IA : le temps gagné vaut ce que nous en faisons

Un écran déplacé sur le côté d’une table. Ce détail résume, à mes yeux, une ambition très concrète pour l’intelligence artificielle. Dans le retour d’expérience de France Travail publié avec Alliancy, un usage d’assistance en agence illustre cette approche : l’IA prend des notes pendant l’échange entre le conseiller et le demandeur d’emploi, fait apparaître des informations utiles et des recommandations sur un écran visible des deux interlocuteurs. L’objectif est de redonner toute sa place à la relation humaine.

La question technologique rejoint alors une question de métier : comment aider un conseiller à consacrer davantage d’attention à la personne qu’il accompagne ? Depuis 2018, les équipes de Valeuriad accompagnent France Travail dans ses transformations data et IA. De cette collaboration, je retiens une exigence : tester les possibilités, reconnaître ce qui apporte une valeur réelle et réunir les conditions de son industrialisation. Cette valeur se constate dans le quotidien des équipes et des usagers.

Donner une destination au temps gagné

Les minutes économisées constituent un point de départ. Leur utilisation relève ensuite d’un choix d’organisation. Souhaitons-nous consacrer davantage de temps aux situations complexes ? Améliorer la qualité des entretiens ? Faciliter l’accès à une information ? Accélérer le traitement d’une demande ? Chacun de ces objectifs appelle des usages, des indicateurs et des arbitrages différents.

Les travaux partagés avec Alliancy mettent en lumière une distinction particulièrement utile : les gains pour l’opérateur et les gains pour le citoyen méritent d’être suivis ensemble. Le temps de traitement, l’usage effectif des outils, la satisfaction et l’atteinte des objectifs de service apportent des éclairages complémentaires. Je crois beaucoup à cette double lecture. Elle oblige à préciser ce que nous cherchons à améliorer, pour qui et à quelles conditions.

Elle donne aussi un sens à l’expérimentation. Chaque essai doit éclairer une décision : poursuivre, adapter ou arrêter. Savoir arrêter une piste permet de concentrer les compétences et les investissements sur les usages les plus utiles. C’est une forme de responsabilité envers le client et ses équipes.

Construire avec celles et ceux qui exercent le métier

Le passage à l’échelle engage directement la manière dont une organisation travaille. Chez France Travail, la démarche décrite dans le guide articule deux mouvements : une direction qui fixe le cap et des agents qui contribuent, depuis le terrain, à construire les usages. L’évolution vers une organisation en produits s’accompagne de responsables disposant de leviers d’action et évalués sur l’impact. Cette articulation me paraît essentielle. Les équipes connaissent les situations particulières, les contournements quotidiens, les informations difficiles à retrouver. Leur expérience constitue une matière première pour concevoir les solutions.

L’exigence devient particulièrement forte dans le service public, dont la mission porte sur une grande diversité de situations, y compris les plus fragiles. La simplification des processus, la place du jugement humain et le dialogue social font donc partie intégrante du travail de transformation. Pour un dirigeant, cela suppose de poser très tôt des questions concrètes : quelles tâches souhaitons-nous confier à l’IA ? Quelles responsabilités restent exercées par les professionnels ? Quel accompagnement leur permettra de prendre en main ces nouveaux outils ? L’adoption se prépare dans ces choix.

Faire de la maîtrise une condition de la performance

La qualité du service dépend aussi de ce qui se construit derrière l’interface. Dans notre accompagnement de France Travail, le travail a porté notamment sur l’architecture de l’usine IA, les pratiques de mise en production, un socle technique open source et des services transverses. Ces fondations permettent de faire évoluer les expérimentations vers des solutions opérationnelles.

L’industrialisation demande ensuite de suivre les usages et leur coût dans la durée. Le guide souligne l’intérêt de rapporter les dépenses à l’usage réel, de mutualiser certaines briques et de choisir des modèles proportionnés au besoin. Cette discipline technique et économique protège la capacité à poursuivre les projets. Elle aide également à préserver la liberté de choix : faire évoluer un modèle, réutiliser un composant, adapter une infrastructure ou organiser une alternative.

J’y vois une traduction opérationnelle de la souveraineté : disposer des compétences et des moyens nécessaires pour comprendre, décider et maintenir le service. Cette maîtrise se construit progressivement, à travers les architectures retenues, la documentation et la transmission aux équipes.

Notre métier de partenaire se mesure aussi à ce que nous transmettons

Cette évolution nous engage, nous aussi, en tant qu’entreprise de conseil et d’expertise. Notre contribution doit pouvoir être appréciée sur des critères concrets : la robustesse des solutions, leur appropriation, la lisibilité de leurs coûts et la capacité du client à les faire évoluer. L’expertise prend toute sa valeur lorsqu’elle permet à une organisation de progresser durablement.

C’est également le sens que je donne au partage des connaissances. Lors de notre Printemps de la Tech, j’ai souligné le travail des experts qui rendent accessibles des sujets complexes : coût des modèles en production, infrastructure, gouvernance de la donnée ou impact environnemental. Cette capacité à expliquer les choix fait pleinement partie de notre métier.

Les travaux conduits avec Alliancy prolongent cette démarche. Mettre un retour d’expérience en discussion permet à d’autres décideurs d’interroger leurs pratiques, de reconnaître les conditions de réussite et de réutiliser des acquis. Au fond, je souhaite que nous jugions chaque projet d’IA à travers quelques questions simples : quel travail avons-nous facilité ? Quel service avons-nous amélioré ? Quelle capacité avons-nous transmise aux équipes ?

Revenons à cet écran placé sur le côté de la table. Derrière les modèles, les données et l’infrastructure, l’ambition tient dans une relation de meilleure qualité entre deux personnes. Le temps gagné vaut ce que nous décidons d’en faire. À nous d’en faire du temps utile.