Son nom est Albert. Cette intelligence artificielle va être progressivement déployée dans les services public pour aider les agents à remplir leurs missions. Albert "va révolutionner nos services publics" en générant "des procédures plus simples, des délais plus rapides, des réponses plus sécurisées et des politiques publiques plus efficaces" promet Gabriel Attal. La France devient ainsi "le premier pays européen à inaugurer une IA 100% souveraine et à la mettre au service de ses services publics".
Développé par la Dinum (Direction Interministérielle du Numérique), le programme Albert appartient à la catégorie des IA génératives. Evoqué lors du salon Documation qui s'est tenu à Paris au mois de mars dernier, Albert a vocation à répondre à tous les cas d’usage dans les services publics selon Ulrich Tan, chef du DataLab au sein de la Dinum ; "autour d’Albert gravite une galaxie Albert composée de fonctionnalités de recherche documentaire améliorée qui permettront l’extraction d’informations ou la synthèse de documents”.
Une API sera mise à disposition de tous les services publics dans le courant de l’année 2024. Gabriel Attal a tenu à rassurer les agents publics : "l'IA ne remplacera pas les fonctionnaires".
Une IA déjà utilisée par Bercy pour traquer la fraude fiscale
L'annonce de Gabriel Attal intervient alors que l'intelligence artificielle est en réalité utilisée depuis plusieurs années par l'Etat. En particulier par l'administration fiscale qui traque ce qu'elle appelle pudiquement “les incohérences au sein des déclarations fiscales".
La DGFIP (Direction générale des Finances publiques) puise notamment dans ses très importants réservoirs de données (numéro SIREN, statut juridique, données déclaratives, liasses fiscales...) pour alimenter les algorithmes. Ces données font l'objet d'un traitement IA décliné en plusieurs méthodes : apprentissage non supervisé, machine learning, deep learning... Une approche non supervisée permet de regrouper des comportements spécifiques qui s’éloignent des comportements dits "normaux" et de les analyser de manière spécifique.
Le recours au machine learning s'applique à l'une des caractéristiques de la fraude notamment son aspect déséquilibré. En raison du faible taux de fraudeurs (moins de 5 %) il convient d’avoir des modèles très performants (pour détecter les vrais cas de fraude) et générant le moins de faux cas de fraude (afin de limiter le travail humain inutile).
Selon la DGFIP (Direction générale des Finances publiques, l’IA ainsi que la fouille de données (data mining) étaient à l'origine de près de 33 % des contrôles fiscaux réalisés en 2020. C'était moins de 14 % en 2018 selon la DGFIP.