Réussir l’adoption de l’IA Générative : 4 piliers clés pour les administrations

L’intelligence artificielle générative commence à entrer dans les administrations publiques. Elle est utilisée de façon prudente et encadrée, car si le secteur public se doit d’être exemplaire, les règles juridiques et les contraintes techniques ne sont pas encore parfaitement fixées.

Selon une étude Oxford Insights, la France se classe 6e dans le monde pour son adoption pro-active de l’IA. Déjà en 2022, le Conseil d’Etat a répertorié des centaines de cas d’usage pour améliorer les services aux citoyens. Depuis, les applications d’IA se sont multipliées et s’intègrent de plus en plus dans les usages. Nous constatons que les projets d’IAG améliorent par ailleurs de nombreux autres aspects du fonctionnement des administrations : adoption d’approches plus agiles, itératives et collaboratives, harmonisation des pratiques ou encore digitalisation de fonctions traditionnellement moins digitales.

Pour mettre en musique les projets de l’IA générative, quatre piliers nous apparaissent comme des clefs de succès pour assurer le bon déroulement des projets et créer une confiance entre toutes les parties prenantes :

1 : l’acculturation pour réduire la défiance envers la technologie

Avant tout déploiement technique, il y a l’humain. Démystifier l’IA demande de travailler sur des cas d’usage concrets pour montrer l’utilité de la technologie. Qu’il s’agisse d’alléger des tâches répétitives ou d’automatiser des processus, il faut aussi montrer que l’IA ne peut se passer de l’intervention ni de l’intelligence humaine.

Acculturer et former dirigeants et agents permet aussi d’aborder des questions éthiques, les risques et responsabilités de chacun, la confiance du public et des agents, et faire en sorte que ces principes soient intégrés dès le début du projet.

2 : de la robustesse pour éviter les faux départs

Une fois les esprits prêts, il est capital que les systèmes tiennent leurs promesses. Les défaillances techniques peuvent en effet entacher l’image de l’IA et ancrer pour longtemps dans l’imaginaire collectif le manque de fiabilité de cette technologie pourtant extrêmement prometteuse.

Le choix des outils employés est donc particulièrement critique et doit être fait dans l’optique d’avoir un équilibre optimal entre simplicité de déploiement, performance et sécurité des données. Des tests doivent être mis en place pour fiabiliser le système choisi et être itérés selon un plan prédéfini, dès sa conception et tout au long de son cycle de vie.

3 : la qualité des données pour minimiser les risques d’hallucination

La fiabilité d’une IA passe d’abord par la qualité de ses données. Veiller à garantir dès le départ que les données soient accessibles et structurées, penser une politique de gouvernance et l’interopérabilité entre les différentes administrations sont des facteurs clefs de succès indéniables.

Les administrations ont clairement saisi cette nécessité, et intensifient les projets dédiés à la gouvernance des données, renforcés par un soutien significatif de l’Etat pour l'open data et l'interopérabilité des données entre les différentes administrations.

Des initiatives comme le « Cadre général d'interopérabilité (RGI) », qui définit des normes de partage des données, et « DataPass », facilitant un accès sécurisé aux données pour les fonctionnaires, sont donc voués à prendre encore plus d'ampleur dans le futur.

4 : connaître l’IA Act et l’appliquer

Si les pays n’ont pas tous réagi de la même façon au développement de l’IA, l’Europe a fait figure de précurseur en prenant la décision de légiférer. L’IA Act, publié en mars 2024, encadre la conformité et le développement des systèmes d’IA dans les territoires communautaires. Elle impose notamment des mesures à toutes les entreprises européennes, en fonction d’un niveau de risque et liste les applications interdites comme l’analyse des émotions sur le lieu de travail ou la notation sociale.

L’IA a la capacité d’assister les agents dans leurs tâches, sous réserve que l’administration crée un environnement propice aux expérimentations, à l’industrialisation et à la mutualisation de briques réutilisables. Cet environnement commence par une bonne compréhension de la technologie, et se poursuit par la mise en place d’une gouvernance de l’IA responsable, en conformité avec la législation, la gestion des talents, et la priorisation des investissements.

La collaboration avec des acteurs privés au service de l’administration pour co-construire des solutions permettra également de répondre aux enjeux de souveraineté, notamment en ce qui concerne les données qui servent à l'entraînement des modèles et la protection des données traitées.

Des résultats déjà tangibles

En France, l’ambition est forte de positionner le pays comme un leader de l’IA, en la déployant dans les services publics. De fait, dans la plupart des administrations, des projets d’exploration de l’IA générative sont lancés, et dans les 6 derniers mois, EY a mené plus d’une vingtaine de programmes d’acculturation et d’ateliers d’identification de cas d’usage, permettant de transformer l’appréhension en curiosité, puis en application concrète.

A ce jour, les projets engagés concernent avant tout le traitement des données, l’anonymisation des dossiers, l’extraction des informations à partir de données non structurées ou encore la création et l’optimisation de contenus. Les acteurs publics cherchent avant tout à améliorer l’efficience de leur fonctionnement et la relation avec les usagers, par le déploiement de nouveaux chatbots plus performants, un meilleur traitement des courriers, et des emails, et proposent une assistance à la rédaction de réponses et à la synthèse d’appels.

Les premiers résultats obtenus sont concluants : à la DGFiP, le résumé des amendements réalisé par l’IA est indiscernable de celui réalisé par des êtres humains. A l’Urssaf, le chatbot RH bénéficie des nouvelles fonctionnalités grâce à l’IA générative et une partie des pages web de cette administration a déjà été reformulées avec l’aide de l’IA générative, les rendant ainsi plus accessibles et faciles à comprendre.

Ces résultats montrent les bénéfices significatifs que représente l’IA en matière d’efficacité opérationnelle et de qualité de service rendu aux citoyens. Le temps libéré pourra ainsi être consacré à un meilleur accueil des publics, notamment de ceux qui se trouvent le plus éloigné du numérique et au développement personnel des agents.