Royaume-Uni : pourquoi six prototypes d’IA pour les aides sociales ont été abandonnés

L’intelligence artificielle est souvent présentée comme un moyen d’accélérer l’administration et de simplifier la vie des usagers. Mais lorsqu’elle touche aux aides sociales, à l’emploi ou au handicap, l’exigence est tout autre : un prototype prometteur ne suffit pas. Au Royaume-Uni, au moins six projets d’IA prévus pour le système de bien-être ont été abandonnés, après des essais marqués par des difficultés techniques et opérationnelles.

Ces projets devaient améliorer le fonctionnement du Department for Work and Pensions, le DWP, l’administration britannique chargée notamment de l’emploi, des retraites et de plusieurs prestations sociales. Les ambitions étaient importantes : mieux accompagner les personnes en recherche d’emploi, former les agents, fluidifier des échanges administratifs et accélérer l’accès à certains soutiens financiers. Les documents rendus accessibles par des demandes d’accès à l’information dressent toutefois un bilan beaucoup plus prudent, fait de frustrations et de « faux départs ».

Au moins six outils testés, puis abandonnés

Le terme prototype est essentiel. Il ne désigne pas un outil déployé auprès de tous les citoyens, mais une solution expérimentale, conçue pour vérifier si une idée est techniquement faisable et utile dans des conditions proches du réel. Passer de cette étape à un usage quotidien dans une grande administration suppose de résoudre de nombreuses questions : qualité des données, intégration aux logiciels existants, sécurité, fonctionnement à grande échelle et contrôle humain.

Au moins six projets du DWP n’ont pas franchi ce cap. Deux d’entre eux ont particulièrement retenu l’attention, car ils visaient directement des démarches sensibles pour les usagers.

Cette liste ne signifie pas que l’IA n’a aucune place dans les services publics britanniques. Elle montre plutôt qu’une expérimentation, même soutenue par une administration et présentée comme prometteuse, peut être arrêtée si elle ne satisfait pas aux exigences nécessaires à une utilisation concrète.

A-cubed et Aigent, deux promesses pour des démarches essentielles

A-cubed était destiné à aider l’orientation des demandeurs d’emploi vers des opportunités de travail. Dans un réseau de jobcentres, une telle assistance pourrait en théorie permettre aux agents de retrouver plus vite des informations pertinentes ou de proposer des pistes adaptées à la situation d’une personne. Mais une orientation automatisée ou assistée ne peut être utile que si les données sont à jour, si les recommandations sont compréhensibles et si elles ne reproduisent pas des inégalités existantes.

Aigent, de son côté, concernait le paiement d’indépendance personnelle, connu au Royaume-Uni sous le nom de Personal Independence Payment. Cette prestation est destinée à aider certaines personnes confrontées aux coûts supplémentaires liés à un handicap ou à une affection de longue durée. Le projet devait faciliter l’accès à ce soutien pour des millions de personnes concernées.

C’est précisément ce type de domaine qui rend les expérimentations particulièrement délicates. Une difficulté technique peut vite se traduire par une démarche plus longue, une information mal comprise ou une décision difficile à contester. L’article ne permet pas d’affirmer qu’Aigent devait décider à la place des agents ou déterminer l’éligibilité des demandeurs. Son objectif annoncé était de faciliter l’accès au paiement. Cette nuance est importante : l’usage de l’IA peut aller de l’aide à la rédaction ou au tri administratif jusqu’à des fonctions beaucoup plus sensibles, qui exigent des garanties renforcées.

Pourquoi des prototypes d’IA peuvent-ils échouer ?

Les fonctionnaires cités dans les documents obtenus par voie de demandes d’accès à l’information pointent plusieurs obstacles : la fiabilité, la capacité des produits à fonctionner à grande échelle et la nécessité de les tester de manière approfondie. Ces critères peuvent sembler techniques, mais ils renvoient à des réalités très concrètes.

Un outil fiable doit produire des résultats cohérents lorsqu’il est confronté à des dossiers variés, à des formulations différentes ou à des situations inhabituelles. Dans l’administration sociale, les cas ne se ressemblent pas tous. Les parcours professionnels, les situations familiales, les conditions de santé et les échanges avec les services publics sont par nature divers. Un système incapable de traiter correctement les exceptions peut créer plus de travail qu’il n’en économise.

La question du passage à l’échelle est tout aussi déterminante. Un démonstrateur peut fonctionner sur un petit nombre de dossiers soigneusement sélectionnés. Il devient beaucoup plus difficile à exploiter lorsqu’il doit répondre à un grand volume de demandes, s’intégrer à des systèmes informatiques parfois anciens et rester disponible pour les agents comme pour les citoyens.

Enfin, les tests ne sont pas une formalité. Ils doivent permettre de repérer les erreurs, de mesurer les effets sur les usagers, de vérifier la protection des données et de déterminer à quel moment une intervention humaine est nécessaire. L’abandon d’un prototype peut donc refléter un échec, mais aussi une décision de précaution : ne pas généraliser un outil dont les garanties ne sont pas suffisantes.

La transparence, un enjeu central pour le DWP

Les révélations interviennent dans un contexte de demande accrue de transparence sur les algorithmes utilisés par les administrations. En janvier 2025, aucune information relative aux systèmes d’IA employés par le DWP dans le système de bien-être n’avait été publiée dans le registre de transparence algorithmique du gouvernement britannique.

Ce registre a vocation à rendre plus visibles les outils algorithmiques employés dans le secteur public. L’absence d’entrée concernant le DWP ne permet pas, à elle seule, de conclure à l’absence totale de technologies automatisées dans ses services. En revanche, elle nourrit une interrogation légitime : comment les citoyens, les associations et les élus peuvent-ils évaluer les usages de l’IA lorsqu’ils disposent de peu d’informations sur les outils testés, leur rôle et leurs limites ?

La transparence ne se résume pas à publier le nom d’un logiciel. Pour qu’elle soit utile, elle doit permettre de comprendre la finalité de l’outil, les données qu’il traite, les personnes affectées, les contrôles prévus et la manière de signaler une erreur. Dans le champ des prestations sociales, ces informations sont d’autant plus importantes que les usagers peuvent se trouver dans une situation économique ou médicale fragile.

Une ambition politique confrontée aux réalités du terrain

En janvier 2025, le Premier ministre Keir Starmer a affirmé que l’IA transformerait les services publics. Le gouvernement britannique défend plus largement une modernisation des outils administratifs, avec l’objectif d’améliorer l’efficacité des services et de réaliser des économies substantielles.

Cette ambition ne disparaît pas avec l’arrêt des six prototypes. Les responsables estiment que le travail réalisé dans le cadre de logiciels pilotes n’est pas nécessairement perdu : certaines technologies ou certains enseignements pourraient être réutilisés dans de futurs systèmes. Dans l’innovation publique, un projet abandonné peut éclairer la conception du suivant, à condition que les raisons de l’abandon soient précisément documentées et prises en compte.

Le contraste reste néanmoins frappant entre la promesse d’une transformation rapide et la lenteur nécessaire à un déploiement sûr. L’IA peut assister des agents dans des tâches répétitives, aider à rechercher de l’information ou améliorer certains échanges. Elle ne supprime pas les contraintes fondamentales d’un service public : continuité du service, égalité de traitement, respect de la vie privée, possibilités de recours et responsabilité claire en cas d’erreur.

Onze idées mises en œuvre sur soixante-sept testées

Les difficultés rencontrées par le DWP ne sont pas isolées dans une démarche d’innovation. Des initiatives antérieures montrent que, sur 67 idées testées, seules 11 ont atteint le stade requis pour être mises en œuvre. Cela représente environ 16 % des idées initiales.

Ce chiffre ne constitue pas un taux universel de réussite de l’IA dans les administrations. Il illustre néanmoins une réalité souvent masquée par les annonces : la plupart des expérimentations ne deviennent pas des produits durables. Une idée peut être abandonnée parce qu’elle ne crée pas suffisamment de valeur, parce qu’elle est trop coûteuse à intégrer, parce que les règles évoluent ou parce qu’un risque pour les usagers est identifié.

Pour le secteur public, cette sélection peut être saine si elle est menée avec méthode. Le risque ne réside pas dans le fait d’essayer et de renoncer. Il apparaît lorsque des outils sont déployés trop vite, sans évaluation indépendante ni explication suffisante, ou lorsque les enseignements des échecs ne sont pas rendus exploitables par les équipes suivantes.

Ce qu’il faut surveiller pour la suite

L’avenir des projets d’IA du DWP dépendra moins d’une nouvelle annonce que de la manière dont les expérimentations seront conçues et évaluées. Plusieurs points méritent une attention particulière.

D’abord, le gouvernement devra préciser quels usages il envisage réellement. Une IA qui aide à résumer des informations pour un agent n’appelle pas les mêmes règles qu’un outil susceptible d’influencer le traitement d’une demande d’allocation. Ensuite, les futurs essais devront démontrer leur capacité à fonctionner de manière fiable au-delà d’un groupe test, y compris pour des situations complexes.

La publication d’informations dans le registre de transparence algorithmique sera également un indicateur concret. Elle permettrait de mieux distinguer les simples prototypes des outils effectivement employés, et de mieux comprendre les garanties associées à chacun.

Enfin, la réussite ne pourra pas se mesurer uniquement en temps gagné ou en économies réalisées. Pour les personnes qui sollicitent une aide sociale, la qualité d’un service se juge aussi à la clarté des démarches, à la possibilité de parler à un interlocuteur, à la correction rapide des erreurs et à l’assurance que leur situation individuelle a été examinée avec équité. Les « faux départs » du DWP rappellent que, dans ce domaine, l’innovation ne vaut que si elle renforce réellement ces garanties.