Combler le fossé de l'IA : comment l'accès aux connaissances de nouvelle génération permet aux organismes publics d'atteindre leurs objectifs de mission

L'accès aux connaissances de nouvelle génération représente une approche avancée pour trouver, comprendre et utiliser l'information, allant au-delà des méthodes de recherche traditionnelles et les référentiels de connaissances statiques.

Dans le secteur public, cela se traduit par la possibilité pour les systèmes d'IA et les opérateurs d'accéder aux connaissances pertinentes au moment opportun et dans le contexte adéquat, éliminant ainsi le besoin d'effectuer des recherches manuelles à travers des sources disparates.

Les tensions budgétaires s'intensifient dans de nombreuses régions. Parmi les 193 États membres de l'ONU évalués, les investissements dans des infrastructures résilientes et des technologies de pointe continuent de progresser.² Les dirigeants doivent obtenir de meilleurs résultats avec moins de ressources et se tournent vers l'IA pour y parvenir.

Pour les dirigeants du secteur public, les implications stratégiques sont claires. L'IA ne relève plus d'une simple initiative d'innovation arbitraire. Elle s'impose de plus en plus comme une priorité en matière de politiques publiques et de prestation de services, et les administrations incapables de la mettre en œuvre concrètement feront face à une pression croissante de la part des instances de contrôle, des élus et du public qu'ils servent.

Le chiffre de 72 % mérite un examen plus approfondi. L'étude d'IDC identifie les principaux obstacles à la montée en charge de l'IA : le manque de compétences, les risques liés à la sécurité et à la conformité, ainsi que l'état de préparation des données.¹

Les entrepôts de données traditionnels ont été conçus pour l'analyse périodique de données structurées et organisées. L'IA agentique repose sur un accès rapide et encadré à un corpus de connaissances beaucoup plus vaste, pouvant inclure :

• Des politiques et procédures

• Des notes de dossier et de la correspondance

• Des transcriptions d'appels, des formulaires et des logs opérationnels

• Des signaux de menaces de cybersécurité en temps réel

La majeure partie de ce contenu est non structurée et dispersée parmi des systèmes cloisonnés, ce qui rend sa corrélation et son analyse difficiles. En outre, sous sa forme actuelle, ce contenu peut s'avérer inaccessible ou inexploitable pour les agents IA.

Le défi se situe souvent au niveau de la couche de récupération des données. Sans un accès contrôlé à des sources de connaissances fiables, les applications d'IA risquent de produire des sorties moins fiables, compliquant ainsi la tâche des organismes cherchant à instaurer et à préserver la confiance du public.

Les réglementations commencent à définir les exigences relatives au déploiement de l'IA en production. Le Règlement européen sur l'IA et le Règlement pour une Europe interopérable témoignent d'une tendance mondiale plus large en faveur de normes formelles pour des services publics numériques fiables et interopérables. Parallèlement, la souveraineté numérique et en matière d'IA influence de plus en plus les décisions d'achat et les exigences opérationnelles.

Selon l'étude d'IDC, les organismes du secteur public qui réalisent le scaling de l'IA générative et agentique privilégient ces exigences :

• Garanties de résidence des données (46 %)

• Garde-fous de sécurité, y compris l'ancrage basé sur la récupération et les filtres de politiques (43 %)

• Auditabilité des prompts et des actions (40 %)

• Approbations avec intervention humaine (39 %)

• Provenance du modèle et nomenclature logicielle (38 %)¹

Ces exigences doivent être prises en compte dès le départ, et non ajoutées après le déploiement. Elles conditionnent l'architecture, le choix des outils et la conception des systèmes. Comme le souligne IDC à la suite de ses échanges avec de hauts responsables, les décideurs politiques souhaitent une infrastructure d'IA qu'ils peuvent "contrôler en temps de crise", ce qui traduit une évolution plus globale, passant des exigences de localisation des données à une autonomie stratégique sur les roadmaps de l'IA.¹

Pour les décideurs, cela signifie évaluer les exigences de gouvernance et de souveraineté dès le début du processus de sélection. La performance du modèle n'a d'importance que si la technologie peut fonctionner dans le cadre des exigences de conformité de l'organisme.

Trois tendances convergentes façonnent cette évolution :

• Récupération hybride comme modèle standard : la recherche hybride associe la recherche par mots-clés (lexicale) et la recherche sémantique pour prendre en charge la RAG et les workflows agentiques, en conciliant correspondances exactes et compréhension contextuelle.

• Protocoles d'intégration ouverts : des standards, tels que le Model Context Protocol (MCP), une spécification ouverte permettant de connecter des applications de grands modèles de langage (LLM) à des sources de données et à des outils externes, accélèrent l'intégration tout en renforçant les exigences de gouvernance concernant ce qui est connecté et la façon dont cela est consigné dans les logs.

• Contrôles de sécurité et des risques comme mécanismes de sécurité : le filtrage des autorisations, l'occultation des informations, les logs d'audit et le suivi de la provenance alignent l'architecture de récupération sur des frameworks tels que le Cadre de gestion des risques liés à l'IA du National Institute of Standards and Technology (NIST).³

Ensemble, ces fonctionnalités transforment la recherche en un service de récupération prêt pour l'IA capable de conserver les données dans des emplacements conformes tout en permettant un accès contrôlé à faible latence au sein des systèmes distribués.

Lorsque les processus de récupération des données sont encadrés et cohérents, l'organisation tout entière en tire parti. Pour les équipes informatiques et les développeurs, la standardisation des connecteurs, des méthodes d'indexation et des API de récupération permet de réduire les tâches d'intégration ponctuelles et d'accélérer la livraison des projets. Quant aux équipes chargées de la sécurité et de la gouvernance, elles peuvent ainsi limiter la duplication inutile de données et faciliter l'audit des accès aux informations.¹

Parmi les résultats obtenus :

• Vue opérationnelle unifiée qui décloisonne les données, améliore la visibilité et donne aux équipes le contexte dont elles ont besoin pour prendre des décisions plus rapides et plus éclairées

• Gains d'efficacité générés par la consolidation des outils fragmentés de recherche et de récupération

• Réduction du risque de non-conformité grâce au filtrage des autorisations, à l'occultation des informations et aux logs d'audit intégrés

• Mise en production plus rapide pour les cas d'utilisation de l'IA dans le domaine de la cybersécurité gouvernementale, de la gestion des dossiers et des services aux citoyens

• Autonomie stratégique sur les roadmaps de l'IA, avec possibilité de déployer dans des environnements souverains ou sur site selon les exigences des politiques en vigueur

Ces résultats sont importants, car les organismes de surveillance et les élus rechercheront, à terme, des preuves de gouvernance, d'auditabilité et d'impact sur la mission. Un investissement dans l'IA incapable de démontrer ces résultats pourrait être compromis.

Les études indiquent une orientation stratégique claire. Le scaling de l'IA n'est pas principalement un problème de sélection de modèle. Il s'agit d'un enjeu d'architecture, dans lequel la couche de récupération joue un rôle essentiel.

Pour les dirigeants du secteur public, trois priorités se dégagent des conclusions d'IDC :

• Considérez la préparation des données comme un prérequis, et non comme un flux de travail parallèle. Avant de généraliser les projets pilotes d'IA, investissez dans l'infrastructure de récupération contrôlée qui les soutiendra à grande échelle.

• Concevez votre solution en visant la souveraineté dès le départ. La résidence des données, l'auditabilité et la supervision humaine ne sont pas de simples cases de conformité à cocher ; ce sont des exigences architecturales qui déterminent le choix de la plateforme.

• Choisissez des plateformes reposant sur des standards ouverts. L'interopérabilité protège contre la dépendance et préserve l'autonomie stratégique à mesure que les politiques et les conditions géopolitiques évoluent.

Les administrations qui agissent sur ces priorités dès maintenant seront celles qui offriront des résultats mesurables pour leurs missions grâce à l'IA au cours des deux à trois prochaines années.

Le rapport IDC Spotlight complet, coparrainé par Elastic et AWS, présente l'intégralité des données de l'enquête, l'analyse des politiques mondiales et les recommandations architecturales mentionnées dans cet article. Téléchargez le rapport IDC Spotlight : Combler le fossé de l'IA dans le secteur public

• Découvrez les cas d'utilisation de l'IA dans le secteur public proposés par Elastic.

• Découvrez comment les organismes du secteur public utilisent Elasticsearch.

• Consultez l'article sur l'IA générative et la recherche sémantique dans le secteur public.