Principaux points à retenir

• Le déploiement de l’IA dans le secteur public dépend de la confiance, de la gouvernance et de la refonte des processus, et pas seulement de la mise en place technologique
• La collaboration public-privé doit prendre en compte le contexte local, y compris les nuances culturelles et la souveraineté
• Des bases de données solides, la sécurité et la résilience sont des préalables à une adoption durable et à la confiance des citoyens
• L’inclusion nécessite des infrastructures, des données représentatives et des choix de conception qui facilitent l’expérience pour les utilisateurs finaux
• Les effectifs préparés pour l’avenir devront maîtriser l’IA en plus de la pensée critique, de la curiosité et des compétences en collaboration

Au cours d’une séance intitulée Gagner grâce à l’IA : bâtir des organisations prêtes pour l’avenir au pavillon de HCLTech pendant le Forum économique mondial, Arjun Sethi, chef de la croissance, segments stratégiques de HCLTech, a animé une discussion sur la manière de passer de l’expérimentation de l’IA à la mise en œuvre à grande échelle, en particulier dans les gouvernements, les services publics et les environnements hautement réglementés. Il était accompagné de Vladimir Lukić, directeur général et associé principal, BCG, Nivruti Rai, DG et PDG, Invest India, Combiz Richard Abdolrahimi, chef mondial des affaires gouvernementales et des politiques publiques, ServiceNow et Algirde Pipikaite, responsable, Cyber GRC, CrowdStrike.

Le partenariat public-privé : un prérequis, pas un luxe

Le panel a suggéré que les programmes d’IA du secteur public ne réussissent pas grâce à la seule technologie. Ils exigent que les gouvernements et les organisations du secteur privé « travaillent ensemble », comme l’a formulé Rai, car les risques s’étendent bien au-delà de tout acteur unique.

Rai a exposé le défi en ancrant l’IA dans les complexités familières des logiciels : « il y a des bogues... il y a des biais... de la désinformation… et ensuite il y a la question de la sécurité. » Selon elle, l’IA amplifie les risques connus à une vitesse et à une échelle inégalées et, par conséquent, exige une responsabilité partagée.

Un second niveau repose sur le contexte. « Toute intervention de l’IA doit comporter une nuance culturelle ou souveraine », a déclaré Rai. L’implication pour le déploiement dans le secteur public est claire : à mesure que l’IA s’intègre dans les systèmes qui touchent les citoyens, la gouvernance ne peut pas être générique. Elle doit refléter les normes, lois et attentes sociétales locales.

La confiance est le véritable contrat et elle peut être rompue rapidement

Un fil conducteur du panel a été que l’adoption de l’IA dans le secteur public repose ultimement sur la confiance : la confiance des citoyens envers leurs institutions et la confiance des institutions envers les systèmes qu’elles acquièrent et déploient.

Pipikaite a décrit cela comme la protection du « contrat entre le gouvernement et le citoyen », d’autant plus que les gouvernements détiennent les données les plus sensibles : « déclarations fiscales, informations financières, dossiers de santé. » L’attente n’est pas seulement que les services s’accélèrent, mais que la confidentialité, la sécurité et la résilience restent solides, même sous la pression.

Abdolrahimi a souligné que le déficit de confiance est aussi social, et pas seulement technique. « Il y a beaucoup de peur, il y a beaucoup de sceptiques, » a-t-il dit, soutenant que pour que l’IA « prospère et maximise réellement les bénéfices », l’industrie doit « impliquer les utilisateurs des technologies… rassembler gouvernements, entreprises, société pour bâtir… un ensemble commun de principes et de normes. »

Au fond, le point pratique de ces propos est que la confiance ne se construit pas sur le discours ; elle se construit à travers des moments répétés où les systèmes tiennent leur promesse et échouent sans danger quand ce n’est pas le cas.

L’obstacle n’est pas la capacité de l’IA, mais le fonctionnement des institutions

Quand la discussion s’est tournée vers les freins à l’exécution, Lukić a remis en question un schéma courant : l’IA est déployée comme une « solution miracle » plutôt que comme un outil de refonte des modes de travail.

Il a décrit un scénario familier aux citoyens de nombreux pays : même lorsque l’IA peut effectuer des vérifications en « millisecondes », les résultats restent lents à cause de files d’attente humaines et de processus en couches. « Si je fais une demande de carte d’identité, cela prend encore 20 jours… alors que toutes les vérifications… peuvent être faites… en millisecondes, » a-t-il dit. Le problème n’est pas la rapidité technique ; c’est le modèle opérationnel.

Son diagnostic de fond était clair : « beaucoup d’entreprises tech construisent d’abord une solution, essaient de la pousser… ça marche, mais ça ne règle jamais le goulot d’étranglement. » Les organisations qui mettent l’IA à l’échelle ne sont pas celles qui déploient le plus d’outils ; ce sont celles qui acceptent de cartographier les flux de travail, de changer les incitatifs et de revoir le service de bout en bout.

Les politiques et la réglementation peuvent accélérer, si l’IA modernise la gouvernance elle-même

Sur les contraintes légales et politiques, le panel n’a pas fait semblant que les frictions disparaîtraient. Pipikaite a reconnu la réalité directement : « Y a-t-il des problèmes ? J’aimerais qu’il n’y en ait pas. » Mais elle a aussi avancé une nouvelle possibilité : l’IA peut aider les gouvernements et les institutions à suivre le rythme.

« Nous pouvons examiner des contrats, de nouvelles politiques proposées et faire des comparaisons en quelques secondes, » a-t-elle dit, en contraste avec la dépendance passée envers une « armée de parajuristes » qui pouvait prendre des semaines. Autrement dit, le cycle de gouvernance peut s’accélérer, sans retirer le jugement humain, en automatisant les étapes exigeant beaucoup de recherche et en libérant les experts pour se concentrer sur les décisions, arbitrages et responsabilités.

Le parcours de l’IA en Inde : contraintes d’infrastructure, force d’application et collaboration

Rai a livré une perspective détaillée sur la trajectoire de l’Inde ; une trajectoire marquée par le développement rapide d’applications, l’effort pour renforcer l’infrastructure et l’accent sur le développement de la capacité de l’écosystème.

Elle a commencé par l’énergie. Elle a fait une comparaison : « L’Inde dispose de 1,5 gigawatts de centres de données installés au total… c’est essentiellement un watt par personne. En comparaison, les États-Unis sont à 70 watts par personne. » Cet écart, selon elle, détermine ce qui peut être déployé à grande échelle et quels niveaux de fiabilité sont envisageables, alors que les charges de travail en IA consomment de plus en plus d’énergie et nécessitent une résilience accrue.

Rai a aussi évoqué les mesures gouvernementales pour soutenir l’accès au calcul : « [Le] gouvernement a rendu accessible environ 28 000 GPU, » mettant l’accent sur le coût comme élément délibérément facilitateur : « le coût d’utilisation du GPU à l’heure offert par le gouvernement est bien inférieur à ce que certains hyperscalers offrent. Pourquoi ? Parce que le gouvernement veut bâtir un écosystème. »

Sur le talent et la mise en œuvre, elle a formulé un constat plus large sur la place de l’Inde dans l’écosystème mondial de l’IA : « Les États-Unis sont en tête pour l’infrastructure… et je peux affirmer que l’Inde domine le développement d’applications en IA. » Elle relie cela à la masse de talents en logiciel et à la croissance de l’IA en Inde : « la majorité travaille sur l’IA… la plupart bâtissent des agents. »

Mais sa conclusion n’était pas nationaliste, elle était collaborative. Dans un monde où tout se fragmente, elle soutient que les pays ont le choix entre s’aligner sur les blocs principaux ou suivre une troisième voie coopérative : « cette troisième option est la meilleure. »

L’inclusion signifie résultats, et les résultats nécessitent les bases, des données représentatives et des systèmes plus simples

Quand la discussion s’est tournée vers l’inclusion, Abdolrahimi a présenté l’objectif comme étant de rendre l’IA « véritablement accessible à tous… des agriculteurs aux cols bleus, aux cols blancs, à tout le monde. » Il a soutenu que « nous devrions nous concentrer sur les résultats plutôt que sur la technologie, » citant des exemples comme « de l’eau potable, propre et sécuritaire », où l’IA n’est qu’un moyen, pas une fin en soi.

Parallèlement, Lukić a fait valoir que l’inclusion dépend de la confiance construite à partir des éléments de base : si les dossiers essentiels sont difficiles à obtenir ou peu fiables, les citoyens ne feront pas confiance aux services s’appuyant sur l’IA. « Il y a trop d’échecs visibles, » dit-il, et « les gens n’auront tout simplement pas confiance. Ils ne les utiliseront pas. »

Pipikaite a ajouté un autre principe facilitateur : la simplicité. « L’accessibilité et l’égalité seront aussi atteintes si on pense à la simplification, » dit-elle, avertissant qu’un surplus de complexité exclut d’emblée. Elle illustre ceci en cybersécurité : « en moyenne, il existe environ 70 outils… impossible pour un analyste de comprendre le fonctionnement de 70 outils différents. » Sa conclusion : « La simplification et la consolidation sont parmi les réponses. »

Préparation de la main-d’œuvre : maîtrise de l’IA plus des compétences humaines durables

La discussion s’est conclue sur la main-d’œuvre et ce dont les gens ont besoin pour prospérer à mesure que l’IA s’intègre à tous les secteurs.

Pipikaite est revenue sur un thème déjà évoqué : « la pensée critique. » Elle la définit comme « la capacité à résoudre des problèmes… à naviguer dans des enjeux complexes », et a soutenu que les compétences fondamentales comptent encore : « je ne pense pas qu’on puisse se passer des maths. » Elle prône aussi la stimulation intellectuelle : « tout le monde devrait jouer aux échecs. »

Abdolrahimi a mis de l’avant une mentalité plus large : « curiosité et expérimentation, » et a soutenu que la culture de l’IA doit être concrète, non abstraite : « Nous devrions promouvoir l’expérimentation… pousser les gens à être curieux. »

L’appréciation de Rai était plus directe : « 100 % des gens devraient savoir utiliser l’IA, » car si vous ne l’utilisez pas, « vous ne sauriez pas ce qu’elle peut faire… et si elle peut vous remplacer. » Elle a insisté sur l’autonomie : si vous savez définir des objectifs et orchestrer le travail, « vous serez le gestionnaire… l’architecte… et l’IA devient votre outil. » Mais « si vous attendez les consignes… vous serez remplacé. »

Lukić a tout rattaché par le prisme de la collaboration : apprendre à « s’asseoir avec des personnes ayant un point de vue différent » aide à reconnaître les angles morts et à détecter quand les outils produisent des résultats incomplets ou biaisés.

FAQ

Qu’est-ce que cela signifie de mettre l’IA à l’échelle dans une organisation ?
Mettre l’IA à l’échelle signifie dépasser les projets pilotes, intégrer l’IA dans les flux de travail et modèles opérationnels clés, appuyés par des bases de données, la gouvernance, les talents et la gestion du changement afin de garantir des impacts à l’échelle de l’organisation.

Pourquoi de nombreux programmes d’IA n’atteignent-ils pas des résultats mesurables ?
Un problème courant est le déploiement de l’IA sans revoir le processus de bout en bout. Si les retards sont dus aux files d’attente, aux incitatifs ou à la fragmentation des données, la rapidité de l’IA ne changera rien sans la transformation du modèle opérationnel.

Comment le secteur public peut-il instaurer la confiance dans les services habilités par l’IA ?
La confiance se développe grâce à la sécurisation des données, la transparence, la résilience et des expériences à répétition où les services tiennent parole. Sans de bonnes bases fiables, comme des dossiers exacts et des systèmes accessibles, l’adoption citoyenne reste limitée.

Comment les responsables peuvent-ils rendre l’adoption de l’IA plus inclusive ?
L’inclusion repose sur l’infrastructure, des données représentatives et la simplification des expériences pour que la population puisse utiliser les services, surtout dans les groupes ayant des besoins différents en termes d’accès numérique, de littératie ou de langue.

Quelles compétences sont les plus importantes dans une main-d’œuvre transformée par l’IA ?
La maîtrise de l’IA devient incontournable, mais des aptitudes durables comme la pensée critique, la résolution de problèmes, la curiosité et la collaboration font la différence, particulièrement la capacité à exercer un jugement et à orchestrer le travail avec l’IA comme outil.