UI générative en gestion publique : le manager demande, le panel est constitué

Il existe une scène qui se répète dans presque tous les organismes publics et dans presque toutes les entreprises de données. Un manager a besoin d’une réponse. Il demande un rapport. La demande entre dans une file d'attente, quelqu'un de la zone de données traduit la demande en requête, configure le panneau, le formate, l'examine. Quelques jours plus tard, la réponse arrive, et ce n’est souvent pas exactement ce que souhaitait le manager, car la question a changé au fil du temps.

L'interface utilisateur générative attaque exactement cette scène. Au lieu de demander et d'attendre, le manager demande en langage naturel et l'interface est assemblée instantanément. "Afficher les processus retardés par secrétariat" cesse d'être un appel à l'équipe data et devient un tableau de bord qui apparaît en quelques secondes : barres par secrétariat, tableau triable par date limite, filtre par période.

C’est une promesse séduisante pour la gestion publique. C'est aussi un terrain plein de pièges. Je traiterai les deux côtés avec le même sérieux.

Le vrai gain : l'autonomie et la rapidité de décision

Le premier gain est l’autonomie. Aujourd’hui, les managers dépendent d’intermédiaires pour consulter leurs propres données. Chaque nouvelle question rouvre la file d'attente. Avec Generative UI, une partie de cette dépendance disparaît. Le manager explore, filtre, compare, sans avoir besoin de personne pour créer la prochaine vision.

Le deuxième gain est la vitesse. La décision publique a une fenêtre. Un panel d'indicateurs de santé qui apparaît lors de la réunion, et non trois jours après, change la qualité de la décision qui y est prise. Réduire le temps entre la question et la vision, c’est compresser le temps entre le doute et l’action.

Le troisième gain est moins évident : une meilleure utilisation des équipes techniques. Lorsque le manager peut répondre seul aux questions de routine, le domaine des données cesse de devenir un bureau de reporting et revient au travail difficile, à la modélisation, à la qualité des données, à l'analyse approfondie. L'IA ne remplace pas l'équipe, elle supprime de la file d'attente ce qui ne devrait pas être dans la file d'attente.

Dans un scénario de gouvernement numérique, où la demande de transparence et de réponse rapide ne fait que croître, cela est puissant. Mais la puissance sans freins est précisément le problème.

Le risque qui m'empêche de dormir la nuit : la vision erronée et convaincante

Voici le risque le plus grave, et il n’est pas technique, c’est une question de jugement. Une interface générée par l’IA peut être erronée et sembler parfaitement correcte.

Un mauvais paragraphe éveille les soupçons et semble étrange. Un mauvais tableau de bord, avec des barres bien conçues et des chiffres alignés, véhicule une autorité. La forme visuelle donne de la crédibilité au contenu, même lorsque celui-ci ne le mérite pas. C’est le principal danger de l’assurance-chômage générative dans le secteur public.

Le modèle peut mal interpréter la question. « En retard » selon quels critères, quelle date de base, quelle définition du délai ? Vous pouvez choisir la mauvaise coupe, mal agréger, croiser des sources qui ne devraient pas être croisées. Et tout cela sera présenté sur un bel écran, que le manager pourra utiliser pour prendre une décision en matière de budget ou de personnel.

La règle que je défends est dure : aucune interface générée ne doit être traitée comme une source. Il s'agit d'une couche de présentation au-dessus d'une source qui doit être fiable, auditable et versionnée. Si les données sous-jacentes ne sont pas complètes, la beauté du tableau de bord ne fait que rendre l'erreur plus dangereuse. Chaque vue importante doit être téléchargée d'où elle vient, avec quel filtre et à quelle date.

Gouvernance des accès : qui peut voir quoi

Dans le secteur public, les données ne sont pas seulement des chiffres, ce sont des informations sur des personnes et des décisions sensibles. L’interface utilisateur générative introduit un risque spécifique : si l’IA peut assembler n’importe quelle vue à partir de n’importe quelle donnée, elle peut assembler une vue que cet utilisateur n’avait pas le droit de voir.

L'autorisation ne peut pas résider dans l'interface. Il doit vivre dans la couche de données, avant le modèle. Le responsable d'un secrétariat s'interroge sur les retards dans les processus, et l'IA ne devrait pouvoir composer le panel qu'avec les données auxquelles ce profil est autorisé à accéder. Le contrôle d’accès précède la génération d’écran, pas après.

Cela signifie que l'interface utilisateur générative au sein du gouvernement ne fonctionne qu'au-dessus d'une couche de données avec des autorisations sérieuses, par rôle, par agence, par niveau de sensibilité. Sans cela, vous n'avez pas d'outil de gestion, vous avez une fuite qui attend. Il faut répondre à la question « qui voit quoi » avant que l’IA ne crée le premier écran.

LGPD et données sensibles : la limite légale

La couche de gouvernance respecte la loi. LGPD ne disparaît pas car l'interface est devenue intelligente. Au contraire, cela devient plus exigeant.

Les données personnelles traitées par les autorités publiques sont soumises à des règles de finalité et de nécessité. Une IA qui rassemble librement des vues peut, involontairement, croiser des informations d’une manière qui va au-delà de l’objectif initial de la collection. Cela peut exposer des données personnelles dans un ensemble qui semblait inoffensif. En pratique, cela peut créer des traitements de données que personne n’a évalués.

Par conséquent, le but et la minimisation doivent faire partie du chemin. L’IA ne peut pas avoir un accès illimité à la collection simplement parce que cela est pratique. Le catalogue de données qu'il peut composer doit être conçu avec la même discipline juridique qui s'applique à tout système public traitant des informations personnelles, avec une base juridique claire et une trace de qui a accédé à quoi.

Le dossier d'audit est également valide. Qui a demandé, qu'est-ce que l'IA a assemblé, avec quelles données, à quelle heure. Dans un environnement public, la capacité de rendre compte de l’utilisation des informations n’est pas facultative. L’interface utilisateur générative doit naître auditable, ou elle ne devrait pas naître du tout.

Continuité et dépendance : penser le long terme

Il existe un risque de gestion plus silencieux. Lorsque le manager s’habitue à tout demander en langage naturel, l’organisation commence à dépendre d’une couche d’IA pour voir ses propres données. Que se passe-t-il lorsque le modèle change, devient plus cher ou s’interprète différemment qu’auparavant ?

La réponse saine est de ne pas abandonner les sentiers traditionnels. Les rapports officiels, les indicateurs institutionnels, les opinions critiques continuent d’exister sous une forme fixe et stable. L'interface utilisateur générative apparaît comme une couche de questions d'exploration, d'agilité et de longue traîne. Cela accélère la vie quotidienne, mais ce n’est pas le seul chemin d’accès à l’information qui soutient les décisions formelles.

La continuité, dans la fonction publique, est une valeur non négociable. Les gouvernements changent, les équipes changent, les fournisseurs changent. La technologie adoptée doit survivre à ces changements, ce qui implique de ne pas lier l'intelligence de la maison à un seul outil.

Comment commencer sans se blesser

Si je devais recommander une voie à suivre pour une agence de données ou une entreprise, ce serait progressif.

Commencez par des données non sensibles et des questions, une exploration et une visualisation à faible risque, rien qui déclenche une action automatique. Traitez chaque vision générée comme une ébauche à valider par rapport à la source officielle, jamais comme la vérité finale. Créez d'abord la couche d'autorisations et la piste d'audit, car il est moins coûteux de le faire plus tôt que de le corriger plus tard.

Et tenez les gens informés. L'interface utilisateur générative est un assistant du gestionnaire de données et de l'équipe de données, et ne remplace pas le jugement de l'un ou l'autre. L'écran s'assemble tout seul, mais la responsabilité de la décision reste humaine.

La promesse est réelle : une gestion plus autonome, des décisions plus rapides, des équipes techniques libérées pour l’essentiel. Le prix est également réel : source fiable, gouvernance des accès, LGPD prise au sérieux et continuité pensée dès le départ. Quiconque affronte les deux côtés avec la même honnêteté tirera le meilleur parti de cette technologie. Si vous évaluez cela dans votre organisation, commencez par la couche de données et les autorisations, car c'est là que cette histoire fait ou échoue.