Le projet d'IA municipale le plus intelligent est peut-être celui qu'une ville retarde
Les municipalités subissent des pressions pour introduire des assistants d'intelligence artificielle, le traitement automatisé des dossiers et des chatbots destinés aux citoyens, mais beaucoup luttent encore avec des questions plus fondamentales : quel département possède un ensemble de données, si deux registres décrivent la même personne de manière cohérente, ou si les informations soumises via un formulaire en ligne parviennent au système responsable sans être copiées manuellement. Ajouter de l'IA dans un tel environnement ne modernise pas l'administration. Cela donne simplement aux données non fiables un moyen plus rapide de la traverser.
Avant qu'une municipalité ne déploie un nouveau modèle, elle doit savoir si ses dossiers sont exacts, accessibles et juridiquement réutilisables d'un service à l'autre. Les processus doivent être documentés, les responsabilités attribuées et des interfaces créées entre des systèmes qui ont souvent été achetés à des moments différents pour des finalités totalement différentes. Sans cette base, les projets d'IA restent des démonstrations plutôt qu'une infrastructure administrative. Le programme d'IA municipale le plus utile peut donc commencer sans aucun outil d'IA, en débutant plutôt par des adresses corrigées, des registres fonciers conciliés, des catégories de dossiers standardisées et une décision claire sur le registre qui fait autorité lorsque deux systèmes sont en désaccord.
L'IA ne peut pas décider quel registre municipal est correct
Un modèle peut résumer un dossier, classifier une demande entrante ou suggérer une réponse, mais il ne peut pas déterminer de manière fiable quelle source doit être consultée lorsque des systèmes municipaux se contredisent. Un résident peut apparaître sous des noms légèrement différents dans des bases de données distinctes, tandis qu'une propriété peut avoir une adresse dans le système fiscal, une autre dans le registre d'urbanisme et une désignation obsolète dans les registres des services publics. La même organisation peut être identifiée par un numéro d'enregistrement dans un service et être saisie manuellement sous plusieurs noms différents dans un autre.
Les employés résolvent souvent ces incohérences grâce à leur expérience. Ils savent quel collégue appeler, quel tableur contient la dernière version et quel système n'a pas été mis à jour depuis une réorganisation précédente. Cette connaissance informelle permet à l'administration de fonctionner, mais elle ne peut pas soutenir une automatisation fiable. Un assistant IA connecté à tous les dossiers disponibles peut produire une réponse qui semble précise sans reconnaître que les sources sous-jacentes sont en conflit, alors qu'un employé expérimenté aurait traité la même information avec prudence.
La première exigence n'est donc pas un accès plus large aux données, mais une hiérarchie convenue des données. Chaque élément central doit avoir une source officielle, qu'il s'agisse d'une adresse, du statut d'un permis ou de la valadité d'un paiement. D'autres systèmes peuvent réutiliser ces informations, mais ils ne doivent pas maintenir en secret des versions concurrentes. L'IA ne peut travailler sur plusieurs ensembles de données qu'après que la municipalité a compris ce que chacun représente et qui est responsable de sa correction.
Un chatbot ne peut pas réparer un processus défectueux
L'IA destinée aux citoyens séduit parce qu'elle semble résoudre un problème immédiat. Les résidents ont du mal à trouver des informations, tandis que les équipes municipales passent du temps à répondre à des questions récurrentes ; un chatbot offrant une disponibilité permanente et des coûts de support réduits apparaît donc comme une amélioration évidente. Sa valeur reste toutefois limitée lorsque le service qui se cache derrière n'est pas clair.
Un résident peut demander quels documents sont requis pour un permis et recevoir une réponse basée sur le site web municipal. Si le service responsable applique des exigences supplémentaires dans la pratique, le chatbot n'a pas résolu le problème ; il a rendu l'inconsistance plus visible. Il en va de même lorsque les règles diffèrent entre les orientations publiques, les instructions internes et les anciens documents qui restent en ligne. Un modèle de langage peut récupérer et combiner ces sources, mais il ne peut pas établir quelle version représente la pratique actuelle à moins que quelqu'un n'ait déjà résolu la contradiction.
Avant d'automatiser les réponses, l'autorité devrait se demander pourquoi les résidents ont besoin de poser la question en premier lieu. Les instructions de la demande peuvent être incomplètes, deux départements peuvent utiliser une terminologie différente ou le processus peut avoir changé sans que toute l'information publique n'ait été mise à jour. Corriger ces faiblesses améliore le service pour tout le monde, y compris les résidents qui n'utilisent jamais le robot conversationnel. L'IA ne devrait donc être introduite qu'après que la municipalité a établi une base juridique claire, une procédure documentée et un matériel source fiable. Sinon, il s'agit d'automatiser l'incertitude plutôt que de la réduire.
La propriété des données est une responsabilité administrative
Les données municipales sont souvent traitées comme un actif technique géré par le service informatique, bien que leur qualité dépende principalement des services qui les créent, les interprètent et les mettent à jour. Les équipes informatiques peuvent maintenir les serveurs, les interfaces et les contrôles d'accès, mais elles ne peuvent pas décider si un statut de planification a été correctement classé ou si un dossier d'aide sociale doit rester actif. Ces décisions appartiennent aux unités administratives responsables du processus sous-jacent.
Chaque jeu de données important nécessite donc un responsable métier ainsi qu'un gardien technique. Le propriétaire définit ce que représentent les données, quand elles doivent être mises à jour, quelles normes de qualité s'appliquent et qui peut les utiliser. Le gardien technique veille à ce que le système reste disponible, sécurisé et interopérable. Sans cette division des responsabilités, les problèmes de données sont renvoyés d'un département à l'autre : les administrateurs supposent que l'informatique les corrigera, tandis que l'informatique manque de connaissances sectorielles et d'autorité pour déterminer quel doit être le bon enregistrement.
L'IA rend cette ambiguïté plus lourde de conséquences car la municipalité doit être capable d'expliquer non seulement ce qu'un système a recommandé, mais aussi quelles informations ont étayé cette recommandation et qui était responsable de son exactitude. Un modèle ne peut pas devenir le propriétaire des données qu'il consomme.
Les décisions doivent être harmonisées avant d'être automatisées
De nombreuses procédures municipales combinent des règles fixes, un jugement professionnel et des conventions locales. Certains contrôles peuvent être automatisés en toute sécurité, comme vérifier si un champ obligatoire a été renseigné, si une adresse figure dans le registre officiel ou si un délai est dépassé. D’autres décisions nécessitent une interprétation, une appréciation de la proportionnalité ou une évaluation des circonstances individuelles. Des problèmes surviennent lorsque les communes tentent d’automatiser un processus avant d’avoir identifié où se situe cette distinction.
Si les agents traitent des dossiers similaires de manière différente, un système d'IA formé à partir de décisions antérieures risque tout simplement de reproduire ces incohérences. Il pourrait apprendre quels sont les résultats les plus fréquents sans comprendre s'ils reflètent la loi, les pratiques opérationnelles ou les préférences individuelles des agents chargés des dossiers. Les données historiques ne doivent donc pas être considérées automatiquement comme une expression fiable de la politique menée.
Avant que les cas passés ne soient utilisés pour étayer les décisions futures, la municipalité a besoin de catégories cohérentes, d'exceptions documentées et d'une distinction claire entre les pratiques obsolètes et les exigences légales actuelles. L'objectif n'est pas d'éliminer le jugement professionnel, mais de définir où il est nécessaire et où le travail de routine peut être traité de manière cohérente. L'IA est particulièrement utile lorsqu'elle prépare un dossier, identifie les informations manquantes et attire l'attention sur les règles pertinentes. Elle devient plus problématique lorsque l'administration ne peut expliquer si sa recommandation est purement consultative ou si elle détermine effectivement le résultat.
Une gestion des achats fragmentée entraîne une fragmentation des données
Les systèmes municipaux forment rarement une architecture cohérente. Ils se sont accumulés au fil des années à la suite d’acquisitions distinctes dans les domaines de la fiscalité, de la construction, des services sociaux, de la mobilité, des ressources humaines et de la gestion documentaire. Chaque fournisseur définit les données différemment, tandis que les interfaces peuvent être limitées, propriétaires ou coûteuses à mettre en place. Les services adaptent leur travail aux logiciels disponibles, créant souvent des tableurs et des solutions de contournement manuelles lorsque les systèmes ne communiquent pas entre eux.
Un projet d'IA mis en place dans ce contexte peut donner l'impression d'une intégration sans pour autant résoudre le problème sous-jacent. Un modèle peut certes effectuer des recherches dans plusieurs systèmes via une seule interface, mais les données restent dupliquées, les mises à jour ne se répercutent pas automatiquement et les services continuent de gérer différentes versions d'un même enregistrement. La municipalité dispose ainsi d'une nouvelle couche de recherche, mais pas d'une architecture de l'information fonctionnelle.
L'interopérabilité doit donc devenir une exigence fondamentale en matière de passation de marchés, plutôt qu'une caractéristique technique facultative. Les nouveaux systèmes doivent fournir des interfaces documentées, des formats d’exportation standardisés et une procédure réaliste permettant de transférer les données vers un autre fournisseur. La municipalité doit conserver le contrôle sur la définition de ses données et être en mesure d’intégrer le système sans dépendre entièrement du fournisseur d’origine. Cela n’implique pas que chaque service utilise un logiciel identique, car des processus spécialisés peuvent nécessiter des outils spécialisés, mais ces outils doivent néanmoins s’inscrire dans une architecture partagée.
Le coût réel d'un système municipal ne se limite pas au seul prix de la licence. Il inclut également les années de travail nécessaires pour extraire, harmoniser et réutiliser les données qu'il contient.
Les petites communes devraient mettre en commun leurs infrastructures, plutôt que de multiplier les mêmes projets pilotes
Une petite ville peut ne pas disposer du budget ou de l’expertise interne nécessaires pour développer une plateforme d’IA, mettre en place une gouvernance des données et gérer de manière autonome plusieurs intégrations sécurisées. Une infrastructure partagée peut donc s’avérer précieuse, notamment pour les services d’identité, la messagerie sécurisée, l’hébergement de modèles linguistiques, la journalisation et le contrôle d’accès. Les municipalités peuvent également partager des modèles pour les inventaires de données, les évaluations des risques et les exigences en matière de marchés publics, tout en conservant la responsabilité des décisions locales et des informations relatives aux habitants.
Le problème est que la collaboration commence souvent trop tard. Plusieurs communes lancent des projets pilotes séparés, se heurtent aux mêmes obstacles techniques et organisationnels, et ce n’est qu’ensuite qu’elles se demandent si l’infrastructure sous-jacente aurait pu être partagée. Un modèle plus solide sépare dès le départ la couche commune de la couche locale. La technologie peut être mise en commun lorsque les besoins sont comparables, tandis que chaque collectivité reste responsable de l’interprétation de ses propres données, du choix des services à automatiser et de la désignation des personnes habilitées à valider un résultat.
L'objectif n'est pas de rendre toutes les administrations identiques. Il s'agit d'éviter de financer à plusieurs reprises les mêmes structures tout en préservant la responsabilité locale.
La maturité en matière d'IA devrait être évaluée à travers un service réel
Les documents stratégiques généraux peuvent décrire des cas d'utilisation potentiels, des principes éthiques et des structures de gouvernance, mais ils ne permettent pas de déterminer si un service donné est prêt à être automatisé. Un audit pratique de l'état de préparation doit donc suivre un processus de bout en bout.
Une collectivité locale peut commencer par une procédure à fort volume, telle que la délivrance d’un permis de stationnement, l’enregistrement d’une entreprise ou une demande relative à la construction. Elle doit identifier le point de départ de la demande, la manière dont le demandeur est authentifié, les informations requises et les systèmes destinataires des données. Elle doit ensuite examiner à quel moment les informations sont copiées manuellement, à quel moment les agents corrigent des erreurs récurrentes et à quel moment le processus repose sur des connaissances qui ne figurent que dans des notes personnelles ou qui découlent de l’expérience. Les règles juridiques, les directives locales et la gestion des exceptions utilisées pour parvenir à la décision finale doivent également être documentées.
Cet exercice révèle souvent que la meilleure amélioration initiale ne réside pas dans un modèle d’IA. La municipalité peut se rendre compte que la saisie en double de données, un formulaire interne obsolète ou des catégories de dossiers incohérentes génèrent davantage de retards que la tâche choisie pour l’automatisation. Elle peut également constater que l’IA pourrait déjà apporter son aide pour une fonction bien précise, telle que le classement des demandes ou la rédaction de courriers types, sans pour autant être autorisée à déterminer le résultat final.
C'est le cas d'utilisation qui doit déterminer la technologie, et non l'inverse.
La qualité des données est une discipline opérationnelle, et non un projet ponctuel.
Les communes considèrent parfois le nettoyage des données comme une étape préliminaire pouvant être menée à bien avant que le “ véritable ” travail numérique ne commence. Dans la pratique, les données ne restent pas propres d’elles-mêmes. Les habitants déménagent, les organisations changent de nom, les biens immobiliers sont divisés et la réglementation crée de nouvelles catégories. Les employés saisissent les informations dans l’urgence, tandis que les intégrations échouent ou utilisent des formats incompatibles. Une correction ponctuelle peut améliorer temporairement une base de données, mais les mêmes problèmes réapparaissent si le processus à l’origine de ceux-ci reste inchangé.
La qualité des données nécessite donc des règles de fonctionnement permanentes. Les systèmes doivent valider les saisies dans la mesure du possible, empêcher les doublons évitables et consigner l’identité de la personne ayant modifié des informations importantes. Les services doivent disposer de procédures permettant de corriger les erreurs et de communiquer ces corrections aux systèmes connectés. Les indicateurs de qualité permettent d’identifier les enregistrements inhabituels, les valeurs manquantes et les formats incohérents, mais ces indicateurs doivent être associés à une responsabilité. Un tableau de bord indiquant qu’un ensemble de données contient des erreurs n’a que peu d’intérêt si aucun service n’est tenu de les corriger.
L'IA peut aider à détecter des anomalies ou à suggérer des correspondances entre les enregistrements, mais elle ne doit pas fusionner ni écraser des informations sensibles sans contrôles appropriés. L'objectif est de mettre en place une administration qui produise des données fiables dans le cadre de son activité courante, plutôt qu'une administration qui doive réparer périodiquement une base de données qui se détériore.
Les employés doivent pouvoir prendre connaissance des éléments justifiant une réponse
Un assistant IA peut produire un résumé fluide en quelques secondes, mais l'employé doit tout de même savoir si celui-ci est exhaustif et sur quelle source il s'appuie. Cela revêt une importance particulière dans l'administration publique, car les décisions doivent souvent être expliquées, contestées et réexaminées. Un administré à qui l'on a refusé un permis ou une prestation a droit à davantage qu'à la simple assurance que c'est un modèle qui a généré cette recommandation.
Les systèmes d'IA municipaux devraient donc afficher les documents sources, les règles et les archives pertinents qui sous-tendent leurs résultats. Les employés doivent être en mesure de faire la distinction entre les faits extraits, le texte généré et les conclusions déduites. En cas de conflit entre les données ou si une source semble obsolète, le système devrait signaler cette incertitude plutôt que de sélectionner en silence la réponse la plus probable.
La formation devrait mettre l'accent sur ces distinctions pratiques. Les employés n'ont pas besoin de devenir des spécialistes de l'apprentissage automatique, mais ils doivent comprendre qu'une formulation fluide n'est pas gage d'exactitude. Plus un modèle écrit bien, plus il devient facile de passer à côté d'un fondement fragile.
L'IA devrait supprimer des tâches plutôt que d'ajouter une couche supplémentaire
Un projet pilote peut sembler fructueux tout en alourdissant la charge administrative. Les employés peuvent être amenés à examiner chaque réponse générée, à justifier leur acceptation ou leur rejet, puis à saisir le résultat final dans un autre système. L'IA produit un résultat supplémentaire sans remplacer aucune étape existante.
Cela peut être acceptable pendant la phase de test, mais ce n'est pas un modèle d'exploitation viable à long terme. Avant le déploiement, la municipalité doit déterminer quelles tâches vont disparaître, être traitées plus rapidement ou nécessiter moins de répétitions, puis comparer ces gains attendus au coût de la supervision, de la maintenance technique, des licences et de la préparation des données. Un outil qui permet de gagner deux minutes par dossier mais qui engendre un nouveau processus de gouvernance peut ne pas être rentable pour de faibles volumes, tandis qu’une automatisation modeste appliquée à des milliers de demandes standard peut apporter une valeur ajoutée considérable.
Le succès doit être évalué à l'aune des délais de traitement, des taux d'erreur, du nombre de demandes traitées, de l'effort fourni par le personnel et de la satisfaction des résidents. Le nombre de projets pilotes ne permet guère de déterminer si une administration a gagné en efficacité.
Les mesures de sécurité et les contrôles d'accès doivent s'adapter aux données
Le raccordement d'un système d'IA aux registres municipaux crée une nouvelle couche d'accès à des informations pouvant inclure des données à caractère personnel, financières et protégées par la loi. Le modèle ne doit donc recevoir que les informations nécessaires à la tâche à accomplir. Un chatbot répondant à des questions sur la collecte des déchets n’a pas besoin d’accéder aux dossiers des habitants, tandis qu’un assistant interne chargé de faciliter la gestion des dossiers d’urbanisme ne devrait pas consulter les dossiers des services sociaux simplement parce que les deux systèmes appartiennent à la municipalité.
Les autorisations doivent correspondre aux fonctions des agents, à leurs responsabilités dans le cadre des dossiers traités et à la finalité légale. Le fait qu’un outil d’IA puisse effectuer des recherches dans plusieurs bases de données ne signifie pas que tous les utilisateurs doivent pouvoir le faire. La journalisation est tout aussi importante : la municipalité doit savoir quelles informations ont été consultées, quels résultats ont été générés et si ceux-ci ont contribué à une décision administrative.
Le risque s'accroît lorsque des prestataires externes traitent les requêtes ou conservent les données d'interaction. Le service des achats doit déterminer où le modèle est exploité, si les informations municipales peuvent être utilisées pour l'entraînement du modèle et comment les données peuvent être supprimées à l'expiration du contrat. La gouvernance des données est donc indissociable de la gouvernance de l’IA. Une collectivité locale qui ignore où ses informations sont stockées ou qui peut les réutiliser n’est pas prête à relier ces informations à un modèle.
Les communes ont besoin de moins de manifestations et de systèmes de gestion plus performants
Les pilotes d'IA sont populaires parce qu'ils produisent rapidement des résultats visibles. Un chatbot peut être présenté en quelques semaines, tandis qu'un assistant documentaire peut résumer un dossier lors d'une présentation. Ces projets rendent l'innovation tangible pour les dirigeants politiques et le public. La mise en place de données municipales exploitables est plus lente car elle exige que les services s'accordent sur des définitions, corrigent des registres et reconsidèrent des procédures acceptées depuis des années. Elle met également en lumière des faiblesses organisationnelles que la technologie seule ne peut résoudre.
Ce travail est moins attrayant à annoncer, mais il crée une capacité durable. Une fois que les données sont fiables et que les systèmes peuvent les échanger, les services en ligne deviennent plus faciles à finaliser, le reporting s'améliore, les employés passent moins de temps à chercher des informations et l'on demande moins souvent aux résidents les mêmes détails. L'intelligence artificielle peut alors devenir un outil au sein d'une administration numérique fonctionnelle, aidant à classifier les demandes, à préparer les dossiers, à identifier les anomalies ou à rédiger des communications, car les registres sous-jacents sont suffisamment clairs.
Les municipalités n'ont pas besoin d'attendre que chaque ensemble de données soit parfait. Elles doivent savoir où se trouvent les faiblesses critiques et si ces faiblesses affectent le cas d'utilisation proposé. La question qui se pose pour un projet d'IA ne devrait pas être de savoir si un modèle peut accomplir une tâche lors d'une démonstration, mais si l'administration peut fournir des informations précises, expliquer le résultat et l'intégrer dans un processus qui fonctionne du début à la fin.
Lorsque la réponse est non, retarder le projet pilote n'est pas un manque d'ambition. C'est la preuve que la municipalité comprend ce qu'exige une numérisation significative.
