Tous les ministres en parlent. Tous les rapports parlementaires s’y consacrent. Tous les directeurs d’administration centrale y vont de leur plan IA. Sur le terrain, en 2026, où en est-on vraiment ? Bilan honnête à partir de nos interventions dans une douzaine d’administrations et d’établissements publics français.
Le décalage entre discours et déploiement
Le discours officiel : « la France est à la pointe », « notre administration se transforme », « 200 cas d’usage IA déployés ». La réalité opérationnelle : moins de 8 % des agents publics utilisent l’IA générative de façon hebdomadaire en mai 2026, contre 32 % dans le privé. L’écart est massif.
Les 200 « cas d’usage déployés » sont en grande majorité des POCs qui n’ont jamais atteint la production réelle, ou des outils utilisés par 3-5 personnes dans une administration de plusieurs milliers.
Les causes structurelles du retard
1. La commande publique. Les marchés publics IA prennent 9-18 mois entre conception et exécution. Quand le marché aboutit, le modèle visé est déprécié. La machine administrative n’est pas alignée sur la vitesse d’évolution technologique.
2. La souveraineté juridique sur-interprétée. Beaucoup d’administrations refusent ChatGPT et Claude au motif que les données traitées sont confidentielles. Position défendable pour certains secteurs, surdimensionnée pour 80 % des cas d’usage métier. Le résultat : aucun déploiement, par excès de précaution.
3. La résistance interne. Les syndicats redoutent l’IA comme menace sur l’emploi public. Les directions craignent les contrôles a posteriori. Les agents redoutent l’observation accrue. Tous freinent à des niveaux différents.
4. L’absence de formation structurée. Les cadres A et B n’ont eu aucune formation IA dans leur cursus initial ou continu. Les rares initiatives existent (ENA, IH2EF) mais touchent quelques centaines de personnes par an dans un effectif de 5,7 millions d’agents.
Les administrations qui avancent vraiment
La DINUM (Direction Interministérielle du Numérique). Pilote Albert, le LLM souverain de l’État. En production sur quelques cas (synthèse de procès-verbaux, aide à la rédaction de réponses citoyennes). Avancée réelle mais limitée en volume.
La Cour des comptes. Utilise des outils d’analyse documentaire IA sur des dossiers d’audit. Pas une révolution, mais des gains de productivité mesurables.
Quelques métropoles (Lyon, Strasbourg, Nantes). Ont déployé des assistants IA pour leurs services à la population : traitement de demandes simples, orientation vers les bons services, génération de courriers d’accusé. Cas d’usage limités mais utilisés vraiment.
Les hôpitaux universitaires. Quelques pilotes sur la transcription de comptes rendus médicaux (Centres Hospitaliers Universitaires de Lille, Bordeaux). Gains réels documentés, déploiement difficile pour des raisons réglementaires.
Le projet Albert : à quoi en est-on ?
Albert est le modèle IA souverain développé par la DINUM, hébergé sur le cloud d’État. Lancé en 2024, il a connu des débuts difficiles : performances en deçà des modèles commerciaux, latence élevée, intégration complexe. En 2026, après plusieurs versions, Albert atteint un niveau correct sur les cas administratifs spécifiques.
Albert n’égalera probablement jamais Claude ou GPT en qualité brute. Ce n’est pas son objectif. Sa valeur, c’est la souveraineté totale et l’adaptation aux besoins de l’administration française. Pour ce périmètre, il est pertinent.
L’enjeu n’est plus technique. C’est de réussir à le déployer auprès des 5 millions d’agents susceptibles d’en bénéficier.
Les obstacles qui persistent
Le réflexe d’audit. Toute nouvelle technologie déclenche 6-12 mois d’audits et de mises en conformité avant déploiement. Pour un outil dont l’écosystème évolue tous les 3 mois, c’est ingérable.
L’effet plafond hiérarchique. Les directeurs d’administration centrale qui n’utilisent pas l’IA personnellement bloquent ou ralentissent les initiatives ascendantes. Pas par mauvaise foi : par méconnaissance.
L’asymétrie budgétaire. Le budget IA d’un grand ministère est typiquement de 5-15 millions d’euros par an. C’est moins que ce que dépense Total ou L’Oréal sur le même périmètre. À budget contraint, les arbitrages sont brutaux et l’IA en sort souvent perdante.
Ce qui pourrait débloquer la situation
1. Une mission interministérielle dotée. La DINUM a un mandat, peu de bras et un budget limité. Une mission IA avec 100 personnes et 200 M€ sur 3 ans changerait l’échelle.
2. La formation massive et obligatoire. Imposer un MOOC IA de 8 heures à tous les cadres A en 12 mois ferait basculer 200 000 personnes. Coût modeste, impact massif.
3. L’achat groupé interministériel. Plutôt que chaque ministère qui négocie séparément avec Anthropic, OpenAI, Mistral, un achat groupé à 5,7 millions d’agents donnerait un pouvoir de négociation et une cohérence d’usage massifs.
La fenêtre 2026-2028
Si le secteur public ne franchit pas le cap dans les 24 mois, l’écart de productivité avec le privé deviendra structurel. À 24 mois, le privé aura 60-75 % d’adoption avec gains documentés. Le public restera à 15-25 %. L’écart de service citoyen, lui, sera visible : délais administratifs longs, qualité de réponse à demandes complexes faible.
Le risque n’est pas que l’IA remplace les fonctionnaires. C’est que les fonctionnaires non équipés finissent par être perçus comme inefficaces face aux interlocuteurs privés équipés.
Ce que notre partenaire Nexus prépare
Le sujet des infrastructures et institutions est l’un des quatre terrains d’analyse de Nexus Think Tank. Une étude de fond sur la transformation IA des administrations françaises est en préparation pour fin 2026, croisant données de terrain et benchmarks européens. À suivre.
Le bon réflexe pour les administrations qui veulent avancer
Identifier 2-3 cas d’usage à fort enjeu et faible risque (synthèse documentaire interne, aide à la rédaction de courriers standardisés, qualification de demandes citoyennes). Déployer avec un échantillon de 30-50 agents pilotes. Mesurer en 90 jours. Communiquer les résultats. Élargir.
Cette approche ne nécessite pas une révolution administrative. Juste un peu de courage de la part de quelques directeurs. C’est dans cette dynamique que se créera, ou pas, la transformation IA du secteur public français.
Pour approfondir
- L’IA souveraine est une illusion (et pourquoi vous vous en fichez)
- Pourquoi votre entreprise n’a pas besoin de son propre LLM
- Neowin Academy x Nexus Think Tank : un partenariat humain d’abord
L’écart entre le discours et le terrain
Il faut nommer le malaise : il existe un fossé profond entre le récit officiel de la transformation numérique de l’État et ce que vivent réellement les agents au quotidien. Le discours parle de pointe, d’exemplarité, de centaines de cas d’usage. Le terrain, lui, raconte une tout autre histoire : une adoption hebdomadaire de l’IA générative encore marginale chez les agents publics, très en deçà de ce qu’on observe dans le privé. Ce décalage n’est pas un détail de communication : c’est le cœur du problème.
La mécanique du « cas d’usage déployé » mérite d’être décortiquée, parce qu’elle entretient l’illusion. Un pilote utilisé par une poignée de personnes dans une administration de plusieurs milliers d’agents est compté comme un « déploiement ». Techniquement, ce n’est pas faux ; opérationnellement, c’est trompeur. Additionner des pilotes confidentiels ne fait pas une transformation ; cela fait une collection de démonstrations. La différence entre les deux se mesure au nombre d’agents dont le travail a réellement changé, et ce nombre reste faible.
Je ne dis pas cela pour accabler le secteur public : les obstacles sont réels et largement structurels, pas le fruit d’une mauvaise volonté. Mais la lucidité est le préalable à l’action. Tant que le récit officiel masque l’écart, personne ne ressent l’urgence de le combler. Le premier pas vers la transformation, c’est d’arrêter de prétendre qu’elle a déjà eu lieu.
La commande publique contre le rythme de la technologie
La première cause structurelle du retard est une incompatibilité de tempo. Un marché public met de nombreux mois à aboutir, entre la définition du besoin, la procédure, l’attribution et l’exécution. Or le marché de l’IA se réinvente à un rythme bien plus rapide. Résultat : quand le marché aboutit enfin, le modèle qu’il visait est souvent déjà dépassé. L’administration achète du neuf qui est déjà de l’ancien.
Ce n’est pas un défaut de compétence des acheteurs publics : c’est une inadéquation de nature entre une machine conçue pour la prudence et la traçabilité, et une technologie qui exige l’agilité. Les règles de la commande publique ont été pensées pour acheter des biens durables — des bâtiments, des véhicules, des logiciels stables sur dix ans — pas des services qui changent de version tous les trimestres. Appliquer le cadre de l’un à l’autre produit mécaniquement de l’obsolescence programmée.
La sortie n’est pas de contourner les règles, mais de les adapter : contrats plus courts, clauses d’évolution, cadres d’achat qui portent sur une capacité plutôt que sur un modèle nommé. Tant que ce chantier juridique n’est pas mené, la commande publique restera un frein avant d’être un levier, quelle que soit la bonne volonté des acteurs.
La souveraineté sur-interprétée comme alibi d’immobilisme
La deuxième cause est plus insidieuse, parce qu’elle se déguise en vertu. De nombreuses administrations refusent les outils du marché au motif que les données traitées seraient confidentielles. Pour certains secteurs réellement sensibles, la position est défendable. Mais pour l’écrasante majorité des cas d’usage métier — synthèse de documents internes, aide à la rédaction de courriers standardisés, qualification de demandes — l’exigence de souveraineté maximale est surdimensionnée, et elle débouche sur le pire des résultats : aucun déploiement, par pur excès de précaution.
Le mécanisme est pervers : invoquer la confidentialité pour tout bloquer coûte zéro et protège celui qui l’invoque de tout reproche. Déployer, même prudemment, expose à un risque personnel. Dans une culture où l’on est puni pour l’erreur commise bien plus que pour l’inaction, le calcul rationnel de l’agent est de ne rien faire et de l’habiller en prudence. La souveraineté devient alors un alibi d’immobilisme, pas une vraie politique de protection des données.
La bonne démarche serait de classer les données par sensibilité réelle et d’adapter l’exigence à chaque niveau, exactement comme une entreprise bien gérée. Les données publiques ou peu sensibles pourraient être traitées sans attendre ; seules les données réellement réglementées justifieraient le dispositif souverain lourd. Faute de ce tri, on applique à tout la contrainte du plus sensible, et on se condamne à l’inertie généralisée.
Résistances internes : comprendre avant de juger
La troisième cause tient aux résistances humaines, qu’il faut comprendre finement plutôt que balayer. Elles ne viennent pas d’un seul front mais de plusieurs, chacun avec ses raisons propres. Les représentants du personnel redoutent une menace sur l’emploi public. Les directions craignent les contrôles a posteriori sur des outils mal maîtrisés. Les agents eux-mêmes redoutent une surveillance accrue de leur activité. Ces craintes se cumulent et freinent à des niveaux différents.
Le point important : la plupart de ces résistances reposent sur des malentendus qu’une formation lèverait. La peur du remplacement s’atténue quand on comprend que l’IA déplace le travail vers des tâches à plus forte valeur plutôt que de le supprimer. La peur du contrôle s’atténue quand on encadre clairement les usages. La peur de la surveillance s’atténue quand on explique ce que l’outil fait et ne fait pas. Rien de tout cela ne se résout par décret ; tout se résout par l’explication et la pratique accompagnée.
C’est pourquoi je considère que la résistance interne n’est pas une fatalité, mais un symptôme du déficit de formation. Une administration qui forme sérieusement ses agents transforme la peur en curiosité, puis la curiosité en compétence. Celle qui ne forme pas laisse les craintes prospérer dans le vide, et récolte le blocage qu’elle n’a pas cherché à prévenir.
Le trou noir de la formation des cadres
La quatrième cause est, à mes yeux, la plus déterminante : l’absence de formation structurée. Les cadres qui pilotent l’administration n’ont reçu, pour la plupart, aucune formation à l’IA, ni dans leur cursus initial ni en continu. Les quelques initiatives existantes sont de qualité mais ne touchent qu’une fraction infime de l’effectif total. À cette échelle, on ne forme pas une administration, on saupoudre.
Or un cadre qui n’utilise pas l’IA personnellement ne peut pas en piloter le déploiement avec discernement. Il ne sait pas distinguer un bon cas d’usage d’une lubie, ni évaluer un fournisseur, ni rassurer ses équipes sur des bases solides. Le déficit de formation des cadres n’est pas un problème parmi d’autres : c’est le multiplicateur de tous les autres, parce que c’est d’eux que dépend l’autorisation ou le blocage de chaque initiative.
Albert : le vrai enjeu n’est plus technique
Le modèle souverain de l’État mérite qu’on le juge sur le bon critère. Ses débuts ont été difficiles — performances en retrait, latence, intégration complexe — ce qui est normal pour un projet de cette nature mené dans les contraintes du secteur public. Après plusieurs itérations, il atteint un niveau correct sur les cas administratifs spécifiques auxquels il est destiné. L’erreur serait de le comparer frontalement aux meilleurs modèles commerciaux sur la qualité brute : ce n’est pas son objectif, et ce ne le sera probablement jamais.
Sa valeur est ailleurs : dans la souveraineté totale et l’adaptation aux besoins propres de l’administration française. Pour ce périmètre précis, il est pertinent, et sa seule existence est un acquis stratégique. Mais il faut être clair sur ce que son existence ne règle pas : un bon modèle souverain qui reste confiné à quelques cas et quelques utilisateurs ne transforme rien. L’enjeu n’est plus de produire la technologie ; il est de la déployer à grande échelle auprès des millions d’agents susceptibles d’en bénéficier. Et ce déploiement est un problème humain et organisationnel, pas technique.
C’est un point que beaucoup de décideurs ratent : ils croient avoir fait le plus dur en finançant l’outil, alors que le plus dur commence après. L’adoption ne se décrète pas ; elle se construit par la formation, l’accompagnement et la démonstration de valeur, agent par agent, service par service.
Les obstacles qui persistent au-delà des causes de fond
- Le réflexe d’audit. Chaque nouvelle technologie déclenche de longs mois d’audits et de mises en conformité avant tout déploiement. Pour un outil dont l’écosystème évolue tous les trimestres, ce rythme est tout simplement ingérable : l’audit n’est jamais fini que l’objet qu’il examinait a déjà changé.
- L’effet plafond hiérarchique. Des responsables qui n’utilisent pas l’IA personnellement bloquent ou ralentissent les initiatives venues du terrain. Rarement par mauvaise foi : par méconnaissance. On ne défend bien que ce qu’on comprend, et on freine volontiers ce qu’on ne maîtrise pas.
- L’asymétrie budgétaire. Les budgets IA des grands ministères sont modestes au regard de ce qu’investissent les grands groupes privés sur un périmètre comparable. À budget contraint, les arbitrages sont brutaux, et l’IA, perçue comme non prioritaire, en sort souvent perdante.
Ces obstacles ont un trait commun : ils ne sont pas technologiques. Ce sont des obstacles de culture, de gouvernance et de rythme. Ce qui est une bonne nouvelle, au fond, car ces leviers-là sont actionnables sans attendre la prochaine percée technique.
Trois leviers qui changeraient l’échelle
Si je devais désigner ce qui débloquerait vraiment la situation, trois leviers sortent du lot, par leur rapport impact/coût exceptionnel.
Une mission interministérielle réellement dotée. Les équipes qui portent aujourd’hui le sujet ont un mandat mais peu de bras et un budget limité. Une mission ambitieuse, dotée en personnes et en moyens sur plusieurs années, changerait l’échelle du jeu. On ne transforme pas un effectif de millions d’agents avec une poignée de pilotes et des moyens symboliques.
Une formation massive et obligatoire des cadres. Imposer un socle de formation IA à tous les cadres dans un délai court ferait basculer des centaines de milliers de personnes, pour un coût modeste et un impact considérable. C’est, de loin, le meilleur rapport effort/résultat disponible : la formation est le multiplicateur, on l’a vu, et l’actionner en priorité démultiplie tout le reste.
L’achat groupé interministériel. Plutôt que chaque ministère négocie isolément, un achat mutualisé à l’échelle de l’ensemble des agents donnerait un pouvoir de négociation et une cohérence d’usage sans commune mesure. L’éparpillement des achats est une faiblesse auto-infligée : la taille de l’État est son meilleur atout de négociation, à condition de l’utiliser groupée.
Ce que l’analyse Nexus apporte sur les institutions
La transformation des administrations est l’un des terrains d’analyse de notre partenaire le Nexus Think Tank, qui croise les données de terrain avec des comparaisons européennes. Cette mise en perspective est précieuse : elle permet de distinguer ce qui relève d’un retard spécifiquement français de ce qui tient à des difficultés communes à toutes les administrations publiques confrontées à l’IA. Le retard n’est pas une fatalité culturelle ; d’autres pays avancent plus vite sur certains leviers, et leurs choix sont riches d’enseignements transposables.
La méthode qui marche : petit, mesuré, élargi
Pour les administrations qui veulent avancer sans attendre une hypothétique révolution d’ensemble, la voie est connue et ne demande pas de grands moyens. Elle tient en cinq temps : identifier deux ou trois cas d’usage à fort enjeu et faible risque ; déployer sur un échantillon restreint d’agents pilotes ; mesurer les résultats sur un trimestre ; communiquer honnêtement ces résultats ; puis élargir progressivement. Rien d’héroïque : juste de la méthode et un peu de courage.
Les bons premiers cas d’usage sont ceux qui combinent une valeur visible et un risque maîtrisé : synthèse de documents internes, aide à la rédaction de courriers standardisés, qualification de demandes citoyennes. On évite d’emblée les sujets réglementés et les données très sensibles, non par frilosité, mais parce qu’un premier succès doit être rapide et incontestable. La transformation du secteur public se fera par accumulation de petites victoires démontrées, pas par un grand soir administratif qui n’arrivera jamais.
Le vrai risque, il faut le redire, n’est pas que l’IA remplace les fonctionnaires. C’est que des agents non équipés finissent par paraître inefficaces face à des interlocuteurs privés, eux, équipés. L’écart de service deviendrait alors visible du citoyen : délais plus longs, réponses moins fines sur les demandes complexes. Ne pas transformer, c’est aussi un choix, et ce choix a un coût, payé en qualité de service public.
FAQ
Pourquoi le secteur public est-il en retard sur l’IA ?
Pour quatre raisons structurelles qui se cumulent : une commande publique trop lente face au rythme de la technologie, une exigence de souveraineté souvent sur-interprétée qui bloque par excès de précaution, des résistances internes nourries par des malentendus, et surtout une absence de formation structurée des cadres. Aucune n’est technologique ; toutes sont actionnables.
Albert peut-il rivaliser avec les modèles commerciaux ?
Pas sur la qualité brute, et ce n’est pas son objectif. Sa valeur est la souveraineté totale et l’adaptation aux besoins de l’administration. Le vrai enjeu n’est d’ailleurs plus technique mais humain : réussir à le déployer à grande échelle auprès des agents, ce qui dépend de la formation et de l’accompagnement, pas de la performance du modèle.
Quel levier aurait le plus d’impact ?
La formation massive et obligatoire des cadres. Elle a le meilleur rapport impact/coût, car la formation est le multiplicateur de tous les autres obstacles : un cadre formé pilote mieux, débloque les initiatives et rassure ses équipes. À côté, une mission interministérielle dotée et un achat groupé interministériel changeraient aussi l’échelle du jeu.
Comment une administration peut-elle démarrer concrètement ?
En choisissant deux ou trois cas d’usage à fort enjeu et faible risque, en les déployant sur un petit groupe d’agents pilotes, en mesurant sur un trimestre, puis en élargissant à partir des résultats. Cette approche ne demande pas de révolution, seulement de la méthode et le courage de quelques décideurs.
Transformer, pas attendre
La fenêtre est étroite : si le secteur public ne franchit pas le cap dans les prochaines années, l’écart de productivité et de service avec le privé deviendra structurel et visible du citoyen. La bonne nouvelle, c’est que les leviers sont humains et organisationnels, donc actionnables sans attendre la prochaine percée technique. Le premier d’entre eux est la formation. Que vous soyez une collectivité, une administration ou un organisme public, découvrez nos certifications préparées, nos réalisations en formation IA, notre FAQ, ou déposez votre candidature pour une session adaptée à vos agents.
