Liberté de communication et pluralisme des courants de pensée et d’opinion

En démocratie, il ne suffit pas d’avoir raison pour gouverner ou convaincre. Lorsque le vécu des citoyens contredit le récit politique, la confiance se délite et les récits de peur prospèrent, avec leurs coupables et leurs fausses solutions. Pour comprendre ce phénomène terriblement actuel, il ne suffit pas d’incriminer les réseaux sociaux et la désinformation. Nous devons interroger le rapport qu’entretient la démocratie avec le réel. Nous n’accédons jamais directement au monde. Nous l’interprétons à travers des représentations communes qui nous racontent le monde et créent un récit partagé. Nous passons un pacte de vraisemblance avec elles. Par exemple, nous faisons confiance à l’école pour instruire nos enfants, à l’hôpital pour nous soigner, à l’économie pour créer de la prospérité, à l’État pour nous protéger. Et, ce pacte tient tant qu’il correspond suffisamment à notre expérience. Mais que se passe-t-il quand ce n’est plus le cas ? Certains pactes acceptent de se réviser, d’autres non. Ils préfèrent s’affranchir des faits et s’auto-légitimer, quitte à virer au totalitarisme pour imposer leur vérité de fiction. Ainsi, la démocratie a quelque chose à voir avec l’acceptation du réel. Ici réside sa précieuse singularité : elle institue le citoyen comme garant de l’adéquation entre le récit collectif et le réel. Le vote n’est pas seulement un acte de désignation des représentants. C’est la procédure par laquelle une société peut dire : ce récit ne correspond plus à ce que nous vivons, il faut l’actualiser. Comment cette confrontation des récits politiques au réel s’effectue-t-elle ? La démocratie repose sur deux mécanismes principaux : l’esprit critique et le vécu des citoyens. Et elle a besoin des deux. Négliger l’une de ces dimensions serait une erreur. À ne valoriser que l’expertise, on prend le risque de considérer le vécu comme un simple biais à corriger. À l’inverse, à ne reconnaître que les ressentis, la société devient vulnérable aux récits qui s’affranchissent des faits. Or à quoi avons-nous assisté ces dernières années ? Le citoyen a-t-il été traité comme le garant du réel ? En tournant le dos à des conventions citoyennes, en enterrant les propositions des cahiers de doléances, le pacte démocratique s’est fissuré. En autorisant à nouveau les néonicotinoïdes malgré une pétition massive, en balayant sans débat une taxe Zucman plébiscitée par 86 % des Français, la fissure est devenue une brèche. En bafouant, élection après élection, la promesse d’un « front républicain », la brèche est devenue une faille. Ni l’État, ni les élites économiques et politiques ne peuvent se substituer à cette fonction de garant confiée aux citoyens. Une démocratie ne peut durablement fonctionner sur la base du « Faites-nous confiance, vous comprendrez plus tard ». La défiance ne naît pas d’un simple désaccord mais du sentiment que les récits officiels s’éloignent de plus en plus du vécu et que, malgré tout, ils persistent et nous sont imposés. Le défi n’est donc plus de défendre le récit existant, ni même d’en produire un nouveau, mais plutôt d’organiser sa révision collective. Comment faire ? Nous ne voyons pas d’autre moyen que d’enclencher ce travail à partir du terrain, là où la confiance n’a pas encore disparu : dans les communes, avec les maires, les associations, les artisans, tous ceux qui tissent le futur au plus près du réel, par l’écoute, l’innovation et la construction collective. François Germinet est co-responsable de la commission Éducation du Laboratoire de la République, professeur à CY Cergy Paris Université et président du collectif Le 106. Carole Lipsyc est épistémologue, essayiste, cofondatrice de l’Initiative contributive. Retrouvez la tribune de François Germinet et Carole Lipsyc sur le site de Ouest-France.

Depuis plusieurs années, les performances de l’intelligence artificielle en médecine donnent lieu à des résultats parfois spectaculaires. Les grands modèles de langage réussissent des examens médicaux, répondent à des cas cliniques complexes et peuvent égaler, voire dépasser, les performances de professionnels sur certaines tâches diagnostiques. Mais est-ce vraiment la bonne question ? L’avenir de l’intelligence artificielle en santé ne se jouera probablement pas dans un duel entre le médecin et la machine. Il se jouera dans leur association. Pour le savoir, il faut désormais sortir des laboratoires, des benchmarks et des vignettes cliniques pour entrer dans le monde réel : celui des consultations, des patients, des prescriptions, des erreurs possibles, des contraintes de temps et des décisions quotidiennes. C’est précisément ce qu’a fait un essai pragmatique randomisé publié en 2026 dans Nature Medicine1. Son intérêt est majeur : il ne compare pas simplement une intelligence artificielle à un professionnel de santé. Il cherche à savoir ce qui se passe lorsque le professionnel est assisté par une IA générative dans sa pratique quotidienne. Et les résultats sont peut-être plus intéressants encore parce qu’ils sont nuancés. De l’IA des benchmarks à l’IA de la vraie vie L’étude a été menée dans 16 centres de soins primaires au Kenya. Au total, 103 clinical officers (des professionnels de santé qui assurent une grande partie des soins primaires dans un pays confronté à une importante pénurie médicale) ont été randomisés entre deux groupes : 52 utilisaient un dossier médical électronique intégrant une assistance par grand modèle de langage (LLM), tandis que 51 travaillaient avec le même dossier médical, mais sans cette assistance. Plus de 9 000 patients ont finalement été analysés. Le choix du Kenya n’est pas anodin. Dans de nombreux pays à ressources limitées, les professionnels de première ligne doivent prendre des décisions diagnostiques et thérapeutiques complexes sans pouvoir systématiquement solliciter un spécialiste ou un médecin senior. L’intelligence artificielle pourrait donc théoriquement constituer une forme d’expertise complémentaire immédiatement disponible. Mais les auteurs ont surtout fait un choix méthodologique essentiel : tester l’IA dans les conditions réelles du soin. Nous savons déjà que certains grands modèles de langage obtiennent d’excellents résultats lorsqu’on leur soumet des cas cliniques standardisés. Les auteurs rappellent eux-mêmes que des travaux sur des vignettes suggèrent que les LLM peuvent égaler ou dépasser les professionnels sur certaines tâches de diagnostic ou de triage. Mais les preuves prospectives dans la vraie vie restent beaucoup plus limitées. Or réussir un examen médical n’est pas soigner un patient. Un véritable copilote intégré à la consultation L’outil testé, appelé AI Consult, était directement intégré au dossier médical électronique. C’est un point essentiel. Le professionnel n’avait pas besoin d’ouvrir un chatbot, de copier le dossier du patient ou de rédiger une question spécifique. Au cours de la consultation, le système analysait automatiquement les données structurées et les textes saisis dans le dossier médical, puis générait des recommandations diagnostiques et thérapeutiques contextualisées. Le système pouvait signaler l’absence de problème, une difficulté mineure ou une situation critique grâce à un système visuel à trois niveaux. Mais surtout, le professionnel conservait la décision finale. Il pouvait accepter, modifier ou ignorer les suggestions formulées par l’intelligence artificielle. Nous sommes donc loin de l’image parfois fantasmée d’une intelligence artificielle autonome se substituant au médecin. Il s’agit plutôt d’un copilote clinique : une seconde capacité d’analyse, présente en permanence mais placée sous le contrôle du professionnel : Le résultat principal est… négatif. Et c’est probablement ce qui rend cette étude particulièrement intéressante. Le critère principal était exigeant et très concret : l’échec thérapeutique dans les 14 jours suivant la consultation, incluant notamment la persistance des symptômes, une réorientation non programmée vers un niveau de soins supérieur ou certains événements de sécurité. Résultat : l’IA n’a pas significativement amélioré ce critère. Un échec thérapeutique est survenu chez 2,2 % des patients du groupe assisté par IA contre 2,0 % dans le groupe contrôle. Après ajustement, la différence n’était pas statistiquement significative (aOR 0,77 ; IC à 95 % 0,55–1,08 ; P = 0,13). À l’heure où chaque nouvelle version d’un modèle d’intelligence artificielle donne lieu à des annonces de performances toujours plus impressionnantes, il est important de savoir écrire cette phrase : Dans cet essai, l’IA n’a pas démontré qu’elle améliorait le devenir clinique à court terme des patients. Mais loin de diminuer l’intérêt du travail, ce résultat marque peut-être une étape de maturité. L’intelligence artificielle médicale entre dans l’ère de l’evidence-based medicine. Une innovation doit démontrer son utilité, pas seulement sa performance Nous n’accepterions pas qu’un nouveau médicament soit utilisé à grande échelle simplement parce qu’il fonctionne remarquablement bien dans une simulation. Pourquoi devrions-nous raisonner différemment avec l’intelligence artificielle ? Une excellente performance algorithmique n’est pas nécessairement synonyme de bénéfice clinique. Entre les deux interviennent le professionnel, le patient, l’organisation des soins, l’adhésion thérapeutique, le contexte social, la qualité des données et une multitude de facteurs qui constituent précisément la complexité de la médecine. C’est pourquoi 2026 doit probablement marquer un changement de paradigme dans notre manière d’évaluer l’IA en santé : passer de la performance technique à l’utilité clinique. Et l’étude kenyane montre que cette évaluation doit être exigeante. Pourtant, quelque chose s’améliore. Le critère principal est négatif, mais certains résultats secondaires sont particulièrement intéressants. Parmi 2 000 consultations évaluées spécifiquement, l’assistance par LLM améliore significativement la qualité de la documentation médicale. Les professionnels utilisant l’IA étaient plus susceptibles de documenter un diagnostic approprié (aOR 1,74), de produire une note clinique complète (aOR 1,68) et de consigner un plan thérapeutique approprié (aOR 1,71).  L’intervention n’a par ailleurs pas dégradé la satisfaction des patients. La durée médiane des consultations était de 11 minutes dans les deux groupes. Enfin, le coût direct d’utilisation du modèle était, dans cette expérimentation, extrêmement faible : environ 0,04 dollar par patient. Cela dessine une vision beaucoup plus réaliste de l’IA médicale. Son premier bénéfice ne sera peut-être pas de produire immédiatement une réduction spectaculaire de la mortalité. Il pourrait commencer par une multitude d’améliorations plus discrètes : mieux documenter, mieux synthétiser, attirer l’attention sur un oubli, améliorer la pertinence d’un plan thérapeutique, faciliter l’accès aux connaissances et réduire progressivement certaines erreurs. Le médecin augmenté plutôt que le médecin remplacé Pendant plusieurs années, une partie du débat sur l’intelligence artificielle en médecine a été organisée autour d’une question presque sportive : qui sera le meilleur, l’homme ou la machine ? Cette étude invite à poser la question autrement : dans quelles conditions l’association de l’intelligence humaine et de l’intelligence artificielle produit-elle une meilleure médecine ? Car le professionnel reste indispensable. L’étude le montre d’ailleurs de manière très concrète. Dans une analyse portant sur 1 000 alertes rouges générées par le LLM, 3,1 % des recommandations ont été considérées comme quelque peu dangereuses ou inappropriées et 1,1 % comme dangereuses et inappropriées. Les professionnels, eux, pouvaient choisir de suivre totalement, partiellement ou de ne pas suivre la recommandation. Cette capacité de jugement est fondamentale. Le médecin n’est donc pas nécessairement la variable que l’IA doit faire disparaître. Il est peut-être précisément la condition qui permet de transformer la puissance de l’IA en décision médicale pertinente. Cela impose évidemment une nouvelle compétence : savoir utiliser l’intelligence artificielle, mais aussi savoir lui résister. Les auteurs alertent d’ailleurs sur un risque essentiel : une dépendance prolongée au raisonnement automatisé pourrait conduire à une perte progressive de certaines compétences professionnelles. Le défi sera donc de concevoir des outils qui renforcent le raisonnement clinique plutôt qu’ils ne s’y substituent.  Après avoir appris à construire l’IA médicale, apprenons à l’évaluer Ce travail soulève enfin une question méthodologique passionnante. Nous savons relativement bien comment évaluer un médicament ciblant une pathologie précise. Mais comment évaluer une technologie généraliste qui intervient simultanément sur le diagnostic, la documentation, la prescription, l’organisation et potentiellement le temps médical ? Les auteurs soulignent que des événements objectifs comme l’hospitalisation ou le décès sont heureusement rares en soins primaires. Démontrer un effet modeste sur ces événements pourrait nécessiter des essais dépassant 100 000 patients. Ils posent donc explicitement la question des critères pertinents pour évaluer une technologie généraliste comme un LLM appliqué aux soins primaires. Cette question deviendra centrale. Il faudra bien sûr mesurer la mortalité, les complications ou les hospitalisations lorsqu’elles sont pertinentes. Mais il faudra également mesurer les erreurs évitées, la qualité des décisions, le temps médical gagné, la charge cognitive des professionnels, les coûts, la satisfaction des patients et la qualité de la relation humaine. Après avoir appris à construire l’IA médicale, nous devons maintenant apprendre à l’évaluer. Du copilote au système de santé « IA-native » Cette étude permet enfin d’entrevoir une transformation encore plus profonde en passant de systèmes numériques traditionnels vers des systèmes véritablement « IA-native » dont nous avons déjà parlé dans notre épisode de la semaine dernière. La distinction est importante. Un système IA-native n’est pas un logiciel ancien auquel on ajoute ponctuellement une fonctionnalité d’intelligence artificielle. Il est conçu dès l’origine pour que l’IA participe en permanence à l’organisation, à l’interprétation et à la restitution de l’information, afin d’aider les professionnels dans leurs décisions.  L’expérimentation kenyane en constitue déjà une première illustration concrète. Le professionnel ne « va » pas chercher l’intelligence artificielle : celle-ci est intégrée dans son environnement de travail, analyse les informations au fur et à mesure et lui restitue les éléments qu’elle juge pertinents. À terme, cette logique pourrait transformer profondément le dossier patient. Celui-ci ne serait plus seulement un réservoir dans lequel s’accumulent comptes rendus, prescriptions et résultats biologiques. Il pourrait devenir une plateforme dynamique de connaissances, capable de synthétiser l’information, de signaler les risques et d’accompagner la décision médicale. C’est précisément l’évolution vers laquelle peuvent tendre les systèmes IA-native.  Mais pour que cette transformation soit utile, une règle doit demeurer : l’IA propose, le professionnel comprend, contextualise et décide. Cette étude ne démontre donc pas encore que l’intelligence artificielle améliore le pronostic des patients. Et c’est précisément ce qui la rend intéressante. Elle marque le passage d’une époque de fascination technologique à une époque d’évaluation clinique. Nous avons passé plusieurs années à demander si l’IA pouvait réussir un examen médical, reconnaître une image ou répondre mieux qu’un médecin à une vignette clinique. Ces comparaisons étaient nécessaires. Elles ne suffisent plus. 2026 doit être l’année où nous cessons d’évaluer uniquement l’IA contre le médecin pour commencer à évaluer la pratique médicale avec l’IA La véritable révolution de l’intelligence artificielle en santé ne résidera pas seulement dans la performance des algorithmes. Elle se jouera dans notre capacité à transformer l’organisation même du système de santé pour le rendre plus prédictif, plus personnalisé et davantage tourné vers l’anticipation.  Le véritable enjeu n’est donc pas de remplacer le médecin. Il est de lui donner de nouvelles capacités : mieux exploiter l’information, repérer plus tôt certains risques, réduire sa charge cognitive et administrative et lui rendre du temps pour ce qui demeure au cœur de son métier : écouter, expliquer, décider et accompagner. C’est là que l’intelligence artificielle rejoint directement l’ambition d’une République de la prévention. Une médecine augmentée par l’IA ne doit pas seulement permettre de mieux soigner une maladie lorsqu’elle apparaît. Elle doit progressivement nous aider à détecter plus tôt, anticiper davantage, personnaliser la prévention et intervenir avant que certaines complications ne surviennent. La réussite de cette révolution ne se mesurera donc pas au nombre d’algorithmes installés dans les hôpitaux ou au nombre de réponses correctes obtenues à un benchmark. Elle se mesurera au nombre de complications évitées, d’hospitalisations prévenues, d’années de vie gagnées en bonne santé et au temps médical réellement rendu aux patients : si l’IA réussit sa révolution, elle finira peut-être par devenir presque invisible. Les patients ne diront pas qu’ils ont été pris en charge par un système « augmenté » ou « IA-native ». Ils diront simplement qu’ils ont été mieux soignés et, surtout, mieux protégés. L’avenir n’est probablement ni le médecin sans IA, ni l’IA sans médecin. Il est celui d’un médecin augmenté par l’IA, au service d’une médecine plus humaine, plus précoce et plus préventive. Rendez-vous mardi 1er septembre pour le prochain épisode « Les mardis de l’innovation en santé » David Smadja est professeur d’hématologie à l’AP-HP et à l’Université Paris Cité, responsable de la Commission Santé du Laboratoire de la République. Il est l’auteur de « La République de la prévention » aux éditions LEH (sortie le 28 août 2026). Léa Behr est CEO de RespublicIA et membre de la commission Santé du Laboratoire de la République.

De l'incident au symptôme Il y a encore quelques années, la préoccupation première des ministères portait sur le niveau de protection à atteindre des outils utilisés. Fallait-il généraliser l'authentification renforcée, à quel rythme, pour quels coûts, avec quelles frictions acceptables pour les agents ? Personne, à l'époque, n'imaginait sérieusement que les identifiants d'un agent puissent servir pendant plusieurs semaines à extraire méthodiquement les données fiscales de centaines de milliers de contribuables sans que rien ne s'en aperçoive. Cette hypothèse n'est hélas plus théorique, elle est devenue notre actualité, et risque d’être nourrie à court terme faute de changement de cap. Le 14 août dernier, la Direction générale des finances publiques (DGFIP) reconnaissait par communiqué que deux intrusions successives, survenues fin juin puis fin juillet, avaient permis l'extraction des données fiscales de 678 000 particuliers et professionnels. Le mécanisme de l'intrusion, rendu public dans les jours suivants, ne relevait d'aucune prouesse technique : il s'agissait de l'utilisation frauduleuse des identifiants d'un agent de la DGFiP et d'un tiers habilité, permettant aux attaquants de se comporter comme des utilisateurs légitimes. Revendiquée par un groupe se désignant sous le nom de ZeroBytes, l’attaque s'est prolongée par la mise en vente des données extraites sur les marchés clandestins spécialisés. Contrairement à ce que l'expression pudique de vol de données fiscales pourrait laisser entendre, les données collectées dépassent très largement la seule identification comptable des contribuables : identification fiscale, état civil complet, coordonnées postales, téléphoniques et électroniques, situation fiscale intégrale, composition familiale, nombre de parts, revenu fiscal de référence, taux de prélèvement à la source. Jusqu'à la totalité des messages échangés avec l'administration par messagerie sécurisée. En somme, tout ce qui permet à un tiers malintentionné de reconstituer la vie financière et personnelle d'une famille, et de construire des scénarios d'escroquerie d'une crédibilité que les tentatives de hameçonnage ordinaires n'atteignent que très rarement, pour ne pas dire jamais. La structure derrière la conjoncture La tentation demeure évidemment grande de traiter cet épisode comme la manifestation d'une conjoncture défavorable, ou comme la conséquence de l'audace croissante de groupes cybercriminels dont la sophistication progresserait plus vite que nos défenses. Fréquemment opposée, cette lecture présente le mérite d'être rassurante mais comporte l’énorme défaut d'être fausse. L'illustration la plus frappante de ce qui se joue réellement se trouve dans la simple mise en regard des quatre grandes affaires qui ont rythmé les quinze dernières années. En février 2021, la société Dedalus Biologie (prestataire de plusieurs centaines de laboratoires de biologie médicale) voyait s'échapper les données de santé de près de 500 000 patients, résultats d'analyses et pathologies incluses. L'enquête de la Commission nationale de l'informatique et des libertés (CNIL), conclue par une sanction de 1,5 millions d'euros en avril 2022, établissait que l'incident résultait de vulnérabilités applicatives non corrigées et d'une architecture de stockage centralisé conçue sans segmentation ni chiffrement suffisants. En février 2024, les sociétés Viamedis et Almerys (opérateurs du tiers payant) subissaient à quelques jours d'écart deux intrusions qui exposaient les données de 33 millions de Français, soit près d'un habitant sur deux. La faille exploitée reposait sur l'usurpation d'identifiants d'utilisateurs professionnels disposant d'accès légitimes. En février 2026, la DGFiP elle-même subissait un premier incident affectant plus d'un million de comptes bancaires référencés dans le fichier FICOBA, à la suite déjà de l'usurpation des identifiants d'un fonctionnaire. Six mois plus tard, l'affaire de cet été venait clore provisoirement la série, avec un mécanisme d'intrusion structurellement identique. Bien que touchant trois secteurs différents, ces quatre affaires majeures présentent donc un seul et même motif. Le Premier ministre lui-même reconnaissait d'ailleurs, en mai 2026, dans un communiqué officiel publié sur info.gouv.fr, que la France enregistrait depuis le début de l'année une moyenne de trois vols de données par jour visant les systèmes d'information de l'État. Cet aveu, qui mérite d'être considéré comme tel, prouve que les incidents qui se succèdent ne sont pas des accidents sans lien entre eux, mais la manifestation répétée d'un choix conceptuel et budgétaire qui a été fait, année après année, dans un climat général où la logique de constitution des bases prévalait sur la logique de leur protection, et où la question de la légitimité de leur constitution même n'était pour ainsi dire jamais posée. L’impensé de la collecte publique Deux racines qu’il convient d’examiner en miroir convergent pour expliquer cette répétition. La première racine est celle du sous-investissement chronique dans la sécurisation des SI publics, non pas seulement financier mais peut-être et surtout humain. Dans la plupart des ministères et des grandes administrations, les équipes RSSI sont structurellement sous-dotées au regard du périmètre qu'elles doivent couvrir et de la sophistication des menaces auxquelles elles font face, tandis que leurs compétences sont prisées par le secteur privé qui offre des niveaux de rémunération que les grilles indiciaires des administrations ne peuvent égaler. Les cycles budgétaires du numérique public, tels qu'ils ont été pratiqués depuis 20 ans, ont privilégié le déploiement de fonctionnalités nouvelles, visibles et politiquement valorisables, au détriment de l'entretien souterrain des infrastructures existantes, dont la vétusté silencieuse s'accumule d'exercice en exercice sans jamais donner lieu aux arbitrages douloureux que la prudence patrimoniale imposerait. Une mission d'information de l'Assemblée nationale, rendue publique en juillet 2026, ajoutait à ce tableau une donnée qui en aggrave la portée, en documentant qu’en 2025 79% des dépenses logicielles publiques françaises étaient orientées vers des éditeurs américains. Dès lors, quelles sont les capacités de notre administration pour sécuriser souverainement des systèmes dont les briques essentielles échappent à son contrôle direct ? La seconde racine est plus profonde encore : il s’agit du syndrome du « trop de collecte ». Depuis plus de 15 ans, la conception des grandes infrastructures numériques publiques a été guidée par un présupposé implicite selon lequel il fallait collecter le plus possible pour ne pas se priver des potentialités analytiques futures. Ce présupposé, qui s'est enraciné à la faveur de la vague de l'open data au début des années 2010 et de celle de l’IA depuis 2020, a produit un empilement de bases dont la finalité initiale a parfois été perdue de vue, et dont la conservation alimente aujourd'hui des risques disproportionnés au regard de leur utilité opérationnelle réelle. Dans son article 5, le RGPD pose pourtant le principe de minimisation qui impose que les données collectées soient adéquates, pertinentes et limitées à ce qui est nécessaire au regard des finalités poursuivies. Ce principe, dont la CNIL rappelle régulièrement l'importance, n'a jamais été véritablement opérationnalisé au niveau de la conception des grandes infrastructures publiques, comme si son application ne devait concerner que les traitements privés, et non les fichiers régaliens dont l'utilité présumée dispensait de tout examen critique. Chaque fichier centralisé constitué par la République engage pourtant une promesse implicite de protection. Quand cette promesse ne peut plus être tenue à la hauteur du risque que le fichier génère, la lucidité impose de rouvrir la question de sa légitimité même, plutôt que de se contenter d'annoncer des mesures de renforcement qui en l'état de nos moyens humains et budgétaires, ne suffiront pas à enrayer les survenues. Refonder la doctrine : minimisation, investissement, architecture Un constat n'a de valeur que s'il débouche sur des propositions. Trois leviers relèvent de la responsabilité conjointe des pouvoirs publics, des directions des systèmes d'information (DSI) et des acteurs privés qui les accompagnent. Si ces trois leviers ne prétendent pas à l'exhaustivité, ils constituent cependant les chantiers les plus urgents à ouvrir pour rompre avec ces funestes répétitions. Le premier levier est celui d'une politique qui applique enfin aux fichiers publics l'exigence de minimisation imposée par le droit européen. Les instruments existent, puisque l'article 30 du RGPD oblige la tenue d'un registre documentant finalités, destinataires et durées de conservation de chaque traitement, et que l’article 35 commande une analyse d'impact pour tout traitement à risque élevé, dont la CNIL a outillé la conduite. Leur limite tient donc à leur temporalité : conduits à la création du traitement, ces exercices sont rarement repris ensuite, si bien que les grands fichiers régaliens conçus des décennies avant l'entrée en application du règlement n'ont jamais été rejugés à l'aune du principe de minimisation. Des clauses de réexamen conduiraient cependant à des décisions difficiles mais qu’il conviendrait d’assumer : supprimer les collectes qui ne se justifient plus, réduire les durées de conservation, recomposer les architectures fondées sur des présupposés que nous ne partageons plus. La question posée à chaque nouveau projet ne peut plus être seulement quelles données allons-nous collecter et comment allons-nous les protéger, mais quelles données pouvons-nous ne pas collecter tout en atteignant les finalités qui nous sont assignées ? Le deuxième levier est celui du rééquilibrage des investissements humains et financiers en faveur d'une sécurisation effective, supposant tant une revalorisation durable des équipes RSSI publiques que le passage à l'opposabilité d'un outillage d'achat aujourd’hui facultatif. Le cahier des clauses simplifiées de cybersécurité, approuvé par l'arrêté du 18 septembre 2018, ne s'applique en effet qu'aux marchés qui y renvoient expressément ; la circulaire du 5 février 2026 sur la souveraineté numérique dans la commande publique recommande d'intégrer des critères de notation sur la sécurité et la protection des informations sans en faire une obligation ; la proposition de loi sénatoriale relative à la sécurisation des marchés publics numériques n'entrerait en vigueur qu'au 1er janvier 2030, en exemptant les communes de moins de 30 000 habitants. Le problème français n'est donc pas l'absence de doctrine d'achat, mais son caractère non contraignant et le délai que nous nous accordons pour l'appliquer. Le troisième levier est celui d'une architecture repensée, rompant avec la centralisation systématique héritée des 20 dernières années par la segmentation des grandes bases, des zones de confiance différenciées selon la sensibilité des données, un chiffrement au repos et en transit avec cloisonnement des clés, et des habilitations traçables pour les accès les plus sensibles. Ces chantiers n'ont rien de spéculatif, et existent déjà ailleurs en Europe. L'Estonie a fondé son administration numérique dès 2001 sur la plateforme X-Road, où chaque organisme conserve ses propres données, qui transitent sans jamais être stockées dans une base unique, et où chaque citoyen peut savoir qui a consulté ses informations et pour quel motif. Déployé aujourd'hui dans plus de 25 pays, ce modèle démontre qu'une architecture distribuée n'est pas un renoncement à l'efficacité administrative, mais plutôt sa condition en environnement de menace élevée. La France en maîtrise du reste la grammaire, puisque le principe « dites-le-nous une fois » fait circuler la donnée entre administrations sans la dupliquer. Nous savons donc bâtir des architectures d'échange qui n'accumulent pas, sans pour autant l'avoir appliqué à nos grands fichiers historiques qui continuent de fonctionner selon la logique du silo constitué une fois pour toutes et dont l'affaire de l'été a rappelé tant la vulnérabilité que la dangerosité. La responsabilité de l’État collecteur La protection des données publiques n'est pas exclusivement un enjeu technique, mais plutôt un enjeu politique au sens le plus rigoureux du terme : elle engage la manière dont notre République conçoit la relation entre son administration et les citoyens dont elle traite les données. Cette relation repose sur une culture du geste sûr et de la manipulation prudente des informations, que les administrations les plus sensibles ont su construire sur des décennies, et qui demande aujourd'hui à être étendue à l'ensemble de l'appareil public, à la mesure des risques que la période fait peser sur lui. L'action collective engagée par plusieurs centaines de victimes du piratage de la DGFiP, sur le fondement de l'article 82 du RGPD, constitue à cet égard un signal qu'il serait imprudent d'ignorer : si les décisions à venir venaient à concéder un droit à indemnisation pour la seule crainte de l'usage frauduleux des données compromises, elle ouvrirait une jurisprudence dont la portée pourrait transformer profondément la constitution des grandes bases publiques. Il serait d'une ironie cruelle que la République, qui a su bâtir sur des décennies la confiance de ses citoyens dans son administration fiscale, la laisse s'éroder faute d'avoir posé à temps la seule question qui vaille : celle de la proportion entre ce que nous collectons et ce que nous savons réellement protéger. S’obliger à cette lucidité n’est en rien défaitiste, et c’est même son exact contraire. Parce que cette lucidité refuse la fuite en avant qui consiste à multiplier et empiler les annonces sans questionner les choix conceptuels qui produisent les incidents au long cours. Nos données publiques ne sont pas volées parce que nous les protégeons mal, mais parce que nous en collectons trop au regard des investissements faits pour les protéger. Il est de la responsabilité collective des décideurs publics, des directions des systèmes d'information, des entrepreneurs du numérique et de la fonction publique dans son ensemble de faire en sorte que la promesse faite à chaque citoyen dont les données sont confiées à notre administration soit enfin traitée pour ce qu'elle est : un engagement de la République. Léa Behr est CEO de RespublicIA. Sources citées Communiqué de la Direction générale des finances publiques du 14 août 2026 relatif aux deux intrusions survenues fin juin et fin juillet 2026, affectant 678 000 particuliers et professionnels. Question écrite n° 13231 de Mme Marie-France Lorho à l'Assemblée nationale, relative au piratage du fichier FICOBA de février 2026 et à la sécurité des systèmes de la DGFiP. Communiqué du Premier ministre, « Cybersécurité : plan d'action pour renforcer la protection numérique de l'État », info.gouv.fr, mai 2026. Sanction de la CNIL à l'encontre de Dedalus Biologie, avril 2022, à la suite de la fuite de données de santé de près de 500 000 patients révélée en février 2021. Chronique des attaques contre Viamedis et Almerys de février 2024, exposant les données de 33 millions de Français ; enquêtes de la CNIL et communiqués officiels des deux sociétés. Mission d'information de l'Assemblée nationale sur la souveraineté numérique publique, publiée en juillet 2026 : 79 % des dépenses logicielles publiques françaises orientées vers des éditeurs américains en 2025. Règlement (UE) 2016/679 du Parlement européen et du Conseil du 27 avril 2016, dit RGPD, en particulier son article 5 relatif au principe de minimisation et son article 82 relatif au droit à réparation. Recommandations de la Commission nationale de l'informatique et des libertés sur la minimisation des données dans les traitements publics, publiées sur cnil.fr.