Le constat : les expérimentations plafonnent à cinq agents

Ce que la salle a reconnu tout de suite, et qui n’a rien à voir avec le choix de l’outil.

Sur le territoire parisien, la plupart des expérimentations d’IA générative des collectivités plafonnent à cinq agents. Cinq personnes motivées, souvent à la DSI ou à la direction générale, qui testent un outil pendant six mois et produisent un compte rendu enthousiaste.

Elles ne parviennent pas à convaincre le reste de la maison parce que rien dans l’expérimentation n’a été conçu pour être étendu : pas de canal d’achat identifié pour cent licences, pas de charte applicable à des agents qui n’ont pas été volontaires, pas de mesure du temps gagné qu’un directeur général puisse mettre en face d’un budget.

Le contre-exemple que j’ai apporté est celui d’une intercommunalité francilienne que nous accompagnons, où l’expérimentation en cours porte sur une centaine d’agents avec une solution d’instruction de dossiers. Ce qui a fait la différence n’est pas l’outil, c’est le cadrage : la question de l’échelle a été posée le premier jour, avant de choisir quoi que ce soit. Combien d’agents à terme, dans quelles directions, pour quels cas d’usage, avec quel budget annuel et quel canal d’achat.

Une expérimentation qui répond à ces questions dès le départ peut grandir ; une expérimentation qui les découvre au bout de six mois recommence à zéro.

Une solution par cas d’usage, donc un programme à piloter

La thèse qui dérange : votre collectivité ne choisira pas « son » outil d’IA.

On imagine volontiers qu’une collectivité choisira son outil d’IA comme elle a choisi sa messagerie. Ce n’est pas ce que nous observons. Une collectivité qui avance finit avec une solution par cas d’usage : un outil spécialisé pour l’instruction des dossiers, un autre pour la rédaction des délibérations, un troisième pour les comptes rendus de réunion, un générateur d’images pour la communication, un assistant généraliste pour tout le reste.

Chacun de ces outils a une bonne raison d’exister. Les éditeurs spécialisés apportent une intégration métier et un cadre contractuel que l’assistant généraliste n’a pas ; l’assistant généraliste répond à la demande la plus large des agents, celle que les outils spécialisés ne couvrent pas.

La conséquence est mécanique. Cinq solutions, ce sont cinq éditeurs, cinq contrats ou cinq régies, cinq facturations à des rythmes différents, cinq politiques de données à faire valider par le DPO, cinq empreintes environnementales, et un coût par agent et par an que personne ne consolide. Chaque service connaît le prix de son outil ; la direction générale ne connaît pas le prix du programme.

Le passage à l’échelle n’est pas un problème de choix d’outil, c’est un problème de pilotage d’un portefeuille de solutions. Avec les mêmes réflexes que pour un parc de licences bureautiques : un inventaire, un coût unitaire, un taux d’utilisation, une empreinte et une revue périodique.

C’est ce que j’ai appelé piloter la frugalité sur tout le programme. Le mot n’est pas là pour faire joli : les coûts en découlent. Un programme d’IA frugal est un programme dont chaque solution est dimensionnée au besoin réel, utilisée à hauteur de ce qu’elle coûte, et remplacée quand une solution moins chère ou moins consommatrice fait aussi bien sur le cas d’usage. Un programme qui n’est pas piloté ainsi grossit par addition, chaque direction ajoutant son outil, et son coût par agent augmente sans que personne n’ait décidé de rien.

La grille : des lignes par cas d’usage, pas un comparatif d’outils

L’outil que j’ai montré tient sur une page et se remplit avec les directions.

Ce n’est pas un comparatif de solutions : il en existe et ils se périment en trois mois. C’est une grille dont les lignes sont les cas d’usage de la collectivité, identifiés avec les directions, et dont les colonnes sont, pour chaque cas d’usage, la solution retenue ou envisagée, le nombre d’agents concernés, le mode d’accès aux licences, le coût annuel, le temps gagné mesuré ou estimé et l’empreinte environnementale estimée.

La dernière ligne additionne : voilà ce que coûte le programme, en euros par agent et par an, et voilà ce qu’il consomme. C’est ce chiffre-là qu’un directeur général peut défendre devant des élus, et c’est ce chiffre-là qui dit si le passage à l’échelle est soutenable.

Remplir cette grille fait apparaître trois leviers que la plupart des collectivités n’ont pas encore actionnés.

Premier levier : le mode d’accès aux licences

Le retour d’expérience le plus instructif que nous relayons est celui d’un Département d’environ deux cents utilisateurs, qui a ouvert un assistant généraliste à l’ensemble de ses directions avec une vingtaine de licences seulement, en créant un compte par direction remis à des référents plutôt qu’une licence par agent. Le coût annuel est resté de l’ordre de quelques milliers d’euros, réglés par régie d’avances, là où un modèle nominatif pour le même effectif aurait imposé une procédure d’achat.

Ce modèle de comptes partagés a des contreparties, sur la traçabilité et sur la confidentialité des conversations au sein d’une direction, et nous le considérons comme un modèle d’expérimentation plutôt que comme une cible. Les conditions d’utilisation des éditeurs sur le partage d’identifiants sont par ailleurs à vérifier à la date de lecture.

Il montre en revanche que le coût d’un programme dépend au moins autant du mode d’accès que du prix catalogue. La page Claude pour les collectivités détaille ce choix ; nous vous aidons à identifier le canal d’achat adapté à votre situation.

Deuxième levier : le taux d’utilisation des licences existantes

Beaucoup de collectivités possèdent déjà des licences d’IA générative qu’elles n’utilisent pas, parce qu’elles sont arrivées avec une suite bureautique ou parce qu’un service les a achetées sans jamais les déployer. Une licence payée et dormante est un gaspillage économique, et c’est aussi un gaspillage environnemental : l’infrastructure qui la sert a été provisionnée pour elle.

Dans un programme piloté, le premier geste de sobriété n’est pas de réduire les usages, c’est de faire monter le taux d’utilisation de ce qui est déjà payé avant d’acheter quoi que ce soit d’autre. Cet argument réconcilie deux objectifs qu’on présente souvent comme opposés, l’adoption et la frugalité : une licence bien utilisée est à la fois plus rentable et moins gaspillée qu’une licence oubliée.

Troisième levier : la mesure du temps gagné

Le Département dont nous relayons l’expérience a formalisé un cycle simple, que n’importe quelle collectivité peut reprendre.

Une revue de presse automatisée construite de cette manière fait gagner environ trois quarts d’heure par jour à deux personnes. Ce n’est pas spectaculaire, mais c’est mesuré, et dix cas d’usage mesurés de cette taille font un argument budgétaire qu’aucun compte rendu d’expérimentation enthousiaste ne remplace.

Ce que j’aurais ajouté avec un quart d’heure de plus

Trois points qui décident du passage à l’échelle et qui ne tenaient pas dans dix minutes.

L’expérimentation commence le premier jour, sur l’outil le plus demandé

La plupart des accompagnements de cadrage passent trois mois à produire une note d’opportunité avant de laisser un agent toucher un outil. C’est une erreur que nous avons commise et que nous ne commettons plus. Le temps d’accès à l’expérimentation est la variable qui compte : plus il est court, plus vite la collectivité dispose de cas d’usage réels à mettre dans la grille.

Nous arrivons donc déjà outillés, avec un cadre d’expérimentation prêt à l’emploi, une charte de départ, un prompt système d’organisation et une méthode de mesure, pour que les premiers agents travaillent dès la première semaine sur l’outil qu’ils demandent. Ne pas instruire cette demande, en particulier quand elle porte sur un assistant généraliste, ne la fait pas disparaître : elle se déplace vers des comptes personnels gratuits et devient du Shadow AI.

La pièce manquante : héberger et maintenir ce que l’expérimentation produit

Une expérimentation qui réussit produit des outils : des compétences partagées, de petites applications construites par des agents, des scripts qui appellent une API. Au bout de quelques mois, ces outils tournent sur des postes individuels, sans sauvegarde, sans hébergement et sans responsable.

Un cadrage sérieux tranche cette question avant qu’elle ne se pose : qui héberge, qui maintient, et à partir de quel usage un outil issu de l’expérimentation bascule dans le patrimoine applicatif de la DSI. Faute de quoi, le passage à l’échelle recrée du Shadow IT à partir du Shadow AI qu’on venait de résorber.

L’impact environnemental se pilote au même endroit que le coût

La colonne empreinte de la grille n’est pas une colonne de plus pour la forme. Elle se remplit avec les mêmes outils que ceux qui servent à former les référents : Compar:IA, le service public qui compare les réponses de plusieurs modèles et affiche une estimation de leur consommation, et le référentiel général pour l’IA frugale de l’AFNOR, dont nous avons documenté les bonnes pratiques une à une sur ce site.

Nous portons par ailleurs sur les assistants du marché l’extension de navigateur de suivi carbone développée pour notre propre assistant, afin que chaque référent voie l’empreinte de ses usages ; nous cherchons des collectivités pour l’expérimenter. Piloter coûts et carbone au même endroit, dans la même grille, évite que l’impact environnemental soit un rapport annuel déconnecté des décisions d’achat.

Par où commencer, selon où vous en êtes

Deux situations, deux premiers gestes différents.

Dans les deux cas, le rôle d’une assistance à maîtrise d’ouvrage n’est pas de vous vendre une solution mais de tenir la grille avec vous : arriver outillé pour que l’expérimentation commence tout de suite, évaluer chaque solution sur son cas d’usage, identifier le canal d’achat adapté et consolider coûts et carbone sur l’ensemble du programme. C’est ce qui distingue une AMO tout-système d’un revendeur de licences, et c’est ce que j’ai essayé de dire en dix minutes à vingt communes du Grand Paris.

Questions fréquentes