Comment l’analyse de données et l’IA dans le secteur public peuvent générer une plus grande valeur publique

Chacun de ces avantages apporte une plus grande valeur publique grâce à de meilleurs résultats tant pour l’organisme que pour les citoyens. En fait, ils peuvent être regroupés en six principaux inducteurs de valeur, lesquels sont illustrés par des exemples concrets d’utilisation de l’IA dans le secteur public :

1. Productivité et efficacité : réduire les coûts grâce à l’amélioration du rendement opérationnel. Dans une ville américaine, des outils d’IA qui cartographient les processus d’exploitation entre les systèmes et les applications ont été utilisés pour analyser le traitement des factures, permettant d’automatiser le processus et d’économiser environ 1 500 heures de travail manuel par année.
2. Expérience des employés : simplifier les tâches pour améliorer l’expérience des employés et renforcer leur satisfaction au travail. Au Royaume‑Uni, un assistant virtuel aide les conseillers à la clientèle à trouver rapidement de l’information fiable et à la partager avec les citoyens, ce qui réduit les temps de réponse de 50 % et double la confiance des conseillers dans la prestation de leurs conseils.
3. Expérience des citoyens / utilisateurs finaux : offrir des services plus accessibles, proactifs et personnalisés. Une administration chargée de la sécurité sociale facilite l’accès des citoyens aux robots conversationnels fondés sur l’IA générative pour répondre à leurs questions 24 heures sur 24 et 7 jours sur 7. Six millions de personnes utilisent déjà cette solution, et l’objectif est d’atteindre une intégration complète d’ici 2027.
4. Planification stratégique des services : prévoir les besoins et optimiser l’affectation des ressources. Un ministère australien a utilisé l’IA pour améliorer les estimations de coûts et de délais des projets d’infrastructure à grande échelle, réduisant ainsi l’incertitude et les risques financiers liés aux dépassements de budget.
5. Optimisation financière : éliminer les inefficacités, réduire la fraude et augmenter les revenus. Une administration fiscale utilise l’analyse de données et l’IA pour traiter et analyser en temps réel les déclarations, générant plus de 23 M$ US de revenus grâce à la détection d’erreurs et plus de 38 M$ US en recouvrements.
6. Risque et résilience : répondre aux menaces, gérer les risques opérationnels et assurer la continuité des services. Une région française a adopté un modèle d’IA générative souverain pour résoudre les incidents informatiques, réduisant le temps de dépannage de 1 à 12 heures à seulement 2 à 5 minutes.

Même si les organismes gouvernementaux reconnaissent la nécessité d’adopter plus rapidement les technologies, la mise en œuvre de celles‑ci varie considérablement. La plupart adoptent une approche prudente et progressive, mais on observe une nette progression dans la mise en œuvre. Nous avons constaté que les gouvernements ont une longueur d’avance dans le déploiement de leur infrastructure numérique et de données, mais que le taux d’adoption de l’IA et de l’IA générative est nettement plus faible. Cela s’explique par le fait que le potentiel de transformation de l’IA n’a vraiment émergé qu’au cours des dernières années. Le faible taux d’adoption reflète aussi des préoccupations légitimes quant à la compréhension et à la gestion des risques inhérents. En fait, 65 % des répondants jugent que l’adoption de l’IA générative progresse trop vite, démontrant le besoin d’une approche plus éclairée et équilibrée afin de tirer parti des avantages sans compromettre la sécurité.

Cette mise en œuvre progressive est stratégiquement judicieuse, car elle permet d’établir les capacités, de gérer les risques et de démontrer la valeur. Par contre, les mesures que prennent ensuite les gouvernements pour accélérer l’adoption sont essentielles pour générer une plus grande valeur publique.

Notre étude a permis de cerner un groupe de « pionniers » qui se distinguent nettement par leurs progrès en matière de mise en œuvre et leur savoir‑faire stratégique. Que peut‑on apprendre d’eux pour aider les autres dans leur démarche?

La formule des pionniers : bâtir les fondations du succès

Notre étude révèle que les pionniers se distinguent par leur stratégie, qui consiste à mettre en place des bases solides avant de déployer massivement les technologies évoluées d’IA.

Ils comblent l’écart de mise en œuvre en suivant une formule claire : ils mettent d’abord en place une infrastructure de données robuste (88 % des pionniers contre 58 % des suiveurs), ils développent une gouvernance complète des données et ils misent parallèlement sur les capacités techniques et la préparation organisationnelle, conscients que la technologie à elle seule ne suffit pas.

Ces organismes prévoient de poursuivre leurs investissements pendant les trois prochaines années, ce qui reflète une stratégie logique : elles investissent de manière ciblée dans la mise en place d’une infrastructure numérique et d’une base de données solides ainsi que dans la numérisation des processus et les analyses, tout en se préparant à un déploiement plus efficace de l’IA et de l’IA générative à plus long terme.

Cette séquence est pertinente sur le plan stratégique, car elle met l’accent sur la numérisation afin que les données soient propres, structurées et prêtes pour des applications plus complexes. Elle permet également d’éviter les coûts plus élevés et la complexité que pourrait entraîner le déploiement de l’IA dans le secteur public sans avoir préalablement établi une gouvernance solide des données.

La priorité accordée initialement à cet aspect a manifestement porté ses fruits. Les pionniers ont développé des infrastructures numériques et des bases de données plus efficaces que celles des suiveurs, et ce, à plusieurs égards.

Ce qui distingue véritablement les pionniers, c’est leur approche globale, qui tient compte à la fois des capacités techniques et de la dimension humaine. Ils accordent la priorité au développement des talents, responsabilisent le personnel grâce à des normes d’éthique strictes, établissent des partenariats externes pour combler les écarts de compétences et préparent la population à accepter et à utiliser l’IA dans les services publics.

Cette stratégie équilibrée donne des résultats impressionnants. Les pionniers sont 2,4 fois plus susceptibles que les suiveurs d’évaluer le succès de leurs initiatives en matière d’IA comme étant légèrement ou nettement supérieur aux attentes (62 % contre 26 %). 

La mise en œuvre des technologies d’analyse de données, d’IA et d’IA générative crée un paradoxe pour les gouvernements. Bien qu’ils reconnaissent clairement le potentiel transformateur de ces technologies, ils se heurtent à des obstacles persistants qui freinent leur progression.

Les contraintes les plus importantes mentionnées par les répondants sont les préoccupations liées à la confidentialité et à la sécurité (62 %), le manque d’alignement stratégique (51 %), une infrastructure insuffisante (45 %), la faiblesse des analyses de rentabilité et l’incertitude des retombées (41 %), et les considérations éthiques (42 %).

Il est intéressant de noter que notre étude a révélé que ces défis ont tendance à s’intensifier plutôt qu’à s’atténuer à mesure que les organismes progressent dans leur mise en œuvre. Les pionniers sont plus conscients de ces obstacles que les suiveurs, ce qui suggère un phénomène du type « on ne sait pas ce qu’on ne sait pas » : plus l’engagement dans l’IA est profond, plus la complexité se révèle.

Notre étude montre toutefois que ces défis ne sont pas insurmontables. En étudiant les approches éprouvées des organisations de premier plan, les organismes gouvernementaux peuvent accélérer la mise en œuvre et commencer à exploiter le potentiel transformateur des données et de l’IA.

Notre analyse a révélé que les organisations de premier plan élaborent un plan d’action en trois étapes clés, de la stratégie à la création de valeur :

Étape 1 : prendre un engagement stratégique audacieux.

Les organisations de premier plan affichent un leadership audacieux et une vision claire qui aligne les initiatives en matière d’IA sur leur mission fondamentale. Elles obtiennent le soutien de la direction et consacrent des investissements à cet effet, ce qui témoigne de l’importance stratégique de ces initiatives. 

Mesures concrètes :

• Définir une vision claire liée à la mission fondamentale de votre organisation.
• Investir dans la formation des cadres supérieurs en matière d’IA afin de leur permettre de mieux comprendre son potentiel.
• Mettre en place des structures de gouvernance de l’IA (comités, centres d’excellence) avec le soutien de la direction.
• Élaborer des modèles de financement novateurs qui offrent une certaine souplesse et répondent à la valeur démontrée.
• Obtenir l’adhésion de toutes les fonctions en démontrant les effets concrets de la mission.

Étape 2 : établir les cinq fondements essentiels

Notre étude révèle que la mise en œuvre réussie de l’IA nécessite une approche globale qui tient compte à la fois des capacités technologiques et de la préparation organisationnelle. Les cinq fondements ci‑dessous représentent les éléments essentiels mis en place par les organisations de premier plan.

1. Données et technologies

Les pionniers accordent la priorité à la mise en place d’une infrastructure de données et d’une gouvernance robustes avant de passer aux applications d’IA. Ils privilégient des données de grande qualité, une architecture moderne et des plateformes sécurisées.

Mesures concrètes :

• Évaluer la qualité, l’accessibilité et la gouvernance des données actuelles tout en mettant en œuvre des plateformes infonuagiques pour assurer l’évolutivité et l’interopérabilité
• Développer des catalogues de données complets pour faciliter la recherche d’informations
• Établir des ententes de partage de données entre les services afin de supprimer les obstacles juridiques et culturels
• Établir des normes et des processus de validation clairs
• Nommer des responsables, tels que des chefs des données et des chefs de l’IA, chargés de la gouvernance et de la mise en œuvre

2.  Talents et compétences

Les organisations de premier plan remédient aux pénuries de talents grâce à une planification stratégique de la main‑d’œuvre, à des programmes de formation complets et à des partenariats externes leur apportant des compétences techniques.

Mesures concrètes :

• Réaliser des évaluations des compétences afin d’identifier les besoins critiques en matière de capacités
• Créer des académies numériques et des plateformes d’apprentissage aux fins du perfectionnement à grande échelle
• Concevoir des programmes de formation sur l’IA axés sur des défis opérationnels réels
• Établir des partenariats d’échange de talents avec des universités et des fournisseurs de technologies
• Définir des cheminements de carrière clairs pour les professionnels des données et de l’IA

3.  Culture adaptative

Les organisations performantes favorisent des environnements propices à l’innovation, à l’expérimentation et à l’adoption de nouvelles technologies. Elles instaurent des « structures de permission » qui encouragent la prise de risques calculés.

Mesures concrètes :

• Créer des laboratoires d’innovation offrant des espaces protégés pour l’expérimentation et mettre en œuvre des programmes complets de gestion du changement.
• Axer la mise en œuvre initiale de l’IA sur l’amélioration de l’expérience des employés et faire participer ces derniers au développement d’outils d’IA afin de susciter leur engagement.
• Communiquer clairement la façon dont l’IA viendra complémenter le travail humain plutôt que le remplacer.

4. Confiance et gouvernance éthique

Gagner la confiance du public est essentiel, et les dirigeants adoptent à cette fin des normes d’éthique strictes, des pratiques transparentes en matière de données et une surveillance humaine significative.

Mesures concrètes :

• S’entretenir avec le public afin de répondre à ses préoccupations concernant l’IA et le faire participer à la conception et à l’essai de solutions d’IA.
• Élaborer des cadres d’éthique exhaustifs en matière d’IA prévoyant une surveillance adéquate, et effectuer régulièrement des vérifications visant à détecter les préjugés et des évaluations d’impact.
• Créer une documentation transparente sur les modèles d’IA et les processus décisionnels.
• Mettre en œuvre des principes de confidentialité programmée dans toutes les applications et maintenir une surveillance humaine appropriée pour les décisions ayant une incidence importante.

5. Écosystème collaboratif

Les organisations de premier plan établissent divers réseaux de partenariat entre les secteurs public, privé, universitaire et civil afin d’accélérer la mise en œuvre et d’étendre leurs capacités au‑delà de ce qu’elles pourraient réaliser de manière indépendante.

Mesures concrètes :

• Tenir compte des écarts de compétences qui pourraient être comblés grâce à des partenariats externes.
• Faire appel à des partenaires technologiques de manière stratégique afin de bénéficier d’une expertise technique approfondie
• Collaborer avec des établissements universitaires aux fins de recherche et de développement des talents
• Participer à des initiatives intergouvernementales afin de partager les meilleures pratiques et les ressources
• Soutenir activement l’adoption généralisée de l’IA au sein des économies grâce à des pôles d’innovation, des incubateurs d’entreprises en démarrage et des initiatives en faveur des compétences numériques

Étape 3 : mettre l’accent sur l’excellence de la prestation de services

Passer de projets pilotes isolés à une mise en œuvre à l’échelle de l’organisation nécessite une exécution rigoureuse et une feuille de route claire

Mesures concrètes :

• Commencer par des cas d’utilisation de grande valeur qui répondent à des problèmes spécifiques ayant une incidence directe
• Mettre en œuvre des modèles de prestation en étoile qui combinent des compétences centrales et l’expertise de professionnels
• Adopter des approches progressives faisant appel à un développement itératif rapide et à une rétroaction continue, créer des processus d’évaluation structurés avec des critères de réussite définis et documenter les réussites afin d’obtenir le soutien de l’organisation
• Prévoir la pérennité des activités d’IA grâce à un financement flexible, à la préparation en matière de conformité et à un alignement stratégique continu

Apprendre de ces organisations de premier plan peut vous aider à accélérer votre transformation Elles ont suivi le même parcours, ont été confrontées aux mêmes obstacles et ont trouvé les moyens de les surmonter.

Il est temps d’agir. L’avenir du secteur public dépend de sa capacité à saisir cette occasion. La question qui se pose n’est plus de savoir si les responsables publics doivent adopter ces technologies, mais plutôt à quel rythme et avec quelle efficacité ils peuvent le faire pour accomplir leur mission centrale : améliorer la vie de tous les citoyens. La réussite repose sur des investissements stratégiques qui renforcent simultanément les cinq fondements.

Résumé 

Les organismes gouvernementaux connaissent la puissance transformatrice des données et de l’IA dans le secteur public, mais leur déploiement reste limité. Le coût de l’inaction augmente chaque jour. Notre étude a permis de cerner un groupe de pionniers qui se distinguent par leurs progrès en matière de mise en œuvre et leur savoir‑faire stratégique. Les gouvernements peuvent s’inspirer de ces organisations de premier plan pour renforcer leur intention stratégique et mettre en place les cinq fondements de la réussite.