L’IA au sein des autorités et de l’administration: comment bien se lancer

En raison de la grande quantité de documents qui y sont traités, les autorités et les administrations publiques sont prédestinées à utiliser l’intelligence artificielle générative. Mais leurs défis sont différents de ceux de nombreuses entreprises. Approches pour l’entrée en matière.

Des bureaux poussiéreux au sein des administrations? Quiconque pénètre aujourd’hui dans les locaux d’une administration publique constate que ce cliché est faux. Les postes de travail informatiques modernes dominent le tableau. Pour trouver des montagnes de dossiers et des armoires pleines de classeurs, il faut descendre aux archives. Ce qui demeure toutefois, c’est que les administrations travaillent avec une quantité énorme de documents: Formulaires, ordonnances, procès-verbaux, décisions, autorisations, déclarations d’impôts – cette liste pourrait se prolonger à l’infini.

Dans ce contexte, les administrations publiques sont prédestinées à l’utilisation de l’intelligence artificielle générative, également appelée AI générative ou GenAI. En effet, leurs grands modèles linguistiques (Large Language Models, LLM) tels que OpenAI GPT (sur lequel est également basé Microsoft Copilot), Claude Anthropic ou Meta Llama se distinguent par leurs capacités à «comprendre» et à traiter des textes écrits par des personnes. «Les administrations publiques travaillent beaucoup avec des textes non structurés sous forme d’e-mails, d’objections ou de procès-verbaux de réunion et sont donc particulièrement prédestinées à la prise en charge par les applications GenAI», explique Christof Zogg, Head of Business Transformation chez Swisscom.

Ces compétences modifieront considérablement le travail administratif. Et elles apporterons un gain d’efficacité en supprimant les tâches de routine ennuyeuses. «Récapitule tous les e-mails non lus et fais-moi une liste de tâches» est bien plus rapide et satisfaisant que de fouiller dans une multitude de messages non lus après les vacances. «Crée un modèle d’autorisation sur la base de ce document» ou «Traduis ce protocole en français» sont d’autres exemples de la manière dont l’IA générative permet de gagner du temps.

Une augmentation de la productivité et, par conséquent, un meilleur service pour les «clients» tels que les particuliers et les entreprises figurent également dans le document de l’OCDE intitulé «Governing with Artificial Intelligence: Are Governments Ready?» sur les grands avantages de l’IA générative dans l’administration publique.

Néanmoins, la situation de départ est différente de celle de nombreuses entreprises privées.

L’IA dans le cadre juridique et éthique

En effet, les administrations disposent d’un grand nombre d’informations et de données personnelles sensibles, des données fiscales aux décisions de justice et aux expertises psychiatriques en passant par les autorisations. Cela inclut également les «données particulièrement sensibles» au sens de la loi suisse sur la protection des données (LPD). La vie privée doit être préservée en toutes circonstances lors de l’utilisation de l’IA générative. Les résultats erronés, voire discriminatoires, dans les processus décisionnels doivent être évités. Une situation de départ particulière, comme l’explique Christof Zogg: «Les exigences en matière de protection des données et, à l’avenir, de gouvernance de l’IA sont particulièrement élevées pour les pouvoirs publics. C’est pourquoi il est important d’identifier les cas d’application appropriés pour les projets d’innovation précoces dans le domaine de l’IA, mais ils existent.»

Une étude commandée par le canton de Zurich traite des questions éthiques et juridiques concernant l’utilisation de l’IA dans les administrations publiques. Et pour l’administration fédérale, le Conseil fédéral a adopté des lignes directrices sur l’utilisation de l’IA qui mettent la transparence et la sécurité au premier plan.

Exemples d’utilisation de l’IA (générative)

Même en tenant compte des conditions juridiques et éthiques, l’IA et l’IA générative peuvent apporter un gain de temps et d’efficacité dans le traitement quotidien des documents et des informations. Voici des exemples d’utilisation possibles (Use Cases) dans des administrations publiques avec un degré croissant d’exigences techniques:

Use Case 1: Synthèse et transcription des réunions

L’IA générative simplifie la création de documents tels que les procès-verbaux de réunions, les prises de décisions, etc. et peut les traduire dans de nombreuses langues. Les enregistrements de réunions (en ligne) peuvent être transcrits à l’aide de l’IA et enregistrés sous forme de texte.

Les résultats doivent toujours être traités comme des ébauches et leur exactitude et leur exhaustivité doivent être vérifiées afin de détecter et de corriger les «hallucinations» (sorties erronées d’une IA générative).

Use Case 2: Élaborer des projets de directives, de décisions, etc.

Sur la base des documents existants, l’IA générative peut créer des modèles pour divers documents officiels, qui ne doivent donc pas être réécrits à partir de zéro.

Use Case 3: Robot de recherche pour consultation de documents

L’IA permet de parcourir des documents et d’en extraire des informations. Ces robots de recherche conviennent à un usage interne («Enterprise Search»), mais aussi à des documents accessibles au public tels que des informations de construction pour les architectes, des prises de décisions, des interventions, etc. Un exemple (réalisé par une entreprise privée) est ZüriCityGPT.

Use Case 4: Prévision des évolutions, par exemple pour l’urbanisme

Sur la base des données existantes, l’IA peut établir des prévisions, par exemple sur l’évolution de la population et des transports. Cela aide dans la planification urbaine, par exemple pour les bâtiments scolaires et les liaisons de transports publics. Les informations peuvent également servir de base à des décisions politiques, par exemple lorsqu’il s’agit de budgets pour des projets de construction publics. La Smart City LuzernNord en est un exemple.

De tels cas d’utilisation sont complexes et nécessitent que les modèles d’apprentissage automatique soient entraînés avec leurs propres données.

«Les exigences en matière de protection des données et de gouvernance de l’IA sont particulièrement élevées pour le secteur public. C’est pourquoi il est important d’identifier les cas d’application appropriés pour les projets d’innovation précoces dans le domaine de l’IA, mais ils existent.»

Christof Zogg, Head of Business Transformation, Swisscom

Premières étapes de la mise en œuvre: Quelles sont les approches de l’IA?

On peut grossièrement distinguer trois domaines d’application de l’IA (générative), qui peuvent être assimilés à des degrés de difficulté ou de complexité croissants selon les cas d’utilisation:

Approche 1a: Évaluation et introduction de services d’IA standard tels que Microsoft Copilot pour M365. De tels services «prêt à l’emploi» sont rapidement mis en œuvre, l’exploitation est prise en charge par le fournisseur et la gouvernance est clarifiée.

Approche 1b: Licencier/activer la fonctionnalité d’IA dans les logiciels existants. Il s’agit ici d’utiliser les fonctions d’IA de logiciels standard, par exemple pour le traitement automatisé des factures dans un ERP tel que SAP ou Abacus. L’effort requis se situe dans un cadre similaire à celui de l’approche 1a.

Approche 2: Configurer ou développer sa propre application de processus d’IA (générative). Les processus existants sont automatisés à l’aide de modèles multimodaux de base pré-entraînés tels que GPT ou Claude. Le prétraitement de demandes standardisées, par exemple dans le domaine de la construction ou de l’asile, en est un exemple. L’effort requis est moyen, car les modèles doivent être réentraînés avec ses propres données pour une tâche spécifique, par exemple au moyen de la génération augmentée de récupération (Retrieval Augmented Generation, RAG).

Approche 3: Exercer et exploiter son propre modèle d’IA. Dans ce cadre, une division opérationnelle développe et entraîne son propre modèle pour un cas d’application spécifique, parfaitement adapté à ses besoins. La prévision de l’évolution démographique ou la détection des fraudes sur la base de schémas spécifiques en sont des exemples. Ces approches, qui recourent souvent à l’IA «classique» telle que l’apprentissage automatique, occasionnent une charge de travail importante pour le développement et l’exploitation.

Démarrer dans l’IA générative

L’utilisation de l’IA générative doit être bien planifiée. Il s’agit de clarifier les conditions techniques et juridiques, mais aussi de tenir compte des prescriptions en matière de protection des données et de la formation des collaborateur(trice)s.

Il est souvent judicieux de démarrer avec des projets faciles à réaliser (approche 1). «Selon le degré de maturité technique d’une administration, il est recommandé de procéder différemment pour les premiers déploiements judicieux de l’IA», explique Christof Zogg. «Mais cela en vaut la peine, ne serait-ce que si quelques Power Users astucieux commencent à créer des illustrations pour la newsletter interne à l’aide d’outils de génération d’images GenAI, entamant ainsi le long voyage vers l’ère de l’intelligence artificielle. Cela aussi sera certainement plus un marathon qu’un sprint.» Ou les collaborateur(trice)s qui ont déjà de l’expérience avec ChatGPT peuvent former un groupe pilote pour l’utilisation de Copilot.

Dans le cas d’applications d’IA propres, la question du stockage et du traitement des données joue un rôle: selon la sensibilité des données et selon les exigences légales/réglementaires, les services d’IA d’un hyperscaler ou une offre suisse telle que la Swiss AI Platform peuvent être pris en compte. Pour commencer, il faut absolument faire un état des lieux: Où l’IA apporte-t-elle le plus d’avantages? Par où voulons-nous commencer? Des possibilités d’application s’ouvriront alors, dans lesquelles l’utilisation de l’IA sera définitivement profitable, et qui balaieront jusqu’au dernier grain de poussière des bureaux des administrations.