Recherche Adobe : pourquoi les administrations publiques peinent à faire évoluer leurs initiatives d’IA du pilote au passage à l’échelle
11-12-2026
La plupart des discussions sur l’adoption de l’IA par les administrations publiques se concentrent encore sur quelques questions technologiques : quel modèle, quel fournisseur, quel cas d’usage. Or, une nouvelle étude d’Adobe montre que c’est là le mauvais angle d’analyse. Parmi les 502 répondants du secteur public dans une étude mondiale portant sur 5 633 dirigeants et dirigeantes, répartis dans 12 secteurs d’activité et 11 marchés, les organisations qui peinent à passer à l’échelle sont rarement freinées par la technologie elle-même. Elles font face à un défi bien plus fondamental : déterminer qui détient le pouvoir de décider ce qu’il advient d’une idée une fois la phase pilote terminée.
Les chiffres parlent d’eux-mêmes : sur 100 cas d’usage de l’IA proposés dans le secteur public, 90 n’atteignent jamais la production. Ils disparaissent une étape après l’autre, au fil des validations successives : évaluation informatique, sécurité, intégration, budget, jusqu’à ce qu’une idée pourtant prometteuse cesse d’être une priorité pour quiconque. Ce n’est pas une question de prudence excessive, de lourdeurs administratives ou d’équipes insuffisamment préparées. C’est ce qui arrive quand le modèle opérationnel d’une organisation ne suit pas le rythme qu’impose l’IA : sans définir clairement qui est responsable d’une décision, qui est présent au moment où elle est prise, ni ce qui constitue la preuve du succès.
Entre pilote et déploiement : là où se joue vraiment l’IA dans les administrations publiques
Notre étude révèle que 62 % des répondants actifs du secteur public se trouvent aux stades du pilotage ou du déploiement : plus avancés que l’exploration, mais loin encore de l’expansion ou de la transformation. C’est le groupe le plus important de l’étude, mais cela ne signifie pas un ralentissement. Cela indique plutôt là où se concentrent les véritables points de friction. Faire progresser un cas d’usage jusqu’à la phase pilote est relativement aisé. Transformer ce pilote en quelque chose de reproductible — un deuxième bureau, un deuxième programme ou une deuxième juridiction que l’on peut adopter sans repartir de zéro — exige une infrastructure d’un tout autre ordre que celle dont avait besoin le pilote. Non pas davantage de puissance de calcul, mais une clarté bien plus grande sur qui décide de la suite.
3 lacunes responsables de la plupart des blocages
Sous ce « milieu figé » se trouvent trois déficits précis qui se renforcent mutuellement.
- Personne n’est vraiment aux commandes. Seulement 7 % des répondants du secteur public déclarent avoir un propriétaire de l’IA officiel, doté d’un titre défini et d’une autorité budgétaire. Tous les autres fonctionnent sous la responsabilité d’un référent à temps partiel, d’un comité, d’une organisation projet par projet, ou sans personne véritablement imputable. Un comité peut signaler un risque, mais il est généralement incapable de trancher un conflit de financement entre la direction de la confidentialité et l’équipe programme, ni de décider si un cas d’usage justifie le capital politique nécessaire à son passage à l’échelle. Pour cela, il faut un nom, un mandat et une ligne budgétaire.
- Les fonctions métier et l’informatique communiquent par tickets. Leurs rapports se limitent à des échanges transactionnels, sans véritable partenariat. Parmi les répondants du secteur public, 92 % décrivent la relation entre les fonctions métier et l’informatique comme cloisonnée, transactionnelle ou consultative : l’une transmet une demande, l’autre l’examine. La gouvernance, la sécurité et l’accessibilité n’obtiennent vraiment voix au chapitre qu’une fois la conception pratiquement figée. C’est précisément cette logique séquentielle qui explique pourquoi l’entonnoir de validation se resserre à ce point : les vérifications qui auraient pu façonner une proposition en amont finissent par être celles qui la font échouer en aval.
- Presque personne n’est en mesure de prouver ce que l’IA a réellement apporté. Seuls 4 % des répondants du secteur public déclarent mesurer de manière exhaustive l’impact de l’IA. Les statistiques d’utilisation et les gains de temps de traitement sont faciles à produire, mais aussi faciles à mal interpréter. Elles montrent qu’un outil est utilisé, non qu’un service est devenu meilleur, plus rapide ou plus fiable pour les personnes qui en dépendent. Une fois qu’un workflow a évolué, il est pratiquement impossible de reconstituer une référence fiable permettant de mesurer les améliorations. Les institutions qui dépensent des fonds publics doivent pouvoir rendre compte de ce qu’un tel investissement a concrètement apporté, ce que la plupart d’entre elles sont actuellement incapables de faire.
Ce que font différemment les organisations les plus performantes
L’étude a également identifié 342 leaders représentant 6 % des répondants actifs dans 12 secteurs d’activité, sélectionnés uniquement sur la base de la maturité de leur modèle opérationnel et de la profondeur de leur déploiement, et non par secteur. Leur pertinence comme point de référence tient précisément au fait qu’ils n’ont pas été sélectionnés comme banc d’essai pour l’administration publique. Cinq éléments les distinguent, et aucun d’entre eux ne relève d’un choix technologique :
- Les leaders désignent un véritable propriétaire. Ils sont 13,8 fois plus susceptibles que les répondants du secteur public de disposer d’un propriétaire de l’IA officiel, doté d’un titre et d’une autorité budgétaire, soit un interlocuteur unique et responsable pour les décisions transversales, et non un simple coordinateur réduit à escalader les problèmes et à attendre.
- Les leaders mesurent avant de construire, pas après. Parmi les leaders, 44 % font état d’une mesure exhaustive, contre 4 % des répondants du secteur public. La référence est définie en même temps que le cas d’usage, et non reconstruite a posteriori à partir des données disponibles après le déploiement.
- Les leaders font de l’informatique un partenaire dès le premier jour. Parmi les leaders, 81 % qualifient leur relation métier-informatique de collaborative ou intégrée, contre 8 % des répondants du secteur public. Les exigences de sécurité, de confidentialité et d’accessibilité sont définies tant que le cas d’usage n’est encore qu’une proposition, et non après sa mise en œuvre.
- Les leaders font de l’échec un moteur d’apprentissage, non de sanction. Moins de 1 % des leaders font état de comportements destructeurs face à l’échec (rejet de responsabilité, dissimulation, répétition des mêmes erreurs), contre 56 % des répondants du secteur public. L’écart est saisissant, et c’est celui qui est le plus directement lié à la confiance du public. Les institutions capables d’évoquer ouvertement ce qui n’a pas fonctionné sont celles qui évitent de reproduire les mêmes erreurs.
- Les leaders placent les champions au cœur de l’action, pas en retrait. Parmi les leaders, 42 % citent l’autonomisation des champions internes comme le levier culturel le plus déterminant, devant la formation formelle, les notes de direction ou les nouvelles directives. Les personnes qui ont déjà réussi à faire fonctionner quelque chose dans leur propre périmètre de l’organisation s’avèrent bien plus convaincantes que n’importe quel document de politique interne.
En alignant ces cinq comportements, un schéma se dessine qui dépasse le cadre d’une seule enquête. Les organisations qui prennent de l’avance ont cessé de considérer la gouvernance comme un point de contrôle en fin de projet. Elles l’ont réinventée comme un ensemble de standards qui accompagnent le travail dès le départ : droits de décision établis en amont, exigences probatoires convenues en amont et partenaires de supervision intégrés en amont. Ce changement se manifeste partout où les institutions doivent évoluer au rythme de l’IA : des règles reformulées pour s’appliquer au moment de la décision plutôt qu’examinées a posteriori, des équipes organisées autour d’une mission et de résultats mesurables plutôt que d’un organigramme figé, et un feedback traité comme une composante permanente du travail plutôt que comme un compte rendu annuel rangé dans un tiroir.
Point de départ plus modeste qu’il n’y paraît
Rien de tout cela n’exige une réorganisation ni d’attendre un budget plus conséquent. Il s’agit de choisir un cas d’usage qui compte vraiment et d’accomplir quatre choses avant tout passage en production : désigner la personne responsable, consigner le résultat attendu et la référence de départ, réunir les partenaires de mise en œuvre et les partenaires de supervision tant que la conception reste modifiable, et s’entendre à l’avance sur les critères qui décideront si le projet est étendu, remanié ou arrêté.
Courte liste, certes, mais c’est elle qui fait toute la différence entre un pilote condamné à rester indéfiniment à l’état de pilote et un pilote qui devient, preuves à l’appui, la référence sur laquelle une institution publique peut s’appuyer lorsqu’elle décide de reproduire ce qui a fonctionné.
Découvrez le rapport complet pour savoir où en sont les organisations du secteur public et ce que les leaders font différemment.
Recommandations de lecture
https://business.adobe.com/fragments/resources/cards/thank-you-collections/government