence.

C'est là que se trouve la valeur du consultant. Lui ne change pas de recommandation d'une question à l'autre : quand il tranche, il s'engage et met en jeu sa réputation d'expert. Si la méthode recommandée ne tient pas la route, c'est son nom ou celui de sa compagnie qui est associé au résultat, pas celui d'un logiciel.

Cette responsabilité n'est pas qu'une question d'image. Au Québec, les membres de l'Ordre des chimistes doivent détenir une assurance de la responsabilité professionnelle, en vertu d'un règlement de l'Ordre. Le Barreau du Québec fait le même raisonnement pour le droit : quand un avocat se trompe, le client peut être indemnisé, ce qui n'est pas le cas quand l'erreur vient d'une machine (Noovo Info).

Cet engagement se traduit aussi en protections concrètes. Un consultant bien assuré en offre trois qu'aucune IA n'offre :

Sources : Zurich, McCarthy Tétrault.

Du côté de l'IA, c'est l'inverse. Les conditions d'utilisation d'OpenAI, par exemple, plafonnent sa responsabilité au montant payé au cours des 12 derniers mois, ou à 100 $ US, et excluent les dommages indirects (ConductAtlas). Autrement dit, si un conseil généré par l'IA vous coûte un lot de production, c'est vous qui absorbez la perte.

Une décision tranchée comporte toujours une part de risque. Le client n'achète pas seulement une réponse : il achète quelqu'un qui accepte de partager ce risque avec lui.

Prendre le projet en main, sur le terrain

Trancher ne suffit pas : il faut ensuite porter la décision jusqu'au bout. Le consultant prend le projet en main, assume les répercussions et coordonne le rôle de chacun. Il s'assure que le technicien, le fournisseur d'instrument et le gestionnaire avancent dans la même direction. Pour un exemple concret, voyez notre article Vous venez d'acquérir un instrument analytique : comment vous assurer qu'il livre les résultats attendus.

Il observe aussi les faits dans leur contexte réel, pas seulement in silico. Une IA analyse ce qu'on lui décrit. Elle ne voit pas l'échantillon mal conservé, la verrerie mal rincée ou la calibration faite à la course un vendredi après-midi.

La littérature récente en chimie va dans le même sens. Une revue publiée en 2026 dans JACS Au sur les laboratoires autonomes souligne que les modèles de langage n'ont aucune expérience du monde physique : ils apprennent uniquement à partir de textes. Ils ne voient donc pas l'échantillon trouble ou l'étape sautée, ce qui les expose à des erreurs inacceptables en laboratoire. Les auteurs proposent un modèle où les scientifiques restent responsables du cadrage, de l'interprétation et de la supervision.

J'en ai fait l'expérience comme directeur d'un laboratoire d'analyse d'huiles industrielles traitant plus de 10 000 échantillons par année. Les problèmes les plus coûteux ne venaient presque jamais d'un manque de connaissances théoriques. Ils venaient d'un détail du terrain que personne n'avait remarqué, ou d'une décision que personne n'osait prendre.

C'est exactement le type de travail qui se situe hors de la « frontière » de l'IA décrite par l'étude Harvard-BCG : contextuel, physique et ambigu. Sur ce terrain, l'IA devient un excellent outil entre les mains du consultant, et non son remplaçant.

Et si l'IA finissait par coordonner, elle aussi?

L'objection est légitime. Les agents IA planifient déjà des tâches, relancent des fournisseurs et produisent des rapports. Rien n'empêche de penser qu'ils géreront un jour des projets entiers.

C'est possible, et je ne doute pas des progrès de l'IA. Je mise sur ce qui reste quand tout le reste est automatisé. Plus l'IA prend en charge l'exécution, plus la question devient pressante : qui a validé le choix, et qui en répond si ça tourne mal? Un fournisseur de logiciel ne viendra pas sur votre plancher expliquer à votre client pourquoi un lot a été déclaré conforme à tort.

L'IA réduit donc le temps passé à exécuter, mais elle concentre la valeur sur l'humain qui prend position. Le consultant de demain coordonnera peut-être des agents IA plutôt que des personnes. Il restera celui qui signe.

Ce que ça change, pour les entreprises et pour les chimistes

Pour les gestionnaires de laboratoire et d'usine, la question n'est plus « Qui connaît la réponse? ». Votre équipe peut déjà obtenir une bonne réponse théorique en quelques secondes. La vraie question devient : « Qui va choisir l'option, la mettre en œuvre et répondre du résultat? » C'est ce rôle qu'un consultant doit remplir aujourd'hui.

Pour les chimistes et les scientifiques, le plan de carrière change aussi. Se spécialiser pendant vingt ans pour revendre son savoir en fin de carrière devient une stratégie risquée, puisque ce savoir sera de plus en plus accessible gratuitement. Il me semble plus judicieux de développer dès maintenant les compétences que l'IA ne remplace pas :

• prendre position et défendre une recommandation;
• gérer un projet et coordonner des personnes;
• lire une situation réelle, sur le plancher, et pas seulement dans un rapport;
• se servir de l'IA comme d'un outil, tout en reconnaissant ses angles morts.

Ce n'est pas une fin pour la profession. C'est un déplacement : moins de récitation du savoir, plus de jugement et d'engagement.

Les solutions sont à portée de main; il faut encore quelqu'un pour trancher

L'IA a rendu les réponses abondantes. Ce qui reste rare, c'est quelqu'un qui accepte d'en choisir une, de la mettre en œuvre sur le terrain et d'en répondre.

C'est dans cet esprit que j'ai fondé Labo-Secours. Pour un chimiste ou un scientifique qui veut continuer à régler de vrais problèmes, c'est la voie qui me semble la plus prometteuse, maintenant que les solutions théoriques sont à portée de main. Labo-Secours accompagne des laboratoires québécois en dépannage d'instruments, en développement et validation de méthodes, en gestion de projets et en continuité scientifique, en combinant l'IA à un jugement humain qui s'engage.

Sources

• Eloundou, T., Manning, S., Mishkin, P. et Rock, D. (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. arXiv; version révisée publiée dans Science (2024).
• Mirza, A. et al. (2025). A framework for evaluating the chemical knowledge and reasoning abilities of large language models against the expertise of chemists. Nature Chemistry, 17, 1027-1034.
• Dell'Acqua, F. et al. (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School, document de travail.
• Ordre des chimistes du Québec (2001). Règlement sur l'assurance de la responsabilité professionnelle des membres de l'Ordre des chimistes du Québec. Gazette officielle du Québec.
• Noovo Info. Le Barreau du Québec plaide la prudence face à l'intelligence artificielle.
• Davis, S. (24 février 2026). AI is simultaneously aiding and replacing workers, wage data suggest. Dallas Fed Economics, Réserve fédérale de Dallas.
• PwC (15 juin 2026). 2026 Global AI Jobs Barometer.
• JACS Au (2026). Autonomous Chemistry and Materials Innovation Driven by Scientific Agents, vol. 6, no 5.
• Penn LDI (2025). Get a Second Opinion: Generative AI Produces Inconsistent Medical Recommendations, résumé de Landon, Savage et al., Journal of General Internal Medicine.
• Zurich. Différences entre l'assurance responsabilité civile entreprise et l'assurance responsabilité civile professionnelle.
• McCarthy Tétrault (2026). Tendances en matière de cyberassurance : perspectives 2026 sur les incidents de confidentialité, partie 5.
• ConductAtlas. OpenAI Terms of Use: Limitation of Liability.

Étienne Blais, M. Sc.
est fondateur et consultant principal de Labo-Secours, à Sherbrooke. Il a dirigé le laboratoire d'analyse d'huiles industrielles d'Oleum Technologies (plus de 10 000 échantillons par année) avant de fonder Labo-Secours, où il offre des services-conseil en développement et validation de méthodes analytiques, en instrumentation et en gestion de laboratoire aux entreprises industrielles québécoises.