L'État finance l'accès aux données, pas leur usage

Ce que valide une étude conduite entre Pise et Swansea

L'article de Sabina De Rosis, Veronica Spataro, Elisa Peruzzo, Hamish Laing et Milena Vainieri, publié aux pages 53 à 80 de la livraison anglaise du numéro, porte un titre programmatique : « Determinants of user-reported data use for a data-driven public sector ». L'objet est étroit et la question large. Les auteurs cherchent à comprendre ce qui empêche ou encourage les professionnels et les gestionnaires de santé à utiliser effectivement les données rapportées par les usagers, ces mesures d'expérience et de résultat que les systèmes de santé collectent désormais en masse.

Le terrain est double. D'un côté l'Italie, où le Laboratorio Management e Sanità de la Scuola Superiore Sant'Anna opère depuis 2004 un système d'évaluation de la performance des services régionaux de santé, avec des plateformes construites pour rendre les données agrégées accessibles aux professionnels et aux directions. De l'autre le pays de Galles, où Hamish Laing, ancien directeur médical et directeur des systèmes d'information d'un Health Board du NHS, dirige depuis 2021 l'académie Value-Based Health and Care. Deux configurations différentes de la même promesse, celle d'un secteur public qui déciderait à partir de ce que les usagers disent de leur propre expérience.

Le résultat est contre-intuitif pour qui finance des infrastructures de données. Les déterminants qui ressortent ne sont pas ceux de la donnée elle-même. Ce sont l'attente de performance (la conviction que se servir des données améliorera le travail), l'attente d'effort (la charge cognitive et pratique que représente ce recours) et surtout les conditions facilitantes, c'est-à-dire les ressources humaines disponibles, le temps dégagé, l'existence d'un appui compétent au moment où la question se pose. La donnée peut être excellente, accessible et gratuite, et rester inutilisée si personne n'a le temps de la regarder.

Les conditions facilitantes, ou la part matérielle de l'adoption

Le modèle UTAUT (Unified Theory of Acceptance and Use of Technology), formulé par Viswanath Venkatesh, Michael G. Morris, Gordon B. Davis et Fred D. Davis dans « User Acceptance of Information Technology : Toward a Unified View », MIS Quarterly, vol. 27, n° 3, 2003, pages 425 à 478, synthétise huit modèles antérieurs de l'acceptation des technologies. Il distingue quatre construits. Trois d'entre eux (attente de performance, attente d'effort, influence sociale) agissent sur l'intention d'utiliser. Le quatrième, les facilitating conditions, définies comme la croyance qu'une infrastructure organisationnelle et technique existe pour soutenir l'usage, occupe une position à part : dans le modèle d'origine, il prédit directement le comportement d'usage, sans passer par l'intention. Autrement dit, vouloir se servir d'un outil et pouvoir s'en servir relèvent de deux mécanismes distincts, et le second ne se déduit pas du premier.

Cette position théorique n'est pas un détail d'appareillage. Elle signifie qu'une politique publique qui travaille l'intention (communiquer, convaincre, former, valoriser les bons élèves) et néglige les conditions facilitantes agit sur la mauvaise variable. L'article de De Rosis et ses coauteurs valide l'idée que, dans deux systèmes de santé européens aux organisations très différentes, ce sont ces conditions matérielles que les praticiens désignent spontanément comme la contrainte réelle.

Un numéro qui converge sans le dire

La livraison 2026/2 de Gestion et management public, coordonnée par Tobin Im et Pierre-Charles Pupion sous le titre « Repenser le rôle de l'IA et du Big Data dans le secteur public », rassemble quatre contributions. L'une d'elles, signée Mahmoud Hamid Nassir-Deen, Collins Cobblah, Raphael Lissillour et Jean-Michel Sahut, examine l'intention de continuité d'usage des systèmes d'information hospitaliers au Ghana. Une autre, de Sabine Kuhlmann, Jochen Franzke et Niklas Peters, étudie l'usage, ou le non-usage, des données dans le conseil scientifique au gouvernement allemand pendant la pandémie. Trois terrains sans rapport, un même déplacement : la question n'est plus de produire la donnée, elle est de savoir ce qui la rend utilisable là où le travail se fait.

L'argent public sépare l'équipement de la condition d'usage

Le 16 juin 2026, à Bercy, le ministre de l'Action et des Comptes publics David Amiel a présenté le plan « Notre IA », qualifié par ses promoteurs de premier plan systémique pour l'intelligence artificielle dans l'État. La mesure phare est la mise à disposition d'un outil conversationnel généraliste, « l'Assistant », développé avec Mistral AI, à environ un million d'agents, contre 10 000 agents de six ministères en phase d'expérimentation. L'enveloppe annoncée s'élève à 655 millions d'euros, et sa destination est explicite : les infrastructures.

L'enquête publiée avec le plan, conduite auprès d'environ 2 000 agents de neuf administrations, indique que 89 % d'entre eux utilisent déjà l'intelligence artificielle dans leur travail et que 55 % recourent à des outils non validés par leur administration. Ces chiffres disent quelque chose que le plan ne tire pas : l'intention d'usage n'est pas le problème. L'appétence est là, jusqu'à déborder le cadre. Ce qui manque se situe ailleurs.

Une donnée budgétaire, rendue publique dans le rapport interinspections sur le déploiement de l'intelligence artificielle dans les administrations publiques et relayée par Acteurs Publics, permet d'en mesurer la part. Entre 2023 et 2025, la direction interministérielle du numérique a engagé 8,7 millions d'euros au titre de l'intelligence artificielle, couvrant des infrastructures de calcul, des licences de modèles propriétaires et des prestations. Sur ce total, 750 000 euros ont été consacrés à « l'animation du déploiement au sein des administrations publiques ». Le rapport de proportion est celui d'un poste résiduel.

Le même rapport, rendu public le 2 juillet 2026 par l'Inspection générale des finances, l'Inspection générale des affaires sociales et l'Inspection générale de l'administration, documente ce que produit cette répartition. L'industrialisation bute sur des écarts considérables, de zéro à soixante-quatorze projets selon les ministères, et de 90 % des métropoles engagées à 27 % des petites communes. Surtout, la mission chiffre le point de rupture : 80 à 95 % des preuves de concept ne franchissent pas le stade de l'industrialisation. Les gains qualitatifs existent, avec des délais divisés par six dans certains services et des gains de temps de 60 % sur des fonctions supports, mais ils « restent rarement mesurés » dans les administrations publiques, et les financements se caractérisent, selon la mission, par leur faible niveau et leur fragmentation.

L'écart entre 655 millions d'euros d'infrastructures et 750 000 euros d'animation du déploiement n'est pas une anomalie de calibrage entre deux périmètres budgétaires distincts. C'est la traduction comptable d'une théorie implicite de l'adoption, selon laquelle mettre à disposition suffit à faire usage. L'article de Gestion et management public soutient précisément l'inverse.

Une information peut être produite pour signifier plutôt que pour servir

Il faut alors expliquer la persistance de ce partage. L'hypothèse de l'ignorance ne tient pas : la Cour des comptes a publié le 21 janvier 2025 un rapport intitulé « Mieux suivre et valoriser les gains de productivité de l'État issus du numérique », qui établit que les dispositifs mis en place n'ont permis ni de s'engager fermement sur les gains attendus des projets numériques, ni de les mesurer de façon fiable. Le rapport relève que l'avis rendu par la direction interministérielle du numérique en amont des grands projets porte sur les enjeux techniques et méthodologiques, et que les gains attendus n'y font presque jamais l'objet de constats ou de recommandations. Le diagnostic est posé, connu, public. Il ne modifie pas la structure des engagements.

Ce type de persistance a reçu une explication en sciences de gestion il y a plus de quarante ans, et elle ne relève ni de l'incompétence ni de la mauvaise foi.

Information as Signal and Symbol

Martha S. Feldman et James G. March, « Information in Organizations as Signal and Symbol », Administrative Science Quarterly, vol. 26, n° 2, juin 1981, pages 171 à 186. Les auteurs partent d'un constat empirique répété : les organisations collectent systématiquement plus d'information qu'elles n'en utilisent, et continuent pourtant d'en demander davantage. Ce comportement est irrationnel du point de vue de la théorie de la décision, mais parfaitement rationnel du point de vue de la légitimité. Rassembler de l'information, l'exhiber, se doter de dispositifs qui en produisent, sont des actes qui signalent la compétence et le sérieux du décideur, indépendamment de l'usage effectif qui en sera fait. L'information fonctionne alors comme signal et comme symbole, et non comme ressource de décision.

La grille éclaire sans indulgence le cas français. Un plan à 655 millions d'euros fléché sur les infrastructures et un million d'agents équipés constituent un signal parfaitement lisible, immédiatement communicable, et vérifiable par un décompte. Une ligne budgétaire consacrée au temps agent dégagé pour apprendre à se servir d'un outil ne produit aucun signal de ce type : elle est invisible, difficile à agréger, et son effet ne se manifeste qu'à retardement. Le déséquilibre observé n'est pas le résultat d'un arbitrage raté entre deux options également valorisables. C'est le résultat d'un arbitrage réussi entre une dépense qui signale et une dépense qui ne signale pas.

Feldman et March ajoutent une précision décisive pour le praticien : la surproduction d'information n'est pas seulement tolérée, elle est demandée. Une administration qui réclame davantage de données, davantage de tableaux de bord, davantage d'outils, ne signale pas un besoin décisionnel non satisfait. Elle signale qu'elle est le genre d'organisation qui décide sur données. Le compteur d'agents équipés relève exactement de cette logique, à ceci près qu'il porte cette fois sur l'accès à l'outil plutôt que sur le contenu qu'il produit.

Trente ans de données de performance fédérales n'ont pas produit d'usage

L'objection immédiate est que cette lecture reste conjecturale, faute de série longue permettant d'observer ce que devient l'usage quand la disponibilité augmente. Cette série existe, et elle est américaine.

Le Government Performance and Results Act de 1993 a imposé aux agences fédérales des États-Unis la production d'objectifs et d'indicateurs de performance, complété en 2010 par le GPRA Modernization Act, qui exige des dirigeants qu'ils fixent des objectifs et utilisent les données pour en suivre l'atteinte. Le Government Accountability Office interroge périodiquement les cadres fédéraux depuis 1997, avec des vagues successives en 2000, 2003, 2007, 2013 et 2017. La vague de 2017 a été administrée à 4 395 cadres et superviseurs civils, avec un taux de réponse d'environ 67 %.

Le résultat, sur vingt ans, tient en une phrase. La disponibilité de l'information de performance a augmenté. Son usage dans la décision n'a pas suivi. Le Government Accountability Office construit un indice agrégeant onze questions sur le recours effectif à l'information de performance dans les activités de gestion, et son rapport de 2018 constate que l'usage déclaré ne s'est pas amélioré depuis l'enquête de 2013, l'indice à l'échelle du gouvernement fédéral affichant même une baisse statistiquement significative par rapport à 2007. Sur la période antérieure, l'institution avait déjà relevé que la proportion de cadres déclarant recourir largement aux mesures de performance pour leurs activités de gestion n'avait pas augmenté significativement depuis 1997.

Le précédent est structurellement proche du cas français pour trois raisons. La contrainte est venue d'en haut, par la loi, comme la doctrine de la donnée est venue par circulaire. L'investissement a porté sur la production et la mise à disposition, non sur les conditions dans lesquelles un cadre trouve une demi-journée pour exploiter ce qui lui est offert. Et l'évaluation, quand elle a eu lieu, a porté sur l'usage réel plutôt que sur le taux d'équipement, ce qui explique qu'elle ait produit un résultat aussi défavorable. La France a jusqu'ici évité ce résultat en évitant cette mesure. Le précédent français de la rationalisation des choix budgétaires, abandonnée en 1984 après seize ans d'une production d'analyses que la décision budgétaire avait cessé d'utiliser, dit la même chose dans une grammaire administrative plus familière.

Un point mérite d'être relevé dans les travaux du Government Accountability Office, parce qu'il rejoint directement les conditions facilitantes. Les cadres dont les programmes faisaient l'objet de revues trimestrielles pilotées par les données déclaraient, eux, que ces revues servaient effectivement à progresser vers les objectifs. Autrement dit, l'usage progresse là où un dispositif organisationnel oblige à consacrer du temps à la donnée, à une échéance fixée, avec des personnes identifiées. Ce n'est pas une amélioration de l'outil, c'est une allocation de ressource.

Ce que la France ne mesure pas ne peut pas être corrigé

Reste à qualifier ce que les conditions facilitantes recouvrent réellement, et pourquoi elles résistent aux réponses habituelles. La formulation de Venkatesh et de ses coauteurs (croire qu'une infrastructure organisationnelle et technique soutient l'usage) est neutre au point d'être trompeuse. Ce que décrivent les professionnels de santé interrogés en Italie et au pays de Galles, ce sont des ressources dont ils ne disposent pas et qu'ils ne contrôlent pas : un effectif, un créneau, un interlocuteur compétent joignable. La dépendance aux ressources décrite par Jeffrey Pfeffer et Gerald R. Salancik dans The External Control of Organizations : A Resource Dependence Perspective (Harper and Row, 1978, réédité par Stanford Business Books en 2003) nomme cette situation avec exactitude : le comportement d'une unité est contraint par les ressources qu'elle doit obtenir d'ailleurs. Un service qui ne maîtrise ni son plafond d'emplois ni son plan de charge ne peut pas décider d'utiliser davantage les données mises à sa disposition, quelle que soit sa conviction.

Cette lecture a une conséquence pratique inconfortable. Les conditions facilitantes ne relèvent pas du registre pédagogique, où la puissance publique dispose de leviers abondants et peu coûteux, mais du registre de l'allocation, où elle en dispose peu. Il est infiniment plus simple de publier un guide d'usage, de systématiser un enseignement dans les écoles de cadres et d'ouvrir une négociation sur un accord-cadre, comme la direction générale de l'administration et de la fonction publique l'a fait à partir du 18 juin 2026, que d'inscrire dans un schéma d'emplois les effectifs d'appui dont l'usage effectif dépend.

L'angle mort se situe exactement là, et il est mesurable par son absence. Aucun document public accessible ne fournit, pour « l'Assistant », le rapport entre le nombre de comptes ouverts et le nombre d'utilisateurs actifs mensuels. Le chiffre communiqué est celui de la mise à disposition, un million d'agents, catégorie qui décrit un droit d'accès et non un comportement. La mission interinspections le formule à sa manière lorsqu'elle observe que les gains restent rarement mesurés. La Cour des comptes le formule autrement lorsqu'elle constate que la question du retour sur investissement cesse d'être posée une fois le projet lancé. Dans les deux cas, ce qui n'est pas mesuré n'est pas un oubli technique. C'est ce que Feldman et March permettent d'identifier comme la partie de l'information dont l'organisation n'a pas besoin pour produire son signal.

Ce qui se vérifiera avant l'automne 2027

Le paradoxe tenu tout au long de cette lecture peut désormais se formuler sans détour. L'État français finance abondamment l'accès aux données et aux outils qui les exploitent, et ne finance presque pas la condition sans laquelle cet accès reste sans effet, à savoir la disponibilité matérielle des agents qui devraient s'en servir. Ce partage n'est pas une erreur de conception. Il est cohérent avec une fonction de l'information qui n'est pas décisionnelle mais démonstrative, et il se maintiendra tant que le décompte des agents équipés restera l'indicateur qui circule.

L'hypothèse vérifiable qui en découle est la suivante. Ni le plan « Notre IA », ni l'autorité qui a succédé à la direction interministérielle du numérique le 24 juin 2026, ne publieront d'ici l'automne 2027 un indicateur d'usage effectif de « l'Assistant », entendu comme le rapport entre utilisateurs actifs mensuels et comptes ouverts, distinct du nombre d'agents disposant d'un accès. L'indicateur observable est précis et accessible sans information interne : la présence ou l'absence d'un tel ratio dans les annexes de performance du projet de loi de finances pour 2028, publiées à l'automne 2027, ainsi que dans les publications de bilan du plan. Si un tel ratio apparaît, la thèse défendue ici est affaiblie et l'État aura accepté de se doter d'une mesure susceptible de le contredire. S'il n'apparaît pas, la question ne sera plus de savoir si les agents utilisent l'outil, mais pourquoi cette question n'a jamais eu besoin d'être posée.

---

Note méthodologique

L'angle a été arbitré parmi trois pistes possibles, la comparaison des dispositifs italien et français de mesure de l'expérience usager et la critique méthodologique du modèle UTAUT ayant été écartées au profit de la confrontation budgétaire, mieux ancrée dans des sources primaires vérifiables. Le cadre théorique principal retenu est celui de Feldman et March (1981), et non le modèle UTAUT, qui figure ici comme objet de l'étude commentée et non comme grille de lecture de l'article.

Deux points de précision factuelle. Premièrement, le numéro 2026/2 de Gestion et management public porte une date de parution au 20 avril 2026 et une date de mise en ligne au 25 avril 2026 sur le portail Cairn, la seconde ayant été retenue dans le chapô. La version anglaise de l'article occupe les pages 53 à 80, la version française les pages 86 à 110. Deuxièmement, le texte intégral de l'article est sous accès payant et n'a pas pu être consulté dans son entier. Les éléments mobilisés proviennent du résumé publié par les auteurs, des notices de la revue et des dépôts institutionnels des auteurs. Le matériel accessible décrit une démarche de validation des construits du modèle auprès de professionnels et de gestionnaires dans les deux pays, la phase de collecte transnationale quantitative étant présentée comme ultérieure. Le nombre d'entretiens conduits n'est pas accessible en l'état, et des communications de congrès antérieures des mêmes auteurs, de méthodologie quantitative et présentées comme préliminaires, portaient sur un nombre de facteurs variable. Toute citation précise du dispositif d'enquête suppose la consultation du texte intégral.

Le chiffre de 8,7 millions d'euros et celui de 750 000 euros consacrés à l'animation du déploiement proviennent du rapport interinspections, relayé par Acteurs Publics. Ils portent sur les engagements de la seule direction interministérielle du numérique entre 2023 et 2025 et ne sont pas homogènes au périmètre des 655 millions d'euros annoncés le 16 juin 2026, qui couvrent infrastructures, capacités de calcul et soutien de filière. La comparaison est établie comme rapport d'ordres de grandeur entre deux natures de dépense, non comme ventilation d'une même enveloppe.

---

Sources

Sources académiques primaires

De Rosis Sabina, Spataro Veronica, Peruzzo Elisa, Laing Hamish, Vainieri Milena, « Determinants of user-reported data use for a data-driven public sector : Validating an adaptation of the UTAUT model with professionals and managers in healthcare », Gestion et management public, 2026/2, vol. 14, pages 53 à 80, DOI 10.3917/e.gmp.142.0053. https://shs.cairn.info/journal-gestion-et-management-public-2026-2-page-53?lang=en

Gestion et management public, 2026/2, vol. 14, « Repenser le rôle de l'IA et du Big Data dans le secteur public », coordonné par Tobin Im et Pierre-Charles Pupion, parution du 20 avril 2026, mise en ligne du 25 avril 2026. https://shs.cairn.info/revue-gestion-et-management-public-2026-2?lang=fr

Notice de publication de Hamish Laing, université de Swansea, référençant l'article et le dépôt institutionnel Cronfa 70110. https://www.swansea.ac.uk/staff/hamish.laing/

Cadres théoriques

Venkatesh Viswanath, Morris Michael G., Davis Gordon B., Davis Fred D., « User Acceptance of Information Technology : Toward a Unified View », MIS Quarterly, vol. 27, n° 3, 2003, pages 425 à 478.

Feldman Martha S., March James G., « Information in Organizations as Signal and Symbol », Administrative Science Quarterly, vol. 26, n° 2, 1981, pages 171 à 186.

Pfeffer Jeffrey, Salancik Gerald R., The External Control of Organizations : A Resource Dependence Perspective, Harper and Row, 1978, réédition Stanford Business Books, 2003.

Sources institutionnelles françaises

Inspection générale des finances, Inspection générale des affaires sociales, Inspection générale de l'administration, « Le déploiement de l'intelligence artificielle dans les administrations publiques : analyse comparée, enjeux et conditions de réussite », rapport n° 2025-E-081, rendu public le 2 juillet 2026. https://www.igf.finances.gouv.fr/igf/accueil/nos-activites-1/rapports-de-mission/le-deploiement-de-lintelligence.html

Inspection générale des affaires sociales, page de publication du même rapport avec liste des rapporteurs. https://www.igas.gouv.fr/le-deploiement-de-lintelligence-artificielle-dans-les-administrations-publiques-analyse-comparee-enjeux-et-conditions-de-reussite

Ministère de l'Économie et des Finances, « Le plan Notre IA pour les services publics dévoilé », dossier de presse du 16 juin 2026. https://www.economie.gouv.fr/actualites/video-le-plan-notre-ia-pour-les-services-publics-devoile

Cour des comptes, « Mieux suivre et valoriser les gains de productivité de l'État issus du numérique », rapport S2024-1570, publié le 21 janvier 2025. https://www.ccomptes.fr/fr/publications/mieux-suivre-et-valoriser-les-gains-de-productivite-de-letat-issus-du-numerique

Parallèle historique

Government Accountability Office, « Managing for Results : Government-wide Actions Needed to Improve Agencies' Use of Performance Information in Decision Making », GAO-18-609SP, 2018. https://www.gao.gov/products/gao-18-609sp

Government Accountability Office, « Managing for Results : Further Progress Made in Implementing the GPRA Modernization Act, but Additional Actions Needed to Address Pressing Governance Challenges », GAO-17-775, 2017. https://www.gao.gov/products/gao-17-775

Government Accountability Office, supplément méthodologique de l'enquête 2017 auprès des cadres fédéraux, GAO-17-776SP. https://www.gao.gov/products/gao-17-776sp

Presse spécialisée citée comme relais de source primaire

Acteurs Publics, « Depuis 2023, 8,7 millions d'euros ont été engagés par la DSI de l'État sur le déploiement de l'IA », juillet 2026, restituant les données budgétaires du rapport interinspections. https://acteurspublics.fr/articles/depuis-87-millions-deuros-ont-ete-engages-par-la-dsi-de-letat-sur-lintelligence-artificielle/

Banque des Territoires, Localtis, « Avec le plan Notre IA, l'État accélère sur le déploiement des outils et la gouvernance », 16 juin 2026, restituant les annonces et l'enquête présentées à Bercy. https://www.banquedesterritoires.fr/avec-le-plan-notre-ia-letat-accelere-sur-le-deploiement-des-outils-et-la-gouvernance