L’IA dans l’administration publique : pourquoi des règles et un contrôle humain sont nécessaires

L’IA dans l’Administration Publique promet simplification et productivité, mais ouvre une question décisive : qui gouverne les outils, les données et les responsabilités lorsque les décisions publiques passent par des systèmes algorithmiques ?

L’intelligence artificielle générative est déjà entrée dans l’AP : elle prépare des ébauches, suggère des réponses, « optimise » les flux. Elle est présentée comme le levier décisif de productivité et de simplification, mais il faut dire une chose sans mâcher ses mots : la technologie n’est pas neutre, elle augmente la vitesse et, avec elle, déplace la puissance. Si vous ne le gouvernez pas, vous ne réformez pas, vous rendez simplement le pouvoir moins visible.

L’IA dans l’administration publique : une vitesse pour gouverner

Pourtant, la course a déjà commencé, souvent sans protocoles, sans formation adéquate et sans direction publique crédible. Les bureaux individuels adoptent les outils commerciaux de manière autonome, avec des logiques d’achat qui ignorent les risques de dépendance technologique et les implications sur les données sensibles des travailleurs et des citoyens. Le résultat est une innovation inégale. Ceux qui ont les moyens et l’initiative avancent, les autres restent en retrait et la distance entre les administrations s’accroît au lieu de se réduire.

Administration publique et IA entre lacunes, données et dépendance technologique

Le problème n’est pas de savoir s’il faut l’utiliser – nous le faisons déjà, souvent de manière informelle – mais comment. Chaque algorithme apporte une vision du travail : contrôle ou autonomie, responsabilité ou déresponsabilité, coopération ou raccourci individuel. Dans le secteur public, ce choix est crucial car lorsque des actions, des évaluations ou des communications aux citoyens transitent par des systèmes opaques, ce n’est pas seulement une question d’organisation, c’est un problème de légitimité démocratique.

L’IA dans l’AP ne se simplifie pas sans des processus repensés

La productivité et la simplification restent des objectifs partageables, mais pas automatiques. L’IA peut accélérer les processus et réduire le fardeau des tâches répétitives, mais sans une refonte des processus, elle risque de numériser les inefficacités, de déplacer les goulots d’étranglement et d’élargir les zones d’action. Pensons à un cabinet qui adopte des outils d’intelligence artificielle pour gérer ses pratiques, mais dont les archives sont encore partiellement papier et les bases de données ne communiquent pas entre elles. Dans ce contexte, l’IA ne simplifie pas mais amplifie plutôt le chaos en ajoutant une interface qui masque son origine.

En fait, la véritable simplification ne vient pas d’un « outil » mais de choix politiques sur les compétences, la responsabilité, l’interopérabilité et la qualité des données, sinon on court plus mais on reste tranquille.

Compétences publiques et IA : le risque de dépendance à la production

Ensuite, il y a un effet secondaire dont on parle trop peu, lié à l’appauvrissement des compétences. L’IA peut alléger le travail et réduire le stress, mais elle ne développe pas l’esprit critique. Sans contrôle qualité et sans travail d’équipe, une dépendance aux résultats se crée : moins d’apprentissage, moins de tutorat, moins de communauté de pratique. Si l’on supprime les « tâches d’entrée », c’est-à-dire que l’on supprime également la véritable formation des nouvelles générations de fonctionnaires.

Ainsi, une génération d’agents publics risque de ne pas apprendre à construire une enquête complexe, à peser des intérêts opposés, à motiver une disposition discrétionnaire et déléguer ces opérations à des systèmes qui produisent des textes plausibles ne signifie pas automatiser la bureaucratie mais la vider de son sens juridique et institutionnel. Une administration dans laquelle les fonctionnaires ne savent plus penser de manière indépendante est exposée à des erreurs systématiques et incapable de gérer l’exception – ce qui, pourtant, dans l’administration publique, est presque toujours la règle.

Formation, jugement et culture des données

C’est pourquoi il est urgent d’investir dans une formation qui ne se limite pas à l’utilisation des outils, mais renforce le jugement, stimule la lecture critique des résultats algorithmiques, la compréhension des limites des modèles, la culture des données. Pas de détails techniques, mais de sensibilisation. Une tâche qui ne peut être déléguée aux fournisseurs de technologie ni laissée à l’initiative d’un seul responsable volontaire.

Traçabilité de l’IA et responsabilité humaine dans les décisions publiques

A ces facteurs s’ajoutent l’importance de la traçabilité des AII qui, loin d’être une frivolité éthique, est une condition d’efficacité et de confiance car un algorithme opaque dans les processus publics n’est pas une innovation mais une asymétrie de pouvoir et lorsque cette asymétrie concerne les retraites, les prestations sociales ou l’accès aux services, les conséquences sont concrètes et souvent irréversibles. C’est aussi pourquoi l’IA peut aider mais pas décider.

Il faut toujours savoir clairement qui signe, qui répond, qui assume les conséquences. Sans responsabilité visible, l’automatisation devient un écran derrière lequel se cachent des choix que personne ne veut posséder.

Négociation, loi sur l’IA et gouvernance de l’IA dans l’administration publique

Cependant, intégrer l’IA dans les négociations et la régulation interne est le seul moyen de rendre les choix technologiques légitimes et durables. Périmètres d’utilisation, charges de travail, protection des données, formation, critères d’évaluation et responsabilité humaine sont aujourd’hui les enjeux sur lesquels se mesure la qualité de l’administration, mais il est important que chaque algorithme s’accompagne de contrôles syndicaux sur les indicateurs utilisés et que le jugement final reste toujours humain et motivé. Ce n’est qu’ainsi que la technologie devient un support et non un outil disciplinaire. C’est la différence entre l’automatisation participative et le contrôle opaque.

Il ne s’agit pas d’une position défensive mais d’une position de mérite. La loi européenne sur l’IA a déjà classé comme « à haut risque » les systèmes d’IA utilisés dans les processus administratifs ayant un impact sur les droits des travailleurs et des citoyens, ce qui impose des obligations de transparence, de conformité et de contrôle humain que de nombreuses administrations italiennes n’ont pas encore mises en œuvre. Le choix est le suivant : utiliser les gains de productivité pour accroître la pression et la surveillance, ou pour améliorer la qualité du travail et des services. L’IA ne peut être un levier de réforme que si elle est intégrée dans un écosystème de véritable simplification, de droits numériques, de négociation et de leadership responsable.

C’est pourquoi la question est politique et non technique, et des réformes claires en matière de gouvernance sont nécessaires. Sans une boussole de valeurs partagées, nous pourrions peut-être aller plus loin, mais vers des organisations plus fragiles et moins crédibles. Dans le travail public, où efficacité et démocratie doivent aller de pair, ce n’est pas un détail mais le cœur même de la réforme.