Dynamiser l'efficacité des services gouvernementaux grâce aux agents IA
Réduisez les coûts et respectez vos obligations en matière d'efficacité
Les administrations gouvernementales et autres organisations du secteur public subissent aujourd'hui une pression phénoménale qui les oblige à améliorer l'efficacité et à réduire les coûts. Toutefois, il leur faut toujours trouver les moyens de gérer une grande variété de tâches essentielles, du traitement des demandes de passeport à la distribution des prestations de sécurité sociale, en passant par la traduction de documents diplomatiques et la détection des comportements suspects dans les espaces publics.
En tant que citoyens, nous attendons tous des administrations gouvernementales et des organisations du secteur public qu'elles proposent des expériences rapides et pratiques. Nous voulons accéder aux informations et transmettre les requêtes 24 heures sur 24, depuis divers appareils numériques.
Lors de mes échanges avec les responsables de la technologie du secteur public, j'entends souvent dire qu'ils sont impatients d'adopter les agents IA (ou l'« IA agentique ») afin de répondre rapidement aux impératifs d'efficacité, tout en améliorant les services. Leurs pairs des autres secteurs reconnaissent la valeur des promesses des agents IA. Dans une récente enquête réalisée par Boston Consulting Group, 58 % des acheteurs d'équipements informatiques d'entreprises commerciales déclarent qu'ils ont commencé le déploiement des agents IA, et 35 % d'entre eux envisagent activement le déploiement. Ces acheteurs s'attendent à un retour sur investissement de 13,7 % pour agents A, soit un chiffre supérieur au retour sur investissement attendu des applications de l'IA générative (GenAI) non agentique. Les organisations du secteur public, quant à elles, pourraient réaliser d'importantes économies.
Néanmoins, les agents IA s'accompagnent de risques. La communication d'informations inexactes ou de résultats incorrects peut rapidement anéantir les avantages attendus en matière d'efficacité et de réduction des coûts. Tandis que les entreprises planifient leurs déploiements, l'intégration de garde-fous et la création de boucles d'améliorations continues s'avéreront essentielles pour optimiser les gains obtenus par les agents IA.
Scénarios d'utilisation d'agents IA pour le secteur public
Les scénarios d'utilisation potentiels des agents IA dans le secteur public sont nombreux. Dans chacun de ces domaines, les agents peuvent répondre au besoin urgent de réduire, voire d'éliminer les tâches humaines manuelles. Voici quatre exemples de scénarios d'utilisation simples :
Assistance par téléphone et sur le web : un agent IA pourrait gérer la prise de contact initiale par téléphone et par web pour une administration telle que la sécurité sociale ou le Trésor public, en fournissant des informations et en recommandant des actions aux citoyens. Si quelqu'un a besoin d'un complément d'assistance, l'agent IA peut transférer l'appel ou la demande en ligne à un humain.
Surveillance vidéo de la sécurité publique : une entreprise de transport public peut utiliser un agent IA pour détecter des anomalies dans les flux vidéo en temps réel captés aux arrêts de bus ou dans les gares. L'agent IA est ainsi actif en permanence. Il peut identifier les comportements inhabituels et alerter le personnel concerné pour que des analyses approfondies soient menées par des humains.
Traitement de documents : pour les administrations qui doivent gérer plusieurs langues et traiter différents types de documentation, les agents IA peuvent traduire des documents, classer des contenus, puis transmettre des informations à des personnes spécifiques ou les stocker où il se doit. Ces agents ont pu réduire considérablement la fastidieuse tâche administrative qui incombe aux humains.
Recherche interne à une administration : les employés d'une administration gouvernementale peuvent utiliser un chatbot basé sur un agent pour trouver rapidement les politiques applicables à leur service ou administration spécifique. Cet outil contribue à éliminer la tâche coûteuse et chronophage que constitue la recherche manuelle dans des documents électroniques ou physiques sur les politiques.
Les difficultés de mise en œuvre des agents IA
Si les scénarios d'utilisation des agents IA sont nombreux et prometteurs pour l'ensemble des entreprises du secteur public, leur mise en œuvre comporte son lot de difficultés.
Tout d'abord, les grands modèles de langage (LLM) qui servent de cerveau aux agents IA sont non déterministes. En d'autres termes, si vous envoyez exactement la même invite à un LLM cinq fois de suite, vous risquez d'obtenir cinq réponses légèrement différentes, sans que le modèle ne vous explique pourquoi les réponses varient. Cette incohérence peut entraîner des problèmes considérables, notamment lorsque vous comptez sur l'agent IA pour prendre des décisions relatives à la sécurité publique ou pour traiter les informations personnelles de citoyens.
L'absence de garde-fous fait naître une deuxième difficulté, connexe. Pour détecter les résultats incohérents ou erronés avant qu'ils ne causent des dommages, vous devez disposer de la visibilité et du contrôle nécessaires sur les flux des agents IA. Par ailleurs, vous devez conserver le contrôle sur les données que vous utilisez pour entraîner les LLM. L'exactitude des résultats dépend en grande partie de la fourniture de données précises, cohérentes et de grande qualité aux modèles.
Des outils arrivent sur le marché pour remédier à certaines préoccupations concernant l'absence de garde-fous. Il est donc impératif de se tenir à jour des offres de sécurité de l'IA.
Cinq étapes à prendre en considération concernant le développement de flux de travail pour agents IA
Le déploiement des agents IA ne peut réussir qu'avec une planification, un travail technique et une modification des processus minutieux. Après avoir défini les fonctionnalités d'un agent, vous devez mettre en place le système et le flux de travail. Dès le début, vous devez mettre en place des garde-fous et trouver un moyen d'améliorer continuellement les résultats.
Définissez ce que vous attendez de l'agent. La démarche peut paraître simple, mais la définition précise de votre objectif constitue une première étape essentielle, c'est ce qui vous permettra de déterminer si vous avez réellement besoin d'un agent IA pour atteindre cet objectif. Certaines entreprises s'empressent de déployer des agents IA lorsqu'un simple outil de flux de travail pourrait répondre à leurs besoins. L'IA n'est nécessaire que lorsque le flux de travail est plus dynamique. Si vous pouvez automatiser une tâche sans agent IA, vous pouvez vous épargner bien des coûts et des efforts.
Choisissez le bon LLM. Si vous déterminez qu'un agent IA est nécessaire à l'automatisation d'une tâche particulière, vous devez établir ses mécanismes de raisonnement et de planification. Dans la plupart des cas, il s'agit de choisir un LLM, qu'il s'agisse d'un LLM open source ou commercial. Vous pouvez ensuite utiliser la génération augmentée par récupération (Retrieval-Augmented Generation, RAG) pour récupérer des données spécifiques à l'administration, ce qui garantira des réponses précises et personnalisées.
Préparez les intégrations techniques. L'objectif d'un agent IA est de tirer parti d'un LLM pour comprendre une tâche ou un objectif, puis exécuter cette tâche ou atteindre cet objectif. Pour tout cela, vous avez besoin d'outils ; des outils capables d'ouvrir un navigateur ou d'écrire dans une base de données. Et pour faciliter ces interactions entre les LLM et les outils, vous devez disposer des bons protocoles de communication.
Jusqu'à récemment, les développeurs utilisaient principalement des API pour intégrer des outils et des LLM. Cependant, un protocole plus récent de contrôle des modèles (MCP) est en train de devenir la norme de facto pour connecter les systèmes d'IA aux applications externes. Le MCP a été largement accepté et dynamisera l'innovation en proposant une intégration simple permettant à tous les modèles et outils d'IA de fonctionner ensemble.Établissez des garde-fous. Les agents IA promettent d'exécuter des tâches de manière autonome, mais le contrôle de ces agents nécessite souvent une certaine implication humaine. Plus concrètement, vous pourriez avoir besoin de garder un humain dans la boucle pour examiner et confirmer certaines actions avant que l'agent ne les effectue.
Prenez l'exemple des agents IA employés dans les centres d'appels téléphoniques, auxquels de nombreuses agences ont recours. Vous pouvez demander à un humain de valider les réponses fournies par l'agent afin de garantir l'exactitude des réponses. Si une personne contacte le bureau au sujet d'un chèque qui n'a pas été reçu, l'agent IA peut examiner le problème et proposer une réponse du type : « Le chèque n'a pas été envoyé en raison d'une erreur système ». L'humain examine ensuite la réponse générée par l'IA et vérifie qu'elle est correcte avant de répondre au citoyen et d'envoyer le chèque.Au-delà du simple fait de conserver un humain dans la boucle, il est essentiel de prévoir des fonctionnalités de sécurité et des politiques de gouvernance des données pour limiter au minimum les risques associés aux agents IA.Créez une boucle fermée. En plus de surveiller les entrées et les sorties, vous devez pouvoir améliorer continuellement la précision des résultats, afin de rendre l'agent plus intelligent et plus efficace au fil du temps. Pour ce faire, vous devez créer une boucle fermée. Avec une telle boucle, vous pourrez apporter des ajustements à l'invite, au flux d'informations ou à l'ensemble de données dans le système de génération augmentée par récupération.
D'autres techniques permettent d'améliorer encore la précision. L'incorporation d'un plus grand nombre de données dans les modèles et l'ajout de contexte supplémentaire aux invites notamment vous permettront d'améliorer la précision des résultats.
Commencez à développer et déployer des agents IA dès maintenant
Certaines entreprises commerciales (telles que Salesforce et Microsoft) intègrent déjà des agents IA dans leurs flux de travail. Ces entreprises commencent par des environnements fermés, et exploitent des agents IA pour proposer à leurs utilisateurs des expériences nouvelles ou améliorées. Par exemple, un utilisateur de Microsoft peut demander à un agent IA de résumer les e-mails envoyés par une personne particulière, d'accepter toutes les invitations de son responsable et de replanifier les demandes qui recoupent les demandes de son responsable.
Les organisations du secteur public, soumises à une pression extrême les incitant à améliorer leur efficacité et à réduire les coûts, sont sur le point d'adopter les agents IA. Votre entreprise pourrait commencer à déployer des agents pour des flux de travail simples, afin de gagner du temps et de réduire le besoin d'efforts manuels.
Toutefois, dans un avenir proche, vous pourrez peut-être utiliser les agents IA dans des environnements ouverts et plus complexes. L'association d'agents IA et de l'IoT, par exemple, créera de nouvelles possibilités majeures, telles que l'utilisation d'agents IA avec des outils ou des véhicules autonomes. Ces scénarios d'utilisation peuvent continuer à améliorer la qualité des services fournis aux citoyens, tout en renforçant considérablement l'efficacité opérationnelle ; ce qui restera un objectif essentiel pour les administrations gouvernementales.
Cloudflare peut aider votre entreprise à développer des agents IA et à mettre en place les garde-fous nécessaires. La plateforme Cloudflare Workers AI permet aux organisations de créer et d'exécuter des agents et des applications IA sur le réseau mondial de Cloudflare, afin d'optimiser les performances et d'améliorer l'évolutivité des modèles, tout en rationalisant le développement et en réduisant les coûts. Parallèlement, Cloudflare peut accélérer la mise en œuvre d'un modèle de sécurité Zero Trust qui améliore la précision des résultats des agents IA en contrôlant l'accès aux données et aux modèles utilisés par les agents. Avec Cloudflare, les administrations gouvernementales et autres organisations du secteur public peuvent capitaliser sur la puissance des agents IA pour améliorer les services et réduire les coûts, tout en renforçant les garde-fous nécessaires à leur utilisation.
Cet article fait partie de notre série consacrée aux nouvelles tendances et évolutions affectant les décideurs en matière de technologies aujourd'hui.
Approfondir le sujet
Découvrez comment mettre en œuvre des garde-fous régissant l'utilisation des agents IA au sein de votre organisation grâce au guide Garantir des pratiques sûres concernant l'IA à l'intention des RSSI.
Auteur
Dan Kent — @danielkent1
Directeur technique sur site pour le secteur public, Cloudflare
Conclusions essentielles
Cet article vous permettra de mieux comprendre les aspects suivants :
Quatre des principaux scénarios d'utilisation des agents IA dans le secteur public
Les principales difficultés auxquelles sont confrontées les entreprises lors de la mise en œuvre de ces solutions
5 réflexions dont les organisations doivent tenir lorsqu'elles élaborent un plan concernant le réseau filaire
Ressources associées
Sécuriser la mise en oeuvre de l'IA pour les administrations locales et nationales
Se préparer à l'avenir de l'IA dans le secteur de la cybersécurité