No. 05 · Conceptual

Les quatre approches de la modernisation par l’IA

De la simple réparation d’un système jusqu’à la disparition complète de la couche applicative : les quatre façons pour un gouvernement de reconstruire son parc numérique rapidement.

Les documents précédents ont permis d’évaluer les systèmes existants et de montrer pourquoi ils ne peuvent pas être corrigés avec les anciennes méthodes. Nous savons ce que nous avons, dans quel état c’est, et nous savons aussi qu’au rythme habituel, les réparations prendraient des décennies. Ce document explique donc quoi faire avec ces constats. Il présente quatre façons de moderniser les systèmes avec l’IA, chacune correspondant à un niveau d’intervention différent, du plus simple au plus transformateur. Encore une fois, aucune approche ne couvre tout à elle seule : un environnement gouvernemental complet a besoin de ces quatre leviers pour évoluer efficacement.


## §01 Quatre voies à suivre

Les quatre approches sont le **Garage IA**, l'**Usine IA**, la **rationalisation par l’IA** et le **Gouvernement 3.0**. Le Garage consiste à réparer un système directement sur place. L’Usine permet d’en construire un nouveau pour le remplacer. La rationalisation regroupe plusieurs systèmes qui se chevauchent en un plus petit nombre de modules modernes. Enfin, le Gouvernement 3.0 va encore plus loin en faisant disparaître complètement l’application, pour laisser des agents d’IA travailler directement sur des données encadrées. Chaque approche correspond à un type de système différent, et chacune demande un niveau d’effort plus élevé que la précédente.

Le choix de l’approche dépend de l’état du système. Le ministère se base sur un test simple en quatre options, appliqué à chaque système : le tolérer, y investir, le migrer ou l’éliminer. Un système en bon état peut être conservé avec quelques ajustements. Un système solide, mais basé sur une technologie en fin de vie, devrait être migré vers une nouvelle solution. Un ensemble complexe de systèmes qui se chevauchent est un bon candidat pour la rationalisation. Enfin, un système qui ne répond plus à aucun besoin peut être supprimé. Ce test permet de concentrer les efforts là où ils ont le plus d’impact et de faire des quatre approches un plan cohérent, plutôt qu’un simple choix d’options.


## §02 Le Garage IA

La première approche est la plus simple. On prend un système à la fois, comme lorsqu’on amène une voiture au garage, et on corrige ce qui ne fonctionne pas. Une personne copie le code, l’IA l’analyse et fait les corrections, puis la personne vérifie le résultat avant de l’intégrer. Cette approche s’appelle le Garage. C’est celle qui comporte le moins de risques et qui ressemble le plus à la façon actuelle de travailler des équipes, tout en offrant le retour sur investissement le plus immédiat.

Le Garage permet de faire trois types d’interventions, selon les besoins du système. D’abord, il répare : l’IA corrige un problème connu, met à jour une bibliothèque dépassée ou ajoute un test manquant. Ensuite, il sécurise : si un système présente des failles de sécurité, celles-ci sont corrigées en priorité, en traitant les systèmes selon leur niveau de risque, en commençant par ceux accessibles au public. Enfin, il reproduit : quand la technologie d’un système est dépassée mais que son fonctionnement reste pertinent, l’IA le reconstruit sur une base moderne tout en conservant le même comportement. Pour l’utilisateur, rien ne change : les écrans et les données restent au même endroit. Seule la technologie sous‑jacente est remplacée. Par exemple, un système accessible auparavant via un contournement Citrix devient une application normale dans un navigateur moderne, avec un cycle de vie de nouveau pris en charge.

Le Garage a toutefois une limite volontaire : il corrige les problèmes sans transformer en profondeur. Un système réparé reste essentiellement le même, et même une reconstruction par reproduction conserve les mêmes façons de faire, simplement sur une technologie plus récente. Pour plusieurs systèmes, c’est suffisant, car ils fonctionnent bien et les gens en dépendent. Il faut simplement les rendre sécuritaires et durables. Pour d’autres, ce n’est pas assez, car le problème vient du système lui-même. C’est pour cela que les trois autres approches vont plus loin.


## §03 L’Usine IA

La deuxième approche consiste à repartir de zéro. Au lieu de réparer un ancien système, on en construit un nouveau, tel qu’on le concevrait aujourd’hui. Cette construction se fait dans ce que nous appelons l’Usine IA. Il s’agit d’un environnement logiciel, et non d’une usine physique. À l’intérieur, une équipe d’agents d’IA spécialisés travaille comme une équipe de développement performante. Un agent conçoit l’architecture, un autre écrit le code, tandis que d’autres s’occupent de la base de données, des tests, de la sécurité, de l’accessibilité et de la documentation. Tous travaillent à partir d’une même spécification et se vérifient mutuellement jusqu’à ce que l’application soit prête.

L’Usine repose sur des principes clairs. Chaque application est construite de manière uniforme, avec une architecture moderne et une base commune. La qualité vient donc de l’automatisation elle-même, et non du travail d’une seule personne. La spécification sert de référence : les agents s’y conforment, et le résultat est validé par rapport à elle. Une personne reste toujours impliquée pour accepter ou refuser ce qui est produit. Les applications créées par l’Usine ont deux caractéristiques importantes. Elles sont modulaires, composées de petites unités de code faciles à lire et à vérifier. Et elles appartiennent entièrement au gouvernement, reposant sur des technologies ouvertes, sans dépendance à un fournisseur ou à des licences contraignantes.

Construire à neuf permet aussi de repartir sur des bases propres, sans les contraintes et les hypothèses anciennes accumulées au fil des années. C’est l’approche à privilégier pour les systèmes dont la technologie est devenue inutilisable, ainsi que pour les nouveaux services qui apparaissent, même pendant que les anciens sont encore en cours de modernisation.

L’Usine est l’approche la plus avancée des quatre, et elle repose sur trois éléments principaux, chacun décrit dans un document distinct. Le travail est façonné et spécifié dans un environnement de conception, où une demande formulée en langage simple est transformée en un plan clair que les agents peuvent exécuter. Ensuite, les agents construisent, testent et déploient l’application dans un bac à sable sécurisé encadré par des contrôles d’entreprise. Enfin, tout le travail est suivi et évalué dans un système qui rend les progrès visibles et permet de comparer différentes approches sur un même projet. Ce document présente l’approche dans son ensemble, tandis que les trois autres expliquent en détail comment l’Usine fonctionne concrètement.


## §04 La rationalisation par l’IA

La troisième approche prend du recul et ne se limite plus à un seul système, mais considère tout un ministère dans son ensemble. On peut comparer cela à une ville qui s’est développée sans plan. Chaque bâtiment a creusé son propre puits, installé sa propre source d’énergie et construit sa propre route. Les systèmes informatiques du gouvernement ont évolué de la même manière. Presque chaque application a créé sa propre connexion, son propre système de téléversement de fichiers et ses propres rapports, souvent en doublon et rarement de façon uniforme. La rationalisation consiste donc à comprendre clairement ce que fait le ministère, puis à construire une infrastructure commune une seule fois. Ainsi, les fonctions partagées sont développées une seule fois et réutilisées partout, plutôt que recréées encore et encore.

C’est l’approche que Git Insights Ministry rend exécutable. Cet outil analyse tout le code d’un ministère en une seule fois et propose une architecture cible. La rationalisation consiste ensuite à la mettre en place. Le résultat suit un schéma clair : un grand nombre d’applications qui se chevauchent sont regroupées en un petit ensemble de modules bien structurés, où les fonctionnalités communes sont construites une seule fois et partagées. Comme l’IA réalise l’essentiel de l’analyse et une grande partie du travail de construction, un programme qui prenait autrefois entre cinq et huit ans peut désormais être réalisé en quelques semaines ou quelques mois.

La rationalisation offre les gains les plus importants à court terme, que ce soit en coût, en rapidité ou en qualité. C’est aussi l’approche la plus exigeante pour les équipes. Reconstruire l’ensemble des systèmes d’un ministère représente un changement majeur pour le personnel, qui a construit ses habitudes autour des anciens systèmes. Ce changement doit donc être planifié avec autant de soin que la transformation technique elle-même. En réalité, la technologie est souvent la partie la plus simple. Le véritable défi est d’accompagner les personnes pour qu’elles adoptent ces nouvelles façons de travailler.

"La même ouverture de session, reconstruite dans des dizaines d’applications, devient une seule authentification partagée. La rationalisation repère chacune de ces redondances et la construit une seule fois, pour tous." · Document 5 · Les quatre approches de la modernisation par l’IA


## §05 Gouvernement 3.0

La quatrième approche est la plus radicale, car elle remet en question le besoin même d’applications traditionnelles. Dans ce modèle, les données restent là où elles sont, mais elles sont bien encadrées et accessibles à travers une interface claire et documentée que les agents d’IA peuvent utiliser. Au-dessus de ces données se trouve une couche d’agents d’IA, sans application fixe entre les deux. Lorsqu’une personne doit accomplir une tâche, l’agent crée une interface adaptée à ce besoin précis, à ce moment précis, puis la fait disparaître une fois le travail terminé.

Deux principes rendent ce modèle possible. D’abord, les règles d’affaires sont codées une seule fois, directement à partir des lois, règlements et politiques. Quand les règles changent, le système est mis à jour immédiatement, et toutes les interactions suivent la nouvelle version sans délai. Ensuite, l’IA devient l’intermédiaire principal avec les données. Au lieu d’avoir une multitude d’écrans accédant chacun différemment aux bases de données, les agents passent par une interface unique, contrôlée et vérifiable. Cela permet de réduire fortement le nombre d’interfaces à maintenir et, par conséquent, la quantité de code à gérer. On trouve une visualisation de cette approche dans le document de simulation.

C’est potentiellement le modèle le plus rapide et le plus économique, car il élimine en grande partie ce qui coûte le plus cher dans les systèmes gouvernementaux : la construction et la maintenance du code lui-même. Toutefois, c’est aussi le plus exigeant. Il repose sur des données bien structurées, des règles fidèlement codées et une traçabilité complète des actions des agents, avec une responsabilité claire. Nous n’y sommes pas encore pleinement, mais c’est la direction à suivre. Les décisions prises aujourd’hui doivent donc être compatibles avec cette évolution.

On peut voir cette transformation comme une progression. Le gouvernement 1.0 reposait sur le papier et les comptoirs. Le gouvernement 2.0 a introduit les formulaires numériques et les sites Web, plus rapides mais encore limités. Le gouvernement 3.0 représente une nouvelle étape, où les agents d’IA agissent comme de véritables collaborateurs, responsables de leurs actions, et où des tâches qui prenaient autrefois des jours peuvent être réalisées en quelques minutes.


## §06 Les quatre, et la suite

Ces quatre approches peuvent coexister au sein d’une même organisation. Il n’est pas nécessaire d’en choisir une seule, car les systèmes d’un gouvernement sont trop variés pour être traités de la même façon. Certains systèmes sont simplement maintenus et ajustés avec le Garage. D’autres sont reconstruits à neuf dans l’Usine. Certains sont intégrés dans une transformation plus large grâce à la rationalisation. Et, peu à peu, une part croissante des activités évolue vers le modèle du Gouvernement 3.0, basé sur des agents d’IA. Le choix de l’approche se fait grâce à un test simple : tolérer, investir, migrer ou éliminer. Ce test permet d’orienter chaque système vers la solution la plus adaptée, afin de concentrer les efforts là où ils apportent le plus de valeur. Ensemble, ces quatre approches forment un plan cohérent et sont toutes nécessaires pour moderniser un gouvernement rapidement.

La cible que visent les quatre approches ~95 %. Une réduction d’environ 95 % du coût ainsi que du temps de développement et de maintenance des logiciels gouvernementaux. Cela représente la différence entre reconstruire l’ensemble des systèmes en un seul mandat ou y consacrer presque un siècle avec les méthodes traditionnelles.

C’est en combinant les quatre approches que cet objectif devient possible. Nous avons maintenant une vision claire de la façon dont le gouvernement peut être modernisé. Cela amène une nouvelle question : si l’IA réalise une grande partie du travail (réparer, construire, regrouper et, à terme, exploiter les systèmes) comment s’assurer qu’elle le fait correctement, de manière sécuritaire et selon des standards fiables ? La réponse repose sur l’encadrement que nous mettons en place autour de l’IA elle‑même.

Nous appelons cette structure le harnais, et c’est le sujet du prochain document : **Le harnais bien construit**.

Tags: modernization, architecture, ai-factory, government-3-0, strategy

Open the interactive version