IA dans les collectivités : le véritable enjeu n'est peut-être pas technologique

COLLECTION — TRANSFORMATION & INNOVATION PUBLIQUE
INTELLIGENCE ARTIFICIELLE / TRANSFORMATION NUMÉRIQUE
Et si la réussite de l'intelligence artificielle dans les collectivités dépendait moins de la puissance des outils que de notre capacité à comprendre les besoins, à accompagner les agents et à transformer les usages ?
L'intelligence artificielle entre dans les collectivités. Mais pour transformer quoi ?
L'intelligence artificielle occupe désormais une place importante dans les réflexions sur la modernisation de l'action publique.
Automatisation de certaines tâches, assistance à la rédaction, recherche documentaire, analyse d'informations, accompagnement des agents, amélioration des services aux usagers…
Les possibilités sont nombreuses.
Pour les collectivités territoriales, l'IA peut représenter une opportunité d'améliorer certaines pratiques professionnelles et de répondre à des besoins concrets.
Mais face à cette accélération technologique, une question mérite d'être posée :
Le véritable enjeu est-il d'intégrer de l'intelligence artificielle dans les collectivités, ou de comprendre ce qu'elle peut réellement leur permettre d'améliorer ?
Car une technologie, aussi performante soit-elle, ne constitue pas à elle seule une transformation.
Un outil peut être disponible sans être utilisé.
Il peut être utilisé sans produire les bénéfices attendus.
Il peut même introduire de nouvelles difficultés lorsqu'il ne correspond pas aux réalités du terrain.
L'enjeu n'est donc peut-être pas seulement technologique.
Il est aussi stratégique, organisationnel, humain et pédagogique.
1. L'IA ne devrait pas être un objectif en soi
Dans les projets de transformation numérique, une tentation revient régulièrement : commencer par la technologie.
Quelles solutions d'IA pourrions-nous déployer ?
Quels outils pourraient être proposés aux agents ?
Quels processus pourrions-nous automatiser ?
Ces questions sont légitimes.
Mais elles ne devraient pas nécessairement constituer le point de départ d'un projet.
Avant de sélectionner une technologie, une collectivité doit pouvoir identifier ce qu'elle cherche réellement à améliorer.
S'agit-il de réduire le temps consacré à certaines tâches administratives ?
De faciliter l'accès à l'information ?
D'améliorer la qualité des réponses apportées aux usagers ?
De mieux partager les connaissances entre services ?
D'accompagner les agents dans l'évolution de leurs métiers ?
Ou de rendre certains dispositifs publics plus accessibles ?
L'intelligence artificielle ne prend véritablement son sens que lorsqu'elle répond à un besoin identifié et contribue à un objectif clairement défini.
Pour un DGS ou un DGA, la première question pourrait donc être :
« Quelle évolution souhaitons-nous produire dans notre organisation, et dans quelle mesure l'IA peut-elle y contribuer ? »
Ce changement de perspective est essentiel.
Il permet de passer d'une logique d'adoption technologique à une logique de transformation orientée vers la valeur d'usage.
2. Avant les outils, comprendre le travail réel des agents
Une collectivité est une organisation complexe.
Elle réunit des métiers, des responsabilités, des environnements et des pratiques très différents.
Les besoins d'un agent chargé de l'accueil des usagers ne sont pas ceux d'un responsable des ressources humaines, d'un instructeur de dossiers ou d'un directeur de service.
Leurs contraintes diffèrent.
Leurs outils également.
Leurs marges de décision, leurs responsabilités et leurs obligations professionnelles ne sont pas identiques.
Pourtant, les projets numériques sont parfois pensés à partir de fonctionnalités générales, avant d'être confrontés aux situations de travail.
Avec l'intelligence artificielle, cette difficulté peut être accentuée.
Une solution peut sembler particulièrement performante lors d'une démonstration, sans répondre précisément aux besoins des agents.
Elle peut produire rapidement un document, mais nécessiter un temps de vérification important.
Elle peut faciliter une recherche, mais fournir des informations inexactes ou insuffisamment contextualisées.
Elle peut automatiser une opération sans simplifier réellement le processus dans lequel celle-ci s'inscrit.
C'est pourquoi il est essentiel de commencer par observer les usages.
Que font réellement les agents aujourd'hui ?
Quelles tâches leur prennent du temps ?
Quelles difficultés rencontrent-ils ?
Quels arbitrages doivent-ils effectuer ?
Quelles informations leur manquent ?
Quelles activités nécessitent une expertise ou un jugement humain ?
Quels changements seraient réellement utiles ?
Cette compréhension du terrain permet de distinguer les usages pertinents des applications simplement séduisantes sur le plan technologique.
Avant de chercher ce que l'IA sait faire, cherchons à comprendre ce dont les agents ont réellement besoin.
3. Déployer une IA ne signifie pas transformer les pratiques
Cette distinction rejoint une problématique plus large de la transformation numérique.
DÉPLOYER ≠ ADOPTER ≠ TRANSFORMER
Déployer une solution d'IA consiste à la rendre disponible.
Adopter cette solution signifie commencer à l'utiliser dans des situations professionnelles.
Transformer les pratiques suppose que son utilisation contribue durablement à une évolution utile du travail.
Prenons l'exemple d'un assistant d'IA destiné à faciliter la recherche d'informations internes.
Le déploiement peut être techniquement réussi.
Les agents disposent d'un accès.
Une présentation leur a été proposée.
Les premières connexions sont enregistrées.
Mais plusieurs questions restent ouvertes.
Les agents savent-ils dans quelles situations utiliser cet assistant ?
Comprennent-ils ses limites ?
Peuvent-ils vérifier les réponses obtenues ?
L'outil leur fait-il réellement gagner du temps ?
Améliore-t-il la qualité des informations mobilisées ?
S'intègre-t-il aux procédures existantes ?
Et surtout, apporte-t-il une valeur suffisante pour justifier son utilisation ?
L'adoption ne dépend pas uniquement de la disponibilité d'un outil. Elle dépend aussi de son utilité perçue, de sa fiabilité, de sa compréhension et de son intégration dans le travail réel.
C'est pourquoi les indicateurs de déploiement ne suffisent pas.
Le nombre de comptes créés ou le taux de connexion ne permettent pas, à eux seuls, d'évaluer la transformation.
Il faut également observer ce qui change dans les pratiques et dans les résultats.
4. Le véritable défi : apprendre à travailler avec l'IA
L'arrivée de l'intelligence artificielle pose également une question importante pour les directions des ressources humaines et de la formation.
Comment préparer les agents à ces nouveaux usages ?
Une première réponse consiste à proposer des actions d'acculturation.
Comprendre ce qu'est l'IA.
Découvrir ses principales possibilités.
Identifier ses limites.
Apprendre à formuler des demandes.
Connaître les précautions relatives aux données et à la confidentialité.
Ces connaissances sont indispensables.
Mais elles ne suffisent pas toujours à développer une utilisation professionnelle pertinente.
Savoir interroger une IA ne signifie pas nécessairement savoir l'utiliser avec discernement dans son métier.
Un agent doit pouvoir déterminer quand l'outil est utile, quand il ne l'est pas et quelles vérifications sont nécessaires.
Il doit comprendre ce qu'il peut déléguer à la technologie et ce qui relève de sa propre responsabilité.
Il doit également apprendre à reconnaître une réponse plausible mais erronée, à protéger les informations sensibles et à conserver une capacité d'analyse critique.
Ces compétences ne se développent pas uniquement par la transmission de connaissances théoriques.
Elles nécessitent aussi de la pratique.
Et si l'acculturation à l'IA devenait une expérience d'apprentissage ?
Imaginons un parcours pédagogique dans lequel un agent est confronté à plusieurs situations professionnelles.
Il doit choisir s'il est pertinent d'utiliser une IA.
Il expérimente différentes formulations.
Il compare les réponses obtenues.
Il identifie les informations qui nécessitent une vérification.
Il découvre les conséquences possibles d'une utilisation inadaptée.
Il apprend à distinguer l'assistance technologique de la décision professionnelle.
Cette approche permet de dépasser la simple démonstration d'outils.
Elle place l'apprenant dans une posture active.
COMPRENDRE → EXPÉRIMENTER → QUESTIONNER → VÉRIFIER → S'APPROPRIER
L'objectif n'est pas seulement de former des agents à une technologie.
Il est de développer leur capacité à l'utiliser de manière pertinente, critique et responsable.
5. Prototyper les usages avant de généraliser les solutions
Les collectivités doivent souvent concilier plusieurs exigences.
Innover.
Maîtriser les investissements.
Garantir la continuité du service public.
Protéger les données.
Respecter les obligations réglementaires.
Accompagner les agents.
Dans ce contexte, déployer immédiatement une solution d'IA à grande échelle peut présenter des difficultés.
Une autre approche consiste à expérimenter progressivement.
Avant de généraliser un outil, pourquoi ne pas commencer par tester un usage précis ?
Prenons l'exemple d'une collectivité qui souhaite faciliter l'accès des agents à une documentation interne importante.
Plutôt que de commencer par déployer un assistant généraliste, elle pourrait identifier quelques situations de recherche représentatives.
Puis concevoir un prototype.
Le faire expérimenter par un groupe d'utilisateurs.
Observer les résultats.
Analyser les difficultés.
Évaluer la qualité des réponses et les besoins de vérification.
Enfin, ajuster le dispositif avant d'envisager une utilisation plus large.
Cette démarche permet de confronter les hypothèses initiales à la réalité.
Elle contribue également à identifier les conditions nécessaires à un déploiement pertinent : qualité des données, sécurité, accompagnement, organisation, formation et évaluation.
COMPRENDRE → PROTOTYPER → EXPÉRIMENTER → OBSERVER → ÉVALUER → AJUSTER
Le prototype ne sert pas uniquement à démontrer qu'une technologie fonctionne.
Il permet de vérifier si elle apporte réellement une réponse utile dans une situation donnée.
6. L'IA responsable : une condition de confiance et d'appropriation
L'intelligence artificielle soulève des enjeux particuliers pour les collectivités.
Celles-ci exercent des missions de service public et traitent parfois des informations sensibles.
Le recours à l'IA doit donc s'inscrire dans un cadre adapté.
Plusieurs dimensions méritent une attention particulière.
La protection des données
Les usages doivent être compatibles avec les obligations de confidentialité et de protection des données personnelles.
La fiabilité des résultats
Les réponses produites par une IA peuvent contenir des erreurs.
Les agents doivent connaître les limites des systèmes utilisés et disposer de procédures de vérification adaptées.
La transparence
Il est important de comprendre dans quelles conditions une IA intervient et quel rôle elle joue dans un processus.
L'équité et l'accessibilité
Les dispositifs doivent être évalués au regard des risques de biais, de discrimination et d'exclusion.
La responsabilité humaine
L'assistance apportée par l'IA ne doit pas conduire à une dilution des responsabilités.
Ces questions doivent être examinées en fonction de chaque usage et des obligations applicables, notamment celles issues du RGPD et du règlement européen sur l'intelligence artificielle.
Pour les projets publics, la confiance ne peut pas reposer uniquement sur la performance annoncée d'une solution.
Elle suppose des usages compréhensibles, des règles claires et une gouvernance adaptée.
Une IA responsable n'est pas seulement une technologie encadrée. C'est aussi une technologie dont les utilisateurs comprennent les possibilités, les limites et les conditions d'utilisation.
7. Rendre l'IA compréhensible : un enjeu de médiation
L'intelligence artificielle peut apparaître comme un sujet abstrait.
Ses mécanismes sont complexes.
Ses résultats parfois impressionnants.
Ses limites pas toujours visibles.
Pour les agents comme pour les citoyens, cette complexité peut susciter des attentes excessives, des incompréhensions ou des inquiétudes.
Il existe donc un véritable enjeu de médiation.
Comment expliquer ce que fait une IA sans entrer immédiatement dans des considérations techniques ?
Comment montrer ses limites ?
Comment aider les utilisateurs à comprendre pourquoi une réponse doit être vérifiée ?
Comment représenter concrètement les conséquences d'un choix d'utilisation ?
Les expériences numériques interactives peuvent contribuer à cette compréhension.
Une simulation peut montrer comment une réponse varie selon les informations fournies.
Un parcours pédagogique peut inviter à comparer plusieurs résultats.
Une mise en situation peut illustrer les risques associés à une décision prise sans vérification.
Un serious game peut permettre d'explorer différentes pratiques d'utilisation.
L'objectif n'est pas de rendre l'IA spectaculaire.
Il est de rendre ses usages intelligibles et de développer la capacité des personnes à agir avec discernement.
Cette approche peut concerner aussi bien les agents territoriaux que les managers, les élus ou certains publics accompagnés par les collectivités.
8. Quel rôle pour les DGS et DGA dans cette transformation ?
L'intelligence artificielle ne devrait pas être considérée uniquement comme un projet informatique.
Elle peut concerner l'organisation du travail, les compétences, la qualité du service, la gouvernance et la relation aux usagers.
Pour les directions générales, l'enjeu consiste donc à inscrire les projets d'IA dans une démarche stratégique cohérente.
Cela suppose de clarifier plusieurs questions.
Quelle ambition poursuivons-nous ?
L'IA doit contribuer à des objectifs identifiés et non constituer une finalité autonome.
Quels usages méritent réellement d'être explorés ?
Les priorités doivent tenir compte des besoins des services et de la valeur attendue.
Quelles équipes associer ?
Les directions métiers, les ressources humaines, les services numériques, les responsables de la protection des données et les utilisateurs concernés peuvent avoir des contributions complémentaires.
Comment préparer les agents ?
L'acculturation doit être accompagnée de situations d'apprentissage adaptées aux métiers.
Comment expérimenter de manière maîtrisée ?
Les prototypes et les pilotes permettent de confronter certaines hypothèses aux usages avant une éventuelle généralisation.
Comment mesurer les résultats ?
Les indicateurs doivent porter sur les bénéfices recherchés, les difficultés rencontrées et les effets réels sur le travail.
Le rôle des directions générales est ainsi de relier les choix technologiques aux finalités de l'action publique.
La stratégie donne le sens. Les usages révèlent les besoins. L'expérimentation permet d'apprendre. La technologie vient soutenir cette transformation.
9. Comment Lian Studio peut contribuer à cette démarche
Chez Lian Studio, nous imaginons, concevons et développons des expériences numériques interactives et immersives sur mesure.
Notre approche repose sur une conviction :
Une innovation devient véritablement utile lorsqu'elle peut être comprise, expérimentée et appropriée par ses utilisateurs.
Dans le domaine de l'intelligence artificielle, cette démarche ouvre plusieurs possibilités.
Concevoir des expériences d'acculturation à l'IA
Plutôt que de limiter la sensibilisation à une présentation des technologies, nous pouvons imaginer des parcours interactifs permettant aux utilisateurs de découvrir les usages, les possibilités et les limites de l'IA.
Développer des simulations pédagogiques
Les agents peuvent être placés face à des situations professionnelles dans lesquelles ils doivent analyser, choisir, vérifier et décider.
Ces expériences permettent de travailler des compétences concrètes.
Réaliser des prototypes interactifs
Une intention stratégique peut être matérialisée sous la forme d'un premier dispositif testable.
L'objectif est de rendre les usages visibles avant d'engager un développement plus important.
Concevoir des expériences de médiation
L'interactivité, la scénarisation et la visualisation peuvent contribuer à rendre des notions complexes plus accessibles.
Accompagner l'expérimentation utilisateur
Les prototypes et les expériences conçues peuvent être confrontés aux utilisateurs afin d'observer leur compréhension, leurs interactions et leurs difficultés.
Ces différentes interventions mobilisent les expertises du studio :
Experience Design : comprendre les usages et concevoir des parcours pertinents.
Learning Design : transformer des objectifs de compréhension en expériences d'apprentissage.
Game Design : imaginer des scénarios et des mécaniques de décision.
Prototypage interactif : rendre une idée concrète et testable.
Développement numérique : réaliser des expériences fonctionnelles.
Expérimentation : observer les usages et améliorer les dispositifs.
Notre rôle n'est pas de présenter l'intelligence artificielle comme une réponse systématique.
Il est de contribuer à la conception d'expériences qui permettent aux organisations et à leurs utilisateurs de comprendre, d'explorer et de s'approprier de nouveaux usages.
10. Cinq questions avant d'engager un projet d'IA dans une collectivité
Avant de sélectionner une solution, les directions générales et les équipes projet peuvent se poser cinq questions.
1. Quel problème concret cherchons-nous à résoudre ?
Le besoin est-il suffisamment identifié et partagé ?
2. Quelle valeur attendons-nous pour les agents ou les usagers ?
Quels changements utiles souhaitons-nous observer ?
3. Les situations professionnelles ont-elles été suffisamment étudiées ?
Comprenons-nous les pratiques et les contraintes des futurs utilisateurs ?
4. Pouvons-nous tester l'usage avant de généraliser la technologie ?
Un prototype ou une expérimentation limitée permettrait-il de vérifier certaines hypothèses ?
5. Comment évaluerons-nous la pertinence et les risques de la solution ?
Quels indicateurs permettront d'apprécier son utilité, sa fiabilité, son appropriation et ses effets ?
Ces questions invitent à déplacer le regard.
De la technologie vers les besoins.
Des fonctionnalités vers les usages.
Du déploiement vers l'appropriation.
De la promesse vers l'expérimentation.
De l'innovation annoncée vers la valeur réellement produite.
Conclusion — Et si la véritable innovation consistait à commencer par les usages ?
L'intelligence artificielle ouvre des perspectives intéressantes pour les collectivités territoriales.
Elle peut contribuer à faciliter certaines tâches, améliorer l'accès à l'information, accompagner les agents et soutenir l'évolution des services publics.
Mais sa réussite ne dépendra pas uniquement de la performance des technologies disponibles.
Elle dépendra aussi de la capacité des collectivités à définir des objectifs pertinents, comprendre les pratiques professionnelles, préparer les compétences, expérimenter les usages et évaluer les résultats.
Pour les DGS et DGA, la question n'est donc peut-être pas :
« Comment intégrer davantage d'intelligence artificielle dans notre collectivité ? »
Mais plutôt :
« Quels changements utiles souhaitons-nous rendre possibles, et comment l'intelligence artificielle peut-elle nous aider à les concrétiser ? »
Chez Lian Studio, nous pensons que le design d'expérience, le prototypage et l'expérimentation peuvent contribuer à construire cette réponse.
Parce que la transformation ne commence pas nécessairement avec une nouvelle technologie.
Elle commence avec un besoin, des utilisateurs et une intention claire de faire évoluer les pratiques.
BESOINS → USAGES → EXPÉRIENCE → EXPÉRIMENTATION → APPROPRIATION → IMPACT
Et si nous commencions par expérimenter les usages de demain ?
Lian Studio accompagne la conception et la réalisation d'expériences numériques interactives pour rendre les transformations plus concrètes, compréhensibles et testables.
Lian Studio — De la création au développement.
Créons ensemble des solutions de demain.




Commentaires