L’institution signe encore. Qui prépare ses choix ?

L’intelligence artificielle aide une institution à décider lorsqu’elle lui ouvre le champ des possibles. Mais qui définit ce champ ? Qui choisit les informations qui comptent, les options recevables et les trajectoires jugées raisonnables ?

La question précède celle de la performance. Une institution peut disposer d’un outil remarquable et laisser s’appauvrir sa capacité de jugement. Elle peut aussi utiliser l’IA pour découvrir des possibilités auxquelles ses habitudes l’avaient rendue aveugle. Tout dépend de la place accordée au système dans la construction du choix.

J’appelle ici « le probable » cet avenir que les données, les régularités et les hypothèses rendent vraisemblable. L’IA ne se réduit pas à la prévision : elle classe, rédige, rapproche des informations et, désormais, accomplit des actions. Mais ces fonctions peuvent concourir à une même transformation. Elles organisent ce que l’institution voit avant qu’elle décide.

Or l’action publique ne consiste pas seulement à anticiper une trajectoire. Elle peut chercher à la rompre. Investir là où le développement paraît improbable. Maintenir une présence là où la seule fréquentation inviterait à se retirer. Donner une chance à ceux dont le parcours semble déjà écrit.

L’État doit pouvoir décider contre le probable. Encore faut-il savoir où se forme sa décision.

Le chef d’orchestre ne maîtrise pas toujours la partition

Nous parlons de l’État comme s’il s’agissait d’une intelligence unique, détentrice d’une vision qu’il suffirait de traduire en actes. L’image rassure. Elle simplifie considérablement la réalité.

Une institution tient par des règles, des responsabilités, des compétences et des pratiques. Elle existe dans ses procédures autant que dans ses dirigeants, dans ses archives autant que dans ses orientations. Son autorité dépend aussi des moyens dont elle dispose pour comprendre une situation et agir sur elle.

Définir une politique, instruire un dossier, appliquer une règle et examiner un recours sont des fonctions différentes. Leurs désaccords peuvent révéler une organisation défaillante. Ils peuvent aussi empêcher qu’une seule lecture d’une situation s’impose sans examen.

L’introduction de l’IA intervient dans cet ensemble déjà complexe. Le rapport conjoint des inspections générales IGAS, IGF et IGA, présenté en juillet 2026, décrit une adoption encore hétérogène et souvent peu coordonnée. Les usages spontanés d’outils grand public par les agents participent eux aussi à cette transformation. L’innovation n’attend pas toujours une doctrine pour entrer dans les bureaux. [1]

Dire que l’État doit « garder la main » reste donc insuffisant. Il faut identifier qui possède les informations, qui fixe les règles et qui peut réellement changer la marche du système.

Le pouvoir commence dans la préparation du choix

Une décision n’apparaît pas au moment de la signature.

Quelqu’un a formulé le problème. Un service a retenu certaines données. Une méthode a permis de comparer les options. Des contraintes ont été considérées comme négociables, d’autres comme intangibles. Lorsque le responsable arbitre, une partie du travail politique et administratif est déjà accomplie.

Les travaux du MIT CISR éclairent cette succession. Dans une étude publiée en juin 2026, fondée sur trente entretiens auprès de vingt-sept dirigeants de neuf entreprises, les auteurs distinguent le cadrage de la décision, l’action et l’apprentissage tiré des résultats. Leur terrain est celui de l’entreprise ; il ne suffit pas à décrire l’administration. Mais il aide à poser la bonne question : à chacune de ces étapes, qui dispose de quelle autorité ? [2]

Imaginons qu’un responsable reçoive trois options élaborées avec une IA. Il peut les comparer, les amender, en retenir une. Pourtant, si elles reposent toutes sur le même objectif implicite, la même sélection de données et la même définition de la réussite, sa liberté reste enfermée dans un cadre qu’il n’a peut-être jamais discuté.

Il signe. Mais aurait-il pu poser autrement le problème ?

Le risque institutionnel se situe là : conserver l’acte formel de décider tout en perdant progressivement la capacité de préparer d’autres choix.

L’autonomie change de place

Il serait commode d’en déduire que la machine prend le pouvoir. Les travaux disponibles dessinent une réalité moins simple.

Stephen Goldsmith et Juncheng « Tony » Yang, dans une analyse présentée par Harvard en mars 2026, soutiennent que l’IA redistribue les marges d’appréciation entre professionnels, encadrement, systèmes techniques et citoyens. Un agent de terrain peut accéder à une information plus riche, tandis que sa hiérarchie dispose de nouveaux moyens pour observer et comparer ses décisions. Leur travail est principalement conceptuel, illustré par des cas ; il ne démontre pas un effet identique dans toutes les administrations. [3]

Il permet néanmoins de comprendre qu’une même technologie peut accroître une liberté et renforcer un contrôle.

L’autonomie ne disparaît pas nécessairement. Elle change de place. Elle peut se déplacer vers ceux qui conçoivent les catégories, paramètrent les outils ou interprètent les indicateurs. Elle peut aussi revenir aux professionnels lorsque l’accès à l’information leur permet de mieux traiter les exceptions.

Encore faut-il examiner l’organisation que l’on équipe. Une publication de l’Institut Montaigne, s’appuyant sur près de cent entretiens et quatre immersions, souligne le risque d’automatiser une complexité administrative sans la remettre en question. L’outil améliore alors la vitesse d’un processus dont la pertinence reste incertaine. [4]

C’est une objection majeure aux promesses de transformation : une procédure plus rapide n’est pas nécessairement une meilleure procédure.

Une souveraineté inscrite dans les systèmes

La souveraineté numérique se discute souvent à travers la nationalité des fournisseurs, l’hébergement ou la localisation des données. Ces questions comptent. Elles ne disent pas tout de la maîtrise institutionnelle.

Quels outils une administration peut-elle utiliser ? Quelles informations peut-elle rapprocher ? Qui décide qu’une solution commune répond à son besoin ? Peut-elle modifier un dispositif, obtenir une exception ou changer de fournisseur sans perdre sa capacité d’action ?

Les réponses déterminent une partie de son autonomie effective.

La mutualisation peut la renforcer. Une petite administration isolée, dépourvue d’expertise, ne devient pas souveraine par le seul fait de choisir son prestataire. Des infrastructures communes, des compétences partagées et des exigences cohérentes peuvent lui rendre des moyens qu’elle ne possédait pas.

Mais une architecture peut aussi enfermer. Lorsqu’un besoin ne correspond pas aux catégories prévues, il risque d’être traité comme une anomalie. Lorsqu’une exception devient trop coûteuse à mettre en œuvre, elle peut disparaître de la discussion avant même d’avoir été examinée.

La question stratégique est celle de la révision : qui peut contester les cadres techniques, sur quels motifs et avec quelle possibilité d’aboutir ?

Une institution maîtrise ses outils lorsqu’elle peut encore faire évoluer les conditions de leur usage.

Contredire le calcul oblige à rendre des comptes

Il faut également se garder d’idéaliser le jugement humain.

L’expérience peut éclairer une situation. Elle peut aussi protéger une habitude. Une décision prise contre une recommandation n’est pas juste par nature. L’IA peut révéler des incohérences ou des régularités que personne ne souhaitait regarder.

Décider contre le probable ne signifie donc pas se soustraire aux faits. Cela suppose de discuter ce qu’ils permettent de conclure, les objectifs auxquels on les rapporte et les conséquences que l’on accepte.

Une politique publique peut chercher à transformer les conditions qui ont produit les données utilisées pour l’évaluer. Le calcul éclaire alors un choix dont il ne fixe pas seul la finalité.

C’est ici que la responsabilité prend son sens. S’écarter d’une recommandation demande une justification. La suivre en demande une aussi. Le chiffre ne doit pas devenir un refuge permettant d’effacer l’arbitrage derrière une apparence de nécessité.

Le bien commun n’échappe pas à cette exigence. L’invoquer ne suffit pas. Il faut expliquer quels intérêts ont été considérés, quelles tensions ont été arbitrées et qui supportera les conséquences.

On peut garder la responsabilité et perdre la maîtrise

La délégation produit enfin des effets dans la durée.

Lorsqu’une institution confie certaines tâches à un système, elle modifie les occasions d’apprendre, de vérifier et de se tromper. Si les professionnels n’exercent plus certaines compétences, leur capacité à reprendre le travail peut devenir théorique.

Dans un travail présenté par le MIT Initiative on the Digital Economy, Michael Schrage propose précisément d’examiner ce que la délégation fait aux capacités humaines futures. Son Agent Charter vise notamment à expliciter les intérêts représentés par l’agent et les décisions qui doivent revenir à un examen humain. C’est une proposition de gouvernance dont l’efficacité reste à éprouver selon les contextes. [5]

Une charte ne suffira toutefois pas si personne ne possède le temps, les informations ou l’autorité nécessaires pour l’appliquer. La validation humaine peut alors devenir le dernier geste d’une chaîne que son signataire ne maîtrise plus.

La langue participe de cette capacité de reprise. Une explication peut être correcte, fluide et pourtant impossible à discuter. Elle peut donner l’impression d’une évidence tout en dissimulant les hypothèses dont elle dépend.

Défendre le français comme langue de pensée prend ici un sens concret : préserver la précision des distinctions, la formulation du désaccord et la possibilité de répondre avec ses propres mots. Celui qui ne peut plus expliquer une décision peine à en répondre.

Regarder les choix qui n’arrivent jamais jusqu’au décideur

Pour éprouver cette analyse, il faut suivre une procédure réelle. Observer ce qui change avant et après l’introduction d’un système d’IA. Examiner les informations retenues, les options proposées, les exceptions écartées et les personnes qui peuvent encore modifier les critères.

Il faut aussi regarder ce qui ne remonte pas : le dossier abandonné, le désaccord non exprimé, la possibilité jamais présentée.

Les indicateurs demandent eux-mêmes un examen. Davantage de corrections peuvent signaler une meilleure détection des erreurs. Peu de recours peuvent traduire une procédure satisfaisante ou une contestation devenue trop difficile. Une moyenne de rapidité ne raconte pas le parcours des situations complexes.

Le Défenseur des droits, dans son rapport de 2024 sur les algorithmes et les systèmes d’IA dans les services publics, insiste sur l’effectivité des garanties et la substance de l’intervention humaine. Ce travail, dont le périmètre dépasse les seuls agents autonomes, rappelle qu’un contrôle annoncé doit être confronté à son exercice. [6]

La question stratégique est de savoir si l’institution conserve la capacité d’apprendre de ses décisions, de réviser ses cadres et de reconnaître une situation qu’elle avait mal comprise.

C’est cette capacité que la France doit cultiver. Elle exige des compétences, des infrastructures maîtrisées, des responsabilités identifiables et une place réelle pour la contradiction.

L’IA peut nous aider à mieux voir. Elle peut aussi organiser ce que nous cessons de regarder.

L’institution signe encore. Sa responsabilité est de savoir comment ses choix ont été préparés — et de rester capable d’en ouvrir d’autres.

Ce texte engage son auteur. Il n’a pas fait l’objet d’une validation scientifique par le comité de La Pléiade.

Pour citer : Abdelaziz Lachiheb, « L’institution signe encore. Qui prépare ses choix ? », La Pléiade, 22 octobre 2026. Lien permanent.