L’IA comme levier d’action pour les petites et moyennes communes

Dans les petites et moyennes communes, le défi du numérique ne réside plus dans l’accès à l’information, mais dans la capacité à transformer des données dispersées en connaissances actionnables, au bon moment et dans le bon contexte.
En s’inscrivant au cœur des processus municipaux concrets, l’IA ouvre une voie nouvelle : celle d’une assistance capable de relier outils, sources et tâches pour soutenir le travail administratif quotidien, sans automatiser ni déléguer la décision. 

Par Mustapha Derras, Directeur de la Recherche et de l’Innovation Technologique de Berger‑Levrault, et Jean‑Baptiste Vielfaure, Responsable du Lab IA de Berger‑Levrault.

Dans les petites et moyennes communes, le numérique a changé de statut. Il ne s’agit plus seulement d’équiper les services, de dématérialiser quelques démarches ou d’ajouter une interface plus moderne. Le véritable enjeu tient désormais dans la capacité à réaliser des tâches administratives quotidiennes denses avec des équipes réduites, des demandes très diverses et des outils qui demeurent trop souvent juxtaposés au lieu de fonctionner ensemble. C’est dans cet espace concret que s’inscrit l’IA agentique, en ce qu’elle vise non seulement l’accès à l’information, mais la coordination des actions nécessaires à son utilisation dans le travail quotidien. 

Le point de départ est simple. Dans une mairie, l’information existe déjà presque toujours quelque part. Elle se trouve dans un logiciel métier, dans une base documentaire, dans un portail, dans un historique, dans un texte réglementaire, dans une note interne ou dans l’expérience d’un agent. Mais cette information ne produit de la connaissance que lorsqu’elle est réintroduite dans un contexte, interprétée à la lumière d’un usage, reliée à une situation précise et rendue mobilisable pour décider ou agir. 

Le défi n’est donc pas seulement d’accéder à davantage d’informations, ni même à la bonne information, mais de convertir rapidement, au bon moment et dans le bon format, des données dispersées en connaissances contextualisées et utiles pour les traduire en actions pertinentes. 

Une question d’un habitant sur une formalité d’urbanisme peut obliger à vérifier plusieurs sources avant de fournir une réponse fiable. Une note peut exiger la consultation successive d’un texte, d’un dossier antérieur, d’un modèle documentaire et d’un outil de rédaction. Une demande interne peut imposer de retrouver une pièce jointe, de comparer deux versions, de reformuler un contenu puis de préparer une réponse exploitable. 

Dans ces situations ordinaires, la difficulté ne vient pas de la complexité théorique des sujets. Elle vient de la fragmentation du travail, de la dispersion des sources utiles de données et de la difficulté à recomposer rapidement un flux d’action cohérent. 

Ces dernières années, l’IA conversationnelle a ouvert une première voie. Elle a montré qu’une question formulée en langage naturel pouvait recevoir une réponse rapide, claire et contextualisée, même dans des environnements documentaires dispersés. Cette première avancée a été essentielle, car elle a permis de répondre à une partie du besoin en réduisant la difficulté d’accès à l’information, au point de donner parfois l’impression que les approches conversationnelles ou le RAG suffisaient.
Elle a pourtant révélé une réalité plus profonde. Pour qu’une IA soit réellement utile, il ne suffit pas que les données soient accessibles, ni même techniquement interrogeables. Encore faut‑il que les connaissances soient suffisamment documentées, structurées, explicites et contextualisées pour pouvoir être mobilisées efficacement. La valeur de l’IA dépend donc moins de la seule disponibilité de l’information que de la capacité à formaliser un savoir exploitable et actionnable.
Surtout, cette première étape met en évidence une limite déterminante. Répondre à une question ne suffit pas nécessairement à faire avancer le traitement d’une situation réelle. 

L’IA agentique se distingue donc des formes d’IA précédentes sur cette capacité à agir.
Une IA classique calcule, classe, prédit ou recommande pour un périmètre bien défini.
Une IA conversationnelle interprète une requête et produit une réponse pour un contexte plus étendu.
Une IA agentique sera, elle, capable de coordonner une séquence d’opérations ciblant la réalisation d’une tâche. Elle peut donc proposer de reformuler une intention, mobiliser plusieurs outils plus spécialisés et retrouver ou proposer des sources qui semblent davantage appropriées. Elle pourra ensuite, par exemple, comparer des contenus pour préparer un texte, interroger directement un outil métier pour augmenter ou actualiser ce texte, conserver bien plus efficacement le contexte utile à la démarche en cours et, enfin, restituer un résultat directement exploitable. 

La différence n’est donc pas seulement technique. Elle est fonctionnelle. Cette évolution de l’IA ne se situe plus uniquement dans l’échange. Elle commence à proposer des interventions dans la continuité du travail quotidien. 

Pour une petite ou moyenne commune, ce déplacement est décisif. La vraie promesse n’est pas de disposer d’un assistant plus impressionnant. Elle est de permettre l’accès à une capacité supplémentaire d’action pour aider à relier des tâches qui, aujourd’hui, restent dispersées entre plusieurs outils, plusieurs documents, plusieurs sources d’information et plusieurs temps d’attention. 

Les premiers cas européens les plus intéressants vont déjà dans ce sens.
En Espagne, la ville de Ciudad Real a engagé un assistant spécialisé dans la gestion urbanistique, capable d’aider à préparer des contenus ensuite relus et validés par les techniciens.
En Allemagne, le réseau 115 a lancé en 2025 une phase pilote de chatbot fondé sur l’IA pour plusieurs communes, avec une logique de mutualisation du service.
En Italie, Cinisello Balsamo a commencé à utiliser l’intelligence artificielle pour qualifier et orienter les flux entrants de PEC, Posta Elettronica Certificata. 

Ces cas ne relèvent pas tous du même niveau de maturité, mais ils racontent la même évolution. La proposition de valeur se déplace progressivement de la simple réponse à des questions opérationnelles vers l’aide à l’organisation du traitement lui‑même. 

Ce mouvement concerne particulièrement les petites et moyennes communes parce qu’elles ne disposent ni des mêmes volumes d’effectifs ni des mêmes possibilités de spécialisation que les grandes administrations. Une commune de taille plus modeste doit au contraire contenir la complexité. Elle doit fluidifier et accélérer la circulation de l’information, limiter les ruptures de continuité d’action et permettre à chaque agent de traiter davantage, tout en mobilisant des compétences métiers variées avec des effectifs réduits, sans accroître la tension organisationnelle. 

Dans ce contexte, l’agentique ne doit surtout pas être pensée comme une promesse générale d’automatisation. Ce serait une erreur de lecture et, surtout, une erreur majeure d’usage. Une commune n’a pas, intrinsèquement, besoin d’une IA spectaculaire. Elle a besoin d’une IA immédiatement utile et cela suppose plusieurs conditions. 

Elle doit être spécialisée, intégrée, lisible et rester encadrée, parce qu’une commune cherche d’abord à fiabiliser et à fluidifier l’action, pas à déléguer indistinctement ses décisions. 

Autrement dit, l’agentique municipale n’a de sens que si elle s’inscrit dans un périmètre métier précis. 

C’est aussi ce qui explique pourquoi le marché commence à se recomposer. Les assistants génériques ont ouvert la voie des usages. Ils ont créé de l’acculturation. Mais ils atteignent vite leurs limites dès qu’il faut traiter des chaînes de travail réelles, avec des contraintes documentaires, réglementaires et organisationnelles propres aux collectivités. 

La prochaine étape ne viendra donc pas d’une nième interaction conversationnelle. Elle émanera de systèmes capables d’agir au contact des processus municipaux concrets. 

Pour les petites et moyennes communes, les gains attendus devront être très tangibles. D’abord, une baisse du temps perdu à chercher la bonne information dans plusieurs environnements distincts. Ensuite, une réduction du nombre d’opérations mentales nécessaires pour passer d’une demande à un contenu exploitable. Puis une capacité accrue à homogénéiser certaines réponses, certaines recherches et certaines préparations documentaires sans rigidifier le travail. Enfin, une moindre dépendance à quelques détenteurs de savoir implicite dont l’absence ralentit immédiatement les services. 

Pris sous cet angle, l’agentique n’est donc pas une technologique de plus. Elle agit comme un média, une liaison qui reconnectera progressivement la connaissance, les contextes, les outils et les tâches. Cette mutation décisive permettra de passer d’un système d’information que l’on consulte à un environnement numérique qui accompagne réellement l’exécution des missions. 

Les analyses récentes de l’OCDE sur l’IA dans le secteur public renforcent cette lecture. Elles montrent que les gains les plus solides ne viennent pas seulement de la performance brute des outils, mais de leur capacité à s’intégrer dans les organisations, à améliorer la continuité de service et à soutenir des formes de travail plus fluides. 

C’est précisément là que le positionnement de Berger Levrault prend tout son sens car la véritable question est désormais de savoir quels acteurs seront capables de transformer cette proposition de valeur encore floue en possibilités opérationnelles concrètement maîtrisées. Sur ce terrain, l’avantage n’ira pas aux promesses les plus générales. Il ira aux sociétés qui connaissent les métiers, comprennent les contraintes documentaires et logicielles des communes, s’insèrent dans les chaînes de traitement existantes et produisent des gains visibles sans exiger une réorganisation complète des services. 

C’est aussi ce que montrent les travaux présentés dans le Yearbook Recherche et Innovation 2025 de Berger Levrault. 

On y voit se dessiner une trajectoire déjà engagée, depuis des assistants documentaires fondés sur le RAG jusqu’à une plateforme agentique capable d’orchestrer plusieurs agents spécialisés, de mobiliser des outils métier, de conserver le contexte utile, d’intégrer la voix, la multimodalité et des bibliothèques documentaires contrôlées. 

On y découvre également une insistance forte sur la confiance, avec la gestion explicite de l’incertitude, la réduction des hallucinations et l’amélioration continue du système de recherche d’information. 

Dans cette perspective, Berger Levrault apparaît en capacité de proposer bien plus qu’un simple accès conversationnel à l’information. L’enjeu est aussi de fournir un modèle bureautique utile pour produire plus vite certains contenus, puis surtout un modèle agentique métier, beaucoup plus structurant, parce qu’il intervient dans la continuité des processus municipaux eux‑mêmes. 

C’est ce troisième modèle qui fera la différence dans les années qui viennent. Il ne remplacera pas le travail des agents. Il transformera surtout leur manière d’entrer dans les dossiers, d’articuler les outils, de mobiliser les bonnes sources et de faire circuler plus vite l’action. 

Dans les petites et moyennes communes, où chaque gain de fluidité compte davantage qu’ailleurs, cette évolution ne relèvera pas d’un luxe technologique. Elle deviendra une condition nouvelle d’efficacité. 

L’IA agentique cessera alors d’être une promesse abstraite. Elle deviendra ce que les communes attendent réellement du numérique depuis longtemps. Une capacité discrète, intégrée et immédiatement utile pour faire mieux avec peu.