Le standard de la mairie sonne à 8h47, un lundi matin. Un habitant veut savoir s’il a besoin d’un permis pour remplacer les fenêtres d’un bâtiment en zone protégée. La réponse correcte est répartie entre trois services, un PDF de règlement cantonal et une pratique informelle que seul un agent connaît par cœur. L’habitant aura rappelé trois fois avant la fin de la semaine.
Ce n’est pas un problème d’effectif. C’est un problème d’architecture de l’information — et les agents IA dans le secteur public font partie des rares outils capables d’y répondre sans recruter ni lancer un programme de transformation IT sur cinq ans.
Cet article cartographie les cas d’usage concrets où les agents de service citoyen fonctionnent vraiment, les exigences qui distinguent les déploiements dans le secteur public de tous les autres secteurs, et les limites honnêtes de ce que les agents peuvent et ne peuvent pas faire aujourd’hui.
Ce qui distingue le secteur public
Avant d’énumérer les cas d’usage, il vaut la peine de nommer les contraintes qui conditionnent chaque décision de conception. Les communes et les organismes publics en Suisse et dans l’UE opèrent sous des exigences que la plupart des déploiements commerciaux n’effleurent jamais :
Résidence des données. Les données des citoyens ne peuvent pas circuler librement au-delà des frontières. Pour les entités suisses, cela implique la conformité à la nLPD ; pour les services côté UE, ce sont les dispositions territoriales du RGPD qui s’appliquent. Un agent construit sur un modèle hébergé aux États-Unis qui enregistre les requêtes dans un centre de données américain requiert un mécanisme de transfert licite — pour les entités suisses, soit la certification du prestataire dans le cadre du Swiss-U.S. Data Privacy Framework (en vigueur depuis septembre 2024), soit les Clauses Contractuelles Types ; pour les services UE, la décision d’adéquation EU-U.S. DPF (juillet 2023) ou des garanties équivalentes au titre du Chapitre V du RGPD. En l’absence d’un tel mécanisme, le déploiement est très probablement non conforme avant même que la première requête soit traitée. Notre article Agents IA et RGPD : une automatisation que vous pouvez défendre approfondit ce sujet.
Traçabilité. Un citoyen qui reçoit des informations incorrectes d’un service automatisé dispose de voies de recours légales. Chaque action de l’agent — la requête reçue, la source documentaire récupérée, la réponse générée — doit être enregistrable et vérifiable. Il ne s’agit pas d’une option architecturale : c’est le niveau minimal requis.
Obligation multilingue. De nombreuses communes suisses opèrent en deux langues officielles ou plus, parfois trois. Un habitant germanophone, un italophone et un francophone ont tous les mêmes droits de service. Un agent qui excelle en allemand mais produit un italien approximatif n’est pas une mise en œuvre neutre — c’est un problème d’équité de service.
Responsabilité politique. Les organismes publics ne peuvent pas invoquer « c’est l’IA qui a décidé » lorsqu’un citoyen reçoit des informations erronées sur son droit à une prestation ou une réponse incorrecte concernant un permis. Les agents doivent ici être des outils d’assistance avec confirmation humaine sur les outputs à conséquences — pas des décideurs autonomes.
Ce sont des contraintes à intégrer dès la conception, pas des raisons d’éviter les agents. Les prendre en compte dès le premier jour est nettement moins coûteux qu’une refonte après le lancement.
Les cas d’usage qui fonctionnent vraiment
FAQ et informations procédurales à grande échelle
Le plus grand volume de contacts citoyens dans la plupart des services municipaux est aussi le plus répétitif : horaires d’ouverture, calendriers de collecte des ordures, procédures d’inscription, délais d’inscription scolaire, conditions d’obtention d’un macaron de stationnement. Aucun de ces cas ne requiert de jugement. Tous mobilisent du temps agent.
Un agent à récupération augmentée entraîné sur les documents publiés par la commune — ordonnances, brochures, contenu du site web — peut traiter avec précision la majorité de ces requêtes. L’agent récupère la section pertinente du document source et la présente, plutôt que de générer une réponse à partir de connaissances générales. C’est important pour la précision comme pour la traçabilité : chaque réponse peut être rattachée à une source spécifique.
Scénario indicatif : une commune recevant 800 demandes d’habitants par mois, dont environ 60 % de questions procédurales auxquelles on peut répondre à partir des documents existants. Si un agent traite la moitié de ces 480 requêtes routinières, cela représente 240 interactions agent économisées chaque mois — environ 32 heures de travail à 8 minutes par interaction [chiffres indicatifs ; les résultats réels varient selon la taille de la commune et le type de requêtes].
Pré-évaluation des demandes de permis et accompagnement
Le parcours de dépôt de permis est là où les communes perdent le plus la confiance des habitants. Un habitant dépose une demande de permis de construire avec le mauvais formulaire, un annexe obligatoire manquant, ou une référence de zone incorrecte. La demande est rejetée. Il la dépose à nouveau. Elle est à nouveau rejetée. L’ensemble du processus ajoute des semaines, génère des réclamations et mobilise le personnel administratif dans des boucles de correction.
Un agent peut guider l’habitant dans une pré-évaluation structurée avant le dépôt. Il pose les questions pertinentes — type de bien, modification envisagée, zone, statut de monument historique — et présente le bon formulaire, la liste de contrôle des pièces requises et les éventuels points bloquants connus. Il ne délivre pas de décision de permis. Il garantit que le responsable du dossier reçoit une demande complète, correctement qualifiée, dès le premier dépôt.
C’est le bon modèle de conception pour les processus à conséquences : l’agent gère la collecte d’informations et la mise en forme ; l’agent public prend la décision.
Demandes citoyennes multilingues
Les principaux grands modèles de langage propriétaires affichent des performances globalement satisfaisantes en allemand, français, italien et anglais sur des contenus procéduraux standard, même si l’anglais conserve un avantage mesurable sur les tâches plus exigeantes. Pour une commune du Tessin au service d’italiophones et de germanophones, ou une commune frontalière avec une proportion significative de francophones, un seul déploiement d’agent peut router les requêtes et répondre dans la langue choisie par l’habitant, sans maintenir quatre bases de connaissances distinctes ni quatre configurations d’agents séparées.
La réserve mérite d’être exprimée clairement : les performances se dégradent sur les textes juridiques très techniques, les dialectes et la terminologie fortement localisée. Un agent bien implémenté dans ce contexte inclura un repli — « Je ne trouve pas de réponse précise ; voici le contact du service compétent » — plutôt que d’improviser sur des contenus réglementaires spécialisés. Ce repli est une fonctionnalité, pas un échec.
Pour la dimension vocale du service multilingue — demandes téléphoniques des citoyens — l’article Agents vocaux multilingues : une seule ligne, quatre langues couvre les considérations architecturales spécifiques.
Gestion des connaissances internes pour le personnel
Les agents à usage interne constituent souvent un point de départ plus accessible que ceux exposés au public, avec un risque politique moindre et un déploiement plus rapide. Le cas d’usage est direct : un nouvel agent doit connaître la procédure d’enregistrement d’un changement d’adresse pour un ressortissant étranger, ou la voie d’escalade correcte pour une plainte de bruit qui croise des limites de compétence cantonale. Cette connaissance existe dans des manuels internes, des dossiers partagés et la mémoire des collègues expérimentés.
Un agent interne entraîné sur la documentation du personnel et les manuels de procédure peut répondre à ces requêtes en quelques secondes, réduisant les frictions d’intégration et prévenant la concentration informelle de connaissances qui fragilise les organisations lorsque les collaborateurs expérimentés partent à la retraite.
Pour une analyse approfondie de la catégorie, Agents IA pour le support client : le calcul de la déviation couvre l’économie de la déviation, applicable tout autant aux services desk internes.
Architecture de gouvernance : à quoi ressemble concrètement un « déploiement responsable »
La gouvernance dans le secteur public n’est pas une case à cocher pour la conformité. C’est l’ensemble pratique des contrôles qui permet à une organisation de défendre son service automatisé et de le corriger lorsqu’il fait des erreurs.
L’architecture de gouvernance minimale viable pour un déploiement d’agent municipal comprend :
- Ancrage des sources. Chaque réponse est générée à partir d’une base de connaissances définie et versionnée. Les mises à jour de la base de connaissances suivent un workflow d’approbation — pas de modification ad hoc.
- Seuils de confiance. Les réponses en dessous d’un score de confiance défini sont acheminées vers un agent humain, et non présentées au citoyen. Le seuil est fixé de manière conservative au lancement et ajusté en fonction de la précision observée.
- Journalisation complète des audits. Chaque interaction est enregistrée avec horodatage, requête, sources récupérées et réponse générée. Les journaux sont stockés dans un lieu de données conforme à la juridiction.
- Chemins d’escalade. L’agent peut toujours transférer vers un contact humain nommé ou un service. « Je ne sais pas » assorti d’une prochaine étape claire est un meilleur résultat qu’une réponse incorrecte mais assurée.
- Révision régulière de la précision. Une personne dans l’organisation est responsable d’une révision mensuelle d’un ensemble d’interactions échantillonnées. Ce n’est pas une maintenance optionnelle — c’est le mécanisme par lequel l’agent s’améliore dans le temps.
Cette couche de gouvernance n’est pas techniquement complexe. Elle exige de la discipline opérationnelle. Les communes qui la traitent comme un ajout tardif tendent à connaître l’incident — un citoyen ayant reçu des informations incorrectes sur une prestation, une demande de permis mal aiguillée — qui aurait pu être évité.
Pour le cadre de gouvernance plus large, Gouvernance des agents IA : un playbook pratique pour les PME fournit une structure qui se transpose directement aux contextes du secteur public.
Pour qui c’est adapté — et pour qui ça ne l’est pas encore
Bonne adéquation :
- Communes avec un volume élevé de demandes citoyennes répétitives (procédurales, informatives) et une capacité administrative sous pression
- Organismes publics devant améliorer l’équité de service entre communautés linguistiques sans augmenter les effectifs proportionnellement
- Organisations disposant d’une documentation publiée existante pouvant constituer une base de connaissances pour la récupération
- Équipes IT ou numériques avec un mandat pour piloter des services assistés par IA sous une gouvernance appropriée
Pas encore adapté :
- Organisations pour lesquelles la réglementation en vigueur exige qu’un fonctionnaire humain émette toute réponse (certains contextes cantonaux entrent dans cette catégorie — vérifier avant le déploiement)
- Organismes qui n’ont pas encore numérisé leur documentation procédurale de base ; un agent sans base de connaissances fiable produira des réponses inventées
- Déploiements pour lesquels les exigences de résidence des données ne peuvent être satisfaites par l’infrastructure disponible — construire d’abord la couche de données conforme
Bien construire dès la première fois
La différence critique entre un agent dans le secteur public qui fonctionne de manière fiable pendant trois ans et un qui est silencieusement éteint au bout de six mois ne tient pas à la technologie sous-jacente. Elle tient au travail préparatoire : des sources de connaissances propres, une architecture de données conforme, un processus de gouvernance dont quelqu’un assume réellement la responsabilité, et un périmètre honnête de ce que l’agent fera et ne fera pas.
C’est précisément là qu’impliquer une expertise externe dès le départ se rentabilise — non parce que la technologie serait inaccessible, mais parce que les exigences en matière de conformité, d’architecture et de conduite du changement ne sont pas triviales, et que le coût des erreurs est public.
Orange ITS conçoit et développe des agents IA sur mesure pour des organisations qui ont besoin qu’ils fonctionnent de manière fiable dans des environnements réglementés. Notre service de Développement d’agents IA couvre l’ensemble du cycle de vie — du cadrage des cas d’usage et de l’architecture des données jusqu’au déploiement, la surveillance et la mise en place de la gouvernance.
Si vous évaluez un agent de service citoyen pour votre commune ou organisme public, un appel ciblé de 30 minutes est un premier pas concret. Nous pouvons cartographier les cas d’usage adaptés à votre contexte, identifier vos exigences de conformité et vous donner une vision honnête de ce qu’il faudrait pour construire et opérer cela correctement.
Réserver un appel de cadrage de 30 minutes avec Orange ITS — pas de diaporama, pas de présentation commerciale, juste une conversation directe sur votre situation.