Une collectivité locale de 120 000 habitants, avec un budget annuel de 45 millions d’euros et une administration de 350 agents publics, avait une ambition claire mais intimidante : améliorer ses services publics grâce à l’IA. Cependant, elle partait de zéro complet sur le plan des compétences IA et des outils numériques sophistiqués. Les élus voulaient moderniser l’administration pour se rapprocher des citoyens, mais les risques de dysfonctionnement technique et de mauvaise gestion des données publiques la paralysaient. Aucun agent n’avait d’expérience en machine learning ou en IA avancée. Les dossiers administratifs étaient encore largement traités manuellement sur papier ou dans des systèmes Excel. Les citoyens devaient se déplacer physiquement aux guichets municipaux pour la plupart des démarches administratives, créant de longues files d’attente et de l’insatisfaction citoyenne chronique. DécisionIA a été contacté pour structurer cette transformation IA progressive, en commençant par les premiers projets pilotes à fort impact et faible complexité, pour montrer la faisabilité sans prendre de risques politiques ou opérationnels. En huit mois, la collectivité était passée d’une situation figée et crainte de l’IA à une véritable pratique IA intégrée dans ses opérations quotidiennes.
Identifier les priorités et structurer le changement
La première étape n’était pas d’imposer une transformation IA de haut en bas, dictée par les IT, mais de co-construire avec les équipes métier qui connaissaient vraiment les problèmes. DécisionIA a organisé une série de workshops participatifs et interactifs avec les responsables de différents services : état-civil, aide sociale, urbanisme, transports, déchets. L’objectif était simple mais critique : identifier ensemble les situations où l’IA pouvait vraiment créer de la valeur pour les citoyens et faciliter le travail des agents administratifs. Ces ateliers ont révélé plusieurs cas d’usage intéressants et viables.
Le service d’aide sociale était noyé sous les demandes, avec des délais de traitement de trois mois en moyenne, causant de la souffrance aux citoyens les plus vulnérables. Le service d’urbanisme passait des heures précieuses à consulter les archives pour vérifier la conformité des permis de construire. Le service des transports avait du mal à optimiser ses routes de bus face aux variations saisonnières et cycliques de la demande. Nous avons sélectionné trois cas d’usage pour débuter : priorisation intelligente des demandes d’aide sociale, optimisation des parcours de bus via machine learning, et numérisation des documents d’urbanisme pour accélérer les recherches. Ces trois projets étaient de taille gérables, de complexité croissante, et ils allaient générer une vraie valeur dès le premier mois sans bouleverser les opérations.
DécisionIA a aussi mis en place une gouvernance IA claire, structurée et démocratique : un comité de pilotage restreint avec les élus électoraux, les responsables métier clés, et l’équipe informatique locale. Chaque décision était documentée et communiquée transparemment, car la confiance politique et publique était essentielle pour réussir. Les citoyens aussi avaient besoin de comprendre que des machines aideraient à prendre certaines décisions les concernant, tout en garantissant qu’aucune décision critique ne serait prise par l’IA seule.
Déployer les premiers projets avec formation et transparence
Le premier projet était la priorisation intelligente des demandes d’aide sociale pour accélérer les traitements. DécisionIA a entraîné un modèle IA sur les trois années d’historique de demandes, en apprenant automatiquement les patterns : quels citoyens avaient réellement besoin d’aide urgente selon les critères de la loi, quels dossiers étaient complets et prêts à traiter immédiatement, quels dossiers manquaient d’information critique pour avancer. Ce modèle IA n’était jamais un remplaçant du travail humain des travailleurs sociaux, mais plutôt un assistant intelligent : il proposait un ordre de traitement optimisé, mais les agents sociaux avaient le contrôle total et pouvaient rejeter les recommandations de l’IA si elles ne correspondaient pas à leur jugement professionnel. Les agents appréciaient beaucoup cette approche collaborative : ils n’avaient pas l’impression que la machine les remplaçait, mais plutôt qu’elle les aidait à se concentrer sur les cas les plus urgents et les plus complexes.
En deux mois de fonctionnement réel et continu, le délai de traitement moyen était tombé de trois mois à cinq semaines, une amélioration spectaculaire très appréciée par les citoyens en attente. Certains dossiers vraiment urgents concernant les situations de vulnérabilité maximale étaient maintenant traités dans les deux jours au lieu de deux mois. DécisionIA a aussi formé six agents sociaux seniors à interpréter les résultats du modèle IA, à le challenger quand ses recommandations semblaient inappropriées, et à l’améliorer progressivement en fonction du feedback métier accumulé au fil des semaines. Cette formation a garantit que les agents restaient les décideurs réels, pas de simples exécutants de recommandations IA. Le deuxième projet, l’optimisation des transports urbains collectifs, avait des résultats encore plus tangibles et mesurables : le modèle IA prédisait la demande de passagers par heure précise et par jour spécifique de la semaine, permettant à la collectivité d’optimiser ses horaires de bus et ses routes de manière dynamique et réactive aux besoins réels.
Après trois mois de fonctionnement réel et stabilisé, le coût par passager transporté avait baissé de 8 %, les trajets vides (une vraie perte économique) avaient diminué de 23 %, et la satisfaction des usagers mesurée par sondage téléphonique indépendant avait augmenté de 12 points. Les citoyens voyaient que leurs impôts locaux étaient utilisés plus intelligemment. Ces résultats concrets renforçaient la confiance politique dans l’IA et réduisaient les doutes des élus. Le troisième projet, la numérisation intelligente des documents d’urbanisme, était plus technique mais avait aussi un impact direct sur les délais : retrouver des informations sur les anciennes constructions et permis précédents prenait désormais 10 minutes au lieu de deux heures. Cette amélioration se répercutait directement sur les délais d’instruction des nouveaux permis et sur la satisfaction des citoyens constructeurs.
Mesurer l’impact et structurer la pérennité
Après six mois d’opération des trois premiers projets IA, la collectivité avait acquis une crédibilité réelle et tangible en IA auprès de tous les acteurs. Les élus n’étaient plus effrayés par la technologie, ils voyaient les résultats. Les agents publics n’avaient plus l’impression de perdre leur emploi, mais de gagner en efficacité et en dignité au travail. Les citoyens voyaient des améliorations concrètes : services plus rapides, plus de transparence, meilleure qualité de traitement. DécisionIA a mesuré l’impact global avec précision : la collectivité avait économisé l’équivalent de 1,5 millions d’euros annualisés de coûts d’exploitation et de temps agent, sans réduction d’effectifs (au contraire, les agents avaient été redéployés vers des tâches de plus haute valeur ajoutée et plus humaines).
Le ROI de la mission IA était largement positif, même en ne comptant que le premier semestre. Cependant, le vrai succès était culturel et structurel. La collectivité avait créé un petit lab IA interne, composé de trois agents IT and deux consultants métier, qui continuaient à explorer de nouveaux cas d’usage en utilisant une méthodologie agile pour projets IA structurée que DécisionIA avait mise en place. Cette méthodologie lui permettait de tester et d’itérer rapidement sans paralyser l’administration ou risquer des dérives. Six mois après la fin de la mission DécisionIA, la collectivité avait lancé deux nouveaux projets IA en interne : prédiction de fraude aux allocations sociales pour protéger l’argent public, et optimisation des tournées de collecte des déchets. Elle était maintenant autonome dans sa capacité à structurer et prioriser ses cas d’usage IA de manière efficace, sans dépendre d’un consultant externe permanent.
Transformer une collectivité sans paralyser l’administration
La transformation d’une collectivité locale par l’IA demande une approche très différente de celle d’une entreprise commerciale. L’enjeu politique, la légitimité démocratique, la transparence absolue envers les citoyens, et la prise en charge progressive et bienveillante des équipes sont bien plus importants que la performance brute du modèle IA. DécisionIA avait compris ces spécificités du secteur public et avait structuré sa mission en conséquence, en mettant l’humain au centre. Si votre collectivité envisage de débuter une transformation IA durable, le secret est de commencer petit avec des projets à haute valeur et basse complexité, de communiquer clairement et progressivement avec les citoyens et les élus, et de donner du pouvoir et de l’agentivité aux équipes internes. DécisionIA peut aussi vous aider à mettre en place une gouvernance IA appropriée au contexte public. Participez à notre bootcamp DécisionIA pour découvrir comment votre collectivité peut se transformer durablement et améliorer ses services publics grâce à l’IA, tout en maintenant la confiance, la transparence et la légitimité démocratique des citoyens.
—