L'IA dans les collectivités : bâtir une stratégie pragmatique et humaine

Prioriser les besoins avant la technologie

La première erreur serait de se laisser séduire par la technologie pour elle-même. L'IA n'a de sens que si elle répond à des attentes sur le terrain. Avant de parler algorithmes, il est essentiel d’évoquer les difficultés rencontrées au quotidien par les citoyens ou les agents : délais de traitement des demandes, gaspillage alimentaire dans les cantines, hausse de la consommation énergétique des bâtiments publics... Cette phase d'identification des besoins doit impliquer tous les acteurs : les élus qui portent la vision politique, les agents qui connaissent les dysfonctionnements, et surtout les citoyens qui utilisent ces services au quotidien. C'est de cette matière première que naissent les vrais cas d'usage, ceux qui génèrent de la valeur tangible, au-delà des simples effets d’annonce.

Transformer les besoins en cas d'usage IA

Une fois les besoins cartographiés, il faut les traduire en opportunités IA. Tous les problèmes ne nécessitent pas forcément le recours à l'intelligence artificielle. Parfois, une simple optimisation des processus, un meilleur système d'information, voire une gestion rationnelle des données peut suffire à améliorer significativement les opérations. L'IA fait réellement la différence lorsqu’elle analyse d’énormes quantités de données, détecte des modèles invisibles à l'œil nu, ou permet une prédiction pour anticiper plutôt que de simplement subir.

Par exemple, pour réduire les déchets dans les cantines scolaires, une IA peut analyser précisément les produits jetés, identifier les plats les moins appréciés, et recouper ces informations avec des données nutritionnelles et budgétaires. Cela permet de suggérer des ajustements de menus qui réduisent le gaspillage tout en respectant l'équilibre alimentaire.

Autre idée à explorer pour réaliser des économies et gagner du temps : la maintenance prédictive des bâtiments municipaux. Au lieu d’attendre qu’une panne survienne, l'IA analyse les données des équipements (chauffage, ventilation, éclairage) pour anticiper les défaillances et programmer les interventions au bon moment. Résultat : moins de pannes imprévues, une meilleure maîtrise des budgets de maintenance, et un allongement de la durée de vie des équipements.

Prioriser par la valeur, pas par l'ambition

Face à la multitude de cas d'usage possibles, la tentation est grande de vouloir tout faire en même temps. C'est la garantie de l'échec. Il faut prioriser selon trois critères : l'impact potentiel pour les citoyens ou l'administration, la faisabilité technique et organisationnelle, et le rapport investissement-bénéfice.

Cette priorisation permet de sélectionner quelques projets pilotes bien adaptés, qui sont assez ambitieux pour générer une valeur réelle et mesurable, tout en restant maîtrisables en termes de complexité et de budget.  L'objectif est de créer des précédents réussis qui légitimeront ensuite un passage à l’échelle.

Par exemple, un chabot dédié à la gestion des démarches administratives courantes auxquelles les usagers ont accès permet d’alléger la charge des agents en traitant les questions récurrentes et assure un service continu aux citoyens, disponible 24 heures sur 24 et 7 jours sur 7. Mais un chabot ne se substituera jamais à l’expertise humaine dans l’analyse des dossiers de demandes de droits. Et un outil mal conçu, qui ne comprend pas les demandes ou renvoie vers des formulaires inadaptés risque d’écorner l’image des services de la collectivité.

Ne pas sous-estimer la complexité

Les projets IA ne sont pas simples. De multiples aspects exigent une vigilance constante. La protection des données d'abord : les collectivités manipulent des informations sensibles qui doivent respecter scrupuleusement le RGPD (Règlement général sur la protection des données) et le règlement européen sur l'IA (AI Act).

La qualité des données ensuite. Si elles sont incomplètes ou mal structurées, les résultats seront médiocres. Beaucoup de collectivités découvrent alors un patrimoine informationnel dispersé dans des systèmes hétérogènes. Cette remise à plat est un chantier en soi.

La conduite du changement représente également un autre défi. Du côté des agents, l'IA peut être perçue comme une menace. Il est donc nécessaire d’expliquer, former et accompagner. Pour les citoyens, la transparence est essentielle : lorsque l'IA intervient dans le processus de décision administrative, ils doivent le savoir.

La question de la souveraineté mérite aussi de l’attention. Confier données et algorithmes à des géants non européens pose des problèmes de dépendance. Il faut donc, sur le long terme, privilégier des solutions européennes ou mutualisées.

Enfin, mesurer la valeur de l'IA n'a rien d'évident. Au-delà des indicateurs techniques, il faut des métriques qui parlent aux décideurs, comme les économies budgétaires réalisées, la satisfaction des citoyens, ou l’impact environnemental. Cette mesure doit être rigoureuse pour éviter que les bénéfices ne restent diffus.

De l'expérimentation à l'industrialisation

Les premiers projets pilotes constituent un cadre d’expérimentation pour apprendre et ajuster. Mais l'objectif final reste l'industrialisation : faire de l'IA un outil intégré aux services, maîtrisé par les équipes et valorisé sur le territoire. Ce passage à l’échelle suppose des choix structurants : investissement dans les compétences, gouvernance claire de la donnée, interopérabilité des systèmes.

C'est aussi le moment de penser mutualisation. Les collectivités de taille moyenne n'ont pas forcément les ressources nécessaires pour développer seules leurs outils d’intelligence artificielle : plateformes partagées, achats groupés et référentiels communs permettent de réduire les coûts.

Le partage d'expérience reste un levier sous-estimé. Certaines collectivités ont déjà de l'avance et ont identifié les pièges à éviter. Des réseaux comme l'Association des Maires de France permettent de structurer ces échanges. Visiter des collectivités pionnières, partager des cahiers des charges et des retours d'expérience  permet de progresser plus vite et évite des erreurs coûteuses. Cette logique de réseau peut aboutir à des développements collaboratifs, à la création de solutions open source adaptées au secteur public, ou encore à une mobilisation collective face aux éditeurs.

Introduire l'IA dans les collectivités territoriales ne relève ni d'un simple effet de mode, ni d'une révolution radicale. C'est une transformation progressive qui exige méthode, humilité et constance. Les équipes municipales qui réussiront ne seront pas nécessairement les plus technophiles, mais celles qui auront su articuler vision politique, pragmatisme opérationnel et attention portée aux individus.

L'IA est un moyen, pas une fin. Elle doit servir un projet de territoire : des services publics plus performants, une administration plus réactive, des ressources mieux utilisées. À condition de ne pas brûler les étapes, de mesurer régulièrement les actions menées, et de placer l'humain au cœur du dispositif.

Le mandat qui s'ouvre est celui de la maturité : après les expérimentations dispersées, place à des stratégies cohérentes, ancrées dans les réalités locales et portées par une véritable conviction. Les citoyens n'attendent pas des prouesses technologiques, mais des services qui fonctionnent. C'est à cette aune que les projets IA seront jugés.