IA & Secteur public : comment passer du rapport PDF à la décision pilotée par la donnée

Le défi du secteur public : beaucoup de données, peu de décisions data-driven

Les administrations africaines produisent énormément de données :

• enquêtes statistiques,
• rapports de projets,
• données budgétaires,
• systèmes d’information métiers,
• données géospatiales (recensement, infrastructures, écoles, centres de santé…).

Mais sur le terrain, la décision reste souvent :

• qualitative,
• lente,
• peu traçable,
• difficile à expliquer aux citoyens et aux partenaires techniques et financiers.

L’IA et la donnée peuvent aider à mieux cibler, mieux exécuter, mieux communiquer.

1. Ciblage des politiques publiques avec la donnée

Exemple : éducation, santé, infrastructures

L’IA peut aider à répondre à des questions très opérationnelles :

• Où ouvrir les prochaines écoles ou centres de santé ?
• Quelles zones sont les plus éloignées des services publics essentiels ?
• Où les investissements ont le plus de chances de réduire les inégalités ?

En combinant :

• données de recensement (population, densité, âge),
• données d’équipement (écoles, centres de santé, routes),
• données de performance (taux de scolarisation, mortalité, etc.),

on peut produire des cartes de priorisation :

• par région / département / commune,
• par indicateur (éducation, santé, eau, énergie),
• en tenant compte des contraintes budgétaires.

2. Suivi de l’exécution : du reporting manuel à l’IA copilote

Un des grands problèmes : les rapports arrivent tard, sous forme de PDF ou de fichiers Excel épars.

Avec un bon dispositif data + IA, un ministère ou une agence peut :

• consolider automatiquement les indicateurs clés par programme,
• détecter les retards d’exécution,
• identifier les goulots d’étranglement (procurement, décaissements, terrain),
• générer des tableaux de bord pour la direction, le ministère de tutelle, le gouvernement.

Des IA génératives peuvent :

• analyser des centaines de rapports techniques,
• faire ressortir les points de blocage récurrents,
• proposer des résumés adaptés à différents publics (ministre, directeur, partenaire, citoyen).

3. Transparence et communication avec les citoyens

La donnée et l’IA peuvent aider à :

• publier des tableaux de bord publics simples à comprendre,
• répondre automatiquement à certaines questions des citoyens (via chatbot),
• produire des synthèses d’impact des politiques publiques.

Exemples :

• “Combien d’écoles ont été construites dans ma région ces 5 dernières années ?”
• “Quel est l’état d’avancement du projet X dans mon département ?”
• “Quels programmes ciblent prioritairement les jeunes / les femmes / le monde rural ?”

4. Comment démarrer dans un ministère ou une agence publique ?

1. Choisir un périmètre pilote
   Par exemple : un programme (santé, éducation, emploi), une direction, une région.

2. Cartographier les données existantes

   • enquêtes, systèmes d’information, Excel, bases internes,
   • identifier ce qui est fiable, ce qui ne l’est pas.

3. Mettre en place un “socle data” minimal

   • un entrepôt de données structuré,
   • quelques flux automatisés,
   • un référentiel géographique et institutionnel.

4. Construire 2–3 cas d’usage visibles
   Exemple :

   • une carte de priorisation,
   • un tableau de bord de suivi d’exécution,
   • un assistant IA qui répond aux questions fréquentes des décideurs.

5. Impliquer les métiers dès le départ

   • directions technique, planification, budget,
   • équipes IT et statistiques,
   • cabinet / direction générale.

5. IA responsable et souveraineté de la donnée

Dans le secteur public, la question de l’IA ne peut pas être déconnectée :

• de la protection des données des citoyens,
• de la souveraineté numérique,
• de la confiance des usagers.

Il est essentiel de :

• définir clairement ce qui peut être externalisé et ce qui doit rester souverain,
• tracer les traitements,
• documenter les modèles,
• former les équipes internes (statisticiens, informaticiens, planificateurs).

Conclusion

L’IA n’est pas une baguette magique pour le secteur public.
Mais utilisée avec méthode, elle permet de :

• mieux cibler les efforts,
• mieux suivre l’exécution,
• mieux expliquer les résultats.

En Afrique, où les besoins sont immenses et les ressources limitées, un usage intelligent de la donnée et de l’IA peut faire la différence entre une politique publique théorique et une politique qui change réellement la vie des citoyens.