Le Déploiement de l’Intelligence Artificielle dans l’Administration, rapport de l’Inspection générale des finances, de l’Inspection générale des affaires sociales et de l’Inspection générale de l’administration

Temps de lecture : 10 minutes.

En juillet dernier a été publié un petit rapport (mais aux longues annexes) sur l’intelligence artificielle (IA) dans les administrations, après quelques tergiversations du Gouvernement¹.

Le sujet est en effet brûlant et peut susciter des interprétations contrastées dans un contexte de campagne préélectorale. Le contenu du rapport est toutefois mesuré dans ses constats comme dans ses recommandations et peine (il me semble) à instiller une hauteur de vue sur ce qui constitue la grande rupture technologique du début du siècle.

Le Déploiement de l’IA dans les Administrations Publiques

Les Caractéristiques de l’IA Post-2010

Pour les inspecteurs, la technologie d’intelligence artificielle (IA) connait un tournant majeur depuis le début des années 2010, avec l’apprentissage automatique (machine learning) et profond (deep learning). Ces avancées sont notamment liées à la disponibilité des données et à l’augmentation des puissances de calcul permettant le traitement de ces données.

Parallèlement, les administrations, comme les entreprises privées, ont introduit des règles explicites et déterministes au sein de leurs systèmes d’information pour automatiser des tâches répétitives. Cependant, ces dispositifs (notamment de RPA²) sont peu performants s’agissant des documents non structurés (textes libres, documents non préformatés, etc.).

La période récente est marquée par l’introduction d’une IA générative et surtout agentique, présentant la possibilité de traitements autonomes des tâches. Ainsi, la typologie de tâches automatisables s’élargit³.

Pour les inspecteurs, deux propriétés fondamentales caractérisent l’IA contemporaine :

• L’autonomie fonctionnelle : l’apprentissage autonome à partir de données⁴
• La capacité de déduction : assise sur le système prédictif et la contextualisation permise par le traitement.
  

Cependant, ces systèmes d’IA sont également classés dans le règlement européen sur l’IA comme « à haut risque », en particulier dans des politiques publiques sensibles : prestations sociales, systèmes éducatifs, ressources humaines…

Le rôle de l’utilisateur est donc essentiel, en particulier dans l’analyse des résultats. Le modèle prédictif étant par nature générateur d’informations plausibles, mais inexactes.

Il n’en demeure pas moins que l’introduction de l’IA pourrait dépasser la seule gestion de tâches administratives routinières et répétitives pour embarquer une relation avec les usagers multimodale et complète d’accompagnement.

Des Exemples de Déploiements Réussis dans des Entreprises et Administrations

En 2025, le secteur privé mondial a investi environ 1 800 milliards de dollars dans l’IA et devrait doubler cet investissement en 2027.

Les usages les plus fréquents concernent le marketing et la relation client, ainsi que l’efficience opérationnelle des fonctions supports.

Les exemples d’intégration réussis promeuvent un nouvel modèle de gestion de l’entreprise avec un plan stratégique dédié et une intégration générale de l’IA dans les processus et la gouvernance de l’entreprise.

Les clés de la réussite sont : un pilotage stratégique (portage du PDG et du COMEX), des objectifs spécifiques et pluriannuels, des données disponibles, la formation des techniciens, commerciaux et managers, une démarche itérative d’expérimentation / industrialisation.

Les entreprises gestionnaires d’importantes bases de données et avec des processus numériques déjà avancés sont les pionnières de l’intégration IA. Il s’agit principalement des secteurs technologiques, des médias, de la santé, de la banque et des assurances. Autrement dit, des secteurs déjà fortement numérisés et très concurrentiels⁵.

S’agissant des administrations, les fonctions fiscales et les politiques sociales sont les plus concernées par les développements de solution IA dans les pays de l’OCDE.

Les deux objectifs poursuivis par les administrations concernées sont :

• L’efficience : automatisation, réduction des coûts, optimisation des processus et
• La qualité de service : accompagnement, réduction des erreurs.
  

En termes de souveraineté, la majorité des pays visent un contrôle des infrastructures et des données, sans développer d’outils autonomes, les technologies n’étant pas maîtrisées par les administrations⁶.

Les Développements de Solutions IA dans les Administrations Françaises

Les inspecteurs relèvent tout d’abord l’usage diffus et caché de l’IA par les agents publics, le « shadow IA ». Dans une étude du Syndicat national des directions générales des collectivités territoriales (SNDGCT) de septembre 2025, 40 % des agents de collectivités disent ainsi utiliser une ou des solutions personnelles d’IA dans leur travail.

La sortie du « shadow IA » doit donc être une priorité. Pour ce faire, les inspecteurs recommandent :

• L’établissement de chartes sur l’utilisation de l’IA au travail (protection des données, interprétation des résultats), en particulier s’agissant des solutions commerciales ;
• La mise à disposition d’équipements IA généralistes et sécurisés pour les agents dans leur usage professionnel.
  

S’agissant des solutions IA officiellement déployées au sein de l’État, la direction nationale du numérique (DINUM) identifie 141 produits relevant de 80 entités différentes. S’agissant des collectivités, la moitié des communes de plus de 3 500 habitants aurait initié au moins un projet IA en 2025. Dans la sphère sanitaire et sociale, France Travail semble être l’opérateur le plus avancé avec 68 cas d’usage IA début 2026, dont 27 déployés.

D’une façon générale, l’adoption de l’IA par les administrations françaises est récente, voire très récente. La moitié des produits IA recensés par la DINUM début 2026 ont été lancés en 2024 ou 2025.

Les trois grandes catégories de produits IA développés par les administrations :

• La mise à disposition d’outil IA généralistes, de type GPT, permettant la recherche d’information, la synthèse, la rédaction de textes, la traduction et la production de comptes rendus ;
• La création de solutions IA pour les fonctions supports, comme les achats, les affaires juridiques ou les ressources humaines. Leur objectif étant d’optimiser les processus et de faciliter les prises de décisions en structurant des flux d’information complexes ;
• La troisième catégorie concerne l’application de l’IA à des métiers spécifiques : contrôle, relation usager, etc.
  

À cet égard, les inspecteurs relèvent la grande décentralisation en matière de développement de solutions IA. La DINUM n’exerçant pas une gouvernance nationale sur le sujet.

Au sein même des administrations, le sujet IA demeure un sujet technique, à la main des directions des systèmes d’informations, et n’est pas intégré dans une stratégie globale, avec un portage de la direction générale.

En l’absence d’objectifs explicites, l’IA reste perçue comme un outil optionnel, dont les bénéfices sont diffus, non mesurés et donc non pilotables. D’ailleurs, les initiatives publiques françaises restent largement financées sur des enveloppes d’innovation ou de modernisation, insuffisantes pour absorber les coûts structurels d’un projet d’IA, ce qui conduit à une accumulation de POC techniquement réussis, mais budgétairement non soutenables. Or, la diffusion d’une IA régulée dans le public nécessite un changement de paradigme budgétaire, assimilant l’IA non à un investissement ponctuel, mais à une dépense récurrente.

Pour les inspecteurs, l’action publique est pour partie une « industrie » de la donnée et de la norme⁷, elle dépend davantage que les entreprises des fonctions de « back-office ». Elle est donc plus exposée à une transformation de ses pratiques, même si les contraintes sont élevées : pression budgétaire et dette technique du fait du sous-investissement dans le numérique⁸, choix politiques, sensibilité des données et des usages.

L’IA Comme Levier de Transformation et d’Efficience de la Gestion Publique

La Difficulté d’Evaluer les Gains

Les inspecteurs relèvent la difficulté à évaluer les gains susceptibles d’être générés par l’IA. De toute manière, il est de leur point de vue essentiel de dépasser cette approche de court-terme⁹ pour envisager le gain en termes d’efficacité des organisations publiques.

Les inspecteurs comparent ensuite les différents travaux tendant à envisager l’impact économique de l’IA. Outre le gain de productivité et l’effet sur la croissance (variable selon les approches), les effets sont très différenciés en fonction des tâches exercées.

En raisonnant par gradient (de 1, exposé partiellement à 4, une exposition quasiment complète)¹⁰, il ressort que :

• 20 % des agents publics sont considérés comme exposés, dont plus des 2/3 (13 %) sont dans les catégories 3 et 4 ;
• 23 % sont peu exposés,
• 47 % ne sont pas exposés¹¹ ;
• Le reliquat est composé de militaires (non étudiés) et de professions non classifiées.
  

Les Gains en Productivité et en Qualité Permis par l’IA

Le gain des solutions généralistes est déjà évident, qu’il s’agisse de la rédaction de comptes rendus, de la génération de mails, de synthèses, de recherches simples, etc.

Dans les fonctions support, déjà fortement exposées, des gains de 20 à 40 % sont possibles, sans changement des processus.

• La direction des achats de l’État estime ainsi que certaines tâches peuvent être optimisées jusqu’à 60 % (sourcing, rédaction de documents contractuels, synthèse d’offres) ;
• De manière similaire, la direction des affaires juridiques des ministères économiques et financiers a mis à disposition de ses juristes un outil permettant de diviser par deux le temps de recherche documentaire ;
• Des outils existent également en matière RH pour faciliter la rédaction de fiches de poste.
  

En conséquence, la mission encourage les ministères à développer des outils communs et partagés.

Dans les services déconcentrés, une solution d’IA a par ailleurs été mise à disposition des agents pour accélérer le traitement des suggestions et avis des usagers. Le bilan réalisé par la direction interministérielle de transformation publique (DITP) indique que cette solution d’IA a permis :

• de diviser le délai de réponse moyen par six, en le faisant passer de 19 à 3 jours, et
• d’augmenter la part d’usagers jugeant les réponses utiles, de 68 % avec la solution d’IA contre 57 % sans cette dernière.
  

Auprès des agents publics, l’IA apporte également un gain de confort et de qualité de vie au travail en supprimant les tâches les plus chronophages (comme le préremplissage de formulaires, la vérification ou la synthèse de dossiers volumineux). Elle allège également certaines tâches dans un environnement normatif complexe

Enfin, les inspecteurs évoquent assez étrangement l’IA comme un élément d’attractivité auprès des jeunes générations. Proposer de l’IA permettrait de rassurer les jeunes générations sur la capacité de l’employeur public à proposer un cadre de travail moderne et efficace¹².

Les Externalités Négatives

Le premier obstacle au développement de l’IA est celui du coût. De 2023 à 2025, la DINUM a engagé 8,7 millions d’euros dans le développement de l’IA pour l’État. Ce qui est évidemment très modéré, mais les exemples d’investissements dans le secteur privé témoignent du risque de dérapage¹³.

Par ailleurs, l’adoption de projets IA implique des coûts spécifiques, notamment par la maintenance, de la formation du personnel et surtout des enjeux de sécurité et de souveraineté.

Les Conditions d’un Développement Réussi de l’IA dans les Administrations

Le déploiement de l’IA dans les administrations publiques reste freiné par une puissance de calcul insuffisante, des systèmes d’information (SI) obsolètes et des initiatives éparses ayant conduit à une fragmentation des ressources et à une sous‑utilisation des capacités existantes.

La mission invite à réfléchir posément au « make or buy » pour identifier les options possibles pour l’État. Par ailleurs, l’usage d’infrastructure interministérielle doit être privilégié pour assurer simultanément la souveraineté, la cybersécurité, la frugalité, le dimensionnement des modèles et leurs évolutions en fonction des besoins.

Pour ce faire, elle invite la direction de la sécurité sociale pour les organismes de la sécurité sociale et la DINUM pour l’État à exercer une gouvernance contraignante sur les futurs développements afin de définir une architecture SI socle (sécurité, performance, souveraineté, évolutions).

La Maitrise des Risques

Les échecs documentés de systèmes d’IA publics montrent l’ampleur des risques opérationnels, juridiques et réputationnels en cas de déploiement insuffisamment maîtrisé.

• En Espagne, le système MeQA a dû être retiré en quelques heures après des erreurs répétées dans l’autorisation de médicaments, générant interruption de service, coûts de remédiation et perte de confiance durable ;
• Les Pays-Bas ont connu un scandale d’ampleur nationale avec SyRI, outil de lutte contre la fraude sociale jugé discriminatoire, puis interdit par la justice, entraînant enquêtes, indemnisations et contribuant à la démission du gouvernement ;
• En Australie, le système automatisé de recouvrement « Robodebt » a généré des milliers de dettes infondées avant d’être jugé illégal ;
• Aux États-Unis, l’algorithme COMPAS, utilisé pour évaluer le risque de récidive, a été reconnu comme biaisé, révélant les risques majeurs liés à des modèles opaques dans la décision publique.
  

Pour se prémunir de telles dérives, les évaluations renforcées avant tout développement opérationnel sont incontournables et doivent être embarquées tout au long du cycle de vie du dispositif.

Cette maitrise des risques suppose aussi une structuration institutionnelle pour guider les administrations et contrôler les pratiques.

Il s’agit en particulier des autorités nationales ayant été désignées autorités de surveillance pour la mise en œuvre du Règlement européen sur l’intelligence artificielle :

• La Commission nationale de l’informatique et des libertés (CNIL),
• La direction générale de la concurrence, de la consommation et de la répression des fraudes (DGCCRF) et
• L’institut national pour l’évaluation et la sécurité de l’intelligence artificielle (INESIA), créé en 2025 et piloté par le secrétariat général de la défense et de la sécurité nationale (SGDSN) et par la direction générale des entreprises (DGE).
  

Une Politique Sociale Adaptée

La politique sociale et notamment le dialogue social constituent une priorité pour les inspecteurs, afin d’inscrire les transformations dans un cadre stratégique, partagé et mobilisateur.

La question de l’attractivité des métiers numériques et de l’élévation du niveau de compétence moyen des agents publics et de leurs managers est essentielle. La mission propose ainsi la mise à disposition de modules de formation dédiés.

Enfin, une réflexion globale sur les conditions de travail, la charge mentale, l’autonomie professionnelle et les dynamiques collectives est incontournable¹⁴.

Un Monitoring en Continu du Développement IA

Pour conclure, les inspecteurs proposent une évaluation en continu :

• Des modèles : leur performance technique, leur impact sur les processus opérationnels,
• Des effets : sur les agents et la satisfaction des usagers ;
• Des risques : avec un suivi fin des risques psychosociaux et de la gestion des compétences ;
• Du budget : ce monitoring devant également garantir la soutenabilité opérationnelle et budgétaire des solutions déployées.
  

1. Le rapport date d’avril 2026 et des discussions ont été relayées dans la presse s’agissant des hésitations du Gouvernement en la matière. ↩
2. Automatisation robotisée des processus, ou en bon français : « robotic process automation ». ↩
3. Mais les risques de mauvais traitement également. Une automatisation ratée peut rapidement devenir une catastrophe industrielle, à l’exemple des air bag Takata pour Toyota. ↩
4. Apprentissage autonome, mais avec une exécution attendue comme conforme aux instructions de l’utilisateur (détermination des finalités). ↩
5. La course à l’innovation étant un enjeu de survie pour les entreprises concernées. ↩
6. Et il est improbable que les États parviennent à proposer des solutions compétitives, tant les innovations sont à la fois rapides et coûteuses à développer. Ce désarroi de l’État devant des innovations dont il n’a pas la maitrise semble s’être accéléré depuis la généralisation d’Internet. ↩
7. L’urbanisation des systèmes d’informations de l’État (et de ses opérateurs) s’enrichit chaque année, comme les textes normatifs. Le tout, au service de politiques de plus en plus techniques, voire foisonnantes. ↩
8. Les inspecteurs relèvent le caractère généralisé de ce sous-investissement parmi les administrations de l’OCDE. ↩
9. Ce compromis a peut-être été difficile à écrire pour les inspecteurs généraux des finances co-rapporteurs (auquel cas, je les comprends !). ↩
10. À partir des travaux de l’Organisation internationale du Travail, « Intelligence artificielle générative et emploi : révision 2025 », 2025. ↩
11. Les inspecteurs relèvent toutefois que les enseignants sont classés dans cette catégorie, alors même que l’IA peut aider à préparer les matériaux pédagogiques, le programme et les évaluations. ↩
12. Cet argument, pris isolément, sonne un peu comme une stratégie Potemkine. ↩
13. Il s’agit probablement du point le plus sensible. Un investissement trop élevé pourrait être considéré comme une gabegie (en admettant celui-ci possible dans les contraintes budgétaires actuelles). Tandis que des investissements trop faibles révéleraient (dans l’interprétation inverse) du retard et un défaut de pilotage stratégique. ↩
14. On sait que l’IA présente des risques en termes d’épuisement professionnel. ↩