Détection des fuites d’eau au Sicoval, pilotage des stations d’épuration à Rennes, optimisation énergétique des bâtiments à Noisy-le-Grand, recherche dans les délibérations à Rouen, traitement des appels à Aix-Marseille, convention citoyenne à Montpellier : l’intelligence artificielle est déjà entrée dans les collectivités. Mais tous les projets ne se valent pas. Certains produisent des économies mesurables, d’autres restent expérimentaux, beaucoup ne publient ni leur coût complet, ni leur taux d’erreur, ni leur impact sur les usagers. La vraie question n’est plus de savoir si les collectivités utiliseront l’IA. Elle est de déterminer à quelles conditions elles pourront en démontrer l’utilité publique.
Printemps 2024, quelque part entre Castanet-Tolosan et Baziège, au sud-est de Toulouse. Un technicien pose son appareil d’écoute acoustique sur un tronçon de canalisation que rien ne distingue des 1 000 kilomètres du réseau du Sicoval. Rien, sauf une ligne dans un tableau : un algorithme a classé ce segment parmi les plus susceptibles de fuir. Le technicien écoute, confirme. On creuse, on répare. En quinze jours, la scène se répète douze fois. avéré L’intelligence artificielle territoriale ne commence pas par un robot d’accueil dans une mairie. Elle commence parfois sous une route, dans une canalisation que personne ne voit.
À Rennes, des algorithmes ajustent le fonctionnement de stations d’épuration. À Noisy-le-Grand, ils contribuent à identifier les économies réalisables dans les bâtiments publics. À Rouen, une IA générative assiste les agents dans la recherche de délibérations et la rédaction administrative. À Aix-Marseille, un agent vocal répond aux demandes d’enlèvement des encombrants. Ces projets ne racontent pas une révolution uniforme. Ils montrent plusieurs intelligences artificielles, plusieurs niveaux de maturité et surtout plusieurs qualités de preuve. Certains résultats sont mesurés. D’autres sont déclarés par les porteurs de projets. D’autres encore demeurent des objectifs. C’est dans cette distinction que commence une politique publique sérieuse de l’IA.
L’IA territoriale existe déjà, mais elle ne ressemble pas toujours à ChatGPT
Le débat public réduit souvent l’IA des collectivités aux assistants conversationnels. Le terrain raconte autre chose. Quatre familles cohabitent : la prédiction (où fuira le réseau d’eau), l’optimisation en temps réel (comment aérer un bassin d’épuration au meilleur coût), la reconnaissance d’images (où s’accumulent les déchets) et la génération de texte (comment retrouver et rédiger une délibération). Les trois premières sont les moins visibles médiatiquement. Ce sont pourtant elles qui produisent aujourd’hui les résultats les plus quantifiables.
Le mouvement s’institutionnalise. Le 21 mai 2026, la Banque des Territoires a lancé le programme Territoires d’IA, en partenariat avec Mistral AI, avec un objectif affiché de 100 000 agents publics locaux formés d’ici 2030 et quinze cas d’usage opérationnels documentés et réplicables. avéré L’État a rejoint le dispositif le lendemain : la direction interministérielle du numérique, future autorité Ariane, siège au comité partenarial du programme, avec trois axes annoncés, partage des cas d’usage, souveraineté et connaissance de l’écosystème, selon le communiqué de la DINUM de mai 2026. L’annonce reconnaît en creux une réalité : jusqu’ici, les collectivités avançaient sans boussole nationale, pendant que l’IA de l’ombre, celle des comptes personnels utilisés sans cadre, s’installait dans les services. probable
Là où les résultats commencent à être mesurables
Le Sicoval : douze fuites, quinze jours, un dénominateur honnête
Le cas du Sicoval est exemplaire parce qu’il est correctement documenté. La collectivité gère environ 1 000 km de réseau d’eau potable avec un rendement de 78 %, ce qui signifie qu’environ un million de mètres cubes retourne chaque année dans le milieu naturel. Au printemps 2024, l’algorithme du prestataire Leakmited, entraîné sur une base de plusieurs centaines de milliers de fuites, a hiérarchisé les zones à risque. Les investigations de terrain ont porté sur 100 km, dans les secteurs de Castanet-Tolosan et Baziège. Résultat : douze fuites localisées et réparées, une économie évaluée à près de 13 mètres cubes par heure, soit 113 700 mètres cubes par an et une économie financière de l’ordre de 93 000 euros (92 568 euros selon la Bibliothèque d’IA territoriales, 96 000 euros arrondis dans le rapport 2024 sur le prix et la qualité du service du Sicoval), l’équivalent de la consommation annuelle de 950 foyers. avéré
Deux précisions rendent ce résultat crédible. D’abord, l’IA ne trouve pas les fuites : elle désigne les zones probables, et la confirmation reste effectuée sur le terrain par des moyens acoustiques classiques. Ensuite, la prestation était rémunérée au résultat, ce qui limitait le risque financier pour la collectivité. avéré Un chiffre spectaculaire accompagné de son périmètre exact, de sa méthode et de son mode de financement : voilà à quoi ressemble une preuve publiable.
Rennes Métropole : l’optimisation continue d’un procédé maîtrisé
Ce que le Sicoval obtient en fiabilisant une recherche, Rennes l’obtient en accélérant un geste métier. La société locale Purecontrol y pilote depuis 2020 l’aération des bassins de stations d’épuration, premier poste de consommation électrique de ces installations. Après une première expérimentation sur deux stations, la solution a été étendue à sept équipements, puis un appel d’offres remporté fin 2024 élargit le périmètre à 17 stations et 150 postes de relevage pour quatre ans, selon le communiqué de Purecontrol de décembre 2024. avéré La collectivité rapporte une réduction de 5 % des consommations énergétiques et de 15 % de la facture sur une dizaine de sites, selon un retour d’expérience de Numérique360. probable
Le point décisif n’est pas technologique. À Rennes, l’IA ne gère pas seule une station d’épuration. Elle ajuste chaque seconde des paramètres que les agents ajustaient auparavant une fois par jour, à partir des débits, de la qualité de l’eau, de la météo et du prix de l’énergie. Les exploitants conservent la maîtrise du procédé. L’algorithme optimise un système que les équipes comprenaient déjà entièrement.
Noisy-le-Grand : l’IA comme alternative chiffrée à la rénovation intégrale
Troisième variation du même principe, cette fois à l’échelle d’un budget. Le projet RECITAL de Noisy-le-Grand, lauréat 2023 de l’appel à projets national sur l’IA frugale, porte sur les 200 bâtiments publics de la ville, environ 200 000 mètres carrés. Plutôt que de financer une rénovation intégrale estimée à 80 millions d’euros, la ville a choisi une approche hybride d’une trentaine de millions combinant travaux ciblés et pilotage par les données. La collectivité rapporte 173 actions d’optimisation identifiées et une réduction initiale de 10 % des dépenses sans investissement majeur, selon la fiche réalisation de la Banque des Territoires. probable La ville publie par ailleurs le coût du dispositif numérique, 2,2 millions d’euros sur trois ans, une transparence encore rare sur le poste le plus souvent absent des bilans. avéré Les objectifs de 20 % de réduction en 2026 et 50 % en 2030 restent des objectifs, et la ville a la rigueur de les présenter comme tels. avéré
Là où les preuves restent fragiles
Ces trois cas partagent un point commun : l’algorithme intervient sur un processus physique, mesurable, dont la situation initiale était connue. Dès que l’IA devient générative ou conversationnelle, le régime de preuve change de nature. Les mètres cubes deviennent des taux de satisfaction, les compteurs deviennent des questionnaires, et le chiffre spectaculaire se met à dépendre de qui répond.
Rouen : la transparence sur le dénominateur, une exception à saluer
La Métropole Rouen Normandie a expérimenté entre 2023 et 2024, via un marché d’innovation, l’outil d’IA générative Delibia, un moteur de recherche et un assistant rédactionnel appliqués aux décisions publiques. Le périmètre initial de 60 agents s’est étendu à 178 par cooptation, avant un déploiement visant environ 1 500 agents, documenté dans un retour d’expérience de Numérique360. avéré La métropole publie elle-même le périmètre exact de son chiffre phare : 85 % de taux de satisfaction auprès de 60 répondants sur les 178 expérimentateurs, et un déploiement déjà effectif dans 24 directions. Cette transparence sur le dénominateur est précisément ce que la plupart des bilans omettent : elle mérite d’être saluée, et conservée dans toute reprise du chiffre. avéré
Les agents rapportent une amélioration réelle de la recherche documentaire et de la rédaction, et la responsable du projet à la métropole résume l’exigence mieux que personne : expérimenter sans évaluer, c’est comme naviguer en mer sans boussole. Un bilan complet ajouterait à la satisfaction le temps total gagné, le nombre d’erreurs ou de corrections, la qualité juridique des textes produits, le coût par utilisateur, le taux d’abandon et le maintien des compétences rédactionnelles internes. La satisfaction est un indicateur utile. Elle est insuffisante, seule, pour justifier un passage à l’échelle, et Rouen paraît en être la première convaincue.
Aix-Marseille : un vrai problème, des volumes à clarifier
La métropole Aix-Marseille-Provence déploie progressivement depuis février 2025, dans le cadre de son programme IA et de sa charte IA, un agent vocal pour son centre d’appels, notamment sur les encombrants, comme l’indique la page officielle de la métropole. avéré Le problème traité est réel : des appels non pris, en particulier hors des horaires d’ouverture. Le centre d’appels reçoit environ 600 000 appels par an, dont environ 30 % liés aux encombrants, soit près de 180 000 demandes selon la Bibliothèque d’IA territoriales ; les 104 000 rendez-vous d’encombrants publiés par le site métropolitain correspondent à un sous-ensemble de ce flux. probable Quant à la réduction de 30 % du temps d’attente, la métropole la présente elle-même comme un objectif en passe d’être atteint : cette précision de langage est exactement celle que la grille de preuve demande.
S’y ajoutent des questions que le comptage d’appels ne règle pas : la compréhension des accents et des adresses, le traitement des situations atypiques, l’accès garanti à un interlocuteur humain, la conservation des enregistrements et l’accessibilité aux personnes en situation de handicap. À son crédit, la métropole documente elle-même plusieurs de ces points : elle reconnaît publiquement que la transcription des adresses et des noms reste imparfaite et fait l’objet de réajustements, s’est dotée dès octobre 2023 d’une charte éthique de l’IA adoptée à l’unanimité par les élus, et informe les usagers, libres de participer ou non à l’expérimentation. avéré
Metz : un projet en cours de passage à l’échelle
À Metz, un consortium associant la ville, un laboratoire de l’Université Gustave Eiffel et une société spécialisée a développé une application qui détecte et compte les déchets urbains par reconnaissance d’images, documentée dans un retour d’expérience de Numérique360. avéré Le projet illustre un coût souvent invisible de l’IA : la constitution du jeu de données lui-même, plusieurs milliers d’images annotées à la main avant le moindre résultat. probable Son extension à d’autres collectivités restait prévisionnelle : il faut donc le qualifier de projet en cours de passage à l’échelle, pas de standard installé.
Ce que ces expérimentations révèlent des collectivités
Trois enseignements transversaux se dégagent, et aucun ne porte sur les modèles eux-mêmes.
La qualité des données détermine la qualité du projet. Le Sicoval disposait de débitmètres et d’un historique technique. Noisy-le-Grand avait construit depuis 2020 une plateforme de données de consommation. Metz a dû annoter des milliers d’images. L’IA n’a créé aucune de ces infrastructures informationnelles : elle a exploité un patrimoine de données préexistant ou constitué spécifiquement pour elle. Une collectivité aux données fragmentées n’achète pas un raccourci en achetant un algorithme.
La dépendance aux prestataires est le sujet que personne ne chiffre. Leakmited au Sicoval, Purecontrol à Rennes, Delibia à Rouen : les réussites observées reposent sur des entreprises tierces, souvent des startups. C’est une force d’écosystème et une fragilité contractuelle. Les conditions de réversibilité, la portabilité des données et le coût de sortie apparaissent rarement dans les bilans publiés. possible
Le droit a déjà tranché la question de la formation. L’article 4 du règlement européen sur l’IA impose depuis le 2 février 2025 à tout déployeur, sans seuil d’effectif, de garantir un niveau suffisant de maîtrise de l’IA à son personnel ; le régime de sanctions est devenu applicable le 2 août 2026. avéré Le paquet Omnibus numérique voté par le Parlement européen en juin 2026 a reporté certaines obligations des systèmes à haut risque, mais n’a modifié ni l’article 4 ni les obligations de transparence. probable Autrement dit, pour une collectivité, former les agents n’est plus un choix managérial, c’est une obligation dont l’inexécution devient un facteur aggravant en cas d’incident.
Un métier est d’ailleurs en train de naître. Plusieurs collectivités recrutent désormais des profils permanents chargés de qualifier les cas d’usage auprès des services, de tenir un catalogue des usages, de rédiger les cahiers des charges, de piloter les preuves de concept, d’animer un réseau de référents et de veiller à la conformité au règlement général sur la protection des données et au règlement européen sur l’IA. C’est le bon geste, à une condition : que la grille de preuve précède le catalogue. Sans indicateurs de résultat, l’expert IA devient un guichet à démonstrations. Adossé à des preuves publiées, il devient ce qui manque le plus aux organisations publiques, un auditeur interne de la valeur.
L’usager ne peut pas devenir la variable oubliée
Dans la plupart des bilans, les agents sont présents et les habitants absents. Montpellier apporte le contrepoint le plus construit à ce jour. La Métropole n’a pas commencé par les outils : elle a réuni 40 citoyens tirés au sort, sur trois week-ends entre novembre 2023 et janvier 2024, pour rendre un avis sur la place de l’IA dans les services publics, selon le compte rendu officiel de la métropole. avéré La stratégie Data et IA votée en octobre 2024 en a traduit les préconisations : information systématique des usagers quand un traitement intègre de l’IA, avis d’un comité éthique sur les projets sensibles, choix d’une IA frugale, et un Comité métropolitain de l’IA et du Numérique dont la création a été annoncée en décembre 2024 et l’installation conduite en 2025. avéré
Cette démarche ne prouve pas encore l’efficacité des futurs systèmes montpelliérains. Elle fait autre chose, qui manque presque partout ailleurs : elle rend les arbitrages visibles et opposables. Qui décide, quels usages sont exclus, qui contrôle, comment l’usager est informé et comment il conteste. C’est à cet endroit précis que l’IA cesse d’être un outil de productivité pour devenir un sujet démocratique.
Les sept preuves à publier avant tout passage à l’échelle
Aucun des sept cas étudiés ne publie aujourd’hui l’intégralité de cette grille, mais chacun en publie déjà une partie, et souvent la plus difficile : le Sicoval sur la méthode et le gain constaté, Noisy-le-Grand sur le coût complet, Rouen sur le dénominateur de sa mesure de satisfaction, Aix-Marseille sur ses points de vigilance. Cette asymétrie ne signifie pas que les preuves manquantes n’existent pas en interne : elle signifie qu’elles ne sont pas encore publiées, et c’est la publication qui fait la valeur collective. C’est précisément ce qui devrait guider les programmes nationaux : la valeur du programme Territoires d’IA se jugera moins au nombre d’agents formés qu’à la qualité de preuve des quinze cas d’usage qu’il promet de documenter. possible
Devenir une collectivité qui prouve
La doctrine tient en une phrase : une collectivité ne devrait pas passer de l’expérimentation au déploiement parce qu’un outil fonctionne, mais parce qu’elle peut démontrer qu’il améliore le service public davantage qu’il ne crée de risques, de coûts et de dépendances. L’enjeu n’est pas de devenir une collectivité augmentée. Il est de pouvoir prouver qu’un système améliore effectivement une politique publique sans diminuer la responsabilité de ceux qui la conduisent. Les collectivités qui domineront la décennie ne seront pas celles qui auront déployé le plus d’IA. Ce seront celles qui pourront publier leurs preuves, y compris leurs échecs, et dont le récit résistera aussi bien à un journaliste qu’à un droit de réponse.
ELMARQ accompagne les collectivités sur la stratégie, l’exécution et la mesure de leur autorité informationnelle, y compris la façon dont les moteurs d’intelligence artificielle les décrivent. Voir la page Collectivités et l’analyse consacrée à la souveraineté des outils d’IA de l’État. Trente minutes de diagnostic suffisent à situer la qualité de preuve de vos propres projets : elmarq.fr/contact.
