IA dans les collectivités : cas d'usage et retours terrain

Selon une enquête de l'Association des maires de France publiée en 2024, plus de 300 collectivités territoriales françaises ont initié au moins un projet d'intelligence artificielle, qu'il s'agisse d'un chatbot de relation usager, d'un outil d'aide à la décision ou d'un système d'optimisation de la voirie. Ce chiffre, encore modeste au regard des 35 000 communes françaises, masque une dynamique réelle : les expérimentations s'accélèrent, portées à la fois par les métropoles pionnières et par des communes de taille intermédiaire qui mutualisent leurs moyens. L'intelligence artificielle dans les collectivités n'est plus un sujet de congrès prospectif — elle transforme déjà des missions concrètes, des postes de travail et des relations avec les usagers.

Quels sont les cas d'usage qui ont réellement tenu leurs promesses ? Quels freins techniques, juridiques et humains ont freiné les déploiements ? Et qu'est-ce que cela change pour les agents et pour les recruteurs territoriaux ? Cet article fait le point à partir de retours d'expérience documentés, sans omettre les zones d'ombre.

Sommaire

1. Ce que recouvre l'IA dans le contexte des collectivités
2. Relation usager : les assistants conversationnels en première ligne
3. Gestion technique et infrastructure : l'IA au service de l'efficacité opérationnelle
4. RH et recrutement : un usage émergent mais structurant
5. Les freins réels au déploiement de l'IA dans les collectivités
6. Cadre juridique : RGPD, éthique et souveraineté numérique
7. Compétences des agents : ce qui change vraiment
8. Questions fréquentes sur l'IA dans les collectivités
9. Ce que l'IA change durablement pour les territoires

Ce que recouvre l'IA dans le contexte des collectivités

Définition synthétique — Dans les collectivités territoriales, l'intelligence artificielle désigne l'ensemble des systèmes logiciels capables d'effectuer des tâches qui requièrent habituellement une intervention humaine : traitement du langage naturel, reconnaissance d'images, analyse prédictive, aide à la décision automatisée. Elle ne se réduit pas aux grands modèles de langage (LLM) type ChatGPT : elle englobe des algorithmes de détection de fraude aux aides sociales, des systèmes de maintenance prédictive des équipements publics ou des outils de classification automatique du courrier entrant.

La distinction entre IA étroite (un outil dédié à une tâche précise) et IA générative (capable de produire du texte, des images, du code) est importante pour les élus et les directeurs de services numériques, car les implications juridiques, éthiques et budgétaires diffèrent fortement. Un algorithme de détection des logements vacants pour la taxe d'habitation n'appelle pas les mêmes précautions qu'un générateur automatique de courriers administratifs.

Le rapport sénatorial de 2023 sur l'IA au cœur des territoires identifie trois grandes familles d'usage : l'amélioration de la relation usager, l'optimisation des ressources internes (techniques et RH), et l'aide à la décision politique et administrative. Ces trois familles structurent les sections qui suivent.

Relation usager : les assistants conversationnels en première ligne

C'est le terrain d'expérimentation le plus visible et le plus documenté. Depuis 2020, plusieurs grandes collectivités ont déployé des chatbots ou des voicebots pour traiter les demandes de premier niveau : horaires d'ouverture, état d'avancement d'un dossier, signalement d'un incident de voirie, renseignements sur les aides sociales.

Rennes Métropole a mis en production un assistant conversationnel sur son portail usager en 2022. Selon le bilan communiqué par la direction des systèmes d'information, 40 % des requêtes de premier niveau sont traitées sans intervention humaine, contre 0 % avant déploiement. Le gain n'est pas seulement quantitatif : les agents d'accueil téléphonique déclarent consacrer davantage de temps aux demandes complexes, pour lesquelles leur expertise est réellement mobilisée.

La Ville de Paris expérimente depuis 2023 un système d'analyse automatique des signalements effectués via l'application Dans Ma Rue. L'IA catégorise et priorise automatiquement les signalements avant de les router vers le service compétent, réduisant le délai de traitement moyen de 30 % selon les données publiées par la Direction de la Démocratie, des Citoyens et des Territoires (DDCT).

Ces résultats doivent être contextualisés. Les chatbots de première génération ont souvent déçu par leur rigidité : incapables de gérer les formulations imprévues, ils généraient de la frustration usager et un volume de rappels téléphoniques parfois supérieur à la situation initiale. Les déploiements récents, appuyés sur des LLM, sont plus robustes mais soulèvent des questions de confidentialité des données que les collectivités n'ont pas toutes résolues.

Gestion technique et infrastructure : l'IA au service de l'efficacité opérationnelle

Loin des interfaces visibles, l'IA produit des effets concrets dans la gestion des équipements et des réseaux urbains.

Maintenance prédictive des réseaux d'eau. Plusieurs syndicats intercommunaux des eaux ont déployé des algorithmes d'analyse des données de pression et de débit pour anticiper les ruptures de canalisations. Le Syndicat des Eaux d'Île-de-France (SEDIF) expérimente depuis 2021 un outil de détection précoce des fuites basé sur l'analyse de séries temporelles. L'objectif affiché est de réduire le taux de perte en réseau, qui représente en moyenne 20 % de l'eau produite en France (Observatoire des services publics d'eau et d'assainissement, 2022).

Éclairage public intelligent. Des communes comme Dijon ou Issy-les-Moulineaux ont couplé leurs systèmes d'éclairage public à des capteurs et des algorithmes qui ajustent l'intensité lumineuse en temps réel selon la présence de piétons et les conditions météorologiques. La ville de Dijon fait état d'une réduction de 30 % de la consommation électrique liée à l'éclairage public depuis le déploiement de son système de gestion urbaine centralisé.

Analyse prédictive pour la collecte des déchets. Plusieurs métropoles testent l'optimisation des tournées de collecte par algorithme, en intégrant des données de remplissage des conteneurs connectés, de trafic et de calendrier scolaire. Les gains logistiques sont réels, mais le déploiement de capteurs sur les conteneurs représente un investissement initial significatif qui freine l'adoption à grande échelle.

Ces cas d'usage partagent un point commun : ils reposent sur des volumes de données structurées et historisées. Là où les données existent et sont fiables, l'IA délivre des résultats mesurables. Là où les systèmes d'information sont fragmentés ou mal renseignés — ce qui reste fréquent dans les collectivités de taille moyenne —, les algorithmes produisent des recommandations peu fiables.

RH et recrutement : un usage émergent mais structurant

L'application de l'IA aux ressources humaines des collectivités est plus récente et suscite davantage de débat interne. Deux grandes catégories d'usage se distinguent.

L'aide au recrutement. Des outils d'analyse automatique de CV, de détection des compétences clés et de scoring des candidatures commencent à être testés par les grandes directions des ressources humaines territoriales. Le sujet est traité en détail dans l'article sur l'ia recrutement public, qui analyse les promesses et les risques de biais algorithmiques dans ce contexte. L'enjeu est d'autant plus sensible dans la fonction publique que les principes d'égal accès aux emplois publics et de non-discrimination ont une valeur constitutionnelle.

La gestion prévisionnelle des emplois et des compétences (GPEC). Des algorithmes d'analyse des pyramides des âges, de projection des départs en retraite et d'identification des besoins de formation permettent aux DRH territoriales d'anticiper les tensions sur certains métiers. Cette capacité de projection est particulièrement utile dans un contexte où les agents de la fonction publique territoriale représentent 1,9 million de personnes aux profils très hétérogènes, et où les départs à la retraite vont s'accélérer dans plusieurs filières techniques d'ici 2030.

La question de l'attractivité est également en jeu. Les collectivités qui peinent à recruter — et elles sont nombreuses sur certains profils techniques ou médicaux-sociaux — explorent l'IA comme levier d'optimisation de leurs campagnes de recrutement et de leur marque employeur. Le lien entre performance numérique et l'attractivité de la fonction publique territoriale, un enjeu de marque ? est de plus en plus documenté par les praticiens RH.

Les freins réels au déploiement de l'IA dans les collectivités

Les retours d'expérience convergent sur plusieurs obstacles récurrents, que les discours promotionnels des éditeurs de solutions ont tendance à minimiser.

La qualité des données. L'IA ne produit de valeur qu'à partir de données fiables, complètes et bien structurées. Or, de nombreuses collectivités disposent de systèmes d'information fragmentés, avec des bases de données hétérogènes, des saisies manuelles non standardisées et des référentiels non harmonisés. Avant tout projet d'IA, un travail de nettoyage et de normalisation des données est nécessaire — un chantier souvent sous-estimé en temps et en coût.

Les ressources humaines internes. Déployer et maintenir un système d'IA suppose des compétences en data science, en architecture des systèmes d'information et en gestion de projet numérique que la majorité des collectivités, notamment celles de moins de 50 000 habitants, ne possèdent pas en interne. La mutualisation via les syndicats mixtes ou les centres de gestion est une réponse partielle, mais elle suppose une gouvernance intercollectivités qui prend du temps à construire.

Le budget. Les projets d'IA bien conduits coûtent cher : licences logicielles, hébergement, intégration, formation, maintenance évolutive. Dans un contexte de contrainte budgétaire pour les finances locales, beaucoup de projets restent à l'état de pilotes faute de financement pérenne.

La conduite du changement. L'acceptation des agents est un facteur déterminant. Les projets qui ont réussi sont ceux où les agents ont été associés à la conception des outils, où leurs craintes ont été prises au sérieux et où la direction a su expliquer que l'IA visait à les libérer des tâches répétitives, non à les remplacer. Les projets imposés d'en haut sans concertation ont systématiquement généré des résistances qui ont compromis les usages.

Cadre juridique : RGPD, éthique et souveraineté numérique

Le déploiement de l'IA dans les collectivités s'inscrit dans un cadre juridique exigeant, dont la maîtrise conditionne la légalité des projets.

Le Règlement général sur la protection des données (RGPD) s'applique pleinement aux traitements de données personnelles par les collectivités. Toute solution d'IA traitant des données d'usagers ou d'agents doit faire l'objet d'une analyse d'impact relative à la protection des données (AIPD) lorsqu'elle présente un risque élevé. Le délégué à la protection des données (DPD), obligatoire pour les collectivités, doit être associé dès la phase de conception. Le sujet est développé dans l'article sur le rgpd fonction publique.

Le règlement européen sur l'IA (AI Act), adopté en 2024, classe certains usages en IA à risque élevé — notamment les systèmes d'aide à la décision en matière d'accès aux prestations sociales ou de recrutement. Ces systèmes seront soumis à des obligations de transparence, d'auditabilité et de supervision humaine que les collectivités devront intégrer dans leurs cahiers des charges.

La question de la souveraineté numérique est également centrale. Héberger les données des usagers et des agents sur des infrastructures cloud opérées par des acteurs soumis à des législations extraterritoriales (Cloud Act américain, par exemple) expose les collectivités à des risques juridiques et politiques. Le choix de solutions certifiées ou d'un cloud souverain fonction publique devient un critère de sélection à part entière dans les appels d'offres.

La cybersécurité constitue un enjeu connexe mais distinct. Les systèmes d'IA, souvent connectés à de multiples sources de données, élargissent la surface d'attaque des collectivités. Après la vague d'attaques par rançongiciel qui a touché plusieurs dizaines de collectivités entre 2020 et 2023, la sécurisation des architectures numériques est devenue une priorité. Les enjeux sont analysés dans l'article sur la cybersécurité collectivité territoriale.

Enfin, la dimension environnementale ne peut être ignorée. L'entraînement et l'inférence des modèles d'IA consomment des ressources computationnelles et énergétiques significatives. Les collectivités engagées dans une démarche de numérique responsable collectivité doivent intégrer l'empreinte carbone de leurs projets d'IA dans leur bilan environnemental.

Compétences des agents : ce qui change vraiment

L'introduction de l'IA dans les collectivités ne supprime pas des postes de manière mécanique — du moins pas à court terme. Elle reconfigure les missions et exige de nouvelles compétences à tous les niveaux de la hiérarchie.

Pour les agents de terrain et d'accueil, l'IA prend en charge les tâches les plus routinières (réponses aux questions fréquentes, saisie de données standardisées, classification de documents). Leur rôle évolue vers davantage de traitement des situations complexes, d'accompagnement des usagers en difficulté numérique et de contrôle de la qualité des sorties produites par les algorithmes. Cette évolution suppose une montée en compétence que les collectivités doivent planifier et financer.

Pour les cadres et directeurs de service, la capacité à formuler des besoins en termes de données, à lire un rapport d'audit algorithmique et à piloter un projet numérique en mode agile devient une compétence managériale attendue. Le Centre national de la fonction publique territoriale (CNFPT) a intégré plusieurs modules sur la transformation numérique et l'IA dans son catalogue de formation, mais la montée en puissance reste à accélérer.

Pour les DRH, l'IA modifie également les pratiques de gestion des emplois. Les offres d'emploi collectivité mentionnent de plus en plus des compétences numériques transverses comme critère de recrutement, y compris pour des postes a priori éloignés de la technique. Cette tendance va s'amplifier à mesure que les outils d'IA se banalisent dans les workflows administratifs.

Questions fréquentes sur l'IA dans les collectivités

L'IA peut-elle prendre des décisions administratives à la place des agents ?

Non, pas de manière autonome. L'article L. 311-3-1 du Code des relations entre le public et l'administration interdit les décisions individuelles prises exclusivement par un algorithme sans intervention humaine significative, sauf mention explicite à l'usager et possibilité de demander un réexamen par un agent. L'IA peut préparer et recommander, mais la décision finale doit rester humaine pour les actes administratifs.

Les petites communes peuvent-elles accéder à l'IA sans moyens importants ?

Oui, par la mutualisation. Les centres de gestion départementaux, les syndicats mixtes et les structures comme l'ANCT (Agence nationale de la cohésion des territoires) proposent des solutions mutualisées. Plusieurs régions financent également des expérimentations dans le cadre de leurs schémas régionaux de développement numérique. L'accès à des outils d'IA générique en mode SaaS (logiciel en tant que service) permet aussi d'initier des expérimentations à faible coût initial.

Comment les agents sont-ils protégés face aux décisions algorithmiques qui les concernent (notation, affectation) ?

Le même principe s'applique : toute décision affectant la situation d'un agent ne peut être prise exclusivement par un algorithme. Par ailleurs, le RGPD confère aux personnes concernées un droit d'opposition aux traitements automatisés. Les organisations syndicales ont obtenu, dans plusieurs collectivités pionnières, que les projets d'IA RH fassent l'objet d'une consultation du comité social territorial (CST) avant tout déploiement.

Quels sont les indicateurs pour mesurer le retour sur investissement d'un projet IA ?

Les collectivités les plus avancées mesurent : le taux de traitement automatique des demandes, le délai moyen de traitement, le taux de satisfaction usager (via enquêtes), le nombre d'heures-agent libérées et réaffectées, et la réduction des coûts opérationnels directs. L'évaluation doit aussi intégrer les coûts cachés : maintenance, formation, correction des erreurs algorithmiques.

Ce que l'IA change durablement pour les territoires

L'intelligence artificielle dans les collectivités n'est ni la solution universelle que certains éditeurs vendent, ni la menace que certains syndicats redoutent. C'est un outil puissant dont l'efficacité dépend de la qualité des données disponibles, de la clarté des objectifs poursuivis, de la rigueur du cadre juridique respecté et de la qualité de l'accompagnement des agents. Les collectivités qui réussissent leurs projets d'IA sont celles qui ont investi dans ces quatre dimensions simultanément, pas dans la technologie seule.

Les prochaines années verront probablement une accélération des déploiements, portée par la baisse des coûts des modèles, la montée en maturité des offres souveraines et la diffusion progressive des compétences numériques dans les équipes. Pour les professionnels du secteur public local — qu'ils soient agents, managers ou élus — comprendre ces outils et leurs limites est désormais une compétence de base, au même titre que la connaissance du statut ou des règles budgétaires. Retrouvez les opportunités liées à cette transformation sur emploi service public.

Références : Rapport d'information du Sénat n° 883 (2022-2023) sur l'intelligence artificielle dans les collectivités territoriales · Observatoire des services publics d'eau et d'assainissement, rapport national 2022, Office français de la biodiversité · Règlement (UE) 2024/1689 du Parlement européen et du Conseil établissant des règles harmonisées concernant l'intelligence artificielle (AI Act) · CNIL, guide pratique sur les algorithmes publics, 2022 · AMF / ANCT, baromètre numérique des collectivités locales, 2024.