Comprendre l'IA dans le secteur public : applications, cas d'utilisation et mise en œuvre

L'intelligence artificielle désigne un ensemble de technologies qui permettent aux machines d'imiter l'intelligence humaine et de formuler des prévisions, des recommandations et des décisions efficaces et précises, fondées sur des données. L'IA générative, un sous-ensemble de l'IA, va encore plus loin. L'IA générative offre des capacités améliorées de traitement des données et la possibilité de créer de nouveaux contenus originaux. Elle permet des interactions intuitives et en langage naturel avec les machines, ce qui rend la technologie plus accessible. Qu'il s'agisse d'IA traditionnelle ou générative, l'IA est capable, par nature, d'exploiter et de traiter les données plus efficacement que les humains. 

Les administrations publiques traitent d'énormes volumes de données, probablement encore plus que la plupart des entreprises privées. Ces données sont souvent très sensibles et soumises à une législation stricte en matière de protection de la vie privée. De ce fait, le secteur public se trouve confronté à des défis de taille. Il doit répondre aux besoins de chaque citoyen, mais les différentes administrations ont adopté la numérisation à des rythmes et selon des méthodes variés. Il en résulte des quantités colossales de données numériques, réparties dans des silos d'informations que les agents de l'État – tout comme les citoyens utilisateurs – ne sont pas toujours en mesure d'exploiter. 

La législation, les transactions, les archives, les renseignements et bien d'autres éléments constituent le corpus de données des organismes publics et des parties prenantes. L'IA peut aider à relever les défis liés au big data : briser les cloisonnements, rationaliser les opérations et améliorer l'efficacité. En recourant à l'IA, les organismes peuvent réduire leurs coûts, améliorer la prestation de services et accroître la satisfaction des citoyens.

Dans le secteur des transports, les algorithmes de machine learning peuvent être utilisés pour optimiser le trafic et assurer la maintenance prédictive des infrastructures de transport. Aux États-Unis, certaines organisations étudient la possibilité d'utiliser l'IA pour des applications liées aux transports publics, notamment pour analyser les données des capteurs, aider les utilisateurs à planifier leurs itinéraires et leurs déplacements, et améliorer la sécurité routière.

Dans le domaine de l'éducation, l'IA peut contribuer à réduire les inégalités en démocratisant l'accès à l'enseignement. Selon l'UNESCO (Organisation des Nations Unies pour l'éducation, la science et la culture), l'IA a le potentiel de relever certains des plus grands défis actuels dans ce domaine. Elle peut innover dans les pratiques d'enseignement et d'apprentissage et accélérer les progrès vers l'objectif de développement durable consistant à garantir une éducation inclusive et équitable de qualité pour tous. L'IA a également le potentiel d'offrir des plateformes d'apprentissage personnalisées et une aide ciblée aux étudiants. Certains organismes gouvernementaux déploient déjà des modules de formation à l'IA au sein des administrations, avec la possibilité de les étendre aux citoyens.

Dans le secteur de la santé, les outils alimentés par l'IA peuvent améliorer le niveau global des soins en accélérant les diagnostics et la recherche clinique. L'IA peut prendre en charge de nombreux outils de diagnostic et automatiser les processus administratifs. Elle a le potentiel d'améliorer la collecte de données cliniques, d'accélérer le partage des connaissances et les efforts de recherche dans l'ensemble du secteur de la santé. Les organismes gouvernementaux du monde entier utilisent également l'IA comme outil d'analyse prédictive des épidémies afin de prévenir la prochaine pandémie.

Au-delà de la prédiction et du traitement, les agences gouvernementales peuvent utiliser l'IA pour mieux connecter les citoyens aux services essentiels dont ils ont besoin. Les consommateurs attendent un service immédiat, efficace et personnalisé, et les agences gouvernementales sont souvent réputées pour leurs délais de traitement lents et inefficaces. L'IA peut améliorer la qualité du service client et du support pour répondre aux attentes définies par le niveau de service dans le secteur privé.

Aux États-Unis, le secteur public est classé au dernier rang des 10 secteurs étudiés en matière de satisfaction client.¹ En intégrant diverses applications d'IA telles que Search AI, des chatbots disponibles 24 h/24 et 7 j/7 et des processus administratifs automatisés, les gouvernements peuvent rationaliser la diffusion de l'information publique, proposer des services gouvernementaux personnalisés et améliorer le service client dans son ensemble.
Pour en savoir plus : L'importance du service client pour les pouvoirs publics, et comment l'IA peut y contribuer

Les administrations gèrent d'énormes volumes de documents, de données et de tâches administratives. Le temps perdu à trier manuellement les documents peut avoir des conséquences concrètes pour les citoyens. Le gouvernement américain estime que 140 milliards de dollars² d'avantages potentiels sont inexploités chaque année en raison de processus obsolètes ou trop complexes.

Au-delà de l'amélioration du partage des connaissances, des contrôles d'accès et de l'efficacité globale, la dématérialisation ouvre la voie à l'automatisation et à l'IA. L'IA est particulièrement utile pour récupérer des informations stockées dans différents formats et dans différents emplacements, ce qui améliore l'accessibilité des données et évite aux employés de perdre du temps à chercher dans différents fichiers et systèmes.

Selon certaines estimations, le secteur public américain enregistrera collectivement des gains de productivité de 519 milliards de dollars grâce à l'IA générative d'ici 2033.³ En réduisant les charges de travail manuelles, l'IA permet de minimiser les erreurs humaines et d'accroître l'efficacité opérationnelle.

Dans le domaine juridique, l'IA peut trouver des informations stockées dans différents emplacements et dans différents formats. Elle peut automatiser des processus tels que le traitement et la classification de documents, l'automatisation des workflows pour les permis, les déclarations fiscales et les prestations sociales, ainsi que la détection des fraudes dans les programmes d'aide publique. L'IA peut également simplifier et rationaliser les processus juridiques, notamment l'e-discovery, les contrôles de conformité et l'analyse des contrats, en améliorant la précision et l'efficacité.

L'IA peut également aider à trier de grandes quantités d'informations dans l'enseignement supérieur, notamment dans les instituts de recherche. L'IA générative aide les chercheurs à localiser et à utiliser des informations contextuelles et pertinentes provenant de diverses sources. C'est un aspect particulièrement important pour les projets de recherche collaborative qui impliquent plusieurs départements ou universités.

La prise de décision pilotée par les données est essentielle pour optimiser l'efficacité, les services et les résultats. Cependant, une étude récente a montré que seuls 32 % des dirigeants du secteur public utilisent les données pour prendre des décisions au quotidien.

L'IA offre à ses utilisateurs une capacité sans précédent de tirer des informations précieuses à partir de données consolidées qui facilitent la prise de décision. Par exemple, l'analyse prédictive peut prévoir les tendances en matière de criminalité, de santé publique et d'évolutions économiques, aidant ainsi les gouvernements à anticiper ces défis et à y répondre de manière proactive.

Les décideurs politiques peuvent également s'appuyer sur l'analyse prédictive pour construire des modèles de simulation qui évaluent les impacts potentiels d'une législation avant qu'elle ne soit mise en œuvre. 

Pour en savoir plus : Relever les défis grâce aux données et à l'IA : 5 informations pour les dirigeants du secteur public

Comme tout ce qui concerne le secteur public, l'utilisation de l'IA doit être soigneusement réglementée afin de garantir un déploiement éthique, l'équité et la transparence. Les organismes gouvernementaux travaillent avec des données sensibles. La mise en place de cadres de gouvernance solides permet d'atténuer les risques, de respecter les normes juridiques et de maintenir la confiance du public dans les initiatives gouvernementales en matière d'IA. Ce dernier point est essentiel pour répondre aux attentes des consommateurs et améliorer les services publics.

Les organismes de réglementation ont eu, pour la plupart, beaucoup de mal à suivre le rythme des progrès de l'IA. L'adoption rapide de l'IA dans les secteurs privés et une compréhension inégale des capacités, des avantages et des risques de cette technologie font de sa réglementation un défi.

Pour répondre à ces préoccupations, les gouvernements établissent des normes éthiques, des dispositions juridiques et des cadres visant à garantir une utilisation responsable de l'IA. Ces réglementations visent à promouvoir l'équité, la responsabilité et la transparence, afin de garantir que les applications d'IA respectent les valeurs démocratiques et les droits de l'homme. Cependant, le respect de ces cadres varie d'une région à l'autre, ce qui influence la manière dont l'IA est mise en œuvre dans les administrations publiques.

Dans l'ensemble, les lois sur la protection des données, les obligations en matière d'équité et les directives de transparence sont au cœur des exigences de conformité qui visent à garantir des services d'IA fiables et sûrs.

Aux États-Unis, il n'existe actuellement aucune réglementation fédérale globale en matière d'IA⁴, et les efforts pour les adopter ou les rejeter sont intrinsèquement liés au système politique bipartite. Les administrations oscillent entre l'imposition de réglementations ou leur suppression complète en faveur d'une innovation rapide. Ce sont plutôt les États qui élaborent des réglementations, ce qui se traduit par un patchwork de lois et un paysage réglementaire complexe que les agences gouvernementales et les parties prenantes doivent appréhender par elles-mêmes.

D'autre part, l'Union européenne a introduit le règlement sur l'intelligence artificielle, le tout premier cadre juridique visant à garantir la sécurité, les droits fondamentaux et une IA centrée sur l'humain, ainsi qu'à renforcer l'adoption, l'investissement et l'innovation dans le domaine de l'IA dans l'ensemble de l'UE.

La principale préoccupation en matière de sécurité liée à l'utilisation de l'IA générative au sein des gouvernements réside dans la gestion des données sensibles avec les grands modèles de langage (LLM) publics, les éléments fondamentaux des systèmes d'IA qui utilisent le langage naturel. Une utilisation inappropriée des LLM publics peut entraîner des risques tels que des fuites de données, la divulgation involontaire d'informations classifiées et des vulnérabilités aux manipulations malveillantes.

Les systèmes d'IA fonctionnent souvent comme des boîtes noires, ce qui rend la garantie de la sécurité particulièrement difficile. Leur manque de transparence complique l'évaluation des risques et les efforts d'atténuation, augmentant ainsi la vulnérabilité aux violations de données et aux attaques malveillantes. Par conséquent, le déploiement de l'IA au sein des administrations publiques pose des défis complexes en matière de sécurité, notamment en ce qui concerne la protection des intérêts de sécurité nationale. La mise en place de mesures de protection rigoureuses, telles qu'un chiffrement robuste, des contrôles d'accès et une surveillance continue, est essentielle pour atténuer efficacement ces risques.

Pour s'assurer que l'IA générative s'appuie sur un contexte approprié, les organisations peuvent mettre en œuvre la RAG (génération augmentée par récupération), un ensemble de techniques qui permettent une utilisation sécurisée des données propriétaires. Cette approche contribue à atténuer les risques en garantissant que les modèles d'IA s'appuient sur des données fiables et à jour plutôt que sur des données d'entraînement potentiellement biaisées ou obsolètes. En intégrant la RAG, les administrations publiques peuvent exercer un contrôle accru sur les informations sensibles et s'appuyer sur des réponses plus contextualisées. 

Les principaux défis liés à l'adoption de l'IA ne sont pas seulement techniques. Ils incluent le manque de compétences spécialisées et une réglementation souvent floue.⁵ De nombreux services publics se heurtent à des résistances liées aux préoccupations concernant la sécurité des données, aux suppressions d'emplois et à la complexité de la mise en œuvre. L'intégration réussie de l'IA dans l'administration publique doit être un processus stratégique en plusieurs étapes qui surmonte ces obstacles et favorise une culture de l'innovation.

• Garantir la visibilité des données en temps réel : la mise en œuvre efficace de l'IA dépend entièrement de l'accès complet et en temps réel des administrations à toutes les données pertinentes. Sans une visibilité totale, les analyses pilotées par l'IA et l'automatisation risquent d'être incomplètes ou inexactes. Après tout, l'IA n'est efficace que dans la mesure où les données sur lesquelles elle s'appuie le sont.

• Planification et gouvernance : si l'absence de réglementation peut favoriser l'innovation, elle peut également freiner l'adoption de l'IA au niveau gouvernemental. La mise en place de politiques claires, de directives éthiques et de mesures de conformité réglementaire peut contribuer à garantir un déploiement rapide, et responsable, de l'IA.

• Identifier des cas d'utilisation spécifiques : les administrations doivent évaluer où l'IA peut avoir le plus d'impact, que ce soit dans les services publics, l'automatisation ou la prise de décision. Les gouvernements doivent progressivement étendre ces services afin qu'ils aient un impact sur les secteurs et l'économie. 

• Montée en puissance et sécurité : au-delà des cas d'utilisation évolutifs, les administrations doivent s'assurer que la technologie a la capacité de monter en puissance et de s'adapter à l'évolution des besoins du gouvernement tout en restant sécurisée.

• Intégration aux systèmes existants : même si les organismes publics se situent à différents niveaux de maturité technologique, l'intégration transparente des systèmes d'IA dans les systèmes existants est la clé d'une implémentation réussie.

Partout dans le monde, les organismes publics mettent en place des programmes visant à renforcer les compétences des parties prenantes et des usagers en matière d'utilisation de l'IA, afin d'en tirer encore davantage de bénéfices (tout en limitant les risques).

Le document "AI Inventory 2024" du département d'État américain présente diverses applications de l'IA dans les domaines de la diplomatie, de la cybersécurité et des fonctions administratives, visant à améliorer les services publics, l'efficacité et la prise de décision.⁶ Le département d'État américain utilise l'IA pour moderniser son expertise diplomatique. Le bureau du sous-secrétaire à la gestion utilise les technologies d'IA au sein du département d'État pour faire progresser les activités diplomatiques traditionnelles, en appliquant le machine learning aux technologies de l'information internes et aux fonctions de conseil en gestion.

Voici d'autres exemples d'initiatives :

• Traduction de documents consulaires : les modèles de traduction par IA collaborent avec les équipes pour proposer aux usagers, sur les sites web gouvernementaux, des informations consulaires dans la langue de leur choix. L'IA permet de réduire le temps et les ressources habituellement nécessaires, tandis que l'intervention humaine garantit la précision et la clarté du message (l'IA a encore du mal avec le jargon juridique !).

• Modèle sur la violence à l'encontre des civils : modèle de machine learning qui exploite des ensembles de données politiques, sociales et économiques open source afin de prévoir les massacres de civils pour le trimestre et l'année à venir dans chaque pays du monde, dans le but de contribuer à la prévention des conflits.

• Senturion Alpha : modèle axé sur les parties prenantes et les influences qui permet de déterminer la position des principaux décideurs sur un spectre de questions données et d'identifier les relations d'influence entre eux. La simulation analyse les dynamiques politiques au sein de différents contextes et évalue comment les positions politiques des différents groupes d'intérêts en concurrence évolueront au fil du temps.

• Storyzy : améliore la détection de l'utilisation de contenus synthétiques, c'est-à-dire des données générées par ordinateur qui imitent les données du monde réel.

Elasticsearch Platform offre des capacités de recherche complètes pour la création d'applications d'IA et de workflows RAG, une sécurité au niveau du document, une base vectorielle prête pour la production, notre modèle d'extraction préentraîné ELSER pour des résultats de recherche en langage naturel plus pertinents, et la prise en charge E5 (multilingue). L'approche ouverte d'Elastic permet à votre équipe d'intégrer vos données à vos propres modèles de transformation ou ceux de tiers en toute sécurité.

• Analyse de données avancée : informations en temps réel à partir de données structurées et non structurées

• Capacités de recherche améliorées : amélioration de la récupération de données pour les renseignements et les dossiers publics

• Systèmes d'IA scalables : une infrastructure flexible qui s'adapte à l'évolution de la demande

En utilisant Elasticsearch, les organismes gouvernementaux peuvent améliorer la transparence, l'efficacité et l'engagement des citoyens, favorisant ainsi la transformation numérique à grande échelle.