IA publique : les systèmes obsolètes freinent la modernisation des collectivités

L’intelligence artificielle promet de rendre certains services publics plus rapides, plus accessibles et mieux adaptés aux besoins des usagers. Dans une collectivité, elle peut par exemple aider à classer des documents, orienter des demandes ou repérer des incohérences dans de grands volumes de données. Mais, au 26 mars 2025, le principal obstacle ne se situe pas toujours dans l’algorithme lui-même. Il est souvent enfoui dans les systèmes informatiques sur lesquels l’administration s’appuie depuis des années.

Le constat est simple : une application d’IA n’est utile que si elle peut accéder, dans des conditions sûres et légales, à des données fiables. Or de nombreux organismes publics conservent des logiciels anciens, des bases de données cloisonnées et des procédures encore largement manuelles. La publication d’origine évoque un rapport selon lequel 36 % des collectivités interrogées ont testé des systèmes d’IA. Ce chiffre montre que l’expérimentation est engagée, mais il ne dit pas que les infrastructures sont prêtes pour un déploiement à grande échelle.

Cette difficulté ne doit pas conduire à opposer innovation et service public. Elle rappelle plutôt qu’un projet d’IA est aussi un projet d’organisation, de données, de cybersécurité et de gouvernance. Sans cette base, l’automatisation peut ajouter une nouvelle couche technique à des processus déjà fragiles.

Les systèmes hérités, un frein discret mais déterminant

Dans l’informatique publique, un système dit « hérité » désigne un logiciel, une base de données ou une infrastructure ancienne qui continue d’assurer une fonction essentielle. Son ancienneté ne veut pas nécessairement dire qu’il est inutilisable. Certains outils sont stables et indispensables au versement de prestations, à la gestion administrative ou à l’archivage. Le problème apparaît lorsqu’ils ne communiquent plus facilement avec les technologies plus récentes.

Une solution d’IA a besoin de données structurées, documentées et accessibles selon des règles précises. Si les informations sont dispersées entre plusieurs applications, saisies sous des formats différents ou enfermées dans des outils sans interface d’échange, sa mise en œuvre devient lente et coûteuse. Les équipes doivent alors créer des passerelles techniques, nettoyer les données ou ressaisir des informations. Ce travail, moins visible qu’un assistant conversationnel, conditionne pourtant la qualité du résultat final.

La publication d’origine souligne que les collectivités rencontrent ces difficultés au moment d’intégrer l’IA à leurs pratiques. Les contraintes citées recouvrent notamment la capacité de traitement, le stockage, la compatibilité des logiciels et la sécurité. Une administration peut donc disposer d’une idée d’usage pertinente sans avoir le socle technique nécessaire pour l’exploiter correctement.

Pourquoi l’interopérabilité est-elle centrale ?

L’interopérabilité est la capacité de systèmes différents à échanger des informations et à les utiliser de manière compréhensible. Pour une collectivité, elle évite que chaque service travaille dans son propre environnement fermé. Elle est particulièrement importante lorsqu’un outil d’IA doit compléter un logiciel métier existant plutôt que le remplacer entièrement.

Prenons le cas théorique de l’instruction d’une aide. Un outil pourrait aider les agents à vérifier si un dossier est complet, à hiérarchiser les demandes à traiter ou à signaler des pièces manquantes. Pour cela, il devrait dialoguer avec les outils qui enregistrent les demandes, les justificatifs et les décisions. Si ces systèmes ne sont pas compatibles, l’agent doit exporter des fichiers, les transformer et les réimporter. Le gain de temps annoncé se réduit alors, tandis que les risques d’erreur et de fuite de données augmentent.

La publication d’origine cite aussi l’attribution des aides sociales et le ciblage des fraudes parmi les domaines où l’IA pourrait être mobilisée. Ce sont des usages sensibles. Une anomalie signalée par un système peut aider à contrôler un dossier, mais elle ne devrait pas être assimilée automatiquement à une fraude. De même, l’aide à l’instruction d’une demande ne dispense pas l’administration de motiver ses décisions et de préserver les droits des personnes concernées.

Le défi est donc double : faire circuler les données de façon techniquement efficace, tout en limitant strictement les accès à ce qui est nécessaire. L’interopérabilité ne signifie pas ouvrir sans limite les fichiers publics. Elle suppose au contraire des règles d’accès, des journaux de traçabilité et une définition claire des responsabilités.

Des cas d’usage utiles, à condition de ne pas promettre l’impossible

L’intérêt de l’IA publique tient moins à un outil spectaculaire qu’à sa capacité à réduire certaines tâches répétitives. Elle peut notamment assister les agents dans la recherche d’information, le tri de documents ou l’analyse de grands ensembles de données. Dans les services fortement sollicités, un tel soutien peut libérer du temps pour l’accueil, l’explication des droits et le traitement des situations complexes.

Toutefois, la publication d’origine appelle à la prudence et rappelle les contraintes opérationnelles rencontrées par les premières initiatives. Il mentionne des applications liées au traitement de cas de fraude ou à la surveillance de la population, sans préciser les dispositifs concernés. Faute d’exemples nommés et documentés, il n’est pas possible d’en évaluer la portée, les résultats ou le cadre juridique. Le point de fond demeure : tout usage touchant au contrôle des personnes exige des garanties particulièrement fortes.

Pour un service public, un projet pertinent doit répondre à une question précise : quel problème cherche-t-on à résoudre et pour qui ? L’IA n’est pas forcément la bonne réponse si le problème provient d’un formulaire incompréhensible, d’une donnée erronée ou d’un délai lié à un manque d’effectifs. Dans bien des cas, simplifier la démarche ou rendre les données plus fiables apporte un bénéfice plus immédiat qu’un modèle complexe.

L’humain doit rester responsable de la décision

Le rôle des agents est essentiel, surtout lorsque l’outil formule une recommandation qui peut avoir des effets sur une personne. Ils doivent comprendre le périmètre du système, pouvoir détecter une réponse aberrante et disposer d’une procédure pour corriger les données ou contester un résultat. Cela suppose de la formation, mais aussi du temps et une organisation adaptée.

Un pilotage responsable passe également par des critères d’évaluation concrets : temps réellement gagné, taux d’erreur, impact sur les usagers, niveau de satisfaction des agents, incidents de sécurité et possibilités de recours. Un projet ne devrait pas être jugé uniquement sur sa démonstration technique.

Données personnelles et cybersécurité : des prérequis, pas des options

Les administrations traitent des informations souvent sensibles : état civil, situation sociale, données fiscales, dossiers scolaires ou éléments liés à la santé selon les services concernés. Ajouter une brique d’IA à un environnement ancien peut multiplier les flux de données et les points d’accès. C’est pourquoi la cybersécurité et la protection de la vie privée doivent être prévues dès la conception du projet.

Les mesures attendues ne se résument pas à installer un nouvel outil. Il faut notamment savoir quelles données sont utilisées, qui y accède, combien de temps elles sont conservées et ce qui se passe en cas d’incident. Les administrations doivent aussi examiner si les données prévues sont réellement nécessaires à la finalité poursuivie. Une IA entraînée ou alimentée avec trop d’informations peut créer un risque disproportionné sans améliorer réellement le service.

La Commission nationale de l’informatique et des libertés, la CNIL, joue déjà un rôle central dans la protection des données personnelles en France. La publication d’origine rapporte qu’une étude préconise une restructuration approfondie de la CNIL afin de la rendre responsable de la régulation des systèmes d’IA, particulièrement dans le secteur public. Cette proposition doit être distinguée du cadre existant : elle exprime une orientation évoquée par l’étude citée, et non une transformation présentée comme acquise au 26 mars 2025.

À l’échelle européenne, le règlement sur l’intelligence artificielle, couramment appelé AI Act, introduit une approche fondée sur le niveau de risque. Pour les acteurs publics comme privés, cette évolution renforce l’importance de la documentation, de la gestion des risques et de la supervision humaine pour les systèmes les plus sensibles. La conformité ne se traite donc pas à la fin d’un projet. Elle influence le choix des données, de l’outil et de l’usage dès le départ.

Moderniser sans paralyser les services publics

Remplacer un système ancien n’est jamais une simple affaire d’achat de logiciel. Ces outils sont souvent liés à des procédures quotidiennes, à des archives et à des obligations de continuité de service. Une migration mal préparée peut perturber les agents comme les usagers. La modernisation doit donc être progressive et priorisée.

Une première étape consiste à réaliser un audit précis : quels systèmes sont critiques, quelles données contiennent-ils, quelles interfaces existent déjà et quels risques posent-ils ? Cela permet de distinguer les outils qu’il faut remplacer de ceux qui peuvent être sécurisés, documentés ou reliés temporairement à des applications plus modernes. Le remplacement complet n’est pas toujours possible à court terme.

La publication d’origine évoque l’intérêt de partenariats public-privé. Ceux-ci peuvent donner accès à des compétences, à des solutions techniques ou à des capacités d’accompagnement. Mais ils ne retirent pas à l’administration sa responsabilité. Les collectivités doivent conserver une maîtrise suffisante de leurs données, de leurs règles de fonctionnement et de la continuité du service. Elles doivent également éviter qu’un prestataire devienne le seul détenteur des connaissances nécessaires au fonctionnement d’un outil essentiel.

La formation des équipes constitue un autre investissement décisif. Les responsables métiers connaissent les réalités des dossiers et des usagers. Les équipes numériques connaissent les contraintes techniques. Les juristes, les délégués à la protection des données et les spécialistes de la sécurité apportent d’autres garanties indispensables. Sans dialogue entre ces fonctions, un projet peut être techniquement impressionnant mais administrativement inutilisable.

Ce qu’il faut surveiller pour une IA publique utile

Le déploiement de l’IA dans les collectivités ne se jouera pas uniquement sur la puissance des modèles disponibles. Il dépendra de la capacité à moderniser les infrastructures sans interrompre les services, à organiser les données et à établir une gouvernance claire. Le chiffre de 36 % de collectivités ayant testé des systèmes d’IA, cité par la publication d’origine, illustre l’existence d’un mouvement d’expérimentation. La prochaine étape sera de déterminer quels projets apportent une valeur démontrable et peuvent être généralisés sans compromettre les droits des usagers.

Plusieurs questions devront guider cette évolution : l’outil résout-il un besoin réel ? Les données sont-elles fiables, minimisées et protégées ? Les agents peuvent-ils expliquer son rôle ? Un citoyen peut-il comprendre une décision qui le concerne et la contester ? Les réponses importent autant que la performance technique.

Pour les pouvoirs publics, l’enjeu est finalement de ne pas traiter l’IA comme une surcouche isolée. Des systèmes interconnectés, maintenus, sécurisés et compréhensibles forment le socle d’une action publique numérique efficace. C’est à cette condition que l’IA pourra devenir une aide concrète pour les agents et les citoyens, plutôt qu’une promesse freinée par les fragilités du passé.