ElegArtechTechnologie · Organisations · Action publique
S’abonner
Gouvernance & transformations—Collectivités territoriales · Intelligence artificielle · Conduite du changement—Analyse

L'IA des collectivités territoriales : adoptée, pas absorbée

Le baromètre de l'Observatoire Data Publica affiche une bascule spectaculaire : 84 % des collectivités qui expérimentent l'intelligence artificielle recourent désormais à l'IA générative, contre 52 % un an plus tôt. Le praticien y voit moins une transformation qu'un trompe-l'œil. Adopter un outil n'est pas l'absorber. La capacité d'absorption, ce que la recherche en management nomme l'aptitude d'une organisation à reconnaître la valeur d'une connaissance externe, à l'assimiler et à la convertir en valeur opérationnelle, demeure largement absente. Cet article propose de lire le paradoxe territorial à travers cette grille.

AM
Par Alexandre Berge16 juin 2026 · 13 min de lecture
Illustration éditoriale pour « L'IA des collectivités territoriales : adoptée, pas absorbée »
Entre ambition et réalité : les transformations à l’épreuve du terrain.

Un chiffre qui éblouit, une réalité qui se dérobe

La quatrième édition du baromètre de l'Observatoire Data Publica, présentée le 13 novembre 2025 à Paris, a livré le chiffre qui a circulé partout : l'usage de l'IA générative dans les collectivités serait passé de 52 % à 84 %, « une progression inédite depuis le lancement du baromètre », selon Simon Chignard, président de l'Observatoire. Avant de bâtir une analyse sur ce chiffre, il faut le lire précisément.

L'enquête a été conduite de mai à juillet 2025 auprès de 292 collectivités et établissements publics locaux, complétée par un sondage Ipsos-BVA réalisé du 17 au 23 juillet auprès de 1 000 personnes. Le taux de 84 % ne désigne pas la part des collectivités utilisant l'IA. Il désigne la part, parmi les collectivités qui expérimentent l'IA, de celles qui recourent à l'IA générative. Le périmètre d'ensemble est plus modeste : 77 % des collectivités de plus de 3 500 habitants déclarent avoir engagé un projet IA ou s'apprêter à le faire (49 % ont un projet, 28 % l'envisagent dans les douze mois). La diffusion touche toutes les strates, y compris les communes, où 89 % de celles qui expérimentent l'IA passent par l'IA générative.

Une précision de calendrier s'impose. Les chiffres 52 % puis 84 % comparent 2024 et 2025, et non 2024 et 2026. La cinquième édition du baromètre est en cours de collecte au printemps 2026 et ses résultats ne seront connus qu'à l'automne. La donnée disponible est donc une photographie de l'été 2025, et c'est elle qui fonde le présent raisonnement.

Derrière le taux, des usages cantonnés à quelques verticales

La progression de l'adoption masque la pauvreté de l'appropriation. La Banque des Territoires résume le constat sans ménagement : « l'usage effectif de l'IAG reste assez timide, limité à quelques verticales métier ». Plusieurs centaines de collectivités utilisent des outils sur étagère pour la rédaction de marchés publics, de délibérations ou de comptes rendus de réunion. La technologie sert d'abord la production documentaire, soit la part la plus bureaucratique et la plus reproductible du travail administratif.

Les déploiements emblématiques confirment ce cantonnement. Cannes a identifié onze cas d'usage déployés à partir de septembre 2024 (rédaction de délibérations, analyse d'offres de marchés publics, traduction, retranscription, veille juridique). Le département du Loiret a retenu six cas d'usage début 2025 et procède à des « batailles de LLM » pour choisir l'outil le mieux adapté à chaque besoin. La région Île-de-France n'a industrialisé que deux outils sur les huit testés dans le cadre de ses preuves de concept. Le motif récurrent est l'expérimentation, rarement la mise en production généralisée.

Plus révélateur encore, une part majoritaire des usages échappe à toute gouvernance. Le « shadow IA », l'emploi d'outils par les agents sans information de la hiérarchie, atteint un niveau considérable. Mick Levy, directeur Stratégie et Innovation chez Orange Business, le chiffrait ainsi devant les acteurs territoriaux : « L'enjeu du shadow IA est considérable. Il représente près de 60 % des utilisations de l'IA dans les territoires. » L'enquête du Syndicat national des directions générales des collectivités territoriales, publiée le 4 décembre 2025, corrobore cet ordre de grandeur. Les outils mobilisés sont massivement des services grand public : ChatGPT, ou des assistants intégrés comme Copilot et Mistral. Adopter, ici, signifie le plus souvent que des agents se sont saisis individuellement d'un outil disponible. Cela ne dit rien de la capacité de l'organisation à en tirer une valeur collective et durable.

Nommer le mécanisme : la capacité d'absorption

Le fait empirique est posé. Reste à nommer le mécanisme qui sépare l'adoption de la transformation. La littérature en sciences de gestion offre un concept taillé pour cet écart : la capacité d'absorption.

La capacité d'absorption (absorptive capacity) Concept formulé par Wesley M. Cohen et Daniel A. Levinthal dans « Absorptive Capacity : A New Perspective on Learning and Innovation », Administrative Science Quarterly, vol. 35, n° 1, mars 1990, p. 128-152. Les auteurs définissent la capacité d'absorption comme l'aptitude d'une organisation à « reconnaître la valeur d'une information externe nouvelle, à l'assimiler et à l'appliquer à des fins commerciales ». Trois propriétés en font un outil d'analyse puissant. D'abord, elle dépend du stock de connaissances préalables connexes : une organisation n'absorbe que ce qu'elle est déjà partiellement outillée pour comprendre. Ensuite, elle est cumulative et dépendante du sentier (path-dependent) : elle se construit par investissement continu, notamment en recherche et développement interne et en diversité des expertises. Enfin, le défaut d'investissement précoce peut produire un effet de verrouillage (lockout), forclosant le développement futur d'une compétence dans un domaine donné.

L'application au secteur public n'a rien d'une extrapolation hasardeuse. Michael Butler et Ewan Ferlie ont explicitement transposé le concept aux organisations de service public britanniques (« Developing Absorptive Capacity Theory for Public Service Organizations », British Journal of Management, vol. 31, n° 2, 2020). Surtout, une étude conduite auprès d'agents des systèmes d'information de gouvernements d'États américains établit un résultat directement pertinent (Liao, Liu et Li, Frontiers in Psychology, 2023) : « l'adoption d'un système d'information ne génère pas directement de capacité d'absorption ». Autrement dit, brancher un outil ne crée pas, par soi-même, la compétence organisationnelle de l'exploiter.

Le baromètre fournit les indices empiriques de ce déficit de capacité. Le manque de compétences est cité comme obstacle principal par 63 % des collectivités. Pour celles qui n'ont pas encore engagé de projet, 66 % considèrent les compétences à mobiliser comme un obstacle majeur. Et le signal le plus parlant tient au déploiement réel : la nécessité de disposer de données de qualité, souvent sous-estimée en phase de test, devient le premier obstacle au déploiement effectif pour 50 % des collectivités qui ont franchi le pas. Ce basculement traduit exactement le mécanisme de Cohen et Levinthal. Tant que l'on teste, la connaissance préalable importe peu. Dès que l'on veut produire de la valeur, l'absence de patrimoine de données structuré, de compétences internes et d'expertise accumulée se révèle comme le facteur limitant.

La doctrine n'est pas la capacité

Le titre de travail qui a circulé dans la veille, « 84 % d'adoption, 0 % de doctrine », force le trait. Une doctrine émerge bel et bien. Selon les données présentées avec le baromètre, 57 % des collectivités ayant commencé à tester l'IA travaillent à un document d'encadrement (charte, doctrine, cadre d'usage), parfois soumis au vote des élus. Le portail ALLiaNCE de la direction interministérielle du numérique recense désormais ces chartes pour favoriser la mutualisation. Des collectivités pionnières montrent la voie, comme le département d'Ille-et-Vilaine, dont la charte éthique a été élaborée par 24 agents de métiers différents et approuvée par l'assemblée départementale.

Mais la doctrine n'est pas la capacité, et c'est là que le diagnostic doit gagner en finesse. Une charte fixe des règles : ce qui est autorisé, ce qui est proscrit, qui valide, qui contrôle. Elle relève de l'encadrement du risque, non de la construction d'une aptitude. Le Conseil économique, social et environnemental régional du Centre-Val de Loire l'a formulé crûment à propos de la charte régionale, en y voyant « essentiellement un document ayant une philosophie défensive » et un manque de « vision porteuse d'opportunités en termes d'améliorations et d'efficacité du service public ». Une organisation peut multiplier les chartes sans rien absorber, exactement comme elle peut acquérir un logiciel sans savoir s'en servir. La doctrine encadre l'usage. La capacité d'absorption, elle, suppose un stock de connaissances préalables, une fonction donnée structurée, des compétences internes et une diversité d'expertises, soit précisément ce que les chartes ne produisent pas.

Un précédent éclairant : le plan « Informatique pour tous »

L'histoire administrative offre un parallèle d'une proximité structurelle frappante. Le 25 janvier 1985, le Premier ministre Laurent Fabius présentait le plan « Informatique pour tous », destiné à installer plus de 120 000 machines dans 50 000 établissements scolaires et à former 110 000 enseignants, pour un coût d'environ 1,8 milliard de francs (dont 1,5 milliard pour le matériel). L'équipement fut livré à un rythme inédit. La capacité d'usage, elle, ne suivit pas. La formation se réduisait à une cinquantaine d'heures, le choix pédagogique privilégiait l'apprentissage de la programmation au détriment des progiciels, et l'utilisation en classe restait à la discrétion de chaque enseignant, souvent renvoyé à l'auto-formation. Quelques mois après la rentrée, un constat tombait : environ 10 % des enseignants seulement utilisaient l'outil informatique en classe. L'inspection générale conclut à l'échec, et le plan fut abandonné en 1989.

La structure est identique au cas présent. Un déploiement de masse, rapide et politiquement valorisé, se heurte à l'absence de capacité d'absorption préalable : des connaissances et des compétences insuffisantes, pas de doctrine d'usage opérationnelle, pas d'investissement continu dans l'apprentissage. Lu avec Cohen et Levinthal, le plan de 1985 illustre l'effet de verrouillage : faute d'investissement précoce dans la compétence, l'équipement reste largement lettre morte et la valeur attendue ne se matérialise pas. Le baromètre 2025 décrit une situation homologue, à ceci près que l'outil est aujourd'hui acquis par les agents eux-mêmes plutôt que distribué par l'État.

L'indicateur d'adoption est performatif

Reste l'angle mort du discours institutionnel. L'écosystème officiel célèbre le taux d'adoption comme un marqueur de modernisation. Or cet indicateur est performatif : il mesure ce qui est facile à mesurer, le fait d'avoir testé un outil, et passe sous silence ce qui compte, la transformation effective du travail et la valeur publique produite. Le saut de 52 % à 84 % est un excellent titre. Il ne dit rien de la qualité des comptes rendus produits, ni de la fiabilité des délibérations rédigées, ni du temps réellement économisé.

Le paradoxe de la productivité, version territoriale Dans le New York Times Book Review du 12 juillet 1987, l'économiste Robert Solow résumait une énigme restée célèbre : « We can see the computer age everywhere but in the productivity statistics » (on voit l'ère informatique partout, sauf dans les statistiques de productivité). L'investissement technologique massif des années 1980 ne se lisait pas dans les gains mesurés. L'explication tient largement au délai d'apprentissage organisationnel et à l'absence d'innovation dans l'organisation du travail accompagnant l'outil. La transposition territoriale est directe : un taux d'adoption de l'IA générative qui culmine pendant que la valeur organisationnelle reste indétectable. L'adoption se voit partout, sauf dans la transformation du service public.

Ce que l'indicateur tait, ce sont aussi les risques. L'usage non gouverné expose à des problèmes de conformité au RGPD et au règlement européen sur l'IA, dont l'article relatif à la maîtrise de l'IA est entré en application en février 2025 et dont les contrôles sont attendus pour août 2026. Il expose à la dépendance vis-à-vis d'outils grand public et de fournisseurs dont la souveraineté n'est pas garantie. Face aux sénateurs, le responsable des affaires juridiques de Microsoft n'a pas été en mesure de garantir que les données d'administrations françaises traitées via Copilot échappent aux lois extraterritoriales. Il expose enfin au risque de qualité, les modèles génératifs produisant des approximations et des contenus erronés que la production documentaire administrative, par nature engageante, ne peut absorber sans contrôle humain. L'État lui-même en a fait l'expérience : l'assistant Albert, expérimenté dans 48 maisons France services, n'a pas été généralisé « dans sa forme actuelle » en janvier 2025 en raison de dysfonctionnements et de réponses erronées, avant de muter en un Assistant IA adossé aux modèles Mistral, expérimenté auprès de 10 000 agents jusqu'à juin 2026.

Une hypothèse vérifiable

Si la lecture proposée est juste, alors le taux d'adoption continuera de progresser à court terme tout en restant déconnecté de la valeur organisationnelle, faute de capacité d'absorption. Cette hypothèse est falsifiable, et plusieurs indicateurs observables permettront de la trancher d'ici la fin 2027.

Premier indicateur, la cinquième édition du baromètre de l'Observatoire Data Publica, dont les résultats sont attendus à l'automne 2026 : si l'accès à des données de qualité demeure le premier obstacle au déploiement effectif au-dessus du seuil de 50 % observé en 2025, le déficit de capacité sera confirmé. Deuxième indicateur, l'apparition d'une ligne budgétaire dédiée à la montée en compétences et à la fonction donnée dans les délibérations des collectivités, distincte des dépenses d'acquisition d'outils, signalerait au contraire un investissement dans la capacité d'absorption. Troisième indicateur, le bilan de l'Assistant IA de la direction interministérielle du numérique, attendu pour l'été 2026, et la décision de généralisation ou non qui en découlera, fourniront un test grandeur nature à l'échelle de l'État. Si, à l'horizon de dix-huit à vingt-quatre mois, l'écart entre le taux d'adoption et le taux de mise en production effective ne se referme pas, la thèse de l'adoption sans absorption sera vérifiée.

Note méthodologique.

Le présent article retient délibérément une lecture unique, celle de la capacité d'absorption de Cohen et Levinthal, opérationnalisée en profondeur, et n'en mobilise les autres (paradoxe de Solow, distinction adoption-appropriation) qu'en appui. Choix éditorial tranché : le titre de veille « 84 % d'adoption, 0 % de doctrine » a été nuancé, une doctrine émergeant réellement (57 %), mais sans capacité associée. Ambiguïté factuelle signalée : les taux 52 % et 84 % comparent 2024 et 2025, et non 2026 comme l'indiquait le brief de départ, et le 84 % désigne la part de l'IA générative parmi les collectivités expérimentant l'IA, non un taux d'adoption global. Le taux de « shadow IA » d'environ 60 % est une estimation professionnelle (Orange Business, SNDGCT) et non une mesure statistique consolidée.

Sources

Sources primaires institutionnelles

Rapports officiels

Cadres théoriques

  • W. M. Cohen, D. A. Levinthal, « Absorptive Capacity : A New Perspective on Learning and Innovation », Administrative Science Quarterly, vol. 35, n° 1, 1990, p. 128-152, DOI 10.2307/2393553.
  • M. Butler, E. Ferlie, « Developing Absorptive Capacity Theory for Public Service Organizations : Emerging UK Empirical Evidence », British Journal of Management, vol. 31, n° 2, 2020, p. 344-364, DOI 10.1111/1467-8551.12342.
  • H. Liao, Y. Liu, P. Li, « Information systems adoption and knowledge performance : An absorptive capacity perspective », Frontiers in Psychology, vol. 13, 2023, article 1062780, DOI 10.3389/fpsyg.2022.1062780.
  • R. Solow, paradoxe de la productivité, New York Times Book Review, 12 juillet 1987.

Parallèle historique

Presse spécialisée

Toutes les analyses