Territoires d'IA : Comment le modèle « IA Factory » s'inspire de Bordeaux pour industrialiser les services publics
L'ère des expérimentations isolées et des preuves de concept (PoC) en matière d'intelligence artificielle au sein des collectivités territoriales touche à sa fin. Face à la fragmentation des initiatives et au coût élevé des développements sur mesure, l'État et la Banque des Territoires opèrent un changement de paradigme majeur avec le lancement du programme « Territoires d'IA ». Annoncé en mai 2026, ce dispositif ne se contente pas de financer des projets ; il vise à créer une véritable filière industrielle pour l'IA publique. L'objectif est de transformer les succès locaux en solutions robustes, sécurisées et facilement duplicables pour l'ensemble des territoires, quelle que soit leur taille. Au cœur de cette stratégie se trouve le concept d'« IA Factory », un modèle de production et de déploiement mutualisé. Pour comprendre ses implications concrètes, l'analyse du cas pilote de Bordeaux Métropole est essentielle. Leur projet d'orientation automatique des signalements citoyens par l'IA sert de laboratoire à cette nouvelle doctrine. Cet article décrypte le fonctionnement de l'IA Factory, analyse le cas bordelais et fournit aux DSI et DGS des collectivités les clés pour évaluer la pertinence de ce modèle pour leurs propres enjeux de modernisation.
De l'expérimentation à l'industrialisation : la nouvelle doctrine de l'État
Le lancement du programme « Territoires d'IA » par le ministre de la Transformation et de la Fonction publiques et la Banque des Territoires n'est pas une simple ligne budgétaire supplémentaire. Il matérialise une rupture stratégique. Jusqu'à présent, l'adoption de l'IA par les collectivités suivait un modèle artisanal : chaque territoire développait sa propre solution pour un problème spécifique, souvent avec des ressources limitées et sans vision de partage. Le résultat est un paysage technologique fragmenté, où des solutions similaires sont réinventées à grands frais, et où la maintenance à long terme reste un défi majeur. Comme le souligne l'annonce, l'ambition est désormais de « changer d’échelle » et d'« accélérer le déploiement de l’IA dans les collectivités territoriales ». Doté d'une enveloppe de 25 millions d'euros sur trois ans, le programme vise à cofinancer de 10 à 15 projets structurants. La véritable innovation réside dans les critères de sélection : la priorité sera donnée aux projets conçus dès l'origine pour être généralisables. Il ne s'agit plus de financer une expérimentation à Lyon ou à Brest, mais de financer une solution qui, bien que testée localement, sera packagée et documentée pour être déployée à moindre coût à Strasbourg, Orléans ou dans une communauté de communes rurales. Cette approche s'inspire directement des réflexions sur la mutualisation des ressources publiques, portées par des instances comme la DINUM, qui cherchent à éviter la multiplication des « silos » technologiques. La doctrine est claire : un euro public investi dans l'IA doit potentiellement bénéficier à toutes les collectivités. C'est la fin du « proof of concept » comme finalité et l'avènement du produit de service public réutilisable.
L'« IA Factory » : un modèle opérationnel pour la duplication des solutions
Au cœur de cette stratégie d'industrialisation se trouve le modèle de l'« IA Factory ». Ce terme désigne moins une usine physique qu'une méthode et une plateforme collaborative pour construire, maintenir et distribuer des solutions d'IA. L'idée est de créer un socle commun de briques technologiques et de données qui serviront de fondation aux différents cas d'usage. Concrètement, cette « factory » pourrait se composer de plusieurs éléments clés. D'abord, des jeux de données d'entraînement mutualisés et anonymisés, permettant d'améliorer la performance des modèles sans que chaque collectivité ait à collecter un volume massif de données en propre. Ensuite, des modèles d'IA pré-entraînés pour des tâches récurrentes dans le service public, comme la classification de documents, la détection d'anomalies ou l'analyse de sentiments. Plutôt que de partir de zéro, une collectivité pourra affiner ces modèles génériques avec ses données locales spécifiques, un processus bien plus rapide et économique. Le modèle s'appuie également sur des API standardisées pour intégrer facilement ces briques d'IA dans les logiciels métiers existants (GRC, gestion financière, etc.). L'un des objectifs affichés est de « renforcer la diffusion de l'IA dans les collectivités territoriales » en abaissant drastiquement les barrières techniques et financières à l'entrée. Pour une DSI, cela signifie moins de temps consacré au développement bas niveau et plus de temps à l'intégration et à l'accompagnement des métiers. Pour un DGS, c'est la garantie d'une solution éprouvée, maintenue sur le long terme et dont le coût est partagé, optimisant ainsi l'investissement public.
Cas d'usage pilote : Bordeaux Métropole et le routage intelligent des demandes citoyennes
Pour ancrer le concept d'IA Factory dans le réel, le programme « Territoires d'IA » met en avant le projet mené par Bordeaux Métropole comme un exemple à suivre. La métropole fait face à un défi commun à de nombreuses grandes collectivités : la gestion d'un volume croissant de signalements et de demandes citoyennes provenant de canaux multiples (application mobile, site web, téléphone). Chaque jour, des centaines de requêtes concernant la voirie (nid-de-poule), la propreté (dépôt sauvage), les espaces verts (arbre à élaguer) ou les transports doivent être lues, comprises et orientées manuellement vers le bon service instructeur. Ce processus, chronophage et source d'erreurs, allonge les délais de traitement et dégrade l'expérience usager. La solution développée à Bordeaux s'appuie sur des modèles de traitement du langage naturel (NLP) pour automatiser cette première étape de qualification et de routage. L'IA analyse le texte de la demande, identifie les mots-clés, comprend l'intention de l'usager et le localise, puis attribue automatiquement le dossier au service compétent. Le projet bordelais est exemplaire car il est intrinsèquement duplicable. Les catégories de signalements (voirie, déchets, etc.) sont largement partagées par toutes les communes de France. Comme l'indique l'initiative, le but est de développer des solutions répondant aux besoins de l’ensemble des collectivités. Le modèle entraîné sur les données de Bordeaux pourrait donc constituer le socle de base de l'IA Factory pour ce cas d'usage. Une autre métropole n'aurait qu'à le spécialiser avec ses propres exemples pour l'adapter à son organigramme spécifique, réalisant une économie d'échelle considérable.
Pour les DSI et DGS qui envisagent de répondre à l'appel à projets, il est crucial de construire une candidature qui résonne avec la philosophie d'industrialisation du programme. Il ne s'agit pas seulement de présenter une innovation technologique, mais de démontrer son potentiel de généralisation. La première étape consiste à identifier un cas d'usage pertinent, caractérisé par des tâches à fort volume, répétitives et à faible valeur ajoutée pour les agents, comme le routage de demandes ou la pré-qualification de dossiers. Il est ensuite impératif d'auditer la maturité des données disponibles, car sans un volume suffisant de données historiques, structurées et de qualité, aucun projet d'IA ne peut aboutir. Le cœur du dossier doit être la dimension de « duplicabilité ». La candidature doit argumenter comment la solution sera conçue comme un « bien commun » numérique, facilement packagé, documenté et réutilisable par d'autres. Cette approche doit transparaître dans les choix techniques (API ouvertes, standards) et la gouvernance proposée. L'objectif est de « changer d’échelle » et de prouver que le projet n'est pas une impasse technologique, mais la première brique d'un service mutualisé. Enfin, la formation de consortiums avec d'autres collectivités de tailles diverses est un facteur clé de succès, car elle démontre en amont la pertinence et la généralisabilité de la démarche.
L'industrialisation de l'IA dans les services publics soulève des questions fondamentales qui dépassent le cadre purement technologique. La première est celle de la souveraineté numérique. Confier des processus de décision publique, même simples, à des algorithmes, impose de maîtriser la technologie sous-jacente. Le recours à des solutions « boîtes noires » hébergées sur des clouds non européens présente des risques majeurs en termes de confidentialité des données des administrés et de dépendance stratégique. Le modèle de l'IA Factory, en favorisant l'émergence d'un écosystème français et européen, constitue une réponse directe à cet enjeu. La conformité au RGPD est également centrale. Le traitement de données personnelles doit être rigoureusement encadré. Une IA Factory pilotée par la puissance publique offre un cadre de confiance, avec des garanties sur l'anonymisation, la sécurité et la localisation des données, évitant ainsi les écueils liés aux transferts de données hors de l'UE. Enfin, la question de l'éthique et de la transparence est primordiale. L'État a déjà posé des jalons en affirmant que les agents publics s’emparent de l’IA dans un cadre de confiance, ce qui implique que les algorithmes doivent être explicables et leurs décisions auditables, surtout lorsqu'elles impactent le citoyen. Une approche mutualisée permet de concentrer les efforts d'expertise sur ces sujets complexes et de garantir que chaque solution déployée respecte un haut niveau d'exigence éthique.
Le programme « Territoires d'IA » et le modèle de l'IA Factory ne sont pas un gadget technologique, mais une réponse politique et industrielle à la nécessité de moderniser l'action publique de manière soutenable et équitable. Pour les décideurs territoriaux, l'opportunité est double : accéder à des technologies de pointe à un coût maîtrisé et devenir acteur de la construction d'un patrimoine numérique commun. Le succès ne dépendra pas seulement de la performance des algorithmes, mais de la capacité des collectivités à collaborer, à partager leurs données et leurs bonnes pratiques. Le cas de Bordeaux Métropole n'est qu'un début. L'enjeu est désormais pour chaque territoire d'identifier le processus métier qui, une fois optimisé par l'IA, pourra servir de modèle à des centaines d'autres. C'est en adoptant cette vision d'écosystème que les DSI et DGS transformeront un simple projet technologique en un véritable levier de transformation durable du service public.
