L'IA ne réforme pas l'administration, elle la révèle

Le mot « révélateur » n'est pas une métaphore commode, c'est une thèse

L'étude publiée sur la plateforme Expressions de l'Institut Montaigne le 13 novembre 2025 avance une conclusion contre-intuitive, et c'est là tout son intérêt. Loin de présenter l'IA générative comme un levier de modernisation, elle pose que la technologie n'est pas, en elle-même, transformatrice du service public. Telle qu'elle est formulée dans le texte, « l'IA générative ne transforme pas le service public : elle agit comme un révélateur et interroge la capacité de l'administration à se transformer ».

Le terme de « révélateur » mérite d'être pris au sens propre, celui de la chimie photographique. Un révélateur ne crée pas l'image, il fait apparaître une empreinte déjà inscrite sur la pellicule. Appliqué à l'organisation, le concept signifie que l'effet de l'IA n'est ni bon ni mauvais en soi, qu'il dépend étroitement des conditions de son intégration, et qu'il rend visible l'état préexistant des circuits administratifs plutôt qu'il ne le modifie. Là où les processus sont rigides, l'outil accélère la rigidité. Là où ils sont repensés, il libère du temps utile. La transformation, si elle advient, ne vient pas de la machine, elle vient du travail organisationnel qui l'entoure.

Ce déplacement change la question que doit se poser un cadre des systèmes d'information publics. La bonne interrogation n'est plus « que fait l'IA à l'administration ? » mais « que révèle l'IA de l'administration ? ». La suite de cet article suit ce fil, en confrontant la thèse de l'enquête aux premiers chiffres officiels disponibles et à un précédent historique qui en éclaire la structure.

Une enquête de terrain qui retourne le préjugé du retard

L'étude a été conduite par Alexandre Meyer, ingénieur du Corps des mines diplômé de l'École polytechnique et de l'université Harvard, avec deux camarades de promotion, Georges-Axel Jaloyan et Jacques Ding. Elle constitue le mémoire de leur dernière année de formation au Corps des mines. Le dispositif est robuste pour un travail de cette nature : huit mois de terrain, près de cent entretiens semi-directifs et quatre immersions au sein d'équipes engagées dans des projets d'IA générative, dans des administrations centrales et déconcentrées, une cour de justice et des autorités administratives indépendantes.

Le premier constat contredit une idée reçue tenace. L'administration n'est pas en retard d'initiatives, elle en foisonne. L'IA y porte déjà des prénoms : Albert assiste les conseillers France Services, LlaMandement résume les amendements à la direction générale des finances publiques, GenIAl équipe le ministère des Armées, MirAI le ministère de l'Intérieur et ChatFT les agents de France Travail. La diffusion a été fulgurante. En deux ans, les grands modèles de langage se sont installés dans les pratiques quotidiennes d'agents de tous niveaux hiérarchiques, souvent plus vite que les doctrines censées les encadrer.

C'est précisément cette vitesse qui rend la thèse du révélateur intéressante. Si la technologie transformait par elle-même, une diffusion aussi rapide aurait déjà produit des effets organisationnels massifs et mesurables. Or l'enquête observe l'inverse : une intensité d'usage considérable, et une transformation des structures qui ne suit pas. L'écart entre les deux est le cœur du propos.

L'administration « à haute intensité textuelle », terrain idéal et piège

La diffusion éclair s'explique par une affinité de nature. L'administration est un univers que les auteurs décrivent comme « à haute intensité textuelle », un monde qui « bat au rythme des mots : notes, rapports, circulaires, délibérations, courriels, procédures ». L'IA générative ne frappe donc pas à une porte inconnue, elle s'insère dans un univers dont elle parle déjà la langue. Cette complémentarité fonctionnelle entre l'outil et le métier crée, selon l'étude, un terrain favorable à une transformation profonde.

Ce terrain idéal est aussi un piège. Dès lors que l'écrit fonde la confiance professionnelle, la perfection formelle des productions assistées par IA engendre une suspicion nouvelle. L'enquête rapporte la question qui circule désormais dans les services : cette note a-t-elle été rédigée par une IA, est-elle relue, est-elle fiable ? Et elle en tire un diagnostic précis. Dans une culture où l'écrit fonde la confiance, cette incertitude fragilise les repères collectifs et les mécanismes de validation implicites par lesquels les agents jugeaient la solidité d'un document. En homogénéisant la forme, la technologie attaque le signal par lequel les collectifs distinguaient le travail sérieux du travail bâclé. Le révélateur fait ici apparaître la fragilité d'une confiance qui reposait sur des indices ténus, désormais brouillés.

Les complémentarités organisationnelles

Les économistes des organisations désignent par « complémentarités » le fait que la valeur d'une pratique ou d'une technologie dépend de la présence simultanée d'autres pratiques. Adopter un outil sans réorganiser les processus, les règles et les compétences qui l'entourent ne produit qu'une fraction de son potentiel, et peut même dégrader la performance d'ensemble. Le gain n'est récolté que si l'investissement technique s'accompagne d'une réingénierie complémentaire de l'organisation.

Référence : Erik Brynjolfsson et Paul Milgrom, « Complementarity in Organizations », dans Robert Gibbons et John Roberts (dir.), The Handbook of Organizational Economics, Princeton, Princeton University Press, 2012, p. 11-55.

Ce cadre opérationnalise la thèse du révélateur. Si l'IA n'a d'effet transformateur qu'en présence de changements organisationnels complémentaires, alors son introduction sans ces changements ne fait que mettre en lumière l'état réel de l'organisation, sans le réformer.

Cinq dérives qui décrivent l'organisation plus que l'outil

L'enquête identifie cinq effets pervers potentiels. Lus à travers la grille des complémentarités, ils apparaissent moins comme des défauts de la technologie que comme des symptômes organisationnels qu'elle porte à incandescence.

La première dérive est l'inflation textuelle. Parce qu'il devient plus facile de produire des contenus, davantage de contenus sont effectivement produits. L'étude mobilise la notion d'effet rebond : le temps gagné sur la rédaction est souvent réinvesti dans plus de rédaction. Le gain de productivité local se dissout dans la croissance du volume global. La deuxième est l'homogénéisation des contenus et des approches, où le nivellement par le haut de la qualité formelle a pour revers une standardisation qui peut appauvrir la diversité des styles et des argumentations. La troisième est la paresse intellectuelle, cette baisse de vigilance induite par l'habitude de recevoir des contenus clairs et immédiatement disponibles, qui fait de l'agent un lecteur passif plutôt qu'un auteur ou un évaluateur critique.

La quatrième dérive est la plus vertigineuse, celle que les auteurs nomment la boucle IA-IA. Des entreprises mobilisent l'IA pour générer des réponses volumineuses aux appels d'offres, que l'administration filtre et évalue à son tour par IA. Au Parlement, des amendements sont rédigés en masse par IA, puis triés et résumés par l'IA de l'administration. La question des auteurs est sans détour : quel sens y a-t-il à utiliser l'IA pour analyser des amendements eux-mêmes produits par l'IA ? La cinquième dérive, enfin, est le pansement technologique. L'IA est trop souvent appliquée en surface, comme un emplâtre sur la complexité administrative, sans remise en question des organisations. Un chef de service le résume dans l'enquête en substance : si les circuits ne sont pas repensés en même temps, l'outil ne sert pas à grand-chose, et l'on automatise alors une complexité inutile.

Ces cinq dérives partagent une structure commune et c'est ce qui fait leur intérêt analytique. Aucune n'est une propriété intrinsèque de la technologie. Toutes décrivent un état organisationnel, qu'il s'agisse de la surcharge documentaire, de la perte des repères de validation ou de circuits jamais repensés, que l'arrivée de l'IA met en pleine lumière.

Le « shadow AI » mesure un vide institutionnel, pas une déviance

La dernière leçon de l'enquête concerne directement les directions des systèmes d'information. De nombreux agents expérimentent l'IA de manière individuelle, sans cadre officiel, parfois sans en parler autour d'eux. Cette pratique du « shadow AI », l'usage d'outils non validés par la hiérarchie, traduit selon les auteurs un réel appétit pour l'innovation, mais aussi l'absence d'espaces de discussion collectifs. Le phénomène est donc à double face. Il signale une vitalité et, simultanément, un vide institutionnel, l'innovation avançant dans une zone grise entre initiative personnelle et absence de stratégie collective.

Ce diagnostic recoupe les mesures du secteur privé. Le Référentiel Lecko 2026, étude annuelle de la transformation interne réalisée avec Ipsos, établit qu'une part importante des usages professionnels d'IA générative se fait sans information de la hiérarchie, et qu'une faible minorité d'utilisateurs en entreprise est formée. Le shadow AI n'est pas une singularité administrative. Il est la forme par défaut de l'adoption en l'absence de cadre, et sa mesure dit moins une indiscipline qu'une carence d'accompagnement.

Le précédent du bureau sans papier éclaire la structure du présent

L'histoire administrative offre un précédent presque parfait, et il vaut mieux que les annonces de rupture pour comprendre ce qui se joue. En 1975, un article de l'hebdomadaire Business Week intitulé « The Office of the Future » prophétisait l'avènement imminent du bureau sans papier. Un consultant du cabinet Arthur D. Little y annonçait un déclin de l'usage du papier dès le début des années 1980 et une gestion documentaire devenue essentiellement électronique à l'horizon 1990. La prédiction s'est spectaculairement inversée. Selon les travaux d'Abigail Sellen et Richard Harper, l'introduction du courrier électronique dans une organisation s'est accompagnée d'une hausse sensible de sa consommation de papier, la technologie numérique rendant l'impression plus simple et moins coûteuse.

L'analyse de référence de cet échec, fondée sur l'observation de terrain d'organisations réelles, conclut que le papier persistait non par archaïsme mais parce qu'il remplissait des fonctions de travail que le numérique de l'époque ne savait pas reprendre. En France, l'introduction de la bureautique dans les administrations au tournant des années 1980 a suivi la même logique. Le travail des secrétariats a été déplacé, recomposé et requalifié, sans que le volume documentaire diminue, et la promesse d'allègement s'est muée en redistribution de la charge. Le parallèle n'a pas été retenu pour sa notoriété mais pour sa proximité structurelle avec le cas présent : une technologie générique greffée sur une organisation textuelle inchangée, qui amplifie le flux qu'elle était censée tarir.

Le paradoxe de productivité et la courbe en J

En 1987, l'économiste Robert Solow résumait l'énigme des premières décennies de l'informatique par une formule restée célèbre, selon laquelle l'on voyait l'ère informatique partout, sauf dans les statistiques de productivité. Le terme de paradoxe de productivité a ensuite été popularisé par Erik Brynjolfsson au début des années 1990.

Une explication tient à la temporalité. Les technologies à usage général, de la machine à vapeur à l'électricité puis à l'informatique, exigent des investissements complémentaires longs à constituer et mal comptabilisés, comme la refonte des processus et la montée en compétence des agents. La productivité est d'abord sous-estimée, puis se redresse une fois ces actifs constitués. C'est l'allure en J de la courbe.

Référence : Erik Brynjolfsson, Daniel Rock et Chad Syverson, « The Productivity J-Curve : How Intangibles Complement General Purpose Technologies », American Economic Journal : Macroeconomics, vol. 13, n° 1, 2021, p. 333-372 (version de travail NBER n° 25148, 2018).

La leçon de ces précédents est limpide. L'écart entre la promesse et l'effet observé n'est pas un défaut de la technologie, c'est la marque d'un temps d'ajustement organisationnel et d'investissements complémentaires non encore consentis. Le révélateur de l'Institut Montaigne et la courbe en J de Brynjolfsson énoncent la même proposition dans deux langages distincts.

Les chiffres officiels confirment l'écart entre déploiement et gains mesurés

Les sources institutionnelles récentes convergent vers un même point. Le déploiement est réel et rapide, mais la preuve de l'impact reste à produire. La Cour des comptes, dans son rapport sur la stratégie nationale pour l'intelligence artificielle publié le 19 novembre 2025, juge la transformation de l'action publique décevante et l'administration globalement en retard, relevant qu'une fraction seulement des crédits programmés pour la période 2023-2025 avait été consommée à la mi-2025 et que le coût du passage à l'échelle n'est pas budgété. Son rapport sur France Travail, publié le 8 janvier 2026 et premier consacré à un opérateur de l'État, dresse un bilan plus favorable, avec des gains d'efficience cumulés estimés à un niveau légèrement supérieur aux coûts engagés depuis 2017. La Cour regrette toutefois que la liste des cas d'usage mobilisés pour le plan d'efficience 2025-2027 reste floue et changeante, ce qui rend l'imputation des gains incertaine. Le problème de mesurabilité rejoint exactement celui que pointe l'enquête de l'Institut Montaigne.

L'étude Lecko fournit l'observation la plus tranchante. Lors d'une évaluation menée pendant trois mois auprès de cinquante-cinq managers volontaires accompagnés sur un assistant génératif autour de trois cas d'usage, les résultats ne montrent aucun changement significatif des rythmes de travail. Les utilisateurs déclarent gagner un peu de temps chaque jour, mais ce gain ne se traduit pas dans les indicateurs de charge réelle. Seules les tâches de substitution, où l'IA remplace effectivement du temps de travail, libèrent du temps, à la différence des tâches de confort ou de renfort sur lesquelles l'outil est aujourd'hui surtout présent. Brancher l'IA sur des pratiques inchangées revient à amplifier le flux, pas à créer de la valeur.

Le contexte d'adoption, lui, ne fait pas débat. Le Baromètre du numérique 2026 établit qu'une large proportion de Français utilise désormais l'IA générative, en forte hausse sur un an, avec une intensité particulière chez les cadres et les professions intellectuelles supérieures. Du côté de l'État, l'Assistant IA piloté par la DINUM avec Mistral AI est expérimenté depuis le 22 octobre 2025 par dix mille agents de plusieurs ministères, pour une durée de huit mois et en vue d'une généralisation envisagée à l'été 2026. L'outil affiche un double objectif assumé, équiper les agents et endiguer le shadow AI. La diffusion est donc massive et organisée. Reste le maillon manquant que tous les rapports désignent, celui de la preuve d'un impact mesuré.

Conclusion : une hypothèse que le lecteur pourra vérifier lui-même

La thèse du révélateur n'est pas une figure de style, c'est une hypothèse testable, et c'est ce qui la rend précieuse pour un praticien. Elle prédit que, faute d'investissements organisationnels complémentaires, le déploiement de l'IA générative dans l'administration produira des gains déclaratifs, mesurés en minutes ressenties et en satisfaction d'usage, mais peu de gains organisationnels objectivés, qu'il s'agisse de réduction de charge, de redéploiement effectif d'effectifs ou de simplification documentée de procédures. Si tel est le cas, l'administration aura équipé ses agents sans s'être transformée, et la promesse de réforme par l'outil aura buté sur l'absence de réforme tout court.

L'indicateur observable est accessible à tout lecteur qui suivra le sujet sans information interne. À l'horizon de douze à vingt-quatre mois, il conviendra de compter les cas d'usage publics assortis d'une mesure d'impact réelle, et non d'un simple ressenti déclaratif. Trois jalons précis serviront de juges de paix : le bilan de l'expérimentation de l'Assistant IA de la DINUM, attendu à l'été 2026, l'actualisation par France Travail de sa liste de cas d'usage et du chiffrage des effectifs attendus du levier IA dans son plan 2025-2027, et un prochain rapport de la Cour des comptes sur l'IA dans les administrations. Si ces trois sources continuent de documenter des gains déclarés sans gains mesurés, l'hypothèse du révélateur sera confirmée. Si, à l'inverse, apparaissent des cas où la réingénierie des circuits a précédé ou accompagné l'outil, alors la courbe en J aura commencé sa remontée, et la photographie révélée montrera enfin autre chose que l'organisation de départ.

---

Note méthodologique

Cet article retient comme source primaire le texte d'Alexandre Meyer publié sur la plateforme Expressions de l'Institut Montaigne le 13 novembre 2025, recoupé avec la version cosignée parue dans La Gazette des Annales des Mines. Une ambiguïté factuelle est signalée : le prénom de l'auteur apparaît tantôt « Alexandre », tantôt « Alexander » selon les pages du site de l'Institut Montaigne. La graphie « Alexandre », conforme à sa fiche d'expert, a été retenue. Les volumes d'amendements traités par LlaMandement varient selon les sources et n'ont pas été cités en valeur chiffrée pour cette raison. Un arbitrage théorique a été tranché : la grille de la « technology-in-practice » de Wanda Orlikowski, fréquemment mobilisée pour l'appropriation des outils, a été écartée comme lentille principale, à la fois parce qu'elle a déjà servi de cadre primaire dans des analyses récentes et parce qu'elle éclaire l'usage situé plutôt que la question de l'impact agrégé, qui est le vrai sujet de la thèse du révélateur. Le cadre des complémentarités organisationnelles et le paradoxe de productivité prolongé par la courbe en J ont été préférés car ils opérationnalisent directement l'idée d'une transformation conditionnée à des investissements complémentaires. Enfin, certains chiffres de l'étude Lecko et la formule qui lui est attribuée par la presse spécialisée n'ont pas pu être vérifiés mot pour mot dans le rapport intégral et sont restitués au plus près sans guillemets de citation directe.

---

Sources

Sources primaires institutionnelles

Alexandre Meyer, « L'IA et le service public : transformation profonde ou effet gadget ? », Institut Montaigne, plateforme Expressions, 13 novembre 2025. https://www.institutmontaigne.org/expressions/lia-et-le-service-public-transformation-profonde-ou-effet-gadget

Alexandre Meyer, Jacques Ding et Georges-Axel Jaloyan, « L'intelligence artificielle générative dans la fonction publique : transformation profonde ou gadget ? », La Gazette n° 134, Annales des Mines. https://annales-des-mines.org/la-gazette-n134-lintelligence-artificielle-generative-dans-la-fonction-publique-transformation-profonde-ou-gadget/

DINUM, « Assistant IA », ia.numerique.gouv.fr, expérimentation lancée le 22 octobre 2025. https://ia.numerique.gouv.fr/outils-ia/assistant-ia/

Rapports officiels

Cour des comptes, La stratégie nationale pour l'intelligence artificielle, rapport public thématique, 19 novembre 2025. https://www.banquedesterritoires.fr/intelligence-artificielle-la-cour-des-comptes-appelle-changer-dechelle

Cour des comptes, rapport sur l'usage de l'intelligence artificielle par France Travail, 8 janvier 2026 (présentation Banque des Territoires). https://www.banquedesterritoires.fr/la-cour-des-comptes-salue-lusage-fait-de-lia-depuis-10-ans-par-france-travail

CREDOC, Baromètre du numérique, édition 2026 (à vérifier avant publication pour la référence exacte de l'édition citée).

Cadres théoriques

Erik Brynjolfsson et Paul Milgrom, « Complementarity in Organizations », dans R. Gibbons et J. Roberts (dir.), The Handbook of Organizational Economics, Princeton University Press, 2012, p. 11-55.

Erik Brynjolfsson, Daniel Rock et Chad Syverson, « The Productivity J-Curve : How Intangibles Complement General Purpose Technologies », American Economic Journal : Macroeconomics, vol. 13, n° 1, 2021, p. 333-372. https://www.aeaweb.org/articles?id=10.1257/mac.20180386

Robert Solow, recension dans New York Times Book Review, 12 juillet 1987 (origine de la formule du paradoxe de productivité).

Wanda J. Orlikowski, « Using Technology and Constituting Structures : A Practice Lens for Studying Technology in Organizations », Organization Science, vol. 11, n° 4, 2000, p. 404-428 (cadre écarté, voir note méthodologique).

Parallèles historiques

« The Office of the Future », Business Week, 30 juin 1975 (prophétie du bureau sans papier).

Abigail J. Sellen et Richard H. R. Harper, The Myth of the Paperless Office, Cambridge, MIT Press, 2002.

Presse spécialisée

« Étude Lecko 2026 : dépendance numérique, hybride et IA », IT for Business, février 2026. https://www.itforbusiness.fr/transformation-numerique-six-ans-apres-le-covid-le-bilan-qui-derange-100171

« IA : la Cour des comptes estime que les efforts de transformation publique sont encore trop modestes », Acteurs Publics, novembre 2025. https://acteurspublics.fr/articles/ia-la-cour-des-comptes-estime-que-les-efforts-de-transformation-publique-sont-encore-trop-modestes/