L'État déploie l'IA sans savoir la compter : le « cimetière des POC » et l'aveu MAREVA

L’État sait déployer l’IA, pas la chiffrer

Le constat empirique est sans ambiguïté. Le rapport conjoint de l’Inspection générale des finances (IGF n° 2025-E-081-03), de l’Inspection générale de l’administration (IGA n° 26008R) et de l’Inspection générale des affaires sociales (IGAS n° 2025-089R), établi en avril 2026 sur lettre de mission du Premier ministre du 8 septembre 2025, décrit une adoption massive et désordonnée. La direction interministérielle du numérique (DINUM) recense, sans exhaustivité, plus de 140 produits d’IA dans l’État, avec une hétérogénéité extrême entre ministères, de zéro à soixante-quatorze projets selon l’entité considérée. Le caractère non exhaustif de ce panorama est lui-même documenté, puisque certains ministères recensent bien davantage que le décompte interministériel, par exemple 116 projets d’IA au ministère de l’intérieur fin 2025 et 83 systèmes d’IA dans les ministères économiques et financiers à la mi-décembre 2025. L’administration ne connaît donc pas précisément le nombre de ses propres chantiers.

Sous cette surface foisonnante, deux ordres de grandeur disent l’ampleur du phénomène et son opacité. D’abord, le « shadow IA » (usage spontané d’outils non validés par la direction des systèmes d’information) pourrait concerner jusqu’à 40 % des agents, selon une étude du Syndicat national des directions générales des collectivités territoriales de septembre 2025 citée par le rapport. Ensuite, l’exposition des métiers. En transposant la méthodologie de l’Organisation internationale du travail, la mission conclut qu’un agent public sur cinq est, en théorie, sensiblement exposé à l’IA, soit environ un cinquième des effectifs, et qu’un sur sept l’est significativement, soit 13 % des effectifs et plus de 700 000 agents dans les fonctions administratives et de support. La mission prend soin de préciser que cette exposition potentielle ne préjuge pas de gains de productivité effectifs, distinction que la suite du raisonnement rend décisive.

Le point aveugle apparaît au moment de convertir cette effervescence en valeur. Le rapport reprend à son compte l’image du « cimetière des preuves de concept » et chiffre le décrochage. Selon ses termes, de 80 à 95 % des preuves de concept (POC, prototypes destinés à valider une idée avant industrialisation) ne passent pas le stade de l’industrialisation. La dépense, elle, reste éclatée et probablement sous-estimée. Entre 2023 et 2025, la DINUM a engagé 8,7 millions d’euros sur l’IA, les ministères près de 26,2 millions hors IA de défense, et France Travail 18,7 millions. L’administration multiplie donc les initiatives, observe des gains de temps réels mais diffus, et se révèle incapable de dire ce que l’IA lui coûte réellement ni ce qu’elle lui rapporte. La mesure du fait précède ici toute théorie : l’écart entre la profusion des chantiers et l’indigence des bilans est le fait central que le reste de l’article cherche à comprendre.

MAREVA, ou vingt ans de métriques refaites

Face à un problème de mesure, l’État réforme son instrument de mesure. Cet instrument porte un nom, MAREVA (méthode d’analyse et de remontée de la valeur), et une histoire longue. Conçue pour le compte de l’agence chargée de l’administration électronique, utilisée depuis 2007, actualisée en 2014 dans une version dite MAREVA 2, elle constitue le socle de l’audit dit « article 3 ». Cette procédure, prévue par le décret n° 2019-1088 du 25 octobre 2019, soumet à l’avis conforme de la DINUM tout grand projet numérique dont le budget prévisionnel atteint ou dépasse quinze millions d’euros en coûts complets, la saisine devant intervenir avant toute contractualisation.

La limite structurelle de cet outil est précise. Pour ce qui concerne les gains de productivité, MAREVA 2 ne retient que deux grandeurs, les effectifs et les délais. La valeur d’un projet public y est ainsi ramenée au nombre d’agents et au temps. Tout le reste, la qualité du service rendu, l’amélioration des conditions de travail, le risque juridique, le cycle de vie et les coûts indirects, demeure hors du calcul.

Ce que MAREVA laisse hors du calcul

Selon le rapport inter-inspections, « concernant les gains de productivité, Mareva 2 ne prend en considération que les critères d’effectifs et de délais ». Sa proposition n° 6 demande d’« adapter la méthode d’analyse et de remontée de la valeur (MAREVA) pour en faire une méthodologie d’évaluation des solutions d’IA fondée sur la valeur des projets et sur leurs coûts complets ». Entre ces deux formulations se loge tout ce que l’outil ne sait pas saisir : le cycle de vie d’un projet, ses coûts récurrents, la qualité du service à l’usager et les conditions de travail des agents.

La DINUM n’a pas ignoré ces limites. Au cours de l’année 2025, elle a mené une refonte complète baptisée « MAREVA produit », intégrée nativement à l’outil de gestion de données Grist et exigée depuis début janvier 2026 pour tout dossier de saisine avant lancement d’un grand projet. L’objectif affiché est de mieux relier les ressources consommées aux impacts escomptés. Or la mission inter-inspections, dont les travaux n’intègrent pas cette dernière version en raison de sa mise en œuvre récente, juge cette famille de méthodes « incomplète ou peu opérationnelle » pour l’IA. L’instrument a donc été refondu à plusieurs reprises, chaque fois pour capter davantage de dimensions, et il est chaque fois jugé inapte à saisir la valeur réelle d’un projet d’IA. Cette régularité est l’anomalie qui appelle une explication.

Le problème n’est pas l’outil, c’est la commensuration

Cette répétition oriente vers une hypothèse. L’échec de MAREVA n’est pas technique, il est social, et il porte un nom dans la sociologie de la quantification.

La commensuration (Espeland et Stevens, 1998)

Dans Commensuration as a Social Process (Annual Review of Sociology, vol. 24, 1998, p. 313-343), les sociologues Wendy Nelson Espeland et Mitchell L. Stevens définissent la commensuration comme la comparaison d’entités différentes selon une métrique commune, soit la transformation de qualités hétérogènes en quantités comparables. Leur thèse tient en un point : cette opération n’est pas neutre. Elle est un mode d’exercice du pouvoir, car choisir la métrique revient à décider quelles dimensions deviennent visibles et pertinentes et lesquelles sont effacées. Déclarer une chose « incommensurable » est symétriquement un acte de résistance à la mise en équivalence.

Appliquée au cas, la thèse éclaire ce que la seule critique de l’outil laisse dans l’ombre. Décider que la valeur d’un projet se lit dans les effectifs et les délais, c’est rendre invisibles la qualité du service à l’usager, la charge de travail des agents et l’exposition au risque. Le désaccord ne porte pas sur le choix d’un tableur, mais sur ce qui doit compter comme « valeur » d’un projet public d’IA. Tant que ce désaccord n’est pas tranché collectivement, aucune version de MAREVA ne le résoudra, parce qu’un outil de calcul ne décide pas à la place des acteurs ce qui mérite d’entrer dans l’équation. La refonte perpétuelle de l’échelle est le symptôme d’une mise en équivalence jamais stabilisée, pas d’une simple obsolescence logicielle. C’est aussi pourquoi la proposition n° 8 du rapport, qui réclame une trajectoire pluriannuelle de mutualisation sous gouvernance plus contraignante de la DINUM, ne suffira pas à elle seule : mutualiser des infrastructures ne tranche pas la question de savoir ce que l’on mesure.

Le précédent de la LOLF, mesurer sans jamais compter la productivité

L’État a déjà vécu cette scène, à une autre échelle. La loi organique relative aux lois de finances (LOLF), promulguée le 1er août 2001 et pleinement appliquée à partir de l’exercice budgétaire 2006, a introduit dans la culture administrative une démarche de performance. Chaque programme s’est vu doté d’objectifs et d’indicateurs, consignés dans des projets annuels de performance puis évalués dans des rapports annuels de performance, autour de trois familles d’objectifs, l’efficacité socio-économique, la qualité du service à l’usager et l’efficience. La LOLF fut, très exactement, une vaste entreprise de commensuration de l’action publique, une décision sur ce qui compterait désormais comme résultat.

Le verdict rendu un quart de siècle plus tard est instructif. Dans son rapport « Mieux suivre et valoriser les gains de productivité de l’État issus du numérique », publié le 21 janvier 2025, la Cour des comptes observe que les indicateurs annexés au budget mettent l’accent sur l’efficacité et l’efficience mais ne traitent que rarement de la productivité. Surtout, elle pointe l’absence d’évaluation en aval : « Une fois le projet validé et lancé, la notion de retour sur investissement n’est plus questionnée, ou ne l’est que formellement. » Sa première recommandation demande de procéder systématiquement à des études documentées d’impact et de retour sur investissement des grands projets numériques, puis d’en assurer le suivi en termes de qualité de service et d’économies attendues. L’instrument de mesure a redéfini les catégories de la valeur publique sans jamais produire la mesure de productivité qu’il promettait.

MAREVA rejoue ce scénario à l’échelle du projet, et la continuité n’a rien d’anecdotique, puisque l’un des deux parlementaires à l’origine de la LOLF, Didier Migaud, a présidé par la suite cette même Cour des comptes qui en dresse aujourd’hui le bilan critique. Cette proximité renvoie à une observation plus ancienne du statisticien Alain Desrosières dans La politique des grands nombres. Histoire de la raison statistique (La Découverte, 1993) : construire une mesure n’est jamais un geste purement technique, c’est déjà un acte de gouvernement. Le parallèle de la LOLF est ici préféré à cette histoire longue des « grands nombres » parce que sa proximité structurelle avec MAREVA est maximale, un même instrument de commensuration porté par l’État, contrôlé par une même institution, et censé mesurer une performance qu’il finit par ne pas mesurer.

L’angle mort, refondre la métrique dispense du bilan a posteriori

Reste le non-dit du discours institutionnel. En répondant à un problème de mesure par un outil de mesure rénové, l’administration déplace l’attention vers l’amont. MAREVA, y compris dans sa version « produit », est un dispositif ex ante, un avis rendu avant le lancement. Rien dans l’architecture actuelle n’oblige à revenir, deux ou trois ans plus tard, sur un projet livré pour mesurer ses coûts complets et ses gains réels. La proposition n° 6 elle-même reste rédigée dans le registre de l’évaluation des solutions, non du bilan des projets achevés.

La conséquence mérite d’être formulée sans détour, et de façon loyale envers des institutions qui ne dissimulent aucune de ces données et les publient elles-mêmes. Réformer périodiquement le thermomètre est aussi un moyen de ne jamais prendre la température. Tant que la métrique est en chantier, l’absence de bilan a posteriori se justifie par l’imperfection reconnue de l’outil, et la demande formulée par la Cour des comptes depuis janvier 2025 peut rester sans suite sans qu’aucun acteur ait à en assumer explicitement le choix. La commensuration inachevée fonctionne alors comme une protection, elle rend l’évaluation indéfiniment prématurée. Ce mécanisme ne suppose aucune mauvaise foi individuelle, seulement l’intérêt structurel, partagé par des administrations sous forte tension budgétaire, à ne pas figer une mesure dont les résultats seraient opposables.

Conclusion

Le paradoxe posé au départ trouve ici sa formule. L’État refond son thermomètre précisément parce que prendre la température l’obligerait à trancher un désaccord de fond sur ce qui compte comme valeur d’un projet public d’IA, et à s’exposer à un bilan chiffré et opposable. La commensuration, chez Espeland et Stevens, est un acte de pouvoir, et le report indéfini de cet acte est lui aussi un acte de pouvoir.

Cette lecture débouche sur une hypothèse vérifiable. Si l’incapacité à mettre en équivalence persiste, aucune évaluation a posteriori chiffrée d’un grand projet d’IA de l’État, associant coûts complets et gains mesurés, n’aura été publiée par la DINUM avant juillet 2027, malgré la proposition n° 6. Le lecteur dispose pour en juger d’un point d’observation accessible sans information interne, le panorama semestriel des grands projets numériques de l’État et le rapport d’activité annuel de la DINUM. L’apparition, ou l’absence, d’une évaluation a posteriori nommée, portant sur un projet d’IA identifié et chiffrant à la fois ses coûts complets et ses gains constatés, dira si l’État a fini par prendre la température ou s’il a, une fois de plus, changé de thermomètre. Un signal intermédiaire sera déjà lisible dans les suites données à l’expérimentation de l’« Assistant IA » conduite auprès de dix mille agents, selon que son bilan portera sur les coûts complets et les gains constatés ou seulement sur l’adoption et la satisfaction des utilisateurs.

Note méthodologique

L’analyse s’appuie sur le rapport inter-inspections du 2 juillet 2026, sur la communication de la Cour des comptes du 21 janvier 2025 et sur la publication de la DINUM relative à MAREVA produit, tous consultés à la source. Le parallèle historique retenu est celui de la LOLF, préféré à l’histoire longue des « grands nombres » suggérée par la veille, en raison de sa proximité structurelle plus forte et de son ancrage documentaire plus direct. Une ambiguïté a été arbitrée, les sources situant la conception de la première version de MAREVA en 2005 et son entrée en usage en 2007, la datation retenue est celle du rapport et de la presse spécialisée. Le taux d’échec des preuves de concept est cité dans la fourchette exacte du rapport, de 80 à 95 %.

Sources

Sources primaires institutionnelles

IGF, IGA, IGAS, « Le déploiement de l’intelligence artificielle dans les administrations publiques : analyse comparée, enjeux et conditions de réussite », avril 2026, publié le 2 juillet 2026, https://www.vie-publique.fr/files/rapport/pdf/303927.pdf

DINUM, « MAREVA : retour sur la refonte de l’audit des grands projets numériques de l’État », 7 août 2026, https://www.numerique.gouv.fr/actualites/mareva-refonte-audit-grands-projets-si-numeriques-etat/

Rapports officiels

Cour des comptes, « Mieux suivre et valoriser les gains de productivité de l’État issus du numérique », 21 janvier 2025, https://www.ccomptes.fr/fr/publications/mieux-suivre-et-valoriser-les-gains-de-productivite-de-letat-issus-du-numerique

Cadres théoriques

Wendy Nelson Espeland et Mitchell L. Stevens, « Commensuration as a Social Process », Annual Review of Sociology, vol. 24, 1998, p. 313-343, https://www.annualreviews.org/content/journals/10.1146/annurev.soc.24.1.313

Alain Desrosières, La politique des grands nombres. Histoire de la raison statistique, La Découverte, 1993, https://www.editionsladecouverte.fr/la_politique_des_grands_nombres-9782707165046

Parallèle historique

Ministère de l’Économie et des Finances, « 2001-2021 : la LOLF a 20 ans », 2 août 2021, https://www.economie.gouv.fr/lolf-20-ans

Presse spécialisée

Victoria Beurnez, « Les inspections appellent l’État à changer de méthode pour mesurer les gains de productivité de l’IA », Acteurs Publics, 6 juillet 2026, https://acteurspublics.fr/articles/les-inspections-appellent-letat-a-changer-de-methode-pour-mesurer-les-gains-de-productivite-de-lia/