Alors que l’intelligence artificielle passe de l’expérimentation à la production, les agences gouvernementales deviennent un terrain d’essai inattendu pour une transformation à grande échelle de la main-d’œuvre. Confrontées à des exigences opérationnelles croissantes, à des environnements d’application vieillissants et à des exigences de conformité strictes, les organisations du secteur public se tournent de plus en plus vers l’IA non pas comme une capacité future, mais comme un multiplicateur de force immédiat, accélérant ainsi la transition vers une main-d’œuvre agentique.
Ce changement est au cœur de la dernière initiative de Google Cloud autour de Gemini for Government, qui positionne l'IA à la fois comme une couche de productivité et un moteur de modernisation dans les agences.
Dans le dernier épisode du podcast AppDevANGLE de CUBE Research, l'analyste principal Paul Nashawaty s'est entretenu avec Chris Hein, directeur technique de terrain chez Google Public Sector, sur la façon dont les agences adoptent l'IA, naviguent dans la complexité de la conformité et commencent à définir à quoi ressemble une « main-d'œuvre agent » dans la pratique.
« Je pense que ce que nous allons voir… c'est vraiment commencer à voir la main-d'œuvre agent prendre forme », a déclaré Hein. « Où c'est un élément précieux de l'équipe. »
La main-d'œuvre agent passe du concept à la réalité
Une grande partie des discussions sur l’IA d’entreprise au cours des deux dernières années s’est concentrée sur les pilotes, les preuves de concept et les interfaces de type chatbot. Dans le secteur public, l’attention se porte désormais sur quelque chose de plus immédiat : aider les travailleurs à faire plus avec moins – une étape fondamentale dans la constitution d’une main-d’œuvre agentique.
Hein a décrit une approche progressive qui commence par augmenter les flux de travail existants plutôt que de les remplacer purement et simplement. Cela inclut l’utilisation de l’IA pour rationaliser les tâches administratives, améliorer l’accès à l’information et augmenter la productivité quotidienne des employés du gouvernement.
Cela correspond à des données de marché plus larges. Selon CUBE Research, 46,5 % des organisations font état d'une pression pour fournir des applications beaucoup plus rapidement qu'il y a trois ans, alors que la croissance des effectifs n'a pas suivi le rythme. L’IA est de plus en plus considérée comme le seul moyen viable de combler cet écart et de permettre une main-d’œuvre agentique.
Pour les agences, la clé est de créer des environnements dans lesquels les employés peuvent expérimenter en toute sécurité les outils d’IA tout en respectant les limites de conformité.
La conformité devient le facteur déterminant
Contrairement aux entreprises commerciales, où l’innovation peut souvent devancer la gouvernance, l’adoption de l’IA par le secteur public est limitée et définie par des exigences de conformité. Sl'accréditation de sécurité, la résidence des données, les contrôles de confidentialité et l'alignement réglementaire ne sont pas des considérations secondaires ; ils sont le point de départ.
L'approche de Google, comme l'a décrit Hein, consiste à intégrer ces contrôles directement dans sa plate-forme cloud plutôt que d'isoler les capacités d'IA dans des environnements séparés et restreints. Le résultat est un modèle dans lequel les agences peuvent accéder aux capacités d’IA de pointe tout en respectant les normes requises telles que la conformité FedRAMP et du ministère de la Défense – une base nécessaire pour faire évoluer une main-d’œuvre agentique.
Cette dynamique est de plus en plus pertinente au-delà du gouvernement. À mesure que des cadres réglementaires tels que la loi européenne sur la cyber-résilience entrent en vigueur, les développeurs de tous les secteurs sont confrontés à des pressions similaires pour garantir que les applications (et désormais les systèmes d'IA) sont conformes dès leur conception.
La modernisation passe du projet au processus
La modernisation des systèmes existants reste l'un des défis les plus persistants en matière d'informatique gouvernementale, de nombreuses agences exploitant toujours des systèmes critiques basés sur des architectures vieilles de plusieurs décennies. Ce qui change, c'est la façon dont la modernisation est abordée.
Hein a souligné l'utilisation croissante du développement assisté par l'IA pour aider à refactoriser et moderniser les systèmes, y compris les efforts visant à mettre à jour les applications basées sur COBOL qui ont longtemps résisté à la transformation.
Plutôt que de considérer la modernisation comme un événement de migration ponctuel, les agences commencent à la considérer comme un processus continu, soutenu par des outils basés sur l'IA qui améliorent progressivement le code, la documentation et les flux de travail, renforçant ainsi l'épine dorsale opérationnelle d'une main-d'œuvre agentique.
Cela reflète un changement plus large dans le développement d’applications : la modernisation n’est plus une destination. C'est une discipline permanente.
Les modèles ouverts et les options gagnent en importance
Un autre thème clé est la flexibilité. Les agences gouvernementales, comme les grandes entreprises, se méfient de la dépendance à long terme à l’égard d’un seul fournisseur ou modèle d’IA. Hein a souligné l'importance d'offrir l'accès à une gamme de modèles, y compris des options de poids ouvert et de frontière, via des plates-formes telles que Vertex AI.
« Je pense qu'il est vraiment important que le gouvernement ait cette option », a-t-il déclaré.
Cette approche multimodèle permet aux organisations d'optimiser les exigences en matière de performances, de coûts, de sécurité et de cas d'utilisation, tout en conservant la capacité de s'adapter à mesure que le paysage de l'IA évolue – une capacité essentielle pour maintenir une main-d'œuvre agentique.
Pour les développeurs, cela suggère un avenir dans lequel les applications sont conçues pour interagir avec plusieurs modèles plutôt que d’être étroitement couplées à un seul.
Le déploiement Edge étend l’empreinte de l’IA
Les charges de travail de l’IA sont également de plus en plus réparties.
Hein a souligné la nécessité d'ajuster et de déployer des modèles à la périphérie, permettant aux agences d'exécuter l'IA dans des environnements où la latence, la connectivité ou les contraintes opérationnelles rendent l'inférence centralisée peu pratique.
Cela introduit une nouvelle complexité pour les développeurs et les équipes de plateforme, qui doivent désormais gérer le cycle de vie, la gouvernance et le déploiement des modèles dans des environnements centralisés et périphériques.
Cela renforce également l’idée que l’IA n’est pas seulement un service cloud ; il s'agit d'une couche architecturale qui couvre l'ensemble de l'environnement applicatif et prend en charge l'expansion d'une main-d'œuvre agentique.
L'essentiel
On suppose souvent que l’adoption de l’IA par le gouvernement est à la traîne par rapport au secteur privé. Dans ce cas, le contraire peut être vrai.
Poussées par les contraintes de main-d'œuvre et les exigences critiques de leur mission, les agences agissent rapidement pour opérationnaliser l'IA d'une manière qui a un impact direct sur la productivité, le développement d'applications et la prestation de services.
Le concept de « main-d’œuvre agentique », dans laquelle les systèmes d’IA agissent comme des collaborateurs axés sur les tâches, apparaît comme la prochaine phase de cette évolution.
Pour les développeurs, les implications sont claires : l’IA n’est plus seulement une fonctionnalité. Il devient partie intégrante de la main-d'œuvre, de la plateforme et de l'architecture des applications elle-même, définissant ainsi l'avenir de la main-d'œuvre agentique.
Voici la conversation complète avec Paul Nashawaty et Chris Hein de theCUBE Research, dans le cadre de la série de podcasts AppDevANGLE :
