Le récent dénouement du vote sur la convention collective chez Postes Canada, largement relayé par les médias nationaux comme le quotidien Le Droit, met en lumière la complexité inhérente aux négociations de travail d'envergure. Avec des dizaines de milliers de membres syndiqués appelés à se prononcer sur des accords s'étendant sur plusieurs années, chaque clause, chaque formulation et chaque précédent historique pèsent lourd dans la balance. Dans ce type de démarche, la marge d'erreur est inexistante : une mauvaise interprétation d'un texte historique ou l'omission d'un accord antérieur peut rompre un équilibre fragile et mener à des conflits de travail majeurs.
Derrière les gros titres se cache un défi de gestion de l'information colossal. Une convention collective moderne n'est pas un simple document linéaire ; elle constitue un écosystème juridique complexe composé de lettres d'entente, de décisions arbitrales, de règlements administratifs et de régimes de retraite accumulés sur des décennies. Pour les équipes de relations de travail et les représentants syndicaux, analyser cette masse d'informations sous pression temporelle relève souvent du défi herculéen.
Le défi de la surcharge documentaire en relations de travail
Traditionnellement, la recherche de précédents au sein des archives d'une organisation repose sur des moteurs de recherche par mots-clés. Cette méthode montre rapidement ses limites lorsqu'il s'agit de concepts juridiques ou de relations humaines. Si un négociateur recherche des clauses relatives à la flexibilité des horaires, une recherche par mot-clé classique pourrait ignorer des paragraphes cruciaux traitant d'aménagement du temps de travail ou de conciliation travail-famille simplement parce que les termes exacts diffèrent.
C'est ici que les technologies d'intelligence artificielle s'avèrent utiles, en particulier la génération augmentée par récupération (RAG, pour Retrieval-Augmented Generation) et les plongements lexicaux (embeddings). Ces concepts scientifiques permettent de transformer des textes bruts en représentations vectorielles mathématiques. En calculant la proximité sémantique entre les phrases, le système comprend l'intention et le contexte derrière une requête, plutôt que de se limiter à une simple comparaison de caractères. Ainsi, poser une question complexe sur les modalités de rétroactivité salariale permet d'extraire instantanément les sections pertinentes à travers des dizaines de documents historiques, même si la formulation varie d'une époque à l'autre.
La souveraineté des données au cœur des négociations sensibles
Dans le cadre de négociations de conventions collectives, la confidentialité des documents de travail est absolue. Les projets d'accords, les analyses d'impact financier et les stratégies de négociation constituent des données hautement stratégiques. Selon les exigences de la Loi 25 au Québec sur la protection des renseignements personnels, les organisations publiques et privées doivent s'assurer que les données sensibles ne sont pas exposées à des tiers ou transférées hors de la province sans une évaluation rigoureuse des facteurs de vie privée.
L'utilisation de services d'intelligence artificielle grand public pose un risque majeur de fuite d'informations, car les requêtes envoyées peuvent servir à l'entraînement de modèles tiers ou être stockées sur des serveurs étrangers. Pour garantir la sécurité de ces processus critiques, les organisations doivent se tourner vers des architectures cloisonnées où le traitement de l'information s'effectue localement ou sur des infrastructures souveraines éprouvées.
La mise en perspective au sein de ProductivIA
La plateforme ProductivIA répond précisément à ce besoin de sécurité et d'efficacité grâce à son application Base documentaire. Conçue pour fonctionner comme une mémoire organisationnelle étanche, cette application permet d'ingérer, de vectoriser et de structurer l'ensemble des conventions collectives, des procès-verbaux et de la jurisprudence interne d'une organisation.
En associant la Base documentaire à l'Assistant central de ProductivIA, les professionnels des ressources humaines et les conseillers juridiques peuvent interroger leur corpus documentaire en langage naturel. Par exemple, il devient possible de demander à l'Assistant de comparer la structure des augmentations salariales proposées avec les accords conclus lors des trois cycles de négociation précédents. L'Assistant s'appuie alors sur les services de la Base documentaire pour extraire les données exactes, réduisant ainsi le risque d'hallucination en ancrant ses réponses uniquement dans les documents officiels fournis par l'organisation.
Pour respecter les exigences de conformité de la Loi 25, l'administrateur du silo de l'organisation peut configurer l'Assistant pour qu'il utilise exclusivement le modèle souverain québécois Matania. Ce choix garantit que l'ensemble du traitement linguistique s'effectue sur le territoire québécois, sans qu'aucune donnée stratégique ou renseignement personnel ne transite vers des serveurs étrangers. L'orchestration agnostique de ProductivIA permet cette transition de modèle de manière transparente, sans nécessiter de modification logicielle ou de compétences en programmation.
Pour aller plus loin
L'intégration de la recherche sémantique et du RAG dans le domaine des relations de travail ne vise pas à remplacer le dialogue humain, qui demeure le fondement de toute négociation réussie. Elle vise plutôt à éliminer la friction administrative et à fournir aux parties prenantes des données fiables, vérifiables et sécurisées. En réduisant le temps consacré à la recherche documentaire, les négociateurs peuvent se concentrer sur l'essentiel : la recherche de compromis équitables et la construction de relations de travail harmonieuses.