Le secteur public américain met fin à l'« expérience » en IA, accélérant l'introduction d'une main-d'œuvre agentielle

Les institutions publiques américaines ne considèrent plus l’intelligence artificielle (IA) comme une « technologie du futur », mais comme un « outil prêt à l’emploi » capable d’alléger immédiatement la charge de travail. Face à un ralentissement de la croissance de la main-d’œuvre, la demande administrative augmente, conjuguée à des systèmes obsolètes et à une réglementation stricte, l’IA émerge comme un moyen central pour accroître la productivité et moderniser.

Google Cloud a récemment lancé « Gemini for Government » pour répondre à cette tendance. Son objectif principal est de positionner l’IA non seulement comme une fonction d’assistance, mais comme une « plateforme » visant à améliorer la productivité globale des organismes publics et à moderniser les environnements informatiques anciens.

Ce changement a été confirmé par le discours de Chris Haines, CTO du secteur public chez Google, dans le podcast « App Dev Angle » de The Cube Research. Haines a analysé que, dans l’intégration de l’IA dans les activités réelles des institutions publiques, une « main-d’œuvre agentique (Agentic Workforce) » commence à apparaître. Il explique que l’IA évolue vers le statut de « membre précieux de l’équipe » plutôt que de remplacer l’organisation.

Au-delà du stade des chatbots, vers une IA qui assiste le travail des fonctionnaires

Au cours des deux dernières années, l’introduction de l’IA par les entreprises s’est souvent limitée à des projets pilotes, des preuves de concept et des chatbots. Cependant, dans le secteur public, cette tendance devient plus pragmatique. La nécessité de traiter davantage de tâches avec moins de personnel favorise l’intégration progressive de l’IA dans les flux de travail existants pour augmenter la productivité.

Par exemple, l’application de l’IA à la gestion de documents administratifs, à la recherche d’informations, à l’automatisation des tâches internes, afin d’améliorer l’efficacité quotidienne des fonctionnaires. Cela peut être considéré comme une forme précoce de « main-d’œuvre agentique ». Il s’agit d’une structure où l’humain prend la décision finale, l’IA intervenant en tant que collaborateur opérationnel.

Les études de marché soutiennent également cette tendance. Selon The Cube Research, 46,5 % des organisations sont sous pression pour développer des applications à un rythme plus rapide qu’il y a trois ans. Cependant, l’expansion de la main-d’œuvre ne suit pas cette vitesse. En conséquence, l’IA est perçue comme une solution de substitution potentielle très prometteuse pour combler ce décalage.

L’IA dans le secteur public : la conformité plutôt que la performance

Dans le secteur privé, l’innovation précède souvent la réglementation, mais ce n’est pas le cas pour le secteur public. La certification de sécurité, la localisation des données, la protection des informations personnelles, la conformité réglementaire ne sont pas des facteurs secondaires, mais le point de départ. Lors de l’introduction de l’IA, la priorité n’est pas la performance, mais « si elle fonctionne dans un environnement autorisé ».

Google explique qu’il a intégré ces exigences en incorporant des mécanismes de contrôle directement dans la plateforme cloud, plutôt que de cloisonner les fonctionnalités d’IA dans des zones isolées. De cette façon, les institutions peuvent satisfaire aux exigences réglementaires telles que le programme de gestion des risques et des autorisations fédérales « FedRAMP » ou les normes du Département de la Défense américain, tout en utilisant les modèles d’IA les plus récents.

Ce problème n’est pas propre aux gouvernements. Avec la montée en puissance de réglementations comme le « Règlement sur la résilience numérique » de l’UE, qui impose dès la conception que logiciels et IA soient conformes aux normes, les développeurs privés ressentent également cette pression. Cela signifie que la variable déterminant la vitesse de diffusion de l’IA se déplace des aspects techniques vers l’« internalisation de la conformité ».

La modernisation des systèmes obsolètes passe aussi d’un projet ponctuel à une gestion continue

La modernisation des systèmes anciens, considérée comme un mal chronique de l’informatique gouvernementale, évolue avec l’introduction de l’IA. Beaucoup d’organismes continuent d’utiliser des systèmes centraux construits il y a plusieurs décennies, souvent en tentant de les remplacer en une seule fois comme pour de grands projets de migration.

Mais désormais, l’accent est mis sur une refonte progressive via le développement assisté par l’IA, permettant de nettoyer le code, d’ajouter de la documentation et d’améliorer les flux de travail. Notamment, l’IA commence à être utilisée pour restructurer des systèmes fondamentaux en COBOL, longtemps difficiles à moderniser.

Cela s’aligne avec une nouvelle conception selon laquelle la modernisation doit être vue comme un processus de gestion continue, plutôt qu’un projet à échéance fixe. Dans tout le domaine du développement d’applications, la modernisation n’est plus une étape ponctuelle, mais un principe opérationnel à appliquer en permanence.

Le « choix » de ne pas être lié à une seule IA devient également de plus en plus crucial

Les institutions publiques restent vigilantes face à la dépendance à long terme à un fournisseur d’IA ou à un seul modèle. Haines insiste sur la valeur essentielle de « l’optionnalité », c’est-à-dire la capacité à choisir parmi différents modèles en fonction de la performance, du coût, de la sécurité et des cas d’usage. Cela est nécessaire pour faire face à un marché de l’IA en rapide évolution.

Des plateformes comme Vertex AI de Google, qui proposent à la fois des modèles à poids ouverts et des modèles de pointe, répondent à cette demande. Cela revêt également une importance pour les développeurs. À l’avenir, les applications ne seront probablement pas liées à un seul modèle, mais conçues pour interagir avec plusieurs modèles.

L’expansion du déploiement en périphérie… L’IA n’est plus uniquement une affaire de cloud

La charge de travail de l’IA ne reste plus confinée au cloud central. C’est une évolution majeure. Sur le terrain, en raison de la latence, des interruptions réseau ou des contraintes d’environnement d’exécution, l’inférence sur serveur central n’est pas toujours adaptée. La demande croissante pour une « IA en périphérie » déployée localement ou dans des environnements distribués s’accroît rapidement.

Cela pose de nouveaux défis pour les équipes de développement et d’exploitation des plateformes, qui doivent gérer conjointement le cycle de vie, la gouvernance et le déploiement des modèles dans les environnements centraux et périphériques. Finalement, l’IA passe d’un simple service cloud à une « couche architecturale » traversant tout l’écosystème applicatif.

Les tendances dans le secteur public américain illustrent une vision différente de l’idée selon laquelle « le gouvernement serait en retard sur le privé » dans l’adoption de l’IA. En raison des contraintes de main-d’œuvre et du poids des opérations de service de base, certains estiment que le secteur public déploie l’IA plus rapidement pour améliorer la productivité et moderniser ses systèmes. Bien que la « main-d’œuvre agentique » reste un modèle en évolution plutôt qu’une notion mature, il est évident que l’IA dépasse la simple augmentation fonctionnelle pour devenir une partie intégrante de la main-d’œuvre, des plateformes et des architectures logicielles, cela semble évident.

Notes TP AI : Cet article est un résumé basé sur le modèle linguistique de TokenPost.ai. Il peut omettre des contenus clés de l’original ou comporter des inexactitudes.