La dernière décennie a été marquée par une accélération technologique sans précédent. Ce qui n'était au départ qu'un outil d'automatisation des tâches routinières s'est transformé en un moteur de création qui bouleverse notre perception de la technologie. Aujourd'hui, l'intelligence artificielle (IA) n'est plus une promesse d'avenir ni un concept confiné aux laboratoires de recherche ou aux grandes entreprises de la Silicon Valley. C'est une réalité tangible, présente dans notre quotidien et, de plus en plus, au cœur des stratégies de transformation des organisations publiques et privées.
Cependant, sous l'appellation générique d'« intelligence artificielle », coexistent différents paradigmes souvent confondus. L'arrivée fracassante de modèles comme ChatGPT a placé l'IA générative au cœur des débats, mais il ne faut pas oublier l'IA traditionnelle ou prédictive, qui soutient depuis des années les infrastructures critiques de notre société. Pour les administrations publiques, comprendre la distinction entre les deux n'est pas qu'une question théorique ; c'est une nécessité stratégique pour choisir l'outil le plus adapté à chaque défi et ainsi améliorer le service aux citoyens.
Qu’est-ce que l’IA traditionnelle ? La valeur de la précision et des données historiques
L'IA traditionnelle, souvent appelée IA prédictive ou discriminative, est la technologie qui nous a le plus accompagnés ces dernières années. Son fonctionnement repose sur l'analyse de vastes volumes de données passées avec un objectif clair : identifier des tendances, classifier des informations ou prédire des comportements futurs.
Cette technologie ne « crée » rien de nouveau. Sa valeur réside dans ses capacités d'analyse et sa capacité à prendre des décisions fondées sur des preuves. Lorsqu'un système d'IA traditionnel reçoit des données, il utilise des règles statistiques et des algorithmes d'apprentissage automatique pour déterminer une probabilité ou une catégorie. Il s'agit essentiellement d'un outil d'optimisation et de classification.
Dans le monde des affaires, les exemples d'intelligence artificielle traditionnelle sont omniprésents. Les systèmes de recommandation de plateformes comme Spotify ou Netflix en sont l'exemple le plus connu : ils analysent vos écoutes et visionnages précédents pour vous suggérer des contenus avec une précision surprenante. Dans le secteur de la logistique et de l'énergie, des entreprises comme Walmart ou Red Eléctrica de España l'utilisent pour prévoir la demande en fonction des conditions météorologiques ou des événements locaux, garantissant ainsi une offre adaptée à la réalité. Même en cybersécurité, les systèmes Visa et Mastercard détectent les fraudes en temps réel en identifiant les transactions qui s'écartent des habitudes d'un utilisateur.
Cette fiabilité rend l'IA traditionnelle irremplaçable dans les environnements critiques où la précision est une question de sécurité, comme le diagnostic médical à partir d'images ou la gestion des réseaux électriques.
IA générative : le saut vers la synthèse de nouveaux contenus
Si l'IA traditionnelle analyse le monde, l'IA générative semble vouloir le décrire, le dessiner ou le programmer. Cette modalité a récemment connu un essor médiatique et technologique considérable grâce à sa capacité à produire du contenu original — texte, images, musique, vidéo ou code informatique — à partir de simples requêtes en langage naturel.
Il est toutefois nécessaire de démystifier le concept de « créativité » en intelligence artificielle générative. Contrairement à l’esprit humain, ces modèles ne possèdent ni étincelles d’inspiration ni conscience. Ce sont des modèles statistiques extrêmement sophistiqués, entraînés sur d’immenses quantités de données existantes. Leur rôle consiste à apprendre la distribution de probabilité des éléments qui composent un ensemble de données (par exemple, quel mot suit généralement un autre dans un contexte donné) afin de générer des résultats qui paraissent humains et plausibles.
L'application de cette technologie est révolutionnaire. Dans le domaine du texte, les chatbots basés sur des modèles de langage (LLM) peuvent rédiger des rapports complexes, résumer des documents volumineux ou se comporter comme des assistants virtuels bien plus performants que les assistants traditionnels. En matière de design, des outils comme DALL·E ou Midjourney créent des illustrations à partir de descriptions textuelles, et dans le domaine technique, des outils comme GitHub Copilot révolutionnent la programmation en suggérant des extraits de code et en corrigeant les erreurs automatiquement.
D'après des cabinets de conseil de premier plan comme Gartner, l'IA générative présente un fort potentiel de retour sur investissement, mais ils soulignent que son succès repose sur une gouvernance rigoureuse. Contrairement à l'IA traditionnelle, l'IA générative comporte des risques plus complexes à gérer, tels que les biais algorithmiques (reproduction des préjugés présents dans les données d'entraînement), les « hallucinations » (génération d'informations erronées ayant une apparence de vérité) et les débats ouverts sur la protection de la vie privée et le droit d'auteur.
Différences fondamentales : comment choisir la bonne technologie
Pour tout gestionnaire public ou responsable de la transformation numérique, il est essentiel de savoir quand utiliser chaque type d'IA. Il ne s'agit pas de choisir la plus moderne, mais plutôt la plus adaptée à l'objectif visé.
L'IA traditionnelle est la solution idéale pour la prédiction et l'optimisation. Si une administration souhaite prévoir la charge de travail d'un service aux citoyens le mois prochain, ou identifier les tendances à risque en matière de santé publique, elle a besoin de la précision des données historiques. Elle est également parfaitement adaptée à la détection d'anomalies, comme l'identification d'erreurs potentielles dans le traitement des fichiers ou la détection d'accès non autorisés aux systèmes critiques.
En revanche, l'IA générative est l'outil idéal pour créer, synthétiser ou personnaliser. Elle est imbattable pour le prototypage rapide d'idées, la génération de contenus pédagogiques adaptés à différents niveaux ou la simplification du langage administratif afin de le rendre plus accessible aux citoyens.
Une tendance émergente mise en lumière par Gartner est celle de l'« IA composite ». Cette stratégie ne privilégie pas l'un au détriment de l'autre, mais intègre plusieurs modèles pour résoudre des problèmes complexes. Par exemple, une IA traditionnelle pourrait analyser les données de consommation énergétique d'un bâtiment public et, dès qu'une inefficacité est détectée, une IA générative pourrait rédiger automatiquement un rapport de recommandations personnalisé à l'intention des gestionnaires dudit bâtiment.
L’impact sur le secteur public : l’expérience de l’AOC
Au sein de l’Administration ouverte de Catalogne (AOC), l’intelligence artificielle n’est plus une expérimentation, mais une réalité intégrée au fonctionnement quotidien de nos solutions. Le secteur public a une responsabilité accrue : veiller à ce que ces technologies soient utilisées pour créer de la valeur publique, dans le respect constant des droits fondamentaux des citoyens.
Dans le domaine de l'IA traditionnelle, l'AOC et d'autres administrations explorent déjà des systèmes de décision automatisés afin de rationaliser les procédures qui nécessitaient auparavant des semaines d'examen manuel. La prévision de la charge de travail permet une meilleure planification des ressources humaines, garantissant ainsi que les services ne soient pas saturés aux heures de pointe.
L'intelligence artificielle générative offre un potentiel immense. Des chatbots de service aux citoyens sont en cours de développement. Ils ne se contentent pas de fournir des réponses préconfigurées, mais sont également capables de comprendre l'intention de l'utilisateur, de le guider tout au long d'une procédure et de simplifier les démarches complexes. De récentes études européennes indiquent que la mise en œuvre de ces outils pourrait permettre aux agents publics d'économiser des millions d'heures par an, leur permettant ainsi de se consacrer à des tâches à plus forte valeur ajoutée et de bénéficier d'une attention plus directe, tandis que l'IA prendrait en charge les aspects administratifs les plus fastidieux. On estime que la productivité pourrait ainsi progresser jusqu'à 9 % au niveau de l'administration dans son ensemble.
Cependant, ce chemin est semé d'embûches. Les administrations sont confrontées à la fragmentation des données (données réparties entre différentes organisations et souvent non partagées entre elles) et à l'obligation de se conformer strictement au Règlement général sur la protection des données (RGPD) et à la LOPDGDD. De plus, elles ont un devoir légal et démocratique de transparència Algorithmique : le citoyen a le droit de savoir quand il interagit avec une IA et quels critères ont été suivis pour prendre une décision qui le concerne.
Vers une gouvernance éthique et responsable
Pour que la révolution de l'IA soit véritablement bénéfique, il est nécessaire d'aller au-delà de la simple mise en œuvre technique. L'AOC s'engage dans une stratégie reposant sur quatre piliers fondamentaux :
- Gouvernance et éthique : Il est indispensable d'établir des cadres réglementaires et procéduraux clairs. Nous ne pouvons pas laisser la technologie progresser sans un contrôle humain garantissant l'équité et évitant les biais.
- Entraînement: La technologie n'est ni bonne ni mauvaise en soi ; son impact dépend de la manière dont on l'utilise, la conçoit et la gouverne. C'est pourquoi il est essentiel de former le personnel public non seulement à l'utilisation des outils, mais aussi aux compétences numériques essentielles telles que : ingénierie rapide (l'art de poser les bonnes questions à l'IA) et dans l'interprétation critique des résultats.
- Stratégie progressive : La meilleure solution consiste à commencer par des cas d'utilisation concrets et contrôlés, à tirer des leçons des erreurs et à déployer à plus grande échelle les solutions performantes grâce à une IA composite.
- Priorité à l'intérêt public : La question ne devrait pas être « que peut faire l'IA ? », mais « comment l'IA peut-elle nous aider à fournir un meilleur service, à réduire les inégalités et à garantir les droits des citoyens ? ».
Conclusion : Un avenir partagé
En résumé, l'IA traditionnelle et l'IA générative ne sont pas concurrentes dans une course technologique ; ce sont deux outils complémentaires au sein d'un même système de transformation. Tandis que la première nous offre la stabilité, la précision et la capacité de mémorisation des données, la seconde nous apporte la polyvalence, la synthèse et des interactions plus naturelles — comme la voix ou le langage écrit courant — qui facilitent notre rapport à la complexité.
À l’AOC, l’engagement est clair : tirer le meilleur parti des deux mondes pour construire une administration plus agile, plus intelligente et, surtout, plus proche des besoins des citoyens. La transformation numérique n’est plus une option, c’est la voie à suivre pour garantir la pérennité et la qualité des services publics au XXIe siècle.
