Une institution publique travaille sous une double pression. Le volume de dossiers, de demandes et de questions ne cesse de croître, tandis que les habitants se sont habitués au niveau de service qu’ils connaissent dans la banque ou l’e-commerce et l’attendent désormais d’une administration. Au milieu se trouve un agent qui passe le plus clair de sa journée sur un travail répétitif : ressaisir des données de formulaires, trier des documents, répondre encore et encore aux mêmes questions. C’est exactement là que l’automatisation du secteur public rapporte le plus vite, car elle ne touche pas au fond d’une décision, elle libère le temps qui l’entoure.
D’après notre expérience, l’essentiel est de séparer ce qui peut être automatisé sans risque de ce qui doit rester entre des mains humaines. Nous n’avons aucune ambition de remplacer l’agent qui rend une décision administrative. Nous construisons plutôt la couche qui prépare le dossier, organise les données et propose des suggestions, pour que la décision tombe plus vite et sur une base plus complète.
Où l’administration perd-elle réellement du temps ?
Avant de saisir le moindre outil, nous cartographions où les heures s’échappent. Le problème ne se trouve généralement pas dans la décision elle-même, mais dans tout ce qui l’entoure. Un document arrive par plusieurs canaux à la fois, atterrit dans le mauvais service, attend d’être ressaisi dans le système, et pendant ce temps l’habitant appelle pour connaître son statut et mobilise un agent de plus.
Trois sources de gaspillage ressortent alors clairement : le transfert manuel de données entre le canal et le système, le mauvais aiguillage des dossiers et le traitement de questions dont la réponse est toujours la même. Chacune peut être réduite isolément, sans grande révolution informatique, ce qui pour un organisme public est souvent une condition ferme.
Comment l’IA classe-t-elle et extrait-elle les données des documents (OCR, IDP) ?
Le premier domaine par lequel nous commençons généralement, ce sont les documents. Le traitement intelligent de documents (IDP) combine l’OCR avec des modèles qui comprennent le contenu, et ne font pas que lire les caractères. Un tel mécanisme reconnaît le type de courrier, en extrait des champs et les associe aux bons emplacements dans le système.
En pratique, nous construisons un pipeline qui :
- reconnaît le type de document (demande, recours, attestation, facture) et l’aiguille plus loin,
- extrait les champs clés (données du demandeur, dates, montants, numéros de dossier) de fichiers de qualité variable,
- valide les données face aux registres et signale les cas douteux pour revue manuelle,
- transmet un résultat structuré au système métier au lieu d’imposer une ressaisie.
Point essentiel, le modèle ne « devine pas dans le noir » : chaque champ qu’il lit porte un score de confiance, si bien que tout ce qui passe sous le seuil atterrit chez une personne, pas dans la base de données.
Comment un agent IA peut-il soutenir le citoyen en première ligne ?
La deuxième couche est le contact avec l’habitant. Un agent IA en première ligne (L1) répond aux questions typiques sur les procédures, les documents requis, les délais et le statut des dossiers simples. Il n’invente pas de contenu, car nous le fondons sur une architecture RAG (retrieval-augmented generation) : le modèle répond uniquement à partir de la base de connaissances vérifiée de l’administration et peut indiquer la source de sa réponse.
Un tel assistant fonctionne dans les canaux que les habitants utilisent déjà et soulage la ligne d’assistance des questions répétitives. Le plus important reste toutefois le mécanisme d’escalade : lorsqu’une question dépasse la base de connaissances, porte sur un dossier individuel ou exige une décision, l’agent transmet le contact à un agent humain avec le contexte de la conversation. C’est une compétence que nous développons réellement au sein du groupe RITS : nous avons déjà construit un assistant de connaissances fondé sur l’IA pour un client du secteur de l’assurance, et le schéma « RAG plus escalade humaine » nous est donc bien connu.
En quoi consiste le tri automatisé des dossiers ?
Le tri est une première lecture du dossier et son aiguillage au bon endroit. Le modèle lit la demande, en reconnaît la catégorie et propose un service, une priorité et un délai. Les affaires urgentes n’attendent pas dans la file générale, et les dossiers incomplets déclenchent immédiatement un signalement de pièce manquante.
Nous traitons le tri comme une recommandation, pas un verdict. L’automatisation organise le flux entrant et propose une affectation, mais le dernier mot appartient à un coordinateur qui peut la modifier d’un clic. Ce dispositif combine la cadence d’une machine et la responsabilité humaine.
Comment automatiser les processus de back-office (workflow, RPA) ?
Dans le back-office, la plus grande valeur vient de la combinaison de deux approches. Un moteur de workflow fait avancer un dossier d’une étape à l’autre et surveille les délais, tandis que la RPA (robotic process automation) prend en charge les opérations fastidieuses dans les systèmes dépourvus d’API commode.
Nous y automatisons surtout les tâches ennuyeuses et propices aux erreurs :
- le transfert de données entre applications qui ne se parlent pas,
- la génération de courriers répétitifs et d’accusés à partir de modèles,
- la mise à jour des statuts et des notifications pour l’habitant,
- la constitution du dossier à partir de différents registres en une vue unique.
Ces robots tournent en arrière-plan, vingt-quatre heures sur vingt-quatre, et ne se fatiguent pas à la millième demande. Ils laissent aussi une trace claire de chaque opération, si bien que rien ne se passe hors des registres.
Comment garantir l’humain dans la boucle, la transparence et la conformité ?
C’est la partie que nous plaçons, dans le secteur public, au-dessus de la seule efficacité. Une décision administrative touche aux droits et obligations d’un citoyen : nous ne la confions donc pas au modèle. L’IA prépare la matière, propose et suggère, mais c’est un humain qui tranche.
Nous concevons ces solutions autour de quelques principes. Chaque action de l’automatisation est journalisée et reproductible, pour pouvoir montrer quand et sur quelle base quelque chose s’est produit. Les réponses de l’agent sont ancrées dans des sources, et non dans l’« intuition » opaque du modèle. Nous traitons les données conformément aux exigences de protection des données personnelles et aux réglementations sectorielles. Cette transparence n’est pas un supplément mais la condition préalable pour seulement parler d’IA dans une administration.
Quelles compétences IA et data fournissons-nous ?
Nous ne vendons pas une boîte étiquetée « IA ». Nous apportons les personnes capables de construire une telle solution et de la faire tourner après la mise en service. Au sein du groupe RITS, nous combinons l’ingénierie logicielle et une pratique réelle de l’IA et de la data (dont nos équipes AI/LLM/data), et nous avons déjà livré des projets GenAI, RAG et LLM pour des clients commerciaux.
Sur un projet pour une institution publique, nous pourvoyons typiquement :
- des ingénieurs IA/ML et NLP qui conçoivent la classification des documents et la couche RAG,
- des ingénieurs data qui nettoient et intègrent les sources sur lesquelles le modèle doit s’appuyer,
- des spécialistes de l’automatisation des processus (workflow, RPA) qui branchent le back-office,
- un architecte et des développeurs backend qui le relient aux systèmes métier.
Nous le disons honnêtement : nous n’avons pas encore de déploiement d’IA dans l’administration publique. Nous avons en revanche une expérience analogue dans des secteurs aux exigences similaires en matière de documents, de conformité et de service client.
Comment procédons-nous chez RITS ?
Nous travaillons en partenaire nearshore depuis la Pologne : nous opérons donc dans le même fuseau horaire et comprenons le contexte réglementaire local. Nous commençons par un atelier où, avec l’équipe de l’institution, nous choisissons un processus à fort volume et à faible risque et prouvons la valeur avant toute mise à l’échelle.
Ensuite, nous avançons par étapes : d’un pilote sur un processus délimité, par la mesure de l’effet, jusqu’à un déploiement progressif. Nous construisons l’équipe autour du périmètre précis et gardons une collaboration souple, du renfort d’une équipe informatique existante à une équipe dédiée qui porte le sujet de bout en bout. Nous avons exposé les différences entre ces approches dans notre article sur les modèles de collaboration IT.
Par où commencer avec l’automatisation et l’IA dans le secteur public ?
Commencez par le processus qui fait le plus mal, pas par une grande stratégie. Le meilleur candidat a un volume élevé, un déroulement répétable et un faible risque d’erreur, par exemple la classification initiale des demandes ou la réponse aux questions typiques. Cela définit le périmètre du pilote, les données nécessaires et les rôles de l’équipe.
Fixez aussi d’emblée les règles sur l’humain dans la boucle et la conformité, car dans l’administration ce sont elles qui décident du succès, pas la technologie. Tout le reste se met en place autour de ces deux décisions.
Vous réfléchissez à l’automatisation et à l’IA dans le traitement des dossiers publics ? Parlons-en - nous choisirons le premier processus et adapterons une équipe à votre institution.
Apportez avec nous l’automatisation et l’IA au traitement des dossiers publics