Intervention à l'assemblée générale de l'Association internationale des services du Trésor (AIST), Conakry, Guinée — 19 novembre 2024, au titre de la Direction interministérielle du numérique (DINUM).
L'intelligence artificielle n'est pas un phénomène nouveau. Depuis la conférence de Dartmouth en 1956, le champ a traversé plusieurs cycles d'optimisme et de désillusion, avant que la convergence entre puissance de calcul, disponibilité des données massives et architectures Transformer (Google, 2017) ne produise la rupture que représente ChatGPT en 2022. Ce que cette rupture change pour les organisations publiques, et pour les métiers du Trésor en particulier, n'est pas la technologie elle-même. C'est la vitesse à laquelle elle devient accessible et la pression qu'elle exerce sur les décisions d'adoption.
L'intervention portait sur trois registres distincts.
Le premier est technique : comprendre ce que l'IA fait réellement : estimer le résultat le plus probable, pas produire une vérité. Cette distinction conditionne tout le reste. Un système qui prédit avec 90% de fiabilité produit 10% d'erreurs. Dans un contexte de décision administrative, la question n'est pas « est-ce que ça marche » mais « qui est responsable en cas d'erreur ».
Le second est juridique. L'opposabilité des décisions algorithmiques, la transparence des modèles de réseaux de neurones, la conformité RGPD dans les traitements de données fiscales : ces contraintes ne sont pas des obstacles à l'adoption, mais elles en définissent les conditions.
Le troisième est organisationnel. Les projets co-portés par la DGFiP en France, Foncier innovant et Signaux faibles, illustrent ce que l'IA peut apporter aux métiers financiers publics quand elle est conçue comme un outil d'aide à la décision, et non comme un substitut au jugement humain.
La question centrale pour les services du Trésor n'est pas de savoir si l'IA va modifier leurs métiers. Elle est de déterminer à quelles conditions cette modification produit de la valeur sans créer de dépendance ni exposer l'organisation à un risque réglementaire ou opérationnel qu'elle ne maîtrise pas.