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

Les remarques d’ouverture de la discussion provenaient de Sian Thomas, Chief Data and AI Officer, DBIST, David Caldwell, Deputy Director Service Strategy and Transformation, DEFRA et Paul Montgomery, Vice President - Head of Public Services, Aerospace and Defense, Europe, HCLTech.

La conversation a révélé un fort enthousiasme pour l’AI, tout en reconnaissant clairement que l’engouement pour la technologie peut parfois dépasser la capacité des systèmes, des processus et des personnes à la soutenir.

Dans les services publics, les possibilités immédiates sont considérables. AI est déjà explorée pour des tâches administratives, l’analyse de documents, la rédaction, les processus opérationnels et la prestation de services. Pourtant, la pertinence de l’AI varie grandement selon les cas d’utilisation. Un modèle de langage probabiliste peut bien fonctionner pour résumer des informations ou aider à la rédaction, tandis qu’un service déterminant si une entreprise est admissible à un avantage particulier demande un bien plus grand degré de certitude.

Cette distinction met davantage l’accent sur la nécessité de comprendre le problème avant de choisir la technologie.

Commencer par les bases

Bon nombre des obstacles évoqués lors de la table ronde sont antérieurs à l’AI.

Les organisations gouvernementales continuent d’opérer avec des systèmes fragmentés, des données incohérentes et des processus encore partiellement dépendants du papier. Ces conditions rendent même une transformation numérique simple difficile et affaiblissent les bases sur lesquelles repose l’AI.

Dans ce contexte, une solide architecture de données, d’infrastructure et d’affaires est essentielle pour être prêt pour l’AI. Sans cela, ajouter de l’intelligence à des processus existants risque simplement d’accélérer les mêmes problèmes sous-jacents.

Le même principe s’applique à la conception des processus. Automatiser un processus inefficace revient simplement à permettre à l’inefficacité de s’étendre à plus grande échelle. Les équipes doivent comprendre comment un service fonctionne actuellement, identifier où se situent les points de friction et repenser le processus avant de déterminer où l’AI ajoute de la valeur.

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

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

L’économie de l’AI commence aussi à faire partie de l’agenda de la transformation.

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

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

Pour les organismes du secteur public, cela fait du coût un facteur important à considérer dès l’étape de conception, avant que l’utilisation de l’AI ne s’élargisse à d’autres départements et cas d’usage.

Cela déplace également la discussion de la simple recherche des meilleures performances techniques pour un modèle. L’approche la plus appropriée dépend du résultat souhaité, du niveau de précision, du coût d’exécution et des contrôles entourant son utilisation.

Impliquer les personnes dans la transformation

Le thème le plus marqué tout au long de la discussion était la main-d’œuvre.

L’adoption de l’AI modifie les rôles, les flux de travail et les parcours professionnels. Elle soulève aussi des questions sur le développement de l’expertise lorsque les tâches de base routinières sont de plus en plus automatisées. Les organisations ont encore besoin de personnel hautement qualifié qui comprend suffisamment les systèmes sous-jacents pour intervenir lorsque la technologie échoue ou donne un résultat inattendu.

« Le rythme du changement fait partie du défi », a souligné Montgomery. « Il existe un important déficit de compétences pour poser les bonnes questions et prendre les bonnes décisions à mesure que la technologie évolue. La rapidité des changements exacerbe tout cela. »

Cela fait du développement des compétences un processus le plus efficace lorsqu’il se produit au plus près du travail. Les formations génériques en ligne et les directives publiées au centre ont un impact limité lorsque les employés cherchent à comprendre comment les nouveaux outils s’appliquent à leurs tâches quotidiennes. Une adoption plus efficace passe par le travail direct avec les équipes opérationnelles, la compréhension de leurs processus et l’aide à l’application de la technologie aux problèmes auxquels elles sont déjà confrontées.

La discussion a aussi fait ressortir une opportunité plus large. De nombreux services publics fonctionnent déjà avec des équipes restreintes, des volumes croissants de dossiers et d’information. Les gains de productivité offerts par l’AI pourraient donner à ces équipes une plus grande capacité à se concentrer sur du travail à plus grande valeur ajoutée et améliorer la qualité des services offerts aux citoyens.

Cela exige une stratégie axée sur les personnes, à côté de la stratégie technologique. 

Instaurer la confiance par des preuves

L’adoption réussie dépend ultimement de preuves tangibles.

Les initiatives d’AI nécessitent des résultats clairs, une valeur mesurable et une compréhension des domaines où la technologie est performante et où le jugement humain demeure essentiel. Les dirigeants doivent savoir si un cas d’utilisation améliore la productivité, la qualité du service ou l’efficacité budgétaire, plutôt que de reposer sur l’enthousiasme pour la technologie elle-même.

Cette rigueur bâtit également la confiance. Les employés sont plus enclins à adopter l’AI lorsqu’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 fait l’objet d’une gouvernance adéquate.

La prochaine étape de l’AI dans le secteur public dépendra de la capacité des organisations à conjuguer progrès technologiques, bases plus solides, meilleurs processus, économie viable et mobilisation de la main-d’œuvre. Ensemble, ces éléments créent les conditions pour permettre à l’AI d’améliorer les services publics à grande échelle.