Le marché allemand de l'IA dans le secteur public traverse une phase de transformation. Après la phase pilote, l'accent est désormais mis sur la mise à l'échelle et l'exploitation en production – parallèlement, des débats fondamentaux sur la souveraineté numérique et les infrastructures conformes au RGPD accompagnent chaque décision d'achat. L'administration doit exploiter le potentiel technologique des grands modèles de langage (LLM) et des systèmes génératifs, tout en conservant le contrôle de ses données et processus.

Structure du marché : entre géants technologiques et partenaires européens

Deux camps concurrencent pour les marchés publics : les hyperscalers américains avec des plateformes cloud et IA établies, ainsi que les prestataires informatiques européens qui misent sur des alternatives souveraines. Microsoft Public Sector et AWS Public Sector offrent des services IA complets, intégrables dans les infrastructures cloud existantes – mais souvent avec des centres de données en dehors de l'UE et les questions de protection des données qui en découlent.

Les fournisseurs européens tels que Dataport AöR, AKDB et T-Systems Public misent plutôt sur des centres de données régionaux et des infrastructures cloud souveraines. Materna et msg systems développent des outils d'administration basés sur l'IA, adaptés directement aux procédures spécialisées et aux exigences OZG. L'avantage : une meilleure intégration dans les architectures administratives existantes et un meilleur contrôle des flux de données.

Domaines d'application : des chatbots au traitement automatisé des dossiers

Concrètement, les systèmes d'IA sont utilisés dans l'administration dans trois domaines principalement : premièrement, les demandes de citoyens automatisées via des chatbots intelligents et des modèles de langage qui répondent aux FAQ et pré-qualifient les demandes. Deuxièmement, le traitement des documents, où la classification assistée par l'IA et l'extraction d'informations à partir de documents déchargent les agents. Troisièmement, l'aide à la décision, par exemple pour l'évaluation des demandes ou la hiérarchisation des dossiers.

L'automatisation administrative reste réglementée : la loi européenne sur l'IA définit des scénarios à haut risque qui doivent respecter des exigences particulières de transparence et d'audit. Les décisions ayant des effets juridiques directs – comme les décisions de prestations sociales – ne peuvent pas être entièrement automatisées. L'IA assume ici des fonctions de proposition, la décision finale étant prise par l'agent.

Réglementation : la loi sur l'IA et le RGPD déterminent l'architecture

La loi européenne sur l'IA est en vigueur depuis août 2024 et devient obligatoire progressivement. Les applications à haut risque dans l'administration doivent au plus tard à partir de 2027 démontrer des analyses de risques documentées, des protocoles de test et une supervision humaine. Cela concerne en particulier les systèmes qui traitent des données biométriques ou accordent l'accès à des services. Pour de nombreuses administrations, cela signifie : investissement supplémentaire dans la documentation, les processus de conformité et, le cas échéant, les adaptations techniques.

Parallèlement, les exigences du RGPD renforcent les conditions du traitement des données. De nombreux modèles d'IA nécessitent de grandes quantités de données d'entraînement, dont l'anonymisation ou la pseudonymisation est coûteuse. Les autorités publiques doivent également démontrer que les données ne sont traitées que dans l'espace juridique de l'UE – un aspect qui, pour les services cloud américains, nécessite des mesures contractuelles et techniques supplémentaires.

Débat sur la souveraineté : modèles locaux versus plateformes mondiales

Le débat sur la souveraineté façonne considérablement les décisions d'achat. Les centres de données régionaux et les prestataires informatiques municipaux préfèrent de plus en plus les LLM open-source, qui peuvent être hébergés localement – comme les modèles de l'écosystème BLOOM, LLaMA ou des initiatives allemandes telles qu'OpenGPT-X. Avantage : contrôle total des données et du comportement du modèle, pas de dépendance vis-à-vis des fournisseurs externes d'API.

L'inconvénient est le coût opérationnel plus élevé. Les modèles de langage propriétaires nécessitent du matériel spécialisé, un entraînement continu et un réglage fin, ainsi que du personnel informatique possédant une expertise en IA – des ressources que de nombreuses petites communes ne disposent pas. Les approches hybrides, où les tâches standard fonctionnent sur des plateformes d'IA souveraines et les analyses complexes s'appuient sur des services spécialisés, deviennent donc plus fréquentes.

Perspectives : la mise à l'échelle dépend de la normalisation

L'évolution ultérieure du marché dépend fortement de deux facteurs : premièrement, la création d'interfaces et d'API uniformes qui permettent d'intégrer des modules d'IA dans les procédures spécialisées existantes. L'interopérabilité entre les systèmes informatiques fédéraux est une condition préalable pour que les solutions fonctionnent au-delà des frontières régionales. Deuxièmement, des cadres de gouvernance clairs doivent être définis pour déterminer qui est responsable des décisions d'IA et comment la transparence envers les citoyens est garantie.

Des initiatives comme OZG 2.0 et les projets cloud souverains posent les premières bases. Tant que des normes d'IA uniformes au niveau fédéral font défaut, le marché reste fragmenté – avec des solutions différentes selon le Land et la stratégie informatique locale. Pour les fournisseurs, cela signifie : la vente régionale et la collaboration étroite avec les prestataires informatiques des Länder restent essentielles, un déploiement à l'échelle nationale n'est pas réaliste à court terme.