Dr Sidney Shapiro
La plupart des organisations ont déjà mené des projets pilotes d’IA. La question la plus épineuse est de savoir ce qui se passe une fois la phase de validation du concept terminée. Les normes d’achat restent floues, la responsabilité des décisions prises avec l’aide de l’IA n’est pas clairement attribuée, et les cadres de gouvernance que l’on cite dans les présentations ne résistent pas à la réalité des flux de travail. Les équipes de direction ne peuvent pas affirmer avec certitude à quelles décisions on peut confier l’IA et à quelles autres on ne le peut pas.
Sidney Shapiro aide les équipes de direction à dépasser le battage médiatique autour de l’IA pour passer à un déploiement encadré et responsable, en s’appuyant sur une décennie d’expérience en science des données et sur ses recherches actuelles à l’université de Lethbridge.
Full Profile
Pourquoi les entreprises font appel à Sidney Shapiro
- Il s'oppose ouvertement au battage médiatique autour de l'IA. Son discours phare intitulé « Stop Believing the AI Hype » (Cessez de croire au battage médiatique autour de l'IA) aborde les promesses des fournisseurs comme un problème d'évaluation du leadership, ce qui correspond exactement au débat dont les acheteurs et les équipes d'approvisionnement avisés ont réellement besoin.
- Il a publié des travaux sur la gouvernance dans des revues à comité de lecture. Un chapitre d’un ouvrage publié chez Routledge sur la gouvernance de l’IA dans les établissements d’enseignement supérieur, ainsi qu’un chapitre à paraître chez IGI Global sur la gouvernance de l’IA générative, lui confèrent une position étayée sur ce à quoi ressemble, dans la pratique, un déploiement responsable.
- Il apporte une décennie d’expérience en science des données opérationnelle, en complément de ses travaux universitaires. Ancien responsable de la science des données chez Sofvie, où il développait des logiciels de santé et de sécurité au travail, il aborde les problèmes d’intégration et de responsabilité qui découlent d’une validation de principe.
- Il participe activement aux échanges entre professionnels de terrain. Il anime le podcast « AI in Action » et organise la Southern Alberta AI Conference, ce qui lui permet de garder les pieds sur terre et de rester en phase avec ce que les organisations des secteurs de la santé, de l’agriculture, de l’industrie et de l’administration publique tentent réellement de mettre en œuvre.
Points forts de sa biographie
- Professeur adjoint en analyse de données d’entreprise, Dhillon School of Business, Université de Lethbridge
- Professeur adjoint associé en informatique, Université de Lethbridge
- Chapitre d’ouvrage sur les cadres de gouvernance de l’IA dans l’enseignement supérieur publié chez Routledge (2025) ; chapitre à paraître sur la gouvernance de l’IA générative chez IGI Global
- Animateur du podcast « AI in Action » et organisateur de la Southern Alberta AI Conference
- Ancien responsable de la science des données chez Sofvie Inc., où il a mis en place des systèmes de données pour la santé et la sécurité au travail dans le secteur minier
- Cité ou mis en avant dans The Globe and Mail, CBC News, le Lethbridge Herald et le Canadian Family Offices Magazine
Biographie
La plupart des organisations ont déjà mené des projets pilotes d’IA. La question la plus épineuse est de savoir ce qui se passe une fois la phase de validation du concept terminée. Les normes d’achat restent floues, et les cadres de gouvernance que l’on cite dans les présentations ne résistent pas à la réalité des flux de travail.
C’est dans cette lacune qu’intervient Sidney Shapiro. Il est maître de conférences en analyse de données d’entreprise à la Dhillon School of Business de l’université de Lethbridge, et maître de conférences associé en informatique. Parmi ses publications, on compte un chapitre d’ouvrage chez Routledge consacré aux cadres de gouvernance de l’IA dans l’enseignement supérieur, ainsi qu’un chapitre à paraître chez IGI Global sur la gouvernance de l’IA générative. Ces deux contributions exposent ce qu’un déploiement responsable exige réellement des organisations.
Son expertise opérationnelle repose sur une décennie passée à occuper des postes axés sur les données avant de rejoindre le monde universitaire. Il a travaillé comme responsable de la science des données chez Sofvie, une entreprise de logiciels de santé et de sécurité au travail dans le secteur minier, et a auparavant coordonné le programme de master en analyse de données au Cambrian College. Ce parcours détermine la manière dont il aborde les problèmes d’approvisionnement et d’intégration qui suivent la phase de validation de principe, étape à laquelle la plupart des initiatives en IA ralentissent ou s’enlisent.
Son engagement auprès du grand public permet à son travail de rester en phase avec l’actualité. M. Shapiro anime le podcast « AI in Action », dans lequel il interviewe des professionnels et des chercheurs issus des secteurs de la santé, de l’éducation, de la finance et du développement logiciel sur la manière dont le déploiement de l’IA se concrétise réellement au sein de leurs organisations. Il organise également la Southern Alberta AI Conference. Parmi ses récents publics, on compte Services aux Autochtones Canada, McCain Foods, EY Calgary, CMC Alberta et la Digital Research Alliance of Canada. Il s’agit d’acheteurs peu enclins à se laisser impressionner par le jargon des fournisseurs et très ouverts aux questions difficiles.
Principaux thèmes d’intervention
- Gouvernance de l’IA et déploiement responsable
- L’IA générative dans les entreprises et la société
- Confidentialité des données et confiance dans les systèmes d’IA
- Culture de l’IA pour les dirigeants non techniciens
- Leadership en matière d'analyse de données et transformation numérique
- L'IA dans la politique de l'enseignement supérieur
Idéal pour
- les équipes de direction et les conseils d’administration confrontés à des décisions en matière de gouvernance et de responsabilité liées à l’IA
- Les DSI, directeurs techniques et responsables des données qui font passer l’IA de la phase pilote au déploiement opérationnel
- Les dirigeants du secteur public, notamment au sein des administrations municipales et fédérales, qui doivent composer avec des contraintes en matière de confidentialité et d’équité lors de l’adoption de l’IA
- Les responsables de l’enseignement supérieur chargés d’élaborer la politique institutionnelle relative à l’IA générative dans l’enseignement et la recherche
Résultats attendus pour le public cible
- Un cadre opérationnel permettant d’évaluer les promesses des fournisseurs en matière d’IA par rapport à la réalité opérationnelle, à temps pour orienter les décisions d’achat
- Des questions plus précises à poser concernant toute initiative d’IA sur la gouvernance des données et la responsabilité en cas d’erreur de l’IA
- Une vision réaliste des points forts actuels de l’IA générative et de ses limites, avec leurs implications pour son adoption au sein des organisations
- Des repères pour concevoir une gouvernance opérationnelle de l’IA : normes d’achat, politiques d’utilisation acceptable et mécanismes de responsabilité
Conférences
Un cadre permettant de distinguer les promesses des fournisseurs de la réalité opérationnelle, afin que les dirigeants puissent évaluer les initiatives en matière d’IA sur la base de critères plus concrets que le simple enthousiasme.
Points clés à retenir :
- Comment vérifier les affirmations spécifiques des fournisseurs en matière d’IA par rapport à ce que la technologie est réellement capable de faire aujourd’hui
- Une méthode pour définir des indicateurs de réussite concrets pour les initiatives d’IA avant leur mise en œuvre
- Une distinction plus claire entre les capacités actuelles de l’IA et ce qui est présenté de manière exagérée pour l’avenir
Un aperçu de la manière dont les principes de gouvernance énoncés dans les documents stratégiques sur l’IA se traduisent en décisions opérationnelles concrètes : supervision, politique d’utilisation acceptable, achats et responsabilité.
Points clés à retenir :
- Comment traduire les principes généraux de l’IA en décisions opérationnelles concrètes
- Les structures de supervision qui garantissent réellement la responsabilité des initiatives en matière d’IA
- Une approche concrète des normes d’approvisionnement en matière d’IA que les équipes juridiques et de gestion des risques peuvent soutenir
Un aperçu concret des points forts et des limites actuelles de l’IA générative, ainsi que des mesures de sécurité que les organisations devraient mettre en place avant d’étendre son utilisation.
Points clés à retenir :
- Un état des lieux des capacités actuelles de l’IA générative, illustré par des exemples de résultats réussis et de résultats moins convaincants
- Les considérations éthiques et environnementales que les équipes de direction doivent prendre en compte
- Des mesures de protection concrètes pour étendre l’utilisation de l’IA générative au sein d’une organisation
Une approche pratique pour concevoir des systèmes d’IA et d’analyse qui suscitent la confiance des employés, des clients et des autorités de régulation, plutôt que de la compromettre.
Points clés à retenir :
- Pourquoi les problèmes de confiance constituent désormais un obstacle plus important à l’adoption de l’IA que les limites techniques
- Des choix de conception respectueux de la vie privée qui protègent les individus sans freiner l’innovation
- Comment la transparence et l’explicabilité influencent le comportement réel des utilisateurs face aux systèmes d’IA