Si les principaux leviers favorisant l’adoption de l’intelligence artificielle dans les administrations publiques arrivent à maturité, les capacités en matière de mise en œuvre restent inégales. Les administrations prennent des mesures d’ampleur pour renforcer les compétences de leurs agents, mais l’utilisation de l’intelligence artificielle à des fins spécifiques et précises peut encore être améliorée. Et si la plupart des pays financent des initiatives en matière d’intelligence artificielle, les activités d’acquisition ne bénéficient pas d’un soutien suffisant. Les capacités de l’informatique en nuage pour l’intelligence artificielle se renforcent, mais d’autres formes d’infrastructures numériques sont moins développées. Une gouvernance solide est la pierre angulaire de l’adoption de l’intelligence artificielle dans l’administration, et la plupart des pays disposent d’organes de surveillance ou de conseil, mais ceux-ci ont une fonction d’orientation plutôt qu’un rôle contraignant. De même, la majeure partie des pays s’engagent en faveur de la transparence algorithmique, mais rares sont ceux qui disposent de normes officielles ou de registres d’algorithmes ouverts. En outre, les registres internes répertoriant les cas d’utilisation de l’intelligence artificielle sont peu fournis, ce qui entrave la transparence et la gouvernance. Les difficultés à mesurer l’impact de l’intelligence artificielle pèsent sur la prise de décision et contribuent à la multiplication de projets pilotes ayant peu de potentiel de mise à l’échelle. Si la mobilisation des parties prenantes est globalement forte au niveau stratégique, l’implication à long terme des usagers et la collaboration transfrontière restent faibles.
Perspectives de l’administration numérique 2026
Des fondations à un impact transformateur
Description
L’utilisation de l’intelligence artificielle (IA) dans l'administration publique gagne du terrain, mais de manière inégale. Dans 35 des 36 pays Membres de l’OCDE (97 %), l’IA est désormais utilisée dans au moins un secteur de l’administration publique, en majorité pour les processus internes et les services publics. Le recours à cette technologie pour l’élaboration des politiques et la surveillance reste plus restreint, car ces domaines présentent de plus forts enjeux et imposent des exigences plus strictes en matière de qualité des données, de transparence et de vérification.
Les cadres de gouvernance de l'IA dans l'administration publique se généralisent, mais les conditions de mise en œuvre restent inégales. Presque tous les pays Membres de l’OCDE disposent d’une stratégie d’IA pour l’administration publique ,et 30 des 36 pays (83 %) ont au moins une institution qui est chargée de la gouvernance de l’IA dans le secteur public. Pourtant, les conditions pratiques permettant le passage à l’échelle de l’IA – gouvernance des données, infrastructures, compétences techniques, capacités organisationnelles, etc. – restent inégales d’un pays à l’autre.
Les efforts déployés en matière de renforcement des compétences en IA se poursuivent, mais les formations plus spécifiques sont à la traîne. 32 des 36 pays de l’OCDE (89 %) déclarent avoir des programmes de formation pour favoriser l’adoption de l’IA dans les administrations publiques. Cependant, ils sont moins nombreux à proposer des formations sur l’utilisation de cet outil dans les services publics ou à des fins d’élaboration des politiques (13 pays sur 36, soit 36 %, pour chaque catégorie), ce qui laisse penser que les capacités de mise en application générale progressent plus rapidement que les compétences spécifiques.
Le niveau de préparation du secteur des achats n’est pas en adéquation avec les capacités de financement. La plupart des pays Membres de l’OCDE financent des initiatives relatives à l’IA, mais seuls 21 des 36 pays (58 %) fournissent un appui centralisé en matière d’acquisition de biens et services d’IA. Les administrations publiques ont donc besoin de capacités plus solides pour gérer leur dépendance vis-à-vis des fournisseurs, les questions de redevabilité, la transparence, les droits relatifs aux données et les risques liés au cycle de vie.
Les garde-fous se multiplient, mais les processus de contrôle opérationnel ne suivent pas. Tous les pays Membres de l’OCDE disposent d’au moins une forme de système de garde-fou, mais seuls 14 pays sur 36 (39 %) exigent des évaluations des risques avant le déploiement, 12 seulement (33 %) ont des comités d’examen internes et 11 uniquement (31 %) effectuent des audits post-déploiement. La transparence est également faible : seuls 11 pays sur 36 (31 %) disposent d’une norme établie et 6 seulement (17 %) ont un registre d’algorithmes ouvert.
Les données probantes et les retours d’expérience des usagers restent limités. Seuls 10 des 36 pays Membres de l’OCDE (28 %) déclarent mesurer l’impact financier ou non financier de l’utilisation de l’IA dans les administrations publiques, même si la moitié d’entre eux affirment que la décision d’adopter cet outil s’appuie sur des gains d’efficience ou une réduction des coûts démontrés. La mobilisation est forte en matière d’élaboration des stratégies, mais beaucoup plus faible au niveau de la mise en œuvre : seuls 15 pays (42 %) impliquent les usagers des services et 8 seulement (22 %) disposent de mécanismes de plainte ou de retour d’information des citoyens.
L’intelligence artificielle (IA) s’impose aujourd’hui comme l’un des principaux moteurs de transformation du XXIe siècle, devenant progressivement partie intégrante de l’administration numérique à travers le monde. Dans les pays Membres de l’OCDE, l’utilisation de l’IA dans les administrations publiques améliore la productivité (efficience et efficacité), rend les services plus proactifs et plus axés sur l’humain, et renforce la réactivité et les mécanismes de redevabilité.1 Alors que les administrations publiques sont confrontées à des défis stratégiques de plus en plus complexes, l’IA peut jouer un rôle central dans l’amélioration de la prise de décision, l’automatisation des processus routiniers et la mise à l’échelle des services intégrés.
La concrétisation du potentiel de l’IA dépend de la solidité et de la résilience des systèmes numériques sous-jacents et des écosystèmes environnants. Comme souligné dans les chapitres précédents, l’adoption de l’IA a besoin de bases solides : données de haute qualité et interopérables, infrastructure publique numérique cohérente, modèles d’investissement et d’acquisition adaptatifs, et agents du secteur public dotés des compétences nécessaires pour développer, piloter et superviser l’IA. Lorsque ces bases ne sont pas assez robustes, l’IA ne peut pas être déployée efficacement et pourrait amplifier les risques au lieu de les prévenir.
Une transformation numérique fiable et résiliente implique donc de savoir gérer les risques liés à l’IA. Les administrations publiques doivent atténuer les risques d’ordre éthique pouvant entraîner des répercussions négatives et des atteintes aux droits, les risques d’ordre opérationnel qui érodent la confiance et les risques liés à l’exclusion qui creusent la fracture numérique. Par ailleurs, les citoyens peuvent se montrer réticents face à l’usage de l’IA par les services publics. Ne pas adopter l’IA présente également un risque : celui de manquer une occasion d’améliorer les services, d’accroître l’efficience et de renforcer l’élaboration de politiques fondées sur des données probantes.
Toutefois, les administrations rencontrent des difficultés de mise en œuvre, telles que des pénuries de compétences, des systèmes hérités vieillissants, une gouvernance des données insuffisante et des dispositifs d’investissement fragmentés. Par ailleurs, elles doivent généraliser le recours à l’IA dans le meilleur intérêt des usagers, en défendant leurs droits et en préservant les avantages sociétaux, sans céder aux incitations du secteur privé.
Le rapport phare de l’OCDE intitulé Gouverner avec l’intelligence artificielle : État des lieux et perspectives pour les fonctions essentielles de l’État souligne que pour faire progresser le recours à l’IA dans les administrations publiques, il faut adopter une approche globale et structurée. Le Cadre de l’OCDE pour une intelligence artificielle digne de confiance dans l’administration (Graphique 4.1) fournit une feuille de route pour aider les administrations publiques à aligner leurs initiatives sur les Principes de l’OCDE sur l’IA (2024[1]). Ce Cadre organise des activités spécifiques autour de trois piliers : 1) les leviers pour faciliter l’adoption ; 2) les garde-fous permettant une utilisation digne de confiance ; et 3) les approches de mobilisation pour façonner une adoption réactive et centrée sur l’usager.
Source : (OCDE, 2025[2]).
Dans l’ensemble de l’OCDE, les administrations publiques continuent de gagner en maturité dans le domaine de l’IA, à l’image des efforts visant à mettre sur pied les leviers, les garde-fous et les mécanismes de transparence nécessaires à une adoption responsable de cette technologie. La composante « maturité en matière d’IA » de l’indice de l’administration numérique de l’OCDE (DGI) évalue dans quelle mesure les administrations sont préparées à utiliser l’IA de manière stratégique et responsable. Cette composante attribue des scores aux questions de l’Enquête de l’OCDE sur l’administration numérique 3.0, qui portent sur les leviers de mise en œuvre, tels que les stratégies nationales relatives à l’IA dans l’administration publique et les possibilités de participation à leur conception, sur les garde-fous, comme la transparence dans l’utilisation des algorithmes et les organismes de surveillance et de conseil éthique, et qui demandent également dans quelle mesure l’IA est utilisée dans les opérations des administrations, l’élaboration des politiques et les services publics. En complément de ces indicateurs, l’enquête comprend une annexe distincte sur l’IA avec des questions qualitatives qui éclairent l’analyse narrative présentée dans ce chapitre. Les réponses à l’annexe n’ont pas été notées pour l’indice DGI 2025, mais fournissent des données contextuelles et des exemples (voir l’annexe Méthodologie). Pour l'Indice de l'administration numérique 2025, aucune donnée n'est disponible pour l'Allemagne et les États-Unis, ces pays n'ayant pas participé à l'enquête.
Entre 2023 et 2025, la plupart des administrations publiques des pays Membres de l’OCDE ont soit gagné en maturité dans le domaine de l’IA, soit en sont restées au même stade. L’Estonie, la France, la Corée et le Royaume-Uni restent des pays très performants, grâce au renforcement des organismes de surveillance éthique ou réglementaire et à la mise en œuvre ou à la consolidation des mécanismes de transparence, en particulier les instruments de transparence algorithmique. La France se distingue par la mise en place de tous les éléments mesurés dans la composante « maturité en matière d’IA ». La Belgique, Israël, la Lettonie, la Norvège et le Portugal ont réalisé des progrès significatifs par rapport aux données de référence de 2023, principalement en ce qui concerne l’adoption de nouvelles stratégies, le développement de l’utilisation de l’IA et l’ouverture des possibilités de dialogue. De nombreux autres pays ont enregistré des améliorations plus modestes, et quelques-uns ont connu des reculs, ce qui indique que maintenir la dynamique de mise en œuvre est tout aussi important que d’introduire de nouveaux instruments.
À l’avenir, les États membres de l’UE pourraient être en mesure de gagner davantage en maturité à mesure que les dispositions du règlement européen sur l’IA (2024[3]) entreront en vigueur. Bien que ce règlement ait été adopté en 2024, de nombreuses dispositions pertinentes pour le DGI, telles que les mécanismes de transparence algorithmique, n’étaient pas encore applicables au cours de la période d’analyse pour 2025. Même si un petit nombre d’États membres ont pris des mesures proactives en vue de se conformer à ce règlement, la plupart n’avaient pas encore entrepris d’appliquer ses dispositions au moment de la période d’analyse. Les scores de maturité devraient donc probablement augmenter à l’avenir, à mesure que les pays aligneront leurs pratiques sur les exigences à venir.
Dans l’ensemble, ces évolutions indiquent que les pays Membres de l’OCDE réalisent des progrès continus dans l’établissement des bases nécessaires pour une utilisation fiable et stratégique de l’IA. Cependant, leurs exemples nourrissent un thème récurrent du rapport : les instruments de gouvernance doivent être mis en œuvre activement, continuellement mis à jour et intégrés à la prise de décision quotidienne afin de générer des améliorations durables en matière de maturité dans le domaine de l’IA et de résilience numérique.
L’adoption de l’IA dans l’administration a considérablement progressé, en particulier pour les processus internes, mais elle reste inégale selon les secteurs. La période d’analyse pour le DGI 2025 a coïncidé avec un regain d’intérêt pour l’IA, alimenté par les avancées rapides de l’IA générative. Au cours de cette période, le nombre de pays Membres de l’OCDE utilisant l’IA pour les processus internes est passé de 23 pays en 2023 (sur les 33 pour lesquels il existait des mesures), soit 70 %, à 31 pays sur 36 en 2025 (86 %), et le nombre de pays utilisant l’IA pour les services publics est passé de 22 sur 33 (67 %) à 27 sur 36 (75 %) (Graphique 4.2). Cependant, l’adoption reste plus limitée pour les activités d’élaboration des politiques et de redevabilité. Seuls 13 des 36 pays Membres de l’OCDE (36 %) déclarent utiliser l’IA à l’appui de l’élaboration des politiques (contre 11 pays sur 33, soit 33 %, en 2023), et 12 des 36 pays (33 %) ont utilisé l’IA pour renforcer la surveillance et la redevabilité.
Dans une certaine mesure, les gains observés grâce au recours à l’IA pour ce qui est des processus internes et des services publics reflètent la relative facilité d’application de cet outil aux tâches administratives structurées – telles que la classification de documents et l’optimisation des flux de travail – par rapport aux activités d’élaboration de politiques et de redevabilité, qui peuvent comporter plus de risques, être plus subjectives et souvent avoir des exigences plus complexes en matière de gouvernance et de données. Plus généralement, cette adoption inégale de l’IA selon les différentes activités reflète des contraintes variables, telles que les pénuries de compétences, les anciens systèmes informatiques et les difficultés d’accès et de partage de données de haute qualité, ainsi que des exigences plus élevées en matière de confidentialité, de transparence et de représentation dans les domaines de la politique et de la surveillance.
En conséquence, l’utilisation de l’IA dans les secteurs de l’élaboration des politiques et de la redevabilité est souvent plus limitée et plus prudente, et exige des données plus complètes et intégrées, ainsi que des dispositifs de vérification et de surveillance plus solides que de nombreuses applications administratives. En outre, ces conditions restent inégales d’un pays à l’autre (chapitre 2).
Dans l’ensemble, ce rapport montre que le recours à l’IA se développe plus rapidement là où les conditions sont les plus favorables, et plus lentement dans les secteurs où les risques, les lacunes en matière de données ou les contraintes de gouvernance sont les plus importants. Cette conclusion reflète celle d’autres travaux de l’OCDE (2025[2]) portant sur l’IA dans l’administration, qui ont montré que l’adoption tend à être plus rapide là où les données sont disponibles et les processus plus standardisés, et plus lente là où les anciens systèmes, les lacunes en matière de compétences et les exigences plus élevées en matière de confidentialité, de transparence et de représentation rendent le déploiement plus difficile.
Néanmoins, l’utilisation de l’IA fait quasiment l’unanimité dans la zone de l’OCDE, car 35 des 36 pays Membres de l’Organisation (97 %) et trois des six pays candidats à l’adhésion (50 %) l’ont déployée pour au moins une des activités précitées. Sept pays Membres de l’Organisation (Chili, Estonie, France, Corée, Lettonie, Luxembourg et Norvège) utilisent l’IA dans les quatre domaines d’activité des administrations, tandis qu’aucun pays candidat à l’adhésion n’atteint ce chiffre.
L’Encadré 4.1 met en lumière des exemples marquants d’usage de l’IA dans les pays de l’OCDE, qui illustrent le passage de phases expérimentales à une mise en œuvre opérationnelle. Des exemples supplémentaires au-delà de la période d’analyse 2023-24 sont documentés dans le rapport de l’OCDE (2025[2]) Gouverner avec l’intelligence artificielle et répertoriés sur le navigateur de politiques OCDE.AI,2 soulignant le rythme rapide des évolutions dans ce domaine.
Part des pays Membres de l’OCDE utilisant l’IA dans le secteur public par domaine d’action, 2023 et 2025
Note : Le pilier Surveillance et redevabilité dans le secteur public n’ayant pas été mesuré dans l’enquête de 2023, il n’y a pas de point de comparaison disponible. Les pays candidats à l’adhésion déclarent les taux d’utilisation suivants : Processus internes (25 %) ; Services publics (38 %) ; Élaboration des politiques (0 %) ; Surveillance et redevabilité (17 %). Les données de l’année 2025 ne sont pas disponibles pour l’Allemagne et les États-Unis. Les données de l’année 2023 ne sont pas disponibles pour l’Allemagne, la Bulgarie, les États-Unis, la Grèce, l’Indonésie, la République slovaque, la Suisse et la Thaïlande. Les données pour l’Indonésie et la Thaïlande couvrent la période du 1er janvier 2022 au 31 décembre 2023, tandis que le pilier Surveillance et redevabilité n’inclut pas de données pour ces pays. Se reporter au Tableau d’annexe 4.A.1 pour obtenir des données complètes sur les pays Membres de l’OCDE et les pays en voie d’adhésion.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
L’IA apparaît de plus en plus pertinente pour réaliser toute une série d’activités de l’administration publique, notamment dans les domaines suivants :
Les processus internes, comme le montre l’exemple du système d’assistance e-RFP de la Corée, qui combine plusieurs types d’IA – y compris l’IA générative – permettant de rédiger des demandes de propositions et d’assurer la conformité avec les réglementations. Le système fournit un répertoire de données sur les marchés publics consultable par les fonctionnaires. Son adoption a entraîné une réduction de 70 % du temps de préparation des documents par rapport aux approches traditionnelles, et une conformité de 99.9 % avec les réglementations en matière de marchés publics.
Les services publics, comme illustré par le chatbot Askur AI en Islande, qui aide les citoyens à accéder à des informations et à des services sur le portail central de l’administration. Askur traite 90 % de la correspondance des citoyens, réduisant considérablement le nombre d’appels téléphoniques et de courriels adressés aux centres de services.
L’élaboration des politiques, ainsi qu’illustré par le système Parlex, développé par le Royaume-Uni, est un assistant de recherche dédié à l'information parlementaire. Il permet de retrouver et d'analyser rapidement les contributions clés des parlementaires, les questions parlementaires et les auditions en commission. Parlex contribue à intégrer directement les positions des parlementaires dans le processus d'élaboration des politiques publiques, à mieux préparer les ministres et à affiner les mesures avant leur présentation.
La surveillance et la redevabilité, comme le montre l’exemple du système Alice, au Brésil, qui analyse en continu les activités de passation des marchés publics pour détecter les risques de fraude, les erreurs et les pertes d’efficience, et permet d’intervenir plus facilement en cas de détection positive. Rien qu’en 2023, cet outil a analysé près de 191 000 acquisitions et a donné lieu à 203 audits concernant des contrats d’un montant équivalent à 4.15 milliards EUR. Le système a également permis de faire passer le délai de traitement des audits de 400 jours à 8 jours.
Bien que l’utilisation de l’IA générative dans l’administration publique se développe, elle reste moins répandue que l’utilisation de systèmes d’IA et d’apprentissage automatique plus généraux. Cette tendance reflète les conclusions de l’OCDE (2025[2]) et de la Commission européenne (2025[9]), qui montrent des niveaux disparates de préparation aux systèmes d’IA générative et des écarts en termes de recours à ces outils dans l’administration publique à travers les pays. Malgré ces défis, 64 % des pays Membres de l’OCDE et 50 % des pays candidats à l’adhésion utilisent des systèmes d’IA générative pour au moins une finalité.
Au sein des pays Membres de l’OCDE, l’IA générative est principalement utilisée pour des applications à faible risque visant à améliorer la productivité plutôt que dans des contextes opérationnels à enjeux élevés. Parmi les contextes d’utilisation les plus courants, on peut citer : aider les fonctionnaires à accomplir leurs tâches (20 pays sur 36, soit 56 %), par exemple par une aide à la rédaction, à la recherche ou à la récupération de connaissances, ou par une IA conversationnelle ; générer des rapports ou des résumés automatisés pour éclairer la prise de décision (15 pays sur 36, soit 42 %) ; créer du contenu à destination des citoyens (15 pays sur 36, 42 %), par exemple des réponses aux requêtes et des bulletins d’information ; rédiger ou aider à la rédaction de documents de politique (13 pays sur 36, soit 36 %) ; et faciliter les processus de conception et de fourniture des services publics (13 pays sur 36, 36 %), le plus souvent lors des phases initiales de réflexion, de recherche sur les besoins des usagers ou de développement de prototypes.
Ces utilisations traduisent une approche prudente qui préfère la productivité interne et l’assistance au travail humain à l’automatisation complète des processus ou de la prise de décision. Elles illustrent également la dépendance à l’égard de produits d’IA générative grand public, tels que Microsoft Copilot, ChatGPT d’OpenAI ou Le Chat de Mistral, et de systèmes libres ou open weight auto-hébergés et préentraînés, comme les modèles Llama de Meta. Les systèmes open weight sont des modèles d’IA dont les « poids », c’est-à-dire les paramètres internes appris lors de l’entraînement, sont rendus accessibles publiquement, même si les données d’entraînement et l’ensemble du processus de développement ne sont pas partagés ouvertement (OCDE, 2025[10]). Les administrations peuvent privilégier les systèmes open weight, car ceux-ci peuvent être déployés dans des environnements confinés, ce qui permet de mieux maîtriser le traitement et la sécurité des données, de bénéficier d’une plus grande marge de manœuvre en termes d’adaptation linguistique et aux procédures locales, et d’être moins dépendant à l’égard d’un fournisseur unique.
Il convient de noter qu’aucun pays Membre ou candidat à l’adhésion à l’OCDE n’interdit totalement le recours aux systèmes d’IA générative dans l’administration publique, même si certains d’entre eux restreignent l’utilisation de systèmes spécifiques, tels que DeepSeek ou autres outils à haut risque ou non vérifiés. Cette observation s’inscrit dans une tendance plus large observée tout au long de ce chapitre : les administrations sont généralement ouvertes à l’idée d’explorer l’IA générative, mais son adoption se fait de manière mesurée et en tenant compte des risques et des préoccupations liées à la sécurité, à la protection des données, à l’assurance qualité et à la confiance des usagers.
Les leviers sont les éléments de base nécessaires à la mise en œuvre d’une IA évolutive et digne de confiance dans l’administration. L’OCDE en recense sept : la gouvernance, les données (y compris les données publiques ouvertes), l’infrastructure numérique, les compétences et les talents, les investissements dans l’IA, les marchés publics et les partenariats avec des acteurs non gouvernementaux (2025[2]). Plusieurs d’entre eux – notamment les données, l’infrastructure numérique, les investissements et les partenariats – ne sont pas spécifiques à l’IA, mais constituent des conditions structurelles qui sous-tendent toute transformation numérique. Comme souligné dans les chapitres précédents, ces leviers sont des conditions préalables à la résilience numérique, et la capacité des administrations à adopter l’IA en toute sécurité, de manière stratégique et à grande échelle dépend du stade de maturité atteint dans ces domaines.
4.4.1. Une gouvernance solide est la pierre angulaire de l’adoption de l’IA dans l’administration
Le principal levier pour une utilisation fiable et efficace de l’IA dans l’administration publique est la mise en place d’une gouvernance solide. Deux composantes sont essentielles : 1) une stratégie nationale de haut niveau qui énonce les objectifs d’adoption de l’IA dans l’administration ; et 2) une approche à lʼéchelle de l’ensemble de l’administration pour coordonner la mise en œuvre, assurer la cohérence entre les ministères et établir clairement les mécanismes de redevabilité eu égard aux résultats.
Presque tous les pays Membres de l’OCDE disposent d’une telle stratégie. Au cours de la période d’analyse pour le DGI 2025, tous les Membres de l’OCDE, à l’exception de trois (le Canada, le Mexique et la Suisse), disposaient d’une stratégie d’IA pour l’administration publique. Depuis, le Canada et la Suisse ont publié la leur, le DGI marquant donc une légère amélioration par rapport à 2023. Parmi les pays candidats à l’adhésion, l’Argentine et le Brésil disposent également de stratégies nationales.
Ces stratégies mettent généralement l’accent sur l’utilisation d’une IA digne de confiance et centrée sur l’humain, et promeuvent des principes tels que l’équité, la redevabilité, la rigueur et la sécurité, conformément aux Principes sur l'IA de l'OCDE. L’administration y est souvent décrite comme un banc d’essai pour l’innovation. Par ailleurs, des priorités qui reflètent plus largement l’agenda numérique du gouvernement y sont fixées. Parmi les priorités communes figurent la consolidation des données et des infrastructures numériques, le renforcement des compétences et des capacités organisationnelles du secteur public, la création de mécanismes de coordination et de gouvernance dédiés, et la promotion de l’expérimentation par le biais de projets pilotes, de « bacs à sable » et d’outils de collaboration intersectorielle.
Il est important de noter que la plupart des pays désignent des institutions pour mettre en œuvre ces stratégies. Selon le DGI, 30 des 36 pays Membres de l’OCDE (83 %) et quatre des six pays candidats à l’adhésion (67 %) disposent d’au moins une institution publique chargée de régir l’utilisation de l’IA dans le secteur public (Graphique 4.3). Ces organismes jouent un rôle central pour définir les normes, assurer une surveillance éthique, orienter les pratiques en matière d’acquisition et de gestion des risques, et traduire l’agenda gouvernemental en décisions opérationnelles (Encadré 4.2).
Type d’institution(s) responsable(s) de la gouvernance de l’IA dans le secteur public, par pays, 2025
Note : Les données ne sont pas disponibles pour l’Allemagne, les États-Unis, l’Indonésie et la Thaïlande. Les données couvrent la période du 1er janvier 2023 au 31 décembre 2024.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
Espagne
L’Agence espagnole de supervision de l’IA (AESIA) est l’organisme public chargé de garantir une utilisation éthique et sûre de l’IA par les entités publiques et privées en Espagne, comme l’exige le règlement européen sur l’IA des autorités nationales compétentes. L’Agence est donc chargée de proposer des lignes directrices et des lois régissant l’utilisation de l’IA dans les services publics, pour faire en sorte que : les fonctionnaires soient suffisamment formés ; les droits fondamentaux des citoyens soient suffisamment protégés ; et les projets soient conformes à la législation nationale et européenne en matière de gouvernance des données, de transparence et de robustesse des systèmes d’IA.
Tchéquie
En Tchéquie, le Comité pour l’IA fait office d’organe consultatif et de coordination permanent. Son mandat est de soutenir la mise en œuvre de la Stratégie nationale pour l’intelligence artificielle 2030, dont l’un des sept domaines clés est l’« IA dans l’administration publique et les services publics ». Le comité remplit cette fonction en publiant des plans d’action régulièrement mis à jour qui proposent des projets et définissent des indicateurs clés de performance relatifs à divers objectifs, notamment l’élargissement de l’utilisation de l’IA dans le secteur public et la formation des agents aux possibilités offertes par cette technologie – tout comme ses limites.
Sources : (Agencia Española de Supervisión de la Inteligencia Artificial (AESIA), s.d.[11] ; Agencia Española de Supervisión de la Inteligencia Artificial (AESIA), s.d.[12] ; Agencia Española de Supervisión de la Inteligencia Artificial (AESIA), s.d.[13] ; Ministère de l'Industrie et du Commerce, République tchèque, 2024[14]).
4.4.2. Les administrations prennent d’importantes mesures pour renforcer les compétences des fonctionnaires, mais peinent à les former à utiliser l’IA à des fins spécifiques
L’adoption réussie de l’IA dans l’administration dépend de cadres de gouvernance solides, mais il faut aussi que les fonctionnaires qui utilisent ces outils au quotidien y soient suffisamment formés et aient confiance en cette technologie. Les stratégies et les activités de coordination centralisées jouent un rôle essentiel, mais en fin de compte, ce sont les agents de première ligne qui décident de la manière dont l’IA est utilisée, appliquée et supervisée. Dans le droit-fil des chapitres précédents, l’OCDE constate que les pénuries de compétences restent le défi le plus courant qui entrave l’adoption de l’IA dans les administrations publiques (2025[2]).
Pour combler ces lacunes, 32 des 36 pays Membres de l’OCDE (89 %) et trois des six pays candidats à l’adhésion (50 %) ont mis en place des programmes de formation visant à enseigner les compétences requises pour soutenir le développement et l’utilisation de l’IA dans les administrations publiques. Ces programmes portent le plus souvent sur l’utilisation pratique et éthique des outils d’IA (respectivement 28 pays sur 36, soit 78 %, et 22 pays sur 36, soit 61 %), ainsi que sur la confidentialité et la sécurité des données (20 pays sur 36, soit 56 %). Ces programmes abordent aussi, dans une moindre mesure, le recours à l’IA dans les services publics ou l’élaboration des politiques (13 pays sur 36, soit 36 %, pour ces deux domaines) (Graphique 4.4 et Encadré 4.3).
Les initiatives de formation suivent généralement plusieurs schémas récurrents, et associent souvent enseignement des notions de base sur l’IA et cours spécifiques adaptés à la fonction des agents :
Enseignement des notions de base : de nombreux pays proposent des cours en ligne accessibles à tous, comme le cours « Elements of AI », accessible sur les portails d’apprentissage de la fonction publique (par exemple, en Tchéquie, au Luxembourg et en Norvège), qui vise à sensibiliser les agents aux possibilités offertes par l’IA et aux risques qu’elle comporte.
Enseignement des principes fondamentaux adapté à la fonction publique : certaines administrations proposent des cours d’introduction adaptés à leurs cadres et orientations internes. Ainsi de l’Australie, avec le cours « AI in Government Fundamentals » (les fondamentaux de l’IA dans le secteur public) destiné aux agents de la fonction publique (APS), qui met l’accent sur une utilisation sûre et responsable de l’IA conformément aux principes éthiques adoptés par le pays dans ce domaine.
Formation technique spécialisée : certains programmes ciblent des capacités et des rôles spécifiques et peuvent impliquer une participation plus longue ou un engagement plus poussé, comme le cours « AI Security Control » (Contrôle de la sécurité des systèmes d’IA) de l’Agence coréenne de l’Internet et de la sécurité (KISA), qui porte sur la surveillance de la sécurité et la réponse aux attaques reposant sur l’IA (plusieurs formules disponibles : une formation longue en personne et des options en ligne plus courtes).
De nombreuses initiatives ont été lancées après 2024, ce qui a contribué à combler les lacunes dans plusieurs pays tout en renforçant les efforts déployés dans ceux qui proposaient déjà de telles formations. Par exemple :
Le plan IA de l’APS, en Australie, qui définit des exigences en matière de développement des capacités et de soutien à la formation pour favoriser une utilisation sûre et responsable des outils d’IA générative ;
La formation en IA en ligne et gratuite (80 heures) destinée aux agents de la fonction publique en Colombie, délivrée par l’Université de Carthagène et conçue pour être suivie par des milliers de fonctionnaires ;
Le partenariat national conclu entre le Costa Rica et l’UNESCO, visant à doter les fonctionnaires du pays de compétences en IA et en transformation numérique, et qui comprend un cours en ligne sur ces sujets portant spécifiquement sur les administrations publiques ;
Les nouveaux modules d’apprentissage de l’administration, en Finlande qui incluent des cours vidéo intitulés « AI Academy » (académie de l’IA) dans le cadre d’une offre plus large de formations aux compétences numériques ;
La plateforme de formation à l’IA de la Lituanie destinée aux employés du secteur public, qui inclut une formation échelonnée et des supports abordant des sujets tels que l’utilisation pratique des outils, la confidentialité, l’éthique et le règlement européen sur l’IA ;
La campagne annuelle One Big Thing au Royaume-Uni, qui porte cette année sur l’IA (« AI for All », l’IA pour tous) et qui est destinée à renforcer la confiance dans ces outils tout en favorisant une utilisation responsable dans l’ensemble de la fonction publique.
Le portail de formation à l'IA pour les agents publics du Brésil propose des parcours d'apprentissage structurés adaptés à cinq profils professionnels (des agents de première ligne aux cadres dirigeants), couvrant l'IA appliquée, la gouvernance des données, l'éthique et la prise de décision stratégique.
Source : (Université d'Helsinki et MinnaLearn, s.d.[15] ; Gouvernement de l'Australie, s.d.[16] ; Agence coréenne d'Internet et de Sécurité, s.d.[17] ; Le Cabinet du Royaume-Uni, 2025[18] ; Ministère des Finances australien, 2025[19] ; Ministère des Technologies de l'Information et des Communications (MinTIC), 2025[20] ; UNESCO, 2025[21] ; Ministère de l'Économie et de l'Innovation, 2025[22]).
Part des pays Membres de l’OCDE déclarant disposer de programmes de formation pour favoriser le développement des compétences en IA, par thématique, 2025
Note : Les données ne sont pas disponibles pour l’Allemagne et les États-Unis. Les données couvrent la période du 1er janvier 2023 au 31 décembre 2024. Se reporter au Tableau d’annexe 4.A.2 pour obtenir des données complètes sur les pays Membres de l’OCDE et les pays en voie d’adhésion.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
4.4.3. La plupart des pays financent des initiatives en matière d’IA, mais les activités d’acquisition ne bénéficient pas de suffisamment de soutien
Les ressources financières jouent un rôle tout aussi essentiel que les capacités humaines pour favoriser l’adoption de l’IA, mais les mécanismes de financement reçoivent souvent une attention limitée dans les stratégies nationales pour l'IA dans l'administration publique. Pourtant, la plupart des pays Membres de l’OCDE prennent des mesures pour financer les initiatives nationales en matière d’IA. Selon le DGI 2025, 32 des 36 pays Membres de l’OCDE (89 %) (tous sauf le Costa Rica, la Hongrie, le Mexique et la Suisse) et quatre des six pays candidats à l’adhésion (67 %) (tous sauf la Croatie et la Roumanie) disposent d'une forme de financement pour le développement ou l'utilisation de systèmes d'IA dans l'administration publique. Parmi les pays Membres de l’OCDE qui déclarent disposer de mécanismes de financement dans ce domaine, 15 pays (soit 47 %) ont un mode de financement dédié, tandis que 17 pays (53 %) dépendent de flux destinés plus largement à financer l’administration numérique.
Les investissements prennent diverses formes : incubateurs du secteur public, subventions dédiées ou encore programmes de soutien ciblés pour développer ou tester des systèmes d’IA (Encadré 4.4). Bien que ces mécanismes reposent sur des conceptions institutionnelles différentes, tous trois servent à financer les expérimentations des technologies d’IA et leur mise en œuvre pratique, et pas seulement des activités d’élaboration de stratégie ou de recherche. Ils sont conçus pour limiter les obstacles entravant l’adoption précoce de l’IA, réduire les risques que comporte l’expérimentation pour les ministères et les organismes, accélérer les tests en conditions réelles, et fournir un soutien structuré pour un déploiement à grande échelle. Cela reflète une tendance plus large : les administrations voient le financement de l’IA comme un moyen de convertir l’intérêt des institutions pour cette technologie en une mise en œuvre tangible, compte tenu notamment des contraintes des cycles budgétaires traditionnels.
Cependant, les capacités de financement ne suffisent pas si les administrations ne disposent pas du soutien nécessaire pour acquérir des technologies d’IA. Seuls 21 des 36 pays (58 %) fournissent un appui centralisé en matière d’acquisition de biens et services d’IA, et aucun pays candidat à l’adhésion ne le fait. Compte tenu de la complexité de ces systèmes et des défis inhérents aux processus de passation des marchés publics, ces niveaux modestes exigent un soutien supplémentaire. En l'absence d'orientations solides en matière de marchés publics, de procédures d'achats innovants et de mécanismes partagés tels que des critères standardisés, des cadres de référence et des clauses contractuelles types, les gouvernements s'exposent à des risques de dépendance vis-à-vis des fournisseurs, à un manque de clarté en matière de responsabilité et à une transparence limitée quant au comportement et à la performance des systèmes. Les contrats peuvent également ne pas traiter de manière adéquate les questions de risque, de licences, de données et de droits de propriété intellectuelle, de traçabilité, de suivi, de gestion du cycle de vie des modèles et de conditions de sortie.
Les administrations ont donc besoin de capacités d’acquisition solides si elles souhaitent correctement utiliser l’IA. L’achat de systèmes d’IA ne se limite pas au choix d’un fournisseur. Il faut avoir une compréhension technique suffisante pour définir ce que le système doit faire, pour établir des garanties claires et pour pouvoir vérifier si les fournisseurs gèrent les données de manière responsable, construisent des modèles fiables, assurent la sécurité des systèmes et fournissent les résultats attendus au fil du temps. Ces capacités sont essentielles si les administrations veulent dépasser le stade des petits projets pilotes et utiliser l’IA de manière sûre, efficace et adaptée aux besoins des citoyens.
Comme abordé dans le chapitre 3, la capacité des administrations à collaborer avec des acteurs non gouvernementaux par le biais des marchés publics, de partenariats public-privé ou de modèles d’innovation collaborative est un levier important dans le cadre des efforts de transformation numérique plus larges. L’IA amplifie encore ce besoin : les administrations doivent être capables de collaborer de manière stratégique, de bien choisir leurs partenaires d’externalisation et de conserver suffisamment de capacités en interne pour utiliser les technologies de manière responsable.
France
En France, l’incubateur ALLiaNCE accompagne les agents et administrations de l’État dans l’adoption de l’IA grâce à une communauté d’apprentissage et à des conseils, et en finançant l’acquisition de talents à hauteur, en moyenne, de 100 000 EUR par projet. Cette approche permet aux organismes de faire appel à des experts pour concevoir et déployer des systèmes d’IA. L’impact de ce modèle de financement axé sur les talents se reflète dans les huit produits d’IA incubés en 2024. Co-financés par ces initiatives, les projets issus de ce dispositif ont répondu à des opportunités comme la transcription automatisée et le calibrage de grands modèles de langage (LLM) en français, en appui à plusieurs administrations centrales.
Danemark
Le Danemark a créé deux fonds d’investissement dans les technologies entre 2020 et 2024 afin d’encourager l’intégration des systèmes d’IA dans le secteur public. Des instances municipales aux autorités centrales, plusieurs niveaux de l’administration pouvaient bénéficier de financements. Le fonds Signaturprojekterne avait pour objectif d’encourager l’adoption de l’IA en aidant les agents du secteur public à acquérir de l’expérience avec cette nouvelle technologie. Le fonds Tilskudspulje for nye teknologier était quant à lui destiné à favoriser les nouvelles technologies susceptibles de répondre aux défis sociétaux. Le premier fonds a permis le développement de 40 projets d’IA, pour un financement total d’environ 26 millions d’euros, et plusieurs projets relevant du second fonds ont reçu des récompenses.
Türkiye
Le Conseil de la recherche scientifique et technologique de la Türkiye soutient l’acquisition et le codéveloppement de l’IA par le biais de consortiums de financement. Ses initiatives rassemblent les usagers finaux, des institutions publiques, ainsi que les développeurs, à savoir des entreprises du secteur des technologies ou des organismes de recherche. Cela permet d’adapter les systèmes d’IA grâce à des collaborations bien structurées dans le domaine de la recherche et du développement. Le programme s’intéresse en priorité à cinq domaines : 1) les systèmes de fabrication intelligents ; 2) l’agriculture et l’alimentation intelligentes ; 3) les technologies financières ; 4) le changement climatique et la durabilité ; et 5) les technologies éducatives intelligentes. Il s’agit d’un mécanisme central pour le renforcement de l’écosystème de l'IA de la Türkiye, totalisant 41 projets pour un montant d’environ 4 millions EUR sur trois ans.
4.4.4. Les capacités de l’informatique en nuage pour l’IA se renforcent, mais d’autres formes d’infrastructures numériques sont moins développées
Les infrastructures numériques sont essentielles au développement de l’IA dans l’administration publique ; elles sont le liant structurel qui permet aux systèmes de s’adapter, d’interagir et de fonctionner de manière fiable (chapitre 2). Le Graphique 4.5 et le Tableau d’annexe 4.A.3 présentent les infrastructures pertinentes pour l’IA dans les pays Membres de l’OCDE et les pays candidats à l’adhésion. Les conclusions du DGI 2025 montrent que les pays Membres de l’OCDE progressent, en particulier en ce qui concerne les capacités d’informatique en nuage, mais que d’autres composantes restent moins matures.
La plupart des pays Membres de l’OCDE (26 pays sur 36, soit 72 %) disposent d’une capacité d’informatique en nuage à l’appui de l’IA. Il s’agit d’une avancée encourageante vers une infrastructure évolutive, souple et résiliente, en particulier compte tenu de l’intensité de calcul de nombreux systèmes d’IA modernes. En fonction de l’architecture retenue, les environnements en nuage offrent aux administrations un accès à des capacités flexibles, à des outils avancés et à des services gérés sans les longs délais inhérents aux infrastructures sur site.
Cependant, seuls 13 des 36 gouvernements nationaux de l’OCDE (36 %) déclarent utiliser des accélérateurs matériels tels que des processeurs graphiques (GPU). Ceci est probablement dû à un ensemble de facteurs : une plus grande dépendance à l’égard des services d’IA en nuage ou gérés, où la capacité d’accélération ne relève pas des organismes publics ; le fait que de nombreux cas d’usage de l’IA peuvent fonctionner sans accélérateurs dédiés ; ainsi que les obstacles à l’acquisition et à l’exploitation de matériels spécialisés, notamment les délais importants de passation des marchés, les contraintes de chaîne d’approvisionnement pour les accélérateurs avancés, les pénuries de compétences et les exigences opérationnelles d’un hébergement sécurisé.
La faible maturité des cadres de gouvernance des données et l’indisponibilité de données de haute qualité pour entraîner l’IA sont des faits plus alarmants. Ces lacunes rejoignent les constats du chapitre 2 : beaucoup d’administrations continuent de faire face à des écosystèmes de données fragmentés, à une gestion de la qualité peu robuste et à une réutilisation limitée des données faisant autorité. Sans ces prérequis, les modèles d’IA ne peuvent pas fonctionner de manière fiable et augmentent les risques d’obtenir des données biaisées ou peu précises, et des résultats peu fiables.
L’adoption des technologies protectrices de la vie privée est également faible. Bien que cela ne soit pas surprenant compte tenu de leur nouveauté relative et des exigences de mise en œuvre associées, ce domaine devra être investi à l’avenir. Ces technologies peuvent contribuer à concrétiser les principes de protection intégrée de la vie privée, à réduire le volume de données collectées, à en permettre le partage responsable et à faciliter la collaboration transfrontière dans les domaines de la formation et de l’évaluation tout en préservant la vie privée, la confidentialité et les droits de propriété intellectuelle (OCDE, 2025[2] ; 2024[28] ; 2023[29] ; OCDE, 2025[30]).3 À mesure que les systèmes d’IA traitent des informations plus sensibles et que l’interopérabilité s’améliore entre les organisations et les frontières, les technologies protectrices de la vie privée vont jouer un rôle croissant pour préserver la confiance du public et assurer la conformité avec les exigences légales et réglementaires.
L’Encadré 4.5 présente certaines pratiques prometteuses identifiées lors de l’analyse du DGI 2025. Elles démontrent que les administrations publiques prêtes à utiliser l’IA ne s’appuient pas sur une solution d’infrastructure unique, mais mettent en place des approches stratifiées, interopérables et résilientes qui associent capacité en nuage, calcul, gouvernance, accessibilité des données, sécurité et services d’IA partagés.‑ Ces exemples illustrent une nette transition d’une infrastructure cloisonnée à des plateformes partagées à l’échelle de l’administration publique. Ils reflètent aussi une combinaison d’approches commerciales et souveraines fondée sur l’idée qu’aucun modèle d’infrastructure unique ne répond à tous les besoins.
Part des pays Membres de l’OCDE ayant choisi des infrastructures et des outils numériques pour favoriser l’intégration de l’IA, 2025
Note : Les données ne sont pas disponibles pour l’Allemagne et les États-Unis. Les données couvrent la période du 1er janvier 2023 au 31 décembre 2024. Se reporter au Tableau d’annexe 4.A.3 pour obtenir des données complètes sur les pays Membres de l’OCDE et les pays en voie d’adhésion.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
Les administrations du monde entier ont réalisé une série d’investissements pour renforcer leurs infrastructures numériques favorisant l’adoption de l’IA. Par exemple :
Plateformes d’informatique en nuage : en Belgique, G-Cloud est un nuage hybride qui utilise, d’une part, des services proposés par des sociétés privées dans des environnements de nuage public et, d’autre part, des services hébergés dans les centres de données de l’État. La gestion du G-Cloud est assurée par l’État, tandis que pour l’élaboration et le fonctionnement opérationnel, il est largement fait appel au secteur privé.
Centres de données et systèmes de stockage : en Autriche, le Centre fédéral de calcul exploite des centres de données et des infrastructures analytiques qui traitent des millions d’enregistrements par an.
Ressources de formation en IA : le Portugal dispose de plus de 2 000 fiches de services normalisées disponibles en format de données ouvertes, ce qui garantit la cohérence et l’exactitude des informations. Ces fiches ont été utilisées pour former un agent conversationnel destiné aux citoyens, sous la forme d’un assistant virtuel hébergé sur le portail ePortugal.
Accélérateurs matériels (par exemple, GPU) : en 2024, au Danemark, le Fonds d’exportation et d’investissement (EIFO) a financé le Centre danois pour l’innovation en IA (DCAI), une nouvelle entreprise qui détient partiellement et exploitera Gefion, le premier superordinateur du Danemark. Il est accessible aux chercheurs des secteurs public et privé.
Cadres de gouvernance des données : au Brésil, le modèle de maturité des données (MMD) est un outil d’évaluation et d’amélioration de la gouvernance des données dans les institutions publiques. Il repose sur le DAMA-DMBOK, une norme internationale largement reconnue pour la gestion des données, ce qui renforce sa crédibilité et sa structuration.
Outils d’intégration et d’interopérabilité des données : en Suède, Ena est le cadre national pour l’infrastructure numérique, dirigé par l’Agence pour la gouvernance numérique (Digg). Ce cadre favorise l’intégration et l’interopérabilité des données en fournissant des services numériques partagés, comme une plateforme d’échange sécurisé de données, des interfaces normalisées et des cadres communs, qui permettent aux organismes du secteur public de collaborer efficacement.
Technologies protectrices de la vie privée : au Royaume-Uni, la norme Service Standard exige que les équipes suivent des approches sécurisées dès la conception, et notamment qu’elles « collectent, traitent et stockent les données de manière sécurisée et respectueuse de la vie privée des utilisateurs ». L’Institut national de statistique (ONS) publie des travaux sur les données synthétiques préservant la vie privée et aborde la confidentialité différentielle pour permettre un accès plus sûr aux données sensibles. L’administration explore également l’apprentissage fédéré : les organisations entraînent des modèles localement et partagent les mises à jour des modèles plutôt que les données brutes, ce qui permet de préserver la confidentialité.
Modèles fondateurs auto-déployés : en Espagne, ALIA est l’infrastructure d’IA publique, ouverte et financée par l’État qui fournit des modèles de langage et des ressources connexes en espagnol et dans les langues régionales officielles (catalan, valencien, basque et galicien). Coordonnée par le Barcelona Supercomputing Center, ALIA est destinée à être utilisée par les administrations publiques, les chercheurs, les universités et les entreprises.
Des pays comme le Japon ont entrepris après 2024 de rattraper leur retard, tandis que d’autres ont pris des mesures pour asseoir leur position relativement solide. Plusieurs États membres de l’UE ont promulgué de nouvelles lois et réglementations en 2025 pour se conformer au règlement sur la gouvernance européenne des données. Bien que celui-ci ne soit pas à strictement parler un programme de renforcement des infrastructures, il peut contribuer à améliorer les bases sur lesquelles reposent les infrastructures de données et l’interopérabilité en encourageant le partage et la réutilisation de données fiables, y compris par le biais d’accords de traitement sécurisés. L’utilisation des technologies protectrices de la vie privée semble en légère augmentation, avec des actions pertinentes menées en France et au Royaume-Uni et la publication de lignes directrices en 2025-2026 par Israël.
Source : (Fonction publique fédérale, Institution publique de Sécurité Sociale, Technologies de l'information et de la communication, s.d.[31] ; Ministère autrichien des Finances, s.d.[32] ; Gouvernement du Portugal, 2023[33] ; Le Centre danois pour l’innovation en IA, 2024[34] ; Le Secrétariat du gouvernement numérique du Brésil, 2024[35] ; Agence Pour le Gouvernement Numérique, s.d.[36] ; Gouvernement du Royaume-Uni, s.d.[37] ; Office national des statistiques (ONS)/ Campus de la science des données, 2023[38] ; Département des Sciences, de l’Innovation et de la Technologie du Royaume-Uni, 2023[39] ; ALIA, s.d.[40]) (Autorités de Protection des Données d'Israel, 2025[41] ; Laboratoire d'Innovation Numérique de la CNIL, 2025[42] ; NHS Digital, s.d.[43] ; Département des Sciences, de l’Innovation et de la Technologie du Royaume-Uni, 2026[44]).
Les garde-fous contribuent à assurer le développement, le déploiement et l’utilisation d’une IA digne de confiance dans l’administration. Ils jouent un rôle essentiel pour gérer les risques associés à l’IA et déployer cette technologie conformément aux cadres juridiques et aux valeurs sociales. Ces mécanismes de protection favorisent également la résilience numérique en aidant les administrations à identifier les problèmes en amont, à ajuster les modalités de mise en œuvre et à préserver la confiance des citoyens, tous ces éléments étant nécessaires pour déployer l’IA à l’échelle de façon sûre.
Cependant, ils doivent être considérés conjointement avec les leviers abordés plus tôt dans le chapitre. Des garde-fous robustes sans leviers solides peuvent alimenter l’aversion pour le risque et freiner l’innovation. À l’inverse, des leviers forts sans garde-fous adéquats augmentent l’exposition au risque. Il convient donc d’adopter une approche équilibrée et proportionnée, en adaptant les processus de contrôle au niveau de risque de chaque cas d’usage, pour éviter à la fois l’utilisation abusive de l’IA, et le non-recours (OCDE, 2025[2]). Les administrations devraient identifier les garde-fous qui correspondent à leur fonctionnement et à leur contexte, et les appliquer aux utilisations de l’IA dans une mesure qui corresponde au niveau de risque.
4.5.1. Tous les pays Membres de l’OCDE disposent de garde-fous de haut niveau pour garantir l’utilisation d’une IA digne de confiance
Dans l’ensemble de la zone de l’OCDE, les administrations s’appuient sur une combinaison d’exigences formelles (par exemple, des réglementations contraignantes et des normes obligatoires) et de leviers politiques souples (lignes directrices, normes, principes éthiques, etc.) pour assurer une gestion et une utilisation responsables de l'IA dans l'administration publique, conformément aux Principes de l'OCDE sur l'IA. Tous les pays Membres de l’Organisation disposent d’au moins une forme de garde-fou, 25 pays sur 36 (69 %) s’appuient sur des exigences formelles, 30 sur 36 (83 %) utilisent des approches souples, et 19 sur 36 (53 %) ont recours aux deux. Chez les candidats à l’adhésion, le Pérou utilise à la fois des approches formelles et souples, tandis que l’Argentine et le Brésil s’appuient principalement sur des mécanismes non contraignants.
Dans les pays Membres de l’OCDE, de nombreux garde-fous découlent de cadres plus larges sur le numérique et la protection des données. Par exemple, certaines dispositions du règlement général sur la protection des données (RGPD) de l’UE entraînent des obligations de transparence, d’équité et de responsabilité applicables à l’IA.
Le règlement européen sur l’IA est également pertinent. Même si la plupart de ses dispositions n’étaient pas encore applicables pendant la période d’analyse du DGI 2025, ni même au début de l’année 2026, plusieurs pays ont pris des mesures de manière proactive pour assurer la conformité de leurs systèmes. En plus de ces obligations à l’échelle régionale, les pays ont des principes et des pratiques internes adaptés à leurs contextes. Par exemple, la Grèce a publié des lignes directrices de travail sur l’IA dans le cadre de sa stratégie nationale (Gouvernement de la Grèce, 2024[45]). Le Pérou a adopté une loi sur l’IA, ce qui constitue un exemple d’action réglementaire précoce menée en dehors de l’UE (Gouvernement du Pérou, 2023[46]). Les pays non-membres de l’UE utilisent souvent des directives pangouvernementales pour adapter les Principes de l’OCDE sur l’IA à leurs priorités nationales.
4.5.2. La mise en œuvre des garde-fous reste limitée, en particulier pour ce qui est des processus de contrôle opérationnel
Malgré des progrès continus aux niveaux stratégique et réglementaire, la mise en œuvre des garde-fous reste inégale et souvent difficile. Le DGI 2025 révèle que les processus de contrôle concrets et opérationnels sont très peu répandus. Parmi les pays Membres de l’OCDE, 14 sur 36 (39 %) requièrent des évaluations des risques ex ante (avant le déploiement) pour les systèmes d’IA, 12 sur 36 (33 %) disposent de comités d’examen internes supervisant l’utilisation de l’IA, et 11 sur 36 (31 %) effectuent des audits post-déploiement (Graphique 4.6). L’Encadré 4.6 fournit des exemples de ces initiatives.
La prévalence des outils de contrôle ex ante pourrait s’expliquer par le fait qu’ils peuvent être intégrés dans les flux de travail existants en matière d’approbation et d’acquisition, créant ainsi des points de vérification, des modèles et des validations standardisés avant le déploiement. Cependant, ces contrôles peuvent ne pas suffire. Les garde-fous nécessitent aussi des mandats de surveillance clairs et fondés sur les risques, un suivi continu et des audits bien conçus qui évitent d’insuffler une confiance indue ou de se transformer en « simulacres d’audit » (OCDE, 2025[2]). Les comités d’examen peuvent favoriser la cohérence et les remontées entre les projets, mais leur impact dépend de leur capacité à prendre ou à faire appliquer ou non des décisions, et de s’ils ont suffisamment d’influence sur la prise de décision gouvernementale. Ils ne doivent pas fonctionner comme de purs organes consultatifs. Les audits ex post et le suivi permanent sont cruciaux pour repérer les dérives, comme les changements progressifs des données, des comportements ou des performances, ainsi que les nouveaux risques et les défauts de conformité lorsque les systèmes sont utilisés.
De nombreuses administrations indiquent que de telles mesures sont en cours d’élaboration, notamment dans le cadre de leurs efforts de mise en conformité avec le règlement européen sur l’IA. D’autres ont mis en place des principes et des orientations de haut niveau, mais ne disposent pas de procédures concrètes ou de processus opérationnels pour les rendre applicables. Cet écart traduit une tendance de fond observée dans ce rapport : malgré les progrès des administrations dans le développement de stratégies ambitieuses et d’approches de haut niveau pour la transformation numérique, leur concrétisation dans les pratiques courantes grâce à des mécanismes exécutoires et proportionnés aux risques reste un défi important.
Sans évaluations fondées sur les risques, structures d’audit, cadres de redevabilité et processus de décision formels pour les utilisations à haut risque, les garde‑fous pourraient jouer un rôle symbolique plutôt qu’opérationnel. Cela affaiblit la capacité des administrations publiques à repérer rapidement les nouveaux risques, à garantir une utilisation appropriée et la redevabilité, à régir les systèmes d’IA fournis par des prestataires, à maintenir la confiance du public et à déployer l’IA dans toutes les institutions.
De nombreuses administrations ont mis en place des initiatives concrètes pour faciliter le développement et l’utilisation de systèmes d’IA fiables dans le secteur public. En voici quelques exemples :
Évaluations des risques ex ante : au Canada, l’outil d’évaluation de l’incidence algorithmique (EIA) est un outil d’évaluation des risques obligatoire (avec publication ouverte des résultats) utilisé par les ministères et organismes fédéraux avant le déploiement d’un système de décision automatisé. Il vérifie la conformité avec la Directive sur la prise de décisions automatisée et toute autre réglementation contraignante. Autre exemple en Australie, avec le cadre d’assurance pour l’IA, projet pilote mené auprès de 21 organismes volontaires entre septembre et novembre 2024. L’objectif était de tester un outil d’évaluation de l’impact de l’IA ex ante pour aider les équipes à repérer les cas d’utilisation contraires aux principes éthiques du pays, et à évaluer les avantages, le degré de fiabilité et les risques de cette technologie.
Comités d’examen internes : au Luxembourg, le comité interministériel AI4Gov rassemble des représentants du ministère de la Digitalisation, du Service des médias et des communications (SMC), et du Service information et presse (SIP), et divers experts techniques. Le comité vise à encourager les organismes gouvernementaux à utiliser l’IA et la science des données de manière responsable pour transformer leurs actions et leurs métiers, et à leur fournir le soutien nécessaire.
Processus d’audit ex post : dans le cadre de sa stratégie nationale en matière d’IA, la Türkiye vise à établir un mécanisme d’audit pour garantir le développement d’un système d’IA responsable et digne de confiance. Le pays a lancé un programme national de certification en gestion des risques.
Plusieurs administrations publiques ont pris d’autres mesures après 2024. Le Japon a instauré un conseil des responsables de l’IA en 2025 pour faciliter les flux de travail liés à la gouvernance des risques. Le Royaume-Uni a quant à lui mis à jour sa norme d’enregistrement de la transparence algorithmique et a actualisé son cadre d’éthique des données et de l’IA pour y inclure un outil d’auto-évaluation afin de recenser les impacts. D’autres pays ont également cherché à renforcer les efforts déjà déployés. Par exemple, fin 2025, à la suite de son projet pilote susmentionné, l’Australie a publié une politique actualisée pour une IA responsable au sein de l’administration, exigeant des organismes qu’ils réalisent une évaluation d’impact pour certains cas d’utilisation et définissant des exigences en matière de recours à l’IA.
Source : (Gouvernement du Canada, 2026[47] ; Bureau de la transformation numérique de Turquie/ Ministère de l'Industrie et de la Technologie, 2021[48] ; Institution Turque de Normalisation (TSE), 2026[49] ; Gouvernement du Luxembourg - Ministère de la Numérisation, s.d.[50] ; Institution turque de normalisation (TSE), s.d.[51] ; Digital Agency of Japan, 2025[52] ; Service numérique du gouvernement britannique, s.d.[53]).
Part des pays Membres de l’OCDE déclarant avoir mis en place des processus pour garantir l’utilisation une IA digne de confiance, par type, 2025
Note : Les données ne sont pas disponibles pour l’Allemagne et les États-Unis. Les données couvrent la période du 1er janvier 2023 au 31 décembre 2024. Se reporter au Tableau d’annexe 4.A.4 pour obtenir des données complètes sur les pays Membres de l’OCDE et les pays en voie d’adhésion.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
4.5.3. La plupart des pays s’engagent en faveur de la transparence algorithmique, mais rares sont ceux qui disposent de normes officielles ou de registres d’algorithmes ouverts
Il est important que les administrations publiques utilisent les systèmes d’IA algorithmiques et leurs résultats de manière transparente pour inspirer confiance aux usagers (OCDE, 2025[2]). L’engagement en faveur de la transparence algorithmique croît dans les pays Membres de l’OCDE, mais les mécanismes pour faire de ce principe une réalité restent limités. En 2025, en plus d’adhérer aux Principes de l’OCDE sur l’IA, 21 des 36 pays Membres de l’Organisation (58 %) (contre 17 pays sur 33 en 2023, soit 52 %) et deux des six pays candidats à l’adhésion (33 %) ont reconnu l’importance de la transparence algorithmique dans le cadre d’une utilisation responsable de l’IA.
Toutefois, s’engager en faveur de la transparence sur le principe n’est pas la même chose que de la rendre possible en pratique. Seule une minorité de pays dispose d’instruments qui permettent d’assurer cette transparence. Deux mécanismes sont les plus importants : 1) les normes et les lois qui exigent des organisations qu’elles documentent comment et pourquoi elles utilisent des outils algorithmiques ; 2) les registres d’algorithmes ouverts qui répertorient publiquement les outils algorithmiques utilisés par les administrations publiques. Parmi les pays Membres de l’OCDE, 11 sur 36 (31 %) disposent d’une loi ou d’une autre norme et 6 sur 36 (17 %) d’un registre ouvert. Seuls six pays disposent de ces deux mécanismes (le Canada, la Corée, l’Estonie, la France, les Pays-Bas et le Royaume-Uni), tandis que 25 sur 36 (69 %) n’en ont aucun des deux, ce qui signifie qu’il n’existe pas de structure formelle pour garantir la transparence au-delà des engagements pris à haut niveau. L’Encadré 4.7 présente des exemples de ces mécanismes.
Parmi les pays candidats à l’adhésion à l’OCDE, seul le Pérou dispose d’exigences formelles, sous la forme d’une loi, pour rendre obligatoire le partage du code source des algorithmes avec les organisations politiques, mais ces exigences concernent uniquement les systèmes de vote numérique, ce qui en limite la portée (Congrès de la République du Pérou, 2025[54]).
Les progrès ont été modestes par rapport aux résultats du DGI 2023, la part des pays déclarant avoir une norme de transparence ou un registre d’algorithmes passant de 7 pays sur 33 (21 %) à 11 sur 36 (31 %). L’adoption de ces mécanismes reste faible, ce qui suggère que la transparence algorithmique est un domaine moins prévalent de la gouvernance de l’IA au sein de la zone de l’OCDE. L’écart entre les engagements pris et la mise en œuvre souligne une fois de plus le thème récurrent de ce rapport : les administrations publiques connaissent l’importance d’un système IA digne de confiance, mais les outils pratiques en faveur de la transparence, de la redevabilité et de la surveillance restent insuffisamment développés. Le renforcement de la transparence algorithmique jouera un rôle essentiel pour inspirer confiance aux citoyens et favoriser le déploiement responsable de l’IA dans le secteur public.
Plusieurs administrations prennent des mesures concrètes pour améliorer la transparence concernant l’utilisation des systèmes algorithmiques dans les services publics. En voici quelques exemples :
Lois et lignes directrices : le règlement sur l’IA de l’Union européenne (UE) prévoit des obligations de transparence étendues. Certains points pertinents ne sont pas encore applicables, tandis que plusieurs exigences techniques et de gouvernance n’étaient pas en vigueur pendant la période d’analyse du DGI 2025. Certains États membres de l’UE ont pris des mesures de manière proactive pour imposer la transparence, par exemple la France, avec son Code des relations entre le public et l’administration, qui exige que l’administration indique aux personnes concernées lorsqu’une décision est prise sur le fondement d’un algorithme et explique cette décision. En dehors de l’UE, en Australie, la politique pour l’utilisation responsable de l’IA dans les administrations publiques exige que soient menées par chaque organisme qui adopte cette technologie des actions axées sur la transparence. Les entités doivent notamment publier une déclaration de transparence expliquant globalement comment est utilisée l’IA et détaillant le mécanisme de suivi continu des systèmes pour éviter les anomalies imprévues.
Registres d’algorithmes : aux Pays-Bas, le registre national des algorithmes regroupe plus de 1 300 algorithmes et fournit des informations sur chacun d’entre eux, par exemple son objectif et les points de contact. Au Royaume-Uni, la norme d’enregistrement de transparence algorithmique (ATRS) impose aux organismes du secteur public de fournir des informations sur la manière dont ils utilisent des traitements algorithmiques pour prendre des décisions. Ils doivent notamment indiquer qui est responsable de l’algorithme, détailler sa description et décrire les risques potentiels et les mesures d’atténuation prévues. Actuellement, cette norme compte 131 enregistrements.
4.5.4. Les registres internes répertoriant les cas d’utilisation de l’IA sont peu fournis, ce qui entrave la transparence et la gouvernance
L’un des défis sous-jacents limitant l’adoption de systèmes IA dignes de confiance et évolutifs est que la plupart des administrations ne disposent pas d’un registre centralisé répertoriant les cas d’utilisation de l’IA. Ces registres consignent pourtant des informations essentielles sur les systèmes d’IA, telles que leurs objectifs, leurs étapes de mise en œuvre, leurs résultats, les institutions responsables, les délais associés et les technologies sous-jacentes. Ces informations sont importantes pour assurer la supervision de ces systèmes, repérer les doublons, surveiller les risques et favoriser l’apprentissage organisationnel au sein de l’administration. Le Graphique 4.7 indique quels pays disposent de normes de transparence algorithmique, de registres centralisés répertoriant les cas d’usage et de registres d’algorithmes ouverts.
Seuls trois pays Membres de l’OCDE disposent de registres obligatoires consignant les cas d’utilisation de l’IA (l’Australie, le Canada et l’Estonie), tandis que dix autres pays tiennent des registres en recueillant des contributions (facultatives) des organismes. Aucun pays candidat à l’adhésion ne dispose d’un tel outil. L’exemple de l’Estonie illustre bien l’intérêt d’un registre centralisé. Il documente près de 170 cas d’utilisation de l’IA dans le secteur public, répartis dans près de 60 institutions (Gouvernement de l'Estonie, 2026[60]). Chaque enregistrement comprend une description du cas d’usage, l’institution concernée, les partenaires impliqués, le type de systèmes d’IA en place, le domaine impacté et les détails du statut.
Plusieurs pays déclarent envisager de créer ces registres ou tenir des listes partielles adossées à des initiatives spécifiques, mais celles-ci n’offrent pas de vue d’ensemble à l’échelle de l’administration. Ces listes peuvent mener à la création d’un registre ouvert, et tous les pays qui en sont dotés disposent d’un registre centralisé. Le caractère facultatif de la plupart de ces outils soulève des questions quant à l’exhaustivité des registres ouverts.
Plusieurs pays ont pris des mesures après 2024 pour combler les lacunes. Par exemple, la Colombie (Gouvernement de la Colombie, 2025[61] ; Gouvernement de la Colombie, 2026[62] ; Procureur Général de la Colombie et Ombudsman de la Colombie, 2025[63]), l’Irlande (Gouvernement de l'Irlande, 2025[64]) et la Suède (IMY, 2025[65]) ont publié des directives ou des lignes directrices pour promouvoir la transparence afin que le public comprenne comment et pourquoi l’administration utilise des outils d’IA. Le Japon a imposé à chaque ministère d’alimenter en continu une liste répertoriant les systèmes d’IA utilisés et de la transmettre régulièrement à l’agence japonaise chargée du numérique.
Pays déclarant disposer de registres d’IA ouverts, de registres répertoriant les cas d’utilisation et de normes de transparence, 2025
Note : Les données ne sont pas disponibles pour l’Allemagne, les États-Unis, l’Indonésie et la Thaïlande. Tous les pays candidats à l’adhésion participants ont répondu « Non » à toutes les questions. Les données couvrent la période du 1er janvier 2023 au 31 décembre 2024.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
4.5.5. La plupart des pays disposent d’organes de surveillance ou de conseil, mais ceux-ci ont une fonction d’orientation plutôt qu’un rôle contraignant
Les organes de surveillance et de conseil sont de plus en plus répandus dans les écosystèmes de gouvernance de l’IA des administrations, mais ont davantage une fonction d’orientation et de surveillance que des capacités d’audit ou un rôle contraignant. En 2025, 30 des 36 pays Membres de l’OCDE (83 %) (et trois des six pays candidats à l’adhésion, soit 50 %) disposaient soit d’un organisme de surveillance réglementaire, soit d’un organisme consultatif éthique dédié à l’IA. Ces données traduisent une amélioration par rapport à 2023, où seuls 24 des 33 pays Membres de l’OCDE (73 %) disposaient de l’un de ces organismes. Au sein de l’OCDE, 15 pays sur 36 (42 %) disposent de ces deux types d’organismes. Chez les pays candidats à l’adhésion, c’est le cas du Pérou.
Les principales activités de ces structures, pour les pays qui en sont dotés, sont les suivantes : élaborer des directives, telles que des lignes directrices ou des codes de conduite (27 pays sur 30, soit 90 %) ; produire des orientations techniques ou pédagogiques (22 sur 30, soit 73 %) ; et se charger de la surveillance et du suivi de la conformité sur le plan éthique, par exemple en participant aux activités de comités sur l’IA ou d’autres organes axés sur l’éthique des données (20 sur 30, soit 67 %).
Les activités avec une portée plus concrète sont moins courantes, y compris les activités d’audit, d’application et de surveillance réglementaire, ou encore d’élaboration et de mise en œuvre de cadres de déclaration, telles que les évaluations de l’incidence algorithmique. Voici un exemple d’organisme de surveillance réglementaire : le Portugal a créé un comité de surveillance spécialisé qui fait office d’autorité nationale compétente au titre du règlement européen sur l’IA, et qui garantit les meilleures pratiques en matière de développement de LLM tout en assurant la conformité avec les règles d’éthique.4 En revanche, un organisme consultatif en matière d’éthique formule des recommandations non contraignantes : ainsi du comité japonais d’examen des principes pour une société de l’IA centrée sur l’humain, chargé d’examiner les lignes directrices et les codes de conduite selon les impacts sociétaux continus de l’IA (Le Cabinet du Japon, 2026[66]).
Plusieurs pays ont pris des mesures après 2024 pour combler les lacunes. Par exemple, la Colombie (Conseil National de la Politique Économique et Sociale, 2025[67]) et le Japon (Digital Agency of Japan, 2025[52] ; Digital Agency of Japan, 2025[68]) ont mis en place des organes consultatifs composés d’experts internes et externes. Le Japon a, en outre, instauré un organe de surveillance interne et une architecture de surveillance.
Part des pays Membres de l’OCDE dotés d’organismes publics chargés d’assurer la surveillance ou de fournir des recommandations éthiques en matière d’IA dans le secteur public, par type de surveillance ou de recommandations fournis, 2025
Note : Les données de l’année 2025 ne sont pas disponibles pour l’Allemagne et les États-Unis. Se reporter au Tableau d’annexe 4.A.5 pour obtenir des données complètes sur les pays Membres de l’OCDE et les pays en voie d’adhésion.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
4.5.6. Les garde-fous pour l’IA générative sont moins robustes que pour les autres systèmes d’IA
Les garde-fous dédiés pour l’IA générative (GenAI) sont relativement peu développés dans les pays Membres de l’OCDE, ce qui reflète son adoption plus récente dans les administrations publiques par rapport à d’autres formes d’IA. Alors que les administrations utilisent l’IA depuis de nombreuses années, l’IA générative n’est au centre de l’attention que depuis trois à quatre ans (Berryhill et al., 2019[69] ; OCDE, 2025[2]). Certains travaux de recherche montrent que le rythme d’adoption de l’IA générative surpasse celui de la mise en place des garde-fous et des formations nécessaires pour utiliser ces outils de manière responsable (Giesecke, 2024[70] ; Bright et al., 2024[71]).
L’utilisation d’outils d’IA générative par les administrations publiques diffère du recours à d’autres types de systèmes d’IA et d’apprentissage automatique. En effet, les systèmes d’apprentissage automatique, tels que les outils d’évaluation des risques par score ou les modèles d’allocation des ressources, sont généralement personnalisés, spécifiques à un domaine et acquis de manière centralisée ou développés dans le cadre de processus institutionnels formels, tandis que l’IA générative est souvent basée sur des modèles universels accessibles via des interfaces de discussion (OCDE, 2026[72] ; OCDE, 2025[2]). Les fonctionnaires ont souvent accès à des comptes personnels pour les systèmes les plus courants et peuvent les utiliser dans le cadre de leurs fonctions, soit avec l’approbation de l’organisme, soit sans : c’est ce qu’on appelle la « Shadow AI ». Pour illustrer cette tendance, voici des données tirées du secteur privé : alors que 40 % des entreprises seulement déclarent acheter des licences à des LLM, les employés de 90 % des entreprises interrogées affirment utiliser leurs comptes d’IA personnels pour le travail (MIT NANDA, 2025[73]). Par ailleurs, la capacité de l’IA générative à fournir des résultats convaincants mais potentiellement inexacts présente des risques distincts de ceux posés par les autres systèmes d’IA. À l’inverse de nombreux systèmes d’IA antérieurs, chargés d’exécuter des tâches de back-office en arrière-plan, l’IA générative est souvent utilisée pour rédiger ou modifier du contenu destiné aux citoyens, des documents de politique et des communications internes, qui peuvent être difficiles à distinguer du contenu rédigé par des humains. Ce flou entre le contenu produit par l’homme et celui produit par la machine soulève des questions d’authenticité, de redevabilité et de confiance, et met en avant l’importance d’introduire des garde-fous adaptés aux risques.
En plus (ou dans le cadre) des mesures de contrôle et des mécanismes de transparence plus larges abordés ci-dessus, les administrations ont mis en place des garde-fous spécifiques à l’IA générative. Pour faire en sorte que ces systèmes soient utilisés de manière fiable, la plupart des pays Membres de l’OCDE ont des lignes directrices éthiques pour l’utilisation de ces outils (27 pays sur 36, soit 75 %) et des programmes de formation sur leur utilisation responsable (21 sur 36, soit 58 %). Cependant, ils sont moins nombreux à avoir mis en place des mesures de transparence, telles que des exigences imposant d’identifier clairement le contenu généré par l’IA (13 pays sur 36, soit 36 %) ; des normes ou des protocoles de données pour assurer la sécurité et la confidentialité des données utilisées ou insérées dans les outils d’IA générative (13 sur 36, soit 36 %) ; une surveillance indépendante par des organismes ou des experts externes (12 sur 36, soit 33 %) ; ou des cadres de redevabilité pour faire face aux erreurs ou aux abus potentiels (7 pays sur 36, soit 19 %). Parmi les pays candidats à l’adhésion, deux pays sur six (33 %) ont des programmes de formation et des lignes directrices éthiques, mais aucun ne dispose d’autres garde-fous (Encadré 4.8).
Voici quelques exemples d’initiatives mises en place :
Lignes directrices éthiques : au Chili, la politique nationale en matière d’IA de 2021 a été mise à jour en 2023 à la suite de l’évolution rapide de l’IA générative. Son troisième pilier, intitulé Gouvernance et éthique, a été publié en même temps que les lignes directrices pertinentes. Au Brésil, le guide sur l'IA générative dans la fonction publique aide les fonctionnaires à utiliser les outils d'IA générative en toute confiance et est mis à jour au fur et à mesure de l'évolution de la réglementation et de la technologie.
Programmes de formation : en Australie, le cours « AI in Government Fundamentals » (les fondamentaux de l’IA dans le secteur public) met notamment l’accent sur les cas d’usage appropriés de l’IA générative par les fonctionnaires du service public.
Exigences en matière de transparence et de divulgation : aux Pays-Bas, le Guide pour l’utilisation responsable de l’IA générative énonce que l’emploi de cette technologie doit se faire dans le respect du droit interne, les exigences étant regroupées dans le Cadre algorithmique (y compris la Loi sur le gouvernement ouvert). Le Guide recommande également de noter quand, pourquoi et par qui l’IA générative est utilisée, et de publier ces informations sur le Registre des algorithmes, en s’appuyant sur des outils tels que des études d’impact et des normes de publication.
Normes de données : en Nouvelle-Zélande, le Guide pour une utilisation responsable de l’IA dans le secteur public : IA générative (Responsible AI Guidance for the Public Service: GenAI) aborde le traitement des données et les moyens de contrôle de la confidentialité dans le contexte de l’IA générative. Il recommande notamment d’évaluer la sensibilité des prompts et des données partagées avec ces outils, et d’utiliser des évaluations de l’impact des traitements informatisés sur la vie privée pour vérifier si l’utilisation proposée est conforme aux obligations en vigueur dans le domaine et aux exigences applicables en matière de gestion de l’information.
Cadres de redevabilité : en Irlande, les Lignes directrices provisoires pour l’utilisation de l’IA dans la fonction publique (Interim Guidelines for Use of AI in the Public Service) mettent fortement l’accent sur l’IA générative. Elles soulignent l’importance du jugement humain, de la surveillance et de la supervision.
Surveillance indépendante : en vertu du règlement sur l’IA de l’UE, les États membres doivent désigner une autorité nationale compétente pour superviser et appliquer le règlement, y compris lorsque des organismes publics utilisent l’IA. En Espagne, l’Agence de supervision de l’IA (AESIA) joue justement ce rôle en publiant des orientations pratiques destinées à aider les organisations à évaluer leurs obligations découlant du règlement sur l’IA, y compris pour les déploiements de technologies d’IA générative et lorsque les systèmes entraînent des risques plus élevés.
Source : (Ministère chilien des Sciences, de la Technologie, de la Connaissance et de l'Innovation, 2024[74] ; Ministère chilien des Sciences, de la Technologie, de la Connaissance et de l'Innovation, 2023[75] ; Le Secrétariat du gouvernement numérique du Brésil, 2025[76] ; Gouvernement des Pays Bas, 2026[77] ; Gouvernement numérique de la Nouvelle-Zélande, 2025[78] ; Gouvernement de la Nouvelle Zélande, s.d.[79] ; Département des Dépenses Publiques, de la Livraison du PND et de la Réforme, 2024[80] ; Agencia Española de Supervisión de la Inteligencia Artificial (AESIA), s.d.[81] ; Ministère de l'Intérieur et des Relations du Royaume-Uni, 2025[82]).
4.5.7. Les difficultés à mesurer l’impact de l’IA pèsent sur la prise de décision et contribuent à la multiplication de projets pilotes ayant peu de potentiel de mise à l’échelle
Un obstacle majeur à l’adoption stratégique de l’IA dans l’administration est le manque de processus permettant de mesurer l’impact financier et non financier des investissements publics dans l’IA. L’OCDE (2025[2]) constate que cette impossibilité à mesurer la valeur, les résultats ou le coût des systèmes d’IA pèse lourdement sur la capacité des administrations à prendre des décisions d’investissement éclairées. Sans preuve solide de la rentabilité des investissements ou de l’impact sur les services, elles ont du mal à déterminer si les projets pilotes donnent les résultats escomptés, à justifier leur déploiement à plus grande échelle ou à décider comment répartir des ressources limitées.
Cette carence n’est pas propre aux administrations : des travaux de recherche portant sur le secteur privé montrent que « les principaux obstacles à l’investissement et à l’adoption de l’IA sont un manque de compréhension de ses avantages et une incapacité à les mesurer » (Ramos et Kandaswamy, 2023[83]). En revanche, les entreprises ayant un niveau élevé de maturité en matière d’IA parviennent à en tirer de la valeur parce qu’elles conçoivent et mettent en œuvre des systèmes de mesure structurés qui quantifient les avantages de leurs projets d’IA (Gartner, 2025[84]). Les administrations sont confrontées à des difficultés similaires, mais subissent davantage de pression en matière de redevabilité et sont moins incitées en interne à prendre des risques.
Dans les pays Membres de l’OCDE, la mesure de l’impact reste l’une des composantes les moins développées de la gouvernance de l’IA. Le chapitre 3 montre que près de la moitié des pays Membres de l’Organisation effectuent un suivi des investissements numériques au sens large, mais que seulement un sur quatre évalue leur impact et les avantages obtenus. Cette tendance s’applique également aux investissements dans l’IA : la plupart des administrations ne disposent pas de processus permettant de mesurer l’ensemble des gains potentiels ou des résultats des projets d’IA, comme l’amélioration de l’efficacité des dépenses ou de la qualité des services (Graphique 4.9). Seuls 10 des 36 pays Membres de l’OCDE (28 %) déclarent avoir mené des évaluations de l’impact financier ou non financier des contextes d’utilisation de l’IA dans l’administration publique, que ces évaluations soient prospectives ou rétrospectives. Un nombre plus faible de pays encore déclarent mesurer l’impact de l’utilisation de l’IA dans un secteur précis de l’administration publique (4 pays sur 36, soit 11 %), dans l’ensemble des administrations (6 sur 36, 17 %), ou bien évaluer l’incidence de l’utilisation de l’IA dans le secteur public pour la société (à nouveau 6 sur 36, 17 %).
Certaines administrations ont déployé des efforts pour combler ces lacunes. L’Australie (Gouvernement de l'Australie, 2024[85]) et le Royaume-Uni (Gouvernement du Royaume-Uni, 2025[86]) évaluent l’impact du déploiement test de Microsoft Copilot à l’échelle de l’administration, ce qui permet d’obtenir de premières statistiques sur la productivité et l’expérience utilisateur. Londres a également publié en 2024 ses Lignes directrices sur l’évaluation de l’impact des interventions de l’IA (Guidance on the Impact Evaluation of AI Interventions), mises à jour en juillet 2025, qui répertorient des conseils adaptés pour appliquer le « Magenta Book » du ministère du Trésor aux initiatives d’IA et pour aider les utilisateurs à comprendre si une intervention de l’IA produit les résultats escomptés, comment, pourquoi et dans quelle mesure.
Cependant, un décalage persiste entre la prise de décision et les données probantes. Alors que seulement 28 % des pays Membres de l’OCDE déclarent mener une évaluation d’impact sur les contextes d’utilisation de l’IA, 50 % d’entre eux disent prendre des décisions concernant l’adoption de cette technologie sur la base de preuves de gains potentiels ou de réduction des coûts. Cet écart interroge sur la nature exacte des données probantes utilisées par les administrations, sur leur robustesse et leur comparabilité, et sur la question de savoir si l’adoption de l’IA est davantage guidée par les attentes et la pression environnante que par sa véritable valeur.
Reconnaissant la nécessité de relever ces défis, l’OCDE élabore un guide pratique sur l’évaluation de l’impact de l’IA dans l’administration afin d’aider les décideurs et les équipes chargées de l’IA à mesurer l’impact au niveau des projets et à utiliser ces informations pour prendre des décisions au sein des différents organismes et dans l’ensemble des secteurs de l’administration (OCDE, à paraître[87]).
Part des pays Membres de l’OCDE déclarant mesurer l’impact financier ou non financier de l’IA dans l’administration publique, par type, 2025
Note : Les données ne sont pas disponibles pour l’Allemagne, les États-Unis, l’Indonésie et la Thaïlande. Les données couvrent la période du 1er janvier 2023 au 31 décembre 2024. Se reporter au Tableau d’annexe 4.A.6 pour obtenir des données complètes sur les pays Membres de l’OCDE et les pays en voie d’adhésion.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
Il est essentiel de faire participer les parties prenantes – y compris le public – pour renforcer la confiance dans l’utilisation qui est faite de l’IA par l’administration, lui conférer davantage de légitimité et favoriser la redevabilité. L’implication du public contribue à garantir que les systèmes d’IA reflètent les besoins sociétaux, réduisent les risques d’exclusion et reposent sur une conception centrée sur l’utilisateur (OCDE, 2024[88]). Un engagement fort jette également les bases d’une gouvernance de l’IA fiable et résiliente, car les communautés comprennent comment cette technologie est utilisée et ont à leur disposition des moyens pour façonner son développement.
4.6.1. Les pouvoirs publics impliquent diverses parties prenantes dans l’élaboration de leur stratégie en matière d’IA pour l’administration
L’élaboration des stratégies nationales portant sur l’IA permet d’illustrer comment les administrations impliquent d’autres parties prenantes. Les 33 pays Membres de l’OCDE dotés d’une stratégie en matière d’IA dans l’administration publique se sont beaucoup appuyés sur la collaboration pour mettre au point ces documents. Parmi eux, 30 pays (91 %) ont coopéré avec le monde universitaire, 29 (88 %) avec l’industrie (grandes entreprises et/ou entreprises bien implantées), 23 (70 %) avec la société civile et 22 (67 %) avec l’écosystème GovTech (start-ups et autres PME) (Graphique 4.10). La seule catégorie relativement moins impliquée était les groupes sous-représentés, tels que les jeunes, les femmes ou les communautés autochtones (9 pays sur 33, soit 27 %). En outre, 21 pays sur 33 (64 %) ont organisé des consultations publiques ouvertes pendant l’élaboration de leur stratégie, une proportion similaire aux 66 % enregistrés en 2023. Il convient de souligner que l’Australie, le Chili, l’Estonie, l’Irlande, l’Islande, la Nouvelle-Zélande et la Norvège ont impliqué les cinq catégories de parties prenantes et ont aussi tenu des consultations publiques. Parmi les deux pays candidats à l’adhésion dotés de stratégies nationales, le Brésil a organisé une consultation publique et a collaboré avec toutes les catégories de parties prenantes, à l’exception des groupes sous-représentés, tandis que l’Argentine a travaillé avec les entreprises, le monde universitaire et l’écosystème GovTech.
Part des pays Membres de l’OCDE indiquant impliquer des parties prenantes dans l’élaboration de leur stratégie en matière d’IA dans l’administration, selon les parties prenantes, 2025
Note : En plus de mobiliser des acteurs externes, tous les Membres de l’OCDE, à l’exception de la Türkiye, et tous les pays candidats à l’adhésion déclarent avoir mis en place une collaboration interne entre organismes du secteur public pour développer leur stratégie. Les données ne sont pas disponibles pour l’Allemagne, les États-Unis, l’Indonésie et la Thaïlande. Se reporter au Tableau d’annexe 4.A.7 pour obtenir des données complètes sur les pays Membres de l’OCDE et les pays en voie d’adhésion.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
4.6.2. Les administrations mobilisent des parties prenantes au-delà de l’élaboration de stratégies, mais l’implication régulière des usagers et la collaboration transfrontière restent limitées
L’implication par les administrations de diverses parties prenantes dans des activités centrées sur l’IA s’étend au‑delà de l’élaboration de stratégies, de nombreux pays faisant appel à des partenaires internes et externes pour définir des politiques, des cas d’utilisation et des approches de mise en œuvre de l’IA dans le secteur public. Ces formes de mobilisation à plus long terme sont importantes, car elles se déroulent tout au long du cycle de vie d’une initiative d’IA, et pas seulement lors des mises à jour périodiques de la stratégie.
Les pays Membres de l’OCDE impliquent fortement les organismes du secteur public (31 pays sur 36, soit 86 %) et les fonctionnaires (26 pays sur 36, soit 72 %). En France, par exemple, le dialogue social avec les syndicats et les représentants du personnel de la fonction publique ont contribué à définir les modalités d’introduction de l’IA dans ce secteur (Ministry of Transformation and Civil Service, 2024[89]). Ces échanges sont importants, car ces agents sont chargés en première ligne de la prestation de services publics et leurs fonctions sont directement impactées par l’introduction des technologies d’IA. Les administrations mobilisent aussi beaucoup d’autres acteurs, tels que le monde universitaire, l’industrie et la société civile (23 pays sur 36, soit 64 %).
Certains pays ont mis en place des processus de participation plus innovants. En 2024, la Présidence belge du Conseil de l’Union européenne a réuni un groupe représentatif de 60 citoyens belges pour échanger sur leur vision de l’IA en Europe (beEU, 2024[90]). L’initiative AI4Belgium du gouvernement belge est un autre exemple prometteur de coalition multipartite qui rassemble une variété d’acteurs de l’IA, et ce dans l’objectif de soutenir l’adoption de cette technologie dans tous les secteurs et au sein de l’administration (BOSA, s.d.[91] ; BOSA, s.d.[92]). Autre exemple : la France utilise la plateforme de participation Agora pour recueillir à grande échelle les contributions des citoyens sur les priorités nationales en matière d’IA, alimentant ainsi les travaux de la Commission de l’IA et ses recommandations aux autorités publiques.5
Cependant, il semble y avoir des lacunes dans deux domaines clés : 1) l’implication des usagers des services et 2) la collaboration transfrontière. Seuls 16 pays Membres de l’OCDE sur 36 (42 %) impliquent les usagers des services publics, alors que leurs retours sont cruciaux pour faire en sorte que les services basés sur l’IA soient utilisables et fiables. Et 13 pays seulement (36 %) mobilisent des acteurs transfrontières, au‑delà de la participation à des forums internationaux comme l’OCDE.6 Les données, les modèles et les risques étant intrinsèquement transnationaux, une coordination internationale plus forte est nécessaire pour favoriser l’interopérabilité, la conformité réglementaire et le partage des connaissances.
Établir des mécanismes de retour d’expérience ou d’autres moyens de recueillir l’avis des citoyens constitue une méthode relativement facile à mettre en œuvre pour impliquer les usagers. Seuls 8 pays Membres de l’OCDE sur 36 (22 %) en disposent. En Estonie, chaque entité de la fonction publique doit transmettre aux citoyens un formulaire électronique recueillant leurs retours sur les services. Ce système de rétroaction se généralise à l’heure où les organismes adoptent des solutions d’IA destinées aux citoyens. 7
Bien que l’implication de parties prenantes semble modérée à forte dans la plupart des domaines, les données montrent une décorrélation entre l’implication et la prise en compte des retours. Des efforts importants sont déployés pour recueillir des perspectives externes, mais seulement la moitié des pays Membres de l’OCDE déclarent fonder leurs décisions d’investissement en IA sur les besoins ou les demandes des citoyens. Parmi les pays candidats à l’adhésion, aucun ne déclare le faire.
En parallèle, les efforts de mobilisation se sont poursuivis au-delà de 2024 : en 2025, des consultations publiques sur l’intégration de l’IA aux stratégies, politiques et outils des administrations ont été organisées au Canada (Gouvernement du Canada, 2025[93]), en Israël (Israel National Digital Agency, 2025[94]) et au Royaume-Uni (Département des Sciences, de l’Innovation et de la Technologie du Royaume-Uni, 2026[95]).
Rapport sur l'utilisation de l'intelligence artificielle au niveau du gouvernement central/fédéral pour améliorer les fonctions du secteur public
Note : Les données de l’année 2025 ne sont pas disponibles pour l’Allemagne et les États-Unis. Les données de l’année 2023 ne sont pas disponibles pour l’Allemagne, la Bulgarie, les États-Unis, la Grèce, l’Indonésie, la République slovaque, la Suisse et la Thaïlande. Les données de l’année 2025 pour l’Indonésie et la Thaïlande couvrent la période du 1er janvier 2022 au 31 décembre 2023. Les données de l’année 2023 ne sont pas disponibles pour la catégorie « Surveillance et redevabilité dans le secteur public ».
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
Programmes de formation spécifiques sur les compétences requises pour favoriser le développement et l’utilisation de l’IA dans le secteur public
Note : Les données ne sont pas disponibles pour l’Allemagne, les États-Unis, l’Indonésie et la Thaïlande.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
Disponibilité des éléments principaux de l’infrastructure numérique utilisés pour favoriser l’intégration de l’IA dans le secteur public
Note : Les données ne sont pas disponibles pour l’Allemagne, les États-Unis, l’Indonésie et la Thaïlande. Les données couvrent la période du 1er janvier 2023 au 31 décembre 2024.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
Disponibilité des contrôles et mécanismes internes mis en place au sein de l’exécutif afin d’assurer la responsabilité et la redevabilité du développement et du déploiement des systèmes d’IA par les administrations publiques
Note : Les données ne sont pas disponibles pour l’Allemagne et les États-Unis. Les données couvrent la période du 1er janvier 2023 au 31 décembre 2024.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
Organismes publics chargés d’assurer un contrôle ou de fournir des recommandations éthiques en matière d’IA dans le secteur public, ainsi que la nature du contrôle ou des recommandations fournis par ces organismes
Note : Les données ne sont pas disponibles pour l’Allemagne et les États-Unis. Les données couvrent la période du 1er janvier 2023 au 31 décembre 2024. (*) Les données pour l’Indonésie et la Thaïlande couvrent la période du 1ᵉʳ janvier 2022 au 31 décembre 2023.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
Disponibilité des évaluations menées par l’administration centrale ou fédérale visant à mesurer l’impact financier ou non financier de l’utilisation de l’IA dans le secteur public, qu’elles soient prospectives, rétrospectives ou les deux
Note : Les données ne sont pas disponibles pour l’Allemagne, les États-Unis, l’Indonésie et la Thaïlande.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
Acteurs ayant collaboré à l’élaboration de la stratégie, du programme ou du plan national pour l’IA dans le secteur public
Note : Les données ne sont pas disponibles pour l’Allemagne et les États-Unis. Les données couvrent la période du 1er janvier 2023 au 31 décembre 2024 et ne prennent en compte que les informations relatives aux stratégies pleinement mises en œuvre à ces dates. Les données pour l’Indonésie et la Thaïlande couvrent la période du 1er janvier 2022 au 31 décembre 2023.
1. Les données ont été mises à jour suite à une demande du pays après la publication de l'IGD 2025 ; par conséquent, ces changements ne sont pas reflétés dans les résultats de l'IGD 2025.
Source : OCDE (2025), Enquête sur l’administration numérique 3.0.
Références
[17] Agence coréenne d’Internet et de Sécurité (s.d.), AI Threat Detection and Response, https://academy.kisa.or.kr/cont/programInfo/eduIntroAI.do.
[24] Agence danoise pour Le gouvernement numérique (s.d.), Signature projects with artificial intelligence in municipalities and regions, https://digst.dk/kunstig-intelligens/signaturprojekter.
[25] Agence danoise pour le gouvernement numérique (s.d.), The Grant Pool for New Technologies, https://digst.dk/digital-transformation/tilskudspuljen-for-nye-teknologier.
[36] Agence Pour le Gouvernement Numérique (s.d.), Ena – Sweden’s digital infrastructure, https://www.digg.se/styrning-och-samordning/ena---sveriges-digitala-infrastruktur.
[11] Agencia Española de Supervisión de la Inteligencia Artificial (AESIA) (s.d.), Ensuring ethical and responsible AI, https://aesia.digital.gob.es/es.
[81] Agencia Española de Supervisión de la Inteligencia Artificial (AESIA) (s.d.), Ensuring ethical and responsible AI, https://aesia.digital.gob.es.
[12] Agencia Española de Supervisión de la Inteligencia Artificial (AESIA) (s.d.), Guides on Artificial Intelligence, https://aesia.digital.gob.es/en/guides.
[13] Agencia Española de Supervisión de la Inteligencia Artificial (AESIA) (s.d.), Organisational structure and governance, https://aesia.digital.gob.es/en/estructura-organizativa.
[27] AI in the State (s.d.), Incubateur ALLiaNCE, https://ia.numerique.gouv.fr/incubateur-alliance/les-produits-incub%C3%A9s/.
[40] ALIA (s.d.), Public AI infrastructure in Spanish and co‑official languages, https://alia.gob.es.
[41] Autorités de Protection des Données d’Israel (2025), Guide on Implementing Privacy-Enhancing Technologies in Artificial Intelligence Systems, https://www.gov.il/BlobFolder/generalpage/pets_ai/en/PETs_AI_english_accessable.pdf.
[90] beEU (2024), A Citizens’ View of Artificial Intelligence within the EU, https://glassroots.com/wp-content/uploads/2024/09/Rapport-IA-EN.pdf.
[69] Berryhill, J. et al. (2019), « Hello, World: Artificial intelligence and its use in the public sector », OECD Working Papers on Public Governance, n° 36, OECD Publishing, Paris, https://doi.org/10.1787/726fd39d-en.
[91] BOSA (s.d.), AI4Belgium, https://bosa.belgium.be/fr/AI4Belgium.
[92] BOSA (s.d.), L’IA dans le secteur public (AI4GOV), https://bosa.belgium.be/fr/AI4Belgium/AI4GOV.
[71] Bright, J. et al. (2024), Generative AI is already widespread in the public sector, https://arxiv.org/abs/2401.01291.
[9] Brizuela, A. et al. (2025), Analysis of the generative AI landscape in the European public sector, European Commission, https://op.europa.eu/s/z4XY.
[48] Bureau de la transformation numérique de Türkiye / Ministère de l’Industrie et de la Technologie (2021), National Artificial Intelligence Strategy 2021–2025, https://wp.oecd.ai/app/uploads/2021/12/Turkey_National_Artificial_Intelligence_Strategy_2021-2025.pdf.
[54] Congrès de la République du Pérou (2025), Law No. 32270: Amendment to the Organic Law on Elections introducing digital voting.
[67] Conseil National de la Politique Économique et Sociale (2025), Política Nacional de Inteligencia Artificial (CONPES 4144), Departamento Nacional de Planeación, https://colaboracion.dnp.gov.co/CDT/Conpes/Econ%C3%B3micos/4144.pdf.
[80] Département des Dépenses Publiques, de la Livraison du PND et de la Réforme (2024), Interim Guidelines for Use of Artificial Intelligence in the Public Service.
[44] Département des Sciences, de l’Innovation et de la Technologie du Royaume-Uni (2026), AI Opportunities Action Plan: One Year On, https://www.gov.uk/government/publications/ai-opportunities-action-plan-one-year-on/ai-opportunities-action-plan-one-year-on.
[95] Département des Sciences, de l’Innovation et de la Technologie du Royaume-Uni (2026), Consultation outcome, Guidance for using the AI Management Essentials tool: government response, https://www.gov.uk/government/consultations/ai-management-essentials-tool/outcome/guidance-for-using-the-ai-management-essentials-tool-government-response.
[39] Département des Sciences, de l’Innovation et de la Technologie du Royaume-Uni (2023), The UK-US Blog Series on Privacy-Preserving Federated Learning: Introduction, https://rtau.blog.gov.uk/2023/12/07/the-uk-us-blog-series-on-privacy-preserving-federated-learning-introduction/.
[68] Digital Agency of Japan (2025), Advanced AI Utilization Advisory Board, https://www.digital.go.jp/en/councils/ai-advisory-board.
[52] Digital Agency of Japan (2025), The Guideline for Japanese Governments’ Procurements and Utilizations of Generative AI for the sake of Evolution and Innovation of Public Administration, https://www.digital.go.jp/assets/contents/node/basic_page/field_ref_resources/e2a06143-ed29-4f1d-9c31-0f06fca67afc/6e45a64f/20250527_resources_standard_guidelines_guideline_04.pdf.
[31] Fonction publique fédérale, Institution publique de Sécurité Sociale, Technologies de l’information et de la communication (s.d.), G-CLOUD, the common cloud of the public sector.
[84] Gartner (2025), Gartner Survey Finds 45% of Organizations With High AI Maturity Keep AI Projects Operational for at Least Three Years, https://www.gartner.com/en/newsroom/press-releases/2025-06-30-gartner-survey-finds-forty-five-percent-of-organizations-with-high-artificial-intelligence-maturity-keep-artificial-intelligence-projects-operational-for-at-least-three-years.
[70] Giesecke, O. (2024), Generative AI Use In US Public Sector On The Rise, Survey By Hoover Fellow Suggests, https://www.hoover.org/generative-ai-use-us-public-sector-rise-survey-hoover-fellow-suggests.
[62] Gouvernement de la Colombie (2026), Guía Ética para la Implementación, Desarrollo y Uso de Sistemas de Inteligencia Artificial en Entidades Públicas de Colombia, https://www.mintic.gov.co/portal/715/articles-425888_recurso_1.pdf (consulté le 8 juin 2026).
[61] Gouvernement de la Colombie (2025), « Colombia estrena Directiva para garantizar la transparencia de los algoritmos del Estado », Procuraduría General de la Nación, https://www.procuraduria.gov.co/Pages/colombia-estrena-directiva-garantizar-transparencia-algoritmos-estado.aspx.
[23] Gouvernement de la France (2024), Produits incubés en 2024, https://alliance.numerique.gouv.fr/produit/les-produits-incub%C3%A9s-2024.
[56] Gouvernement de la France (s.d.), Code des relations entre le public et l’administration, https://www.legifrance.gouv.fr/codes/section_lc/LEGITEXT000031366350/LEGISCTA000031367696/?anchor=LEGIARTI000033205535.
[45] Gouvernement de la Grèce (2024), Blueprint for Greece’s AI Transformation, https://foresight.gov.gr/en/studies/A-Blueprint-for-Greece-s-AI-Transformation/.
[79] Gouvernement de la Nouvelle Zélande (s.d.), Data standards toolkit, https://data.govt.nz/toolkit/data-standards.
[26] Gouvernement de la République de Türkiye (s.d.), 1711 - Artificial Intelligence Ecosystem Call, Scientific and Technological Research Council of Türkiye – TÜBİTAK, https://tubitak.gov.tr/tr/destekler/sanayi/ulusal-destek-programlari/1711-yapay-zeka-ekosistem-cagrisi.
[85] Gouvernement de l’Australie (2024), « Evaluation of the whole-of-government trial of Microsoft 365 Copilot », https://www.digital.gov.au/initiatives/copilot-trial.
[16] Gouvernement de l’Australie (s.d.), AI in government fundamentals, https://www.apsacademy.gov.au/course-sessions/ai-government-fundamentals.
[60] Gouvernement de l’Estonie (2026), AI use cases: Examples of artificial intelligent applications in the Estonian public sector.
[64] Gouvernement de l’Irlande (2025), Guidelines for the Responsible Use of AI in the Public Service, Department of Public Expenditure, Infrastructure, Public Service Reform and Digitalisation, https://assets.gov.ie/static/documents/09fe3ad4/Guidelines_for_the_Responsible_Use_of_AI_in_the_Public_Service_20250918.pdf.
[77] Gouvernement des Pays Bas (2026), Algoritmekader (Algorithmic Framework), https://minbzk.github.io/Algoritmekader.
[59] Gouvernement des Pays Bas (s.d.), Algoritmeregister (Algorithm Register of the Dutch Government), https://algoritmes.overheid.nl/en.
[47] Gouvernement du Canada (2026), Algorithmic Impact Assessment tool, https://www.canada.ca/en/government/system/digital-government/digital-government-innovations/responsible-use-ai/algorithmic-impact-assessment.html.
[93] Gouvernement du Canada (2025), Consultations on the AI Strategy for the Federal Public Service: What We Heard, https://www.canada.ca/en/government/system/digital-government/digital-government-innovations/responsible-use-ai/consultations-ai-strategy-federal-public-service-what-we-heard.html.
[50] Gouvernement du Luxembourg - Ministère de la Numérisation (s.d.), L’initiative AI4Gov, https://mindigital.gouvernement.lu/en/dossiers.gouv2024_mindigital+fr+dossiers+2021+AI4Gov.html.
[46] Gouvernement du Pérou (2023), Law No. 31814.
[97] Gouvernement du Portugal (2025), Despacho n.º 749/2025, Diário da República, 16 January, https://diariodarepublica.pt/dr/detalhe/despacho/749-2025-903770555.
[96] Gouvernement du Portugal (2024), Resolução do Conselho de Ministros n.º 201/2024, Diário da República, 30 December, https://diariodarepublica.pt/dr/analise-juridica/resolucao-conselho-ministros/201-2024-901536075.
[33] Gouvernement du Portugal (2023), Virtual assistant with Artificial Intelligence will support citizens in ePortugal, https://www2.gov.pt/en/noticias/assistente-virtual-com-inteligencia-artificial-vai-apoiar-os-cidadaos-no-eportugal.
[86] Gouvernement du Royaume-Uni (2025), Evaluation of the M365 Copilot pilot in the Department for Business and Trade, Department for Business and Trade, https://www.gov.uk/government/publications/microsoft-365-copilot-pilot-dbt-evaluation-report.
[58] Gouvernement du Royaume-Uni (s.d.), Find out how algorithmic tools are used in public organisations, https://www.gov.uk/algorithmic-transparency-records.
[6] Gouvernement du Royaume-Uni (s.d.), Government – AI Incubator for Artificial Intelligence (i.AI), https://ai.gov.uk/our-work/government/ (consulté le 1 juin 2026).
[37] Gouvernement du Royaume-Uni (s.d.), Service Standard, https://www.gov.uk/service-manual/service-standard.
[78] Gouvernement numérique de la Nouvelle-Zélande (2025), Responsible AI guidance for the Public Service: Generative AI – Customer experience and Privacy, https://www.digital.govt.nz/standards-and-guidance/technology-and-architecture/artificial-intelligence/responsible-ai-guidance-for-the-public-service-genai/customer-experience/privacy.
[65] IMY (2025), National guidelines for generative AI in public administration are launched, Swedish Authority for Privacy Protection, https://www.imy.se/en/news/national-guidelines-for-generative-ai-in-public-administration-are-launched/.
[49] Institution Turque de Normalisation (TSE) (2026), Ayna Komiteler (Mirror Technical Committees), https://intweb.tse.org.tr/standard/aynakomite/aynakomiteler.aspx.
[51] Institution turque de normalisation (TSE) (s.d.), Sistem Belgelendirme (System Certification Services), https://www.tseglobal.com.tr/sistem-belgelendirme?num=38%3Flg%3Den.
[5] Islande numérique (s.d.), , https://island.is/en/o/digital-iceland/island-is.
[94] Israel National Digital Agency (2025), Setting the Standard: Israel Unveils First-Ever Responsible AI Guide for the Public Sector, https://www.gov.il/en/pages/ai-guide.
[57] L’Agence de Transformation Numérique d’Australie (s.d.), Policy for the responsible use of AI in government, https://www.digital.gov.au/ai/ai-in-government-policy/strategy-and-oversight.
[42] Laboratoire d’Innovation Numérique de la CNIL (2025), On a testé le chiffrement homomorphe !, https://linc.cnil.fr/teste-le-chiffrement-homomorphe.
[66] Le Cabinet du Japon (2026), Human-Centered AI Society Principles Conference.
[18] Le Cabinet du Royaume-Uni (2025), One Big Thing 2025: ‘AI for All’ - A Modern Civil Service Blog, https://moderncivilservice.blog.gov.uk/2025/10/14/one-big-thing-ai-for-all-is-live/.
[34] Le Centre danois pour l’innovation en IA (2024), Denmark’s first AI supercomputer is now operational, https://dcai.dk/news/denmark-s-first-ai-supercomputer-is-now-operational.
[76] Le Secrétariat du gouvernement numérique du Brésil (2025), Cartilha de Inteligência Artificial Generativa (Generative AI Guide), https://www.gov.br/governodigital/pt-br/infraestrutura-nacional-de-dados/inteligencia-artificial-1/publicacoes/cartilha-ia-generativa.
[35] Le Secrétariat du gouvernement numérique du Brésil (2024), Data Maturity Model (MMB), https://www.gov.br/governodigital/pt-br/infraestrutura-nacional-de-dados/maturidade-de-dados/arquivos/modelo-maturidade-de-dados-mmd.pdf.
[32] Ministère autrichien des Finances (s.d.), Predictive Analytics Competence Center, https://www.bmf.gv.at/themen/betrugsbekaempfung/einheiten-betrugsbekaempfung/Predictive-Analytics-Competence-Center.html.
[74] Ministère chilien des Sciences, de la Technologie, de la Connaissance et de l’Innovation (2024), Política Nacional de Inteligencia Artificial, https://drive.google.com/file/d/11OLxLp8NyKgpeRFLe45X0zStY7SFEJIC/edit?pli=1.
[75] Ministère chilien des Sciences, de la Technologie, de la Connaissance et de l’Innovation (2023), Lineamientos para el uso de Inteligencia Artificial, https://minciencia.gob.cl/uploads/filer_public/ae/9a/ae9a7ce7-807b-4781-9ac3-9b253bfbe735/of_n711_2023_dis_lin_ia_minciencia.pdf.
[22] Ministère de l’Économie et de l’Innovation (2025), AI Training Platform, https://eimin.lrv.lt/lt/veiklos-sritys/skaitmenine-politika/dirbtinis-intelektas/di-viesajame-sektoriuje/di-mokymu-platforma.
[14] Ministère de l’Industrie et du Commerce, République tchèque (2024), National Artificial Intelligence Strategy 2030, https://mpo.gov.cz/assets/cz/podnikani/digitalni-ekonomika/umela-inteligence/2024/7/Narodni-strategie-umele-inteligence-2030.pdf.
[82] Ministère de l’Intérieur et des Relations du Royaume-Uni (2025), Responsible Use of Generative AI: Government-Wide Guide, https://www.government.nl/documents/2025/01/31/responsible-use-of-generative-ai.
[19] Ministère des Finances australien (2025), Introducing the APS AI Plan, https://www.finance.gov.au/about-us/news/2025/introducing-aps-ai-plan.
[20] Ministère des Technologies de l’Information et des Communications (MinTIC) (2025), Registration is open for the free diploma in Artificial Intelligence for public servants, https://www.mintic.gov.co/portal/inicio/Sala-de-prensa/Noticias/406073:Abiertas-inscripciones-para-diplomado-gratuito-en-Inteligencia-Artificial-para-servidores-publico.
[89] Ministry of Transformation and Civil Service (2024), Towards a strategy to use Artificial Intelligence (AI) in French civil service HRM.
[73] MIT NANDA (2025), The GenAI Divide: State of AI in Business 2025, MIT Networked AI Agents in Decentralized Architecture, https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf.
[43] NHS Digital (s.d.), Artificial data pilot, https://digital.nhs.uk/services/artificial-data.
[72] OCDE (2026), Building an AI-ready public workforce: Implications and strategies, Éditions OCDE, Paris, https://doi.org/10.1787/b89244c7-en.
[10] OCDE (2025), « AI openness: A primer for policymakers », OECD Artificial Intelligence Papers, n° 44, Éditions OCDE, Paris, https://doi.org/10.1787/02f73362-en.
[4] OCDE (2025), Digital Government Review of Korea: Harnessing Digital and Data to Transform Government, OECD Digital Government Studies, Éditions OCDE, Paris, https://doi.org/10.1787/9defc197-en.
[2] OCDE (2025), Gouverner avec l’intelligence artificielle : État des lieux et perspectives pour les fonctions essentielles de l’État, Éditions OCDE, Paris, https://doi.org/10.1787/6816434b-fr.
[30] OCDE (2025), « Sharing trustworthy AI models with privacy-enhancing technologies », OECD Artificial Intelligence Papers, n° 38, Éditions OCDE, Paris, https://doi.org/10.1787/a266160b-en.
[28] OCDE (2024), « AI, data governance and privacy: Synergies and areas of international co-operation », OECD Artificial Intelligence Papers, n° 22, Éditions OCDE, Paris, https://doi.org/10.1787/2476b1a4-en.
[88] OCDE (2024), « Framework for Anticipatory Governance of Emerging Technologies », OECD Science, Technology and Industry Policy Papers, n° 165, Éditions OCDE, Paris, https://doi.org/10.1787/0248ead5-en.
[1] OCDE (2024), « Recommandation du Conseil sur l’intelligence artificielle », Instruments juridiques de l’OCDE, OCDE/LEGAL/0449, OCDE, Paris, https://legalinstruments.oecd.org/fr/instruments/OECD-LEGAL-0449.
[29] OCDE (2023), « Emerging privacy-enhancing technologies: Current regulatory and policy approaches », OECD Digital Economy Papers, n° 351, Éditions OCDE, Paris, https://doi.org/10.1787/bf121be4-en.
[55] OCDE (2023), Global Trends in Government Innovation 2023, OECD Public Governance Reviews, Éditions OCDE, Paris, https://doi.org/10.1787/0655b570-en.
[87] OCDE (à paraître), Governing with Artificial Intelligence: Measuring impact and demonstrating returns on AI investments.
[7] OCDE/OPSI (s.d.), Robot Alice – Bid, Contract and Notice Analyser, https://oecd-opsi.org/innovations/robot-alice-bid-contract-and-notice-analyser/ (consulté le 1 juin 2026).
[38] Office national des statistiques (ONS)/ Campus de la science des données (2023), Synthesising the linked 2011 Census and deaths dataset while preserving its confidentiality, https://datasciencecampus.ons.gov.uk/synthesising-the-linked-2011-census-and-deaths-dataset-while-preserving-its-confidentiality/.
[63] Procureur Général de la Colombie et Ombudsman de la Colombie (2025), Estándares de transparencia algorítmica para los sistemas utilizados por el Estado, https://www.defensoria.gov.co/documents/20123/3407303/300925DirectivaConjunta007.pdf/c47e1175-6f60-058a-3e0b-3dfaf82d5f23?t=1759261267112 (consulté le 8 juin 2026).
[83] Ramos, L. et R. Kandaswamy (2023), Capture AI Value With These 5 Benefit Realization Best Practices, Gartner, https://static1.squarespace.com/static/5530dddfe4b0679504639dc1/t/66040dae666c427d843c6de6/1711541693913/Capture+AI+Value+With+These+5+Benefit+Realization+Best+-+Gartner.pdf.
[8] Service coréen des marchés publics (2022), Launch of AI-Based Public Software Project Ordering Support System, https://www.pps.go.kr/kor/bbs/view.do?bbsSn=2208010006&key=00318.
[53] Service numérique du gouvernement britannique (s.d.), Making the Algorithmic Transparency Recording Standard (ATRS) mandatory across government, https://dataingovernment.blog.gov.uk/2025/05/08/making-the-algorithmic-transparency-recording-standard-atrs-mandatory-across-government.
[21] UNESCO (2025), Strengthening Digital Resilience: Costa Rica’s AI Push After a Massive Cyberattack, https://www.unesco.org/es/articles/fortalecer-la-resiliencia-digital-el-impulso-de-costa-rica-por-la-ia-tras-un-ciberataque-masivo.
[3] Union Européenne (2024), Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act), https://eur-lex.europa.eu/eli/reg/2024/1689/oj.
[15] Université d’Helsinki et MinnaLearn (s.d.), Elements of AI – Free online course on artificial intelligence, https://www.elementsofai.com.
← 1. Pour plus d'informations sur l'IA dans les administrations publiques, consultez le site https://oecd.ai/gov.
← 2. L’outil de navigation des politiques d’OCDE sur l’IA est disponible à l’adresse https://oecd.ai/dashboards. Plus précisément, des cas d’utilisation de l’IA dans le secteur public sont consultables à l’adresse https://oecd.ai/dashboards/policy-initiatives?initiativeTypeIds=123.
← 3. Pour plus d’informations, voir https://www.oecd.org/en/topics/sub-issues/privacy-enhancing-technologies.html.
← 4. L’Agenda national du Portugal sur l’intelligence artificielle, dans le cadre de la Stratégie numérique nationale : Résolution 749/2025 (Gouvernement du Portugal, 2025[97]) et Analyse juridique de la Résolution 201/2024 (Gouvernement du Portugal, 2024[96]).
← 5. Acteurs Publics (2026), IA : David Amiel veut faire aboutir le dialogue social à un accord d’ici l’automne (AI: David Amiel aims to reach a social dialogue agreement by autumn).
← 6. Les taux parmi les pays candidats à l’adhésion à l’OCDE sont les suivants : organisations du secteur public (50 %) ; fonctionnaires (17 %) ; écosystème au sens large (33 %). utilisateurs de services (17 %) ; et acteurs transfrontaliers (17 %).
← 7. Consultez les lignes directrices de l'Estonie relatives aux services publics numériques (https://digiriik.eesti.ee/protsess/kasutuselevott/tagasiside-kogumine) et le formulaire de commentaires en ligne de l'administration fiscale et douanière estonienne (https://www.emta.ee/en/private-client/board-news-and-contacts/contacts/feedback).