Les systèmes existants et l’insuffisance des infrastructures constituent des obstacles majeurs
Le débat sur l’intelligence artificielle dans l’administration est devenu opérationnel. Mais les agences du secteur public du Royaume-Uni sont toujours entravées par une infrastructure informatique obsolète. Cette situation n’est pas viable. Ces systèmes existants bloquent l’utilisation pratique de l’IA dans les domaines les plus importants, à savoir la conformité réglementaire, l’affectation des ressources, l’automatisation des services publics et la prise de décision en temps réel. Pour prendre l’IA au sérieux, il faut commencer par moderniser les fondations. Sinon, vous ne ferez qu’exécuter des logiciels avancés sur des machines obsolètes. Ce n’est pas intelligent.
Nicky Furlong, du SAS, a raison. Elle dirige le secteur public, la santé et les sciences de la vie en Europe du Nord, et elle n’est pas dramatique lorsqu’elle affirme que les systèmes obsolètes constituent un obstacle majeur. Selon une récente enquête soutenue par SAS et citée par le Comité des comptes publics, 69 % des fonctionnaires britanniques confirment que ces systèmes vieillissants empêchent l’IA de gagner du terrain. Si la base n’est pas stable et évolutive, tout ce qui se trouve au-dessus sera moins performant.
Soyons clairs : le problème n’est pas la disponibilité de la technologie de l’IA. Elle progresse rapidement. Ce qui manque, c’est la couche d’intégration : flux de données en temps réel, compatibilité API, environnements informatiques dynamiques. Il s’agit d’éléments fonctionnels de base dont l’IA a besoin pour fonctionner efficacement. Sans eux, vous n’obtiendrez qu’un déploiement superficiel de l’IA, souvent limité à des projets pilotes ou à des outils d’évaluation internes, avec très peu d’impact sur le public. Si vous dirigez une opération à l’échelle d’un gouvernement ou d’une entreprise et que vous sautez l’investissement dans l’infrastructure tout en poursuivant l’IA, vous mettez la charrue avant les bœufs.
Les dirigeants devraient considérer les mises à niveau de l’infrastructure non pas comme des coûts irrécupérables, mais comme des accélérateurs, des outils essentiels pour l’intelligence opérationnelle, la conformité aux réglementations et la confiance des citoyens. L’IA ne peut pas être simplement branchée sur d’anciens systèmes et faire des miracles. Elle exige une architecture moderne conçue pour prendre en charge la réactivité en temps réel, la flexibilité et la sécurité. Face aux défis de plus en plus complexes du secteur public, le besoin est urgent. Le choix est clair : modernisez maintenant ou prenez rapidement du retard.
Le partage fragmenté des données et la collaboration limitée entre les secteurs public et privé nuisent à l’efficacité de l’IA
L’IA est axée sur l’information. Si les informations sont fragmentées, obsolètes ou inaccessibles, vous ne pouvez pas vous attendre à ce que les systèmes produisent des résultats significatifs. C’est là que le gouvernement britannique rencontre des problèmes : les données sont fragmentées entre les différents ministères. Elles ne sont pas reliées entre elles et, dans de nombreux cas, ne sont pas partagées du tout. Cela crée des silos. Lorsque les ministères s’appuient sur des ensembles de données isolés sans interopérabilité appropriée, l’IA ne peut pas apprendre, prédire ou agir avec précision.
Nicky Furlong, de SAS, met directement le doigt sur ce problème : un mauvais partage des données bloque les opportunités. Sans une gouvernance disciplinée des données et un cadre de transparence, l’IA dans le secteur public n’ira pas loin. Les décideurs qui veulent obtenir des résultats doivent accepter que l’IA ait besoin de données propres, précises et en temps réel. Pas de connaissances tribales stockées dans des systèmes obsolètes. Ce type de fragmentation rend difficile la détection de modèles, la gestion des risques ou l’optimisation efficace des services publics.
La collaboration avec le secteur privé est un autre élément manquant de ce système. À l’heure actuelle, de nombreux déploiements d’IA par les pouvoirs publics fonctionnent de manière isolée, sans bénéficier des outils éprouvés et des cycles de développement plus rapides qu’apporte le secteur privé. L’intégration de l’expertise privée dans les mises en œuvre publiques ne réduit pas le contrôle, elle augmente les capacités. Les efforts du secteur public en matière d’IA peuvent directement bénéficier de la maturité technique et de l’innovation spécifique au domaine dans l’espace privé.
Les dirigeants des gouvernements et des entreprises devraient considérer qu’il s’agit d’un défi simple à relever, avec une solution claire : mettre en place des normes de partage des données et ouvrir des partenariats plus structurés avec des fournisseurs d’IA externes. L’accent doit être mis sur la confiance, des objectifs clairement définis et l’alignement réglementaire. Si les dirigeants n’en font pas une priorité, le développement de l’IA restera bloqué par la bureaucratie. Avec la bonne infrastructure et l’intelligence partagée, l’échelle et la performance s’améliorent rapidement. Sans cela, vous n’aurez que des outils isolés et des objectifs non réalisés.
Nécessité d’une stratégie de données cohérente et axée sur les citoyens
Si l’IA doit améliorer les services publics de manière mesurable, elle doit être liée à des résultats qui comptent, des résultats qui affectent directement les personnes. Cela n’est possible que si vous commencez par une stratégie de données claire. Hicham Mabchour, UKI Country Leader & Regional Vice President chez Dynatrace, a souligné ce point en réponse aux récentes initiatives d’investissement du gouvernement. Il a souligné que sans une approche axée sur les données, l’IA ne devient qu’un autre projet technologique sans garantie d’impact.
La bonne stratégie aligne l’IA sur des domaines spécifiques où les services destinés aux citoyens sont moins performants, qu’il s’agisse de retards dans la prestation des services publics, d’inefficacités dans la gestion des dossiers ou de lacunes dans les systèmes d’intervention d’urgence. Ce type d’alignement ne se fait pas avec des objectifs vagues ou des mesures abstraites. Il nécessite des objectifs clairement définis, mis en correspondance avec des sources de données cohérentes, précises et structurées pour une analyse à grande vitesse.
M. Mabchour a également précisé que le gouvernement ne devait pas s’attendre à ce que les outils d’IA fonctionnent efficacement sur des systèmes défectueux. Déployer l’IA sur des plateformes existantes sans résoudre les problèmes fondamentaux ne fait qu’aggraver les inefficacités. Ce qu’il faut, c’est un processus complet d’intégration de l’IA qui commence par la collecte de données stratégiques, suivie d’une intégration intelligente dans les flux de travail pertinents.
Les dirigeants doivent poser les bonnes questions dès le départ : Qu’essayons-nous de résoudre ? Où se situent les lacunes en matière de qualité de service ? De quelles données avons-nous besoin pour suivre les progrès en temps réel ? Une stratégie de données bien conçue garantit que l’IA dans le secteur public est plus qu’un simple théâtre d’innovation. Il s’agit d’un outil pratique avec un objectif défini et un retour sur investissement mesurable. Sans ce cadre, l’adoption de l’IA ne se fera pas, parce qu’elle n’apportera rien.
Importance d’une main-d’œuvre qualifiée et d’une gouvernance transparente de l’IA
La technologie seule ne résout pas les problèmes critiques, ce sont les personnes qui le font. Même avec des investissements substantiels dans l’IA, les progrès dans le secteur public s’arrêteront si la main-d’œuvre ne dispose pas de l’expertise adéquate. Hicham Mabchour, de Dynatrace, l’a clairement expliqué : Le succès de l’IA dépend des personnes qui exploitent, supervisent et interprètent ces systèmes. Cela nécessite de la formation, de l’aisance et une compréhension approfondie du potentiel et des limites des modèles d’IA.
Les gouvernements ne peuvent pas compter sur quelques spécialistes techniques pour faire avancer les choses. Ils ont besoin d’une adoption large et opérationnelle soutenue par une montée en compétences dans tous les départements. Cela signifie qu’il faut créer des équipes qui maîtrisent l’IA et qui comprennent les flux de données du monde réel, les comportements des modèles, les cadres éthiques et la validation des résultats. Cela est particulièrement important dans des domaines tels que les soins de santé, la justice et les services sociaux, où les décisions influencées par l’IA doivent faire l’objet d’un examen minutieux.
La transparence est également essentielle. Si les agences utilisent l’IA pour étayer leurs décisions sans communiquer clairement sur la manière dont ces systèmes produisent des résultats, elles risquent de perdre la confiance du public. La transparence consiste à s’assurer que l’ensemble du processus d’IA est ouvert à l’examen, compréhensible pour les dirigeants et guidé par des structures de gouvernance responsables. Les citoyens s’attendent à ce que, lorsque des algorithmes soutiennent la prise de décision, ces systèmes soient équitables, explicables et responsables.
Pour les dirigeants, la marche à suivre est simple : investir dans l’IA en même temps qu’une stratégie de main-d’œuvre et des protocoles de gouvernance clairs. Traitez les compétences et la confiance comme des éléments non négociables, et non comme des compléments optionnels. Une équipe compétente en matière d’IA prend des décisions plus rapides et mieux informées, et lorsque les systèmes sont transparents, ces décisions gagnent la confiance du public. C’est ainsi que l’élan institutionnel se construit.
La nécessité d’une réforme globale pour établir un leadership en matière d’IA dans le secteur public
Le gouvernement britannique a pris quelques mesures préliminaires en vue de l’adoption de l’IA, mais des améliorations isolées ne produiront pas de transformation à long terme. Si l’objectif est de devenir un leader mondial de l’IA dans le secteur public, il faut une exécution coordonnée et à grande échelle. Cela signifie qu’il faut aligner les mises à niveau de l’infrastructure, une politique claire, des partenariats solides, des stratégies de données définies et le développement de la main-d’œuvre autour d’une vision opérationnelle unique.
Des experts du secteur comme Nicky Furlong de SAS et Hicham Mabchour de Dynatrace sont d’accord sur ce point : L’IA ne parviendra pas à se développer si elle est traitée comme un outil autonome plutôt que comme un outil transversal. Les systèmes existants, les données déconnectées et les politiques incohérentes ne sont pas seulement des problèmes techniques, ils sont structurels. Maintenir les déploiements d’IA segmentés n’est pas une question de prudence ; c’est une limitation qui empêche l’échelle, la précision et les résultats mesurables.
L’élan est déjà donné. Des initiatives telles que le plan d’action sur l’IA donnent au gouvernement un cadre sur lequel s’appuyer. Mais c’est au niveau du suivi que l’impact se fait sentir. Cela signifie que le financement doit être à la hauteur de l’ambition. Les programmes doivent produire des résultats, et pas seulement des promesses. Et le leadership doit être visible, et non réactif. C’est là que les cadres supérieurs et les décideurs politiques de haut niveau doivent prendre des initiatives décisives, en soutenant les transitions numériques et en les conduisant réellement dans les ministères et les services.
Pour les dirigeants qui évaluent l’état de préparation actuel, le message est clair : la maturité de l’IA exige de la coordination et non de l’expérimentation. Il n’y aura pas de position de leader dans la gouvernance mondiale de l’IA sans investissement dans les systèmes, le personnel et les stratégies correspondants. Il ne suffit pas de définir une politique. C’est l’exécution qui fait la différence. Les dirigeants qui s’engagent en faveur d’une réforme intégrée, et qui la mettent en œuvre avec rapidité et responsabilité, façonneront la prochaine génération de performances du secteur public. Tous les autres devront rattraper leur retard.
Principaux enseignements pour les dirigeants
- Mettre à niveau les systèmes existants pour débloquer l’IA : les dirigeants devraient donner la priorité à la modernisation des infrastructures existantes, car 69 % des responsables britanniques citent les systèmes obsolètes comme le plus grand obstacle à l’adoption efficace de l’IA.
- Éliminez les silos de données dès maintenant : Les initiatives du secteur public en matière d’IA ne sont pas à la hauteur en raison d’un mauvais partage des données et d’une faible collaboration avec le secteur privé – ces deux facteurs doivent être améliorés pour permettre des déploiements évolutifs et à fort impact.
- Élaborer une stratégie axée sur les résultats pour les citoyens : L’investissement dans l’IA doit commencer par une stratégie de données ciblée qui répond aux besoins réels des citoyens et intègre des données propres et utilisables dans les opérations de prestation de services.
- Former à l’impact et à la transparence : Les dirigeants doivent former des équipes compétentes en matière d’IA et mettre en place une gouvernance claire pour créer des systèmes à la fois efficaces et dignes de la confiance du public.
- Aligner les réformes pour un leadership durable : Les dirigeants britanniques désireux de jouer un rôle de premier plan dans le domaine de l’IA doivent coordonner l’infrastructure, la politique, les données, le personnel et l’exécution – des solutions au coup par coup ne feront que limiter les capacités futures.
