Une récente table ronde à huis clos organisée au Parlement, co-animée par HCLTech et The Entrepreneurs Network, a réuni des hauts dirigeants du gouvernement britannique et du secteur public élargi pour discuter des réalités concrètes de la transformation numérique et de l’AI.

Les remarques d’ouverture ont été faites par Sian Thomas, Chief Data and AI Officer, DBIST, David Caldwell, Deputy Director Service Strategy and Transformation, DEFRA et Paul Montgomery, Vice-président - Chef des Services publics, Aérospatial et Défense, Europe, HCLTech.

La discussion a mis en lumière un fort engouement pour l’AI, ainsi qu’une reconnaissance claire que l’enthousiasme pour cette technologie peut parfois dépasser la rapidité des systèmes, des processus et des personnes nécessaires pour la soutenir.

Dans l’ensemble des services publics, l’occasion immédiate est importante. AI est déjà explorée pour des tâches administratives, l’analyse de documents, la rédaction, les processus opérationnels et la prestation de services. Cependant, la pertinence de l’AI varie considérablement selon les cas d’utilisation. Un modèle de langage probabiliste peut convenir pour résumer de l’information ou aider à la rédaction, tandis qu’un service déterminant si une entreprise a droit à une prestation spécifique requiert un degré de certitude nettement supérieur.

Cette distinction met l’accent sur l’importance de bien comprendre le problème avant de sélectionner la technologie.

Commencer par les fondations

Bon nombre des obstacles abordés lors de la table ronde précèdent l’AI.

Les organisations gouvernementales continuent de fonctionner avec des systèmes fragmentés, des données incohérentes et des processus qui demeurent partiellement dépendants du papier. Ces conditions rendent même des transformations numériques simples difficiles et fragilisent les bases sur lesquelles l’AI s’appuie.

Dans ce contexte, une solide architecture de données, d’infrastructure et d’affaires est essentielle à la préparation à l’AI. Sans ces éléments, ajouter de l’intelligence aux processus existants risque de produire des versions plus rapides des mêmes problèmes sous-jacents.

Le même principe s’applique à la conception des processus. L’automatisation d’un processus inefficace ne fait qu’amplifier l’inefficacité à plus grande échelle. Les équipes doivent comprendre le fonctionnement actuel d’un service, cerner les points de friction et revoir le processus avant de déterminer où l’AI crée de la valeur.

Ce travail est moins visible que le lancement d’un nouveau service AI, mais il façonne la qualité de tout ce qui en découle.

L’économie de l’AI requiert aussi de l’attention

L’économie de l’AI fait également partie de l’agenda de la transformation.

L’adoption du Cloud a offert de la flexibilité aux organisations, suivie d’un besoin croissant de gérer l’utilisation et les coûts. L’AI introduit une dynamique semblable. Le coût de l’infrastructure n’est qu’un élément; le choix du modèle, la consommation de jetons, la conception des invites et l’utilisation de modèles locaux plus petits influencent tous l’économie du déploiement.

« Comment gérer le coût de l’AI ? Ce n’est pas seulement une question d’infrastructure, c’est aussi une question de consommation », a déclaré Montgomery.

Pour les organisations du secteur public, cela fait du coût un facteur clé à considérer dès la phase de conception, avant que l’utilisation de l’AI ne s’étende dans les différents départements et cas d’utilisation.

Cela éloigne aussi la discussion du choix d’un modèle fondé uniquement sur la performance technique. L’approche la plus appropriée dépend du résultat visé, du niveau de précision, du coût d’exécution et des contrôles entourant son utilisation.

Impliquer les personnes dans la transformation

Le thème le plus fort de la discussion a été la main-d’œuvre.

L’adoption de l’AI modifie les rôles, les méthodes de travail et les parcours professionnels. Elle soulève aussi des questions sur le développement des expertises, alors que de plus en plus de tâches de niveau débutant sont automatisées. Les organisations ont toujours besoin de personnes hautement qualifiées qui comprennent suffisamment les systèmes sous-jacents pour intervenir lorsque la technologie échoue ou produit un résultat inattendu.

« Le rythme du changement fait partie du défi », a déclaré Montgomery. « Il y a un énorme écart de compétences pour être en mesure de poser les bonnes questions et de prendre les bonnes décisions à mesure que la technologie évolue. La rapidité du changement accentue tout cela. »

Le développement des compétences est donc plus efficace lorsqu’il se fait au plus près du travail. Les formations en ligne génériques et les directives émises de façon centralisée ont un impact limité lorsque les employés cherchent à comprendre comment les nouveaux outils s’appliquent à leurs responsabilités quotidiennes. Une adoption plus efficace résulte du travail direct avec les équipes opérationnelles, de la compréhension de leurs processus et de l’aide à l’application de la technologie aux problèmes qu’elles rencontrent déjà.

La discussion a aussi mis en lumière un enjeu plus large. De nombreux services publics fonctionnent déjà avec des équipes restreintes, des charges de travail croissantes et des volumes d’information en hausse. Les gains de productivité offerts par l’AI pourraient permettre à ces équipes de se concentrer davantage sur des tâches à plus forte valeur ajoutée et d’améliorer la qualité des services rendus aux citoyens.

Cela exige une stratégie axée sur les personnes, en parallèle de la stratégie technologique. 

Renforcer la confiance grâce à des preuves

Le succès de l’adoption dépend en dernier ressort des preuves.

Les initiatives en AI doivent déboucher sur des résultats clairs, une valeur mesurable et une compréhension des domaines où la technologie fonctionne bien et où le jugement humain demeure essentiel. Les dirigeants doivent savoir si un cas d’utilisation améliore la productivité, la qualité du service ou la rentabilité, plutôt que de s’appuyer uniquement sur l’enthousiasme généré par la technologie.

Cette rigueur permet aussi d’établir la confiance. Les employés sont plus susceptibles d’adopter l’AI s’ils comprennent comment elle les aide dans leur travail, alors que les citoyens doivent avoir l’assurance que la technologie utilisée dans les services publics est fiable et correctement encadrée.

La prochaine étape de l’AI dans le secteur public dépendra de la capacité des organisations à allier progrès technologique, bases solides, processus optimisés, économie viable et mobilisation du personnel. Ensemble, ces éléments créent les conditions nécessaires pour permettre à l’AI d’améliorer les services publics à grande échelle.