Santé, mobilité, usages numériques : les progrès de l’intelligence artificielle rendent beaucoup plus puissantes nos capacités de rapprochement entre des informations dispersées. Une évolution encore peu visible, qui oblige à réexaminer ce que nous appelons « anonyme » et les conditions de confiance qui permettent aux données de circuler. Prenons un dossier médical. Retirons le nom du patient, son adresse, son numéro de dossier et les éléments permettant de l’identifier directement. Que reste-t-il ? Beaucoup de choses. Un âge, une pathologie parfois rare, une succession de consultations, des traitements, une chronologie, quelques événements personnels. Pour un médecin ou un chercheur, ces informations font précisément l’intérêt du dossier. Pour un système capable de les rapprocher de milliers d’autres traces, elles peuvent aussi devenir des indices. Des chercheurs de Cornell Tech et de Weill Cornell Medicine ont récemment tenté l’expérience sur de véritables notes cliniques. Après avoir utilisé trois systèmes de désidentification différents pour retirer les informations personnelles, ils ont construit un dispositif chargé de faire exactement l’inverse : essayer de retrouver le patient. Le meilleur des trois systèmes de protection testés, ClinicalBERT, masquait les informations personnelles qu’il identifiait. Malgré cela, leur dispositif est encore parvenu à réidentifier correctement le patient correspondant dans 9 % des notes cliniques étudiées. Le problème n’était donc pas simplement qu’un nom avait été oublié quelque part. Le système travaillait aussi avec ce qui restait. Cette expérience médicale rejoint un travail beaucoup plus vaste présenté cet été à USENIX Security 2026. Simon Lermen, Daniel Paleka, Joshua Swanson, Michael Aerni, Nicholas Carlini et Florian Tramèr, chercheurs notamment à l’ETH Zurich et chez Anthropic, ont voulu mesurer la capacité des grands modèles de langage à retrouver des personnes à partir de contenus pseudonymisés disponibles sur Internet. Le principe est assez facile à comprendre. Imaginons quelqu’un qui écrit depuis plusieurs années sous pseudonyme. Il ne donne jamais explicitement son identité. Mais au fil de centaines de messages, il parle de son métier, d’une région dans laquelle il a vécu, d’une école, de ses centres d’intérêt, de films qu’il apprécie, d’un changement professionnel ou d’un événement personnel. Aucun de ces éléments ne permet nécessairement de savoir qui il est. Leur combinaison peut être beaucoup plus révélatrice. Les chercheurs demandent donc aux modèles d’extraire les informations susceptibles de caractériser une personne, de rechercher des profils compatibles, puis de raisonner sur les candidats pour déterminer lesquels correspondent le mieux. Ils testent cette méthode en rapprochant notamment des profils Hacker News et LinkedIn, des utilisateurs de différentes communautés Reddit ou encore deux périodes éloignées de l’historique d’un même utilisateur. Les performances varient selon les expériences et la taille de la population dans laquelle le système doit chercher. Le papier rapporte jusqu’à 68 % de rappel à 90 % de précision dans certaines configurations. Sur leur expérience à grande échelle, avec environ 89 000 candidats, les auteurs obtiennent encore 55 % de rappel à ce même niveau de précision. Ces chiffres ne signifient pas que 68 % des internautes pseudonymes pourraient aujourd’hui être identifiés. Ils ne signifient évidemment pas davantage que 68 % des dossiers médicaux anonymisés, des données administratives ou des consommations électriques seraient réidentifiables. Les auteurs eux-mêmes exposent les limites de leurs expériences. Leur résultat important est ailleurs : des opérations de rapprochement qui pouvaient nécessiter des heures de recherche humaine deviennent en partie automatisables. La donnée n’a pas changé. La puissance de celui qui la regarde, si. Nous étions aussi protégés par la difficulté. Cette idée mérite que l’on s’y arrête. Nous avons tendance à penser la confidentialité comme une propriété de l’information : une donnée serait publique, confidentielle, pseudonymisée ou anonyme. Notre protection repose pourtant aussi sur quelque chose de beaucoup plus banal : la difficulté de réunir les pièces d’un puzzle. Il était déjà possible de consacrer plusieurs soirées à parcourir les interventions d’un utilisateur sous pseudonyme, à reconstituer son parcours, son métier probable, ses centres d’intérêt, puis à rechercher une personne correspondant à ce portrait. Encore fallait-il avoir une bonne raison de le faire. Et beaucoup de temps. Les chercheurs de l’ETH parlent de practical obscurity : une forme de protection liée non à l’impossibilité absolue d’accéder à une information, mais au coût et à l’effort nécessaires pour la retrouver. Les grands modèles réduisent cette friction. Ils peuvent lire énormément de matière, conserver des indices faibles, rechercher des correspondances et recommencer l’opération sur des milliers de profils. C’est ce déplacement qui mérite notre attention. La santé permet d’en comprendre immédiatement l’enjeu. La recherche médicale a besoin de données. Elles permettent d’étudier des maladies, d’évaluer des traitements, de constituer des cohortes et, désormais, d’entraîner ou d’évaluer des systèmes d’intelligence artificielle. Le Laboratoire de la République l’a récemment rappelé en présentant les données de santé comme un « socle invisible de l’innovation ». Leur qualité et leur accessibilité conditionnent une partie des progrès médicaux futurs. Mais cette circulation repose sur la confiance. Un patient peut accepter que ses données contribuent à la recherche parce qu’un ensemble de garanties lui assure qu’elles ne seront pas utilisées pour l’exposer personnellement. L’expérience menée à Weill Cornell ne démontre nullement que les données médicales correctement anonymisées seraient devenues facilement identifiables. Elle porte sur un protocole précis, un environnement déterminé et des systèmes particuliers de désidentification. Elle démontre en revanche l’intérêt d’une autre manière d’évaluer la protection. Au lieu de vérifier uniquement si les éléments considérés comme identifiants ont correctement disparu, essayons effectivement de retrouver la personne. C’est une logique assez familière en cybersécurité : on éprouve une protection en tentant de la contourner. Appliquée à l’anonymisation, elle pourrait devenir de plus en plus utile. Quatre lieux et quatre moments La singularité de nos traces n’est d’ailleurs pas une découverte de l’intelligence artificielle. En 2013, bien avant les LLM actuels, une équipe de chercheurs avait étudié quinze mois de données de mobilité concernant 1,5 million de personnes. Le résultat était déjà saisissant : dans ce jeu de données, quatre points spatio-temporels — quatre lieux associés à quatre moments — suffisaient à distinguer 95 % des individus. Nous sommes beaucoup plus prévisibles et, simultanément, beaucoup plus singuliers que nous l’imaginons. Notre domicile, notre lieu de travail, un déplacement régulier, une activité inhabituelle composent rapidement une signature. L’IA n’a pas créé cette singularité. Elle augmente notre capacité à l’exploiter. Et c’est probablement la raison pour laquelle le sujet dépasse rapidement la médecine ou les pseudonymes utilisés sur Internet. Les transports, l’énergie, les télécommunications, les services financiers, les objets connectés ou les services publics produisent tous des traces. Cela ne signifie pas que ces traces permettraient systématiquement de nous identifier. Le risque dépend énormément de leur nature, de leur granularité, des protections appliquées et surtout des autres informations auxquelles celui qui cherche à effectuer un rapprochement peut accéder. C’est précisément ce dernier point qui évolue. Ce que la machine peut déduire Dans les organisations, nous avons appris à raisonner sur les accès. Qui peut consulter un dossier ? Quel collaborateur possède quelle habilitation ? À quelles bases un système informatique peut-il accéder ? Pendant combien de temps les informations sont-elles conservées ? Ces questions restent essentielles. Mais l’arrivée d’agents capables d’interroger plusieurs sources en introduit une autre : que peut déduire un système de ce qu’il est parfaitement autorisé à consulter ? Imaginons un agent d’intelligence artificielle travaillant dans une grande organisation. Il possède un accès légitime à plusieurs systèmes. Chacun respecte ses propres règles. Aucune des bases ne contient isolément une information particulièrement révélatrice. L’agent peut pourtant rapprocher ces sources. Il ne récupère pas nécessairement une information interdite. Il peut en produire une nouvelle par inférence. Ce phénomène n’est évidemment pas propre à l’IA. Les statisticiens, les enquêteurs et les spécialistes des données savent depuis longtemps effectuer des rapprochements. Ce qui change est l’échelle à laquelle des systèmes généralistes commencent à pouvoir le faire, le coût de l’opération et le nombre de personnes susceptibles d’utiliser ces capacités. La protection des données doit donc progressivement intégrer non seulement ce qui est contenu dans une base, mais aussi ce qu’il devient possible d’en apprendre lorsqu’elle rencontre d’autres informations. Ce que cela change pour le citoyen C’est ici que le sujet rejoint directement certaines des interrogations qui ont traversé les dernières Universités d’été du Laboratoire de la République. La transformation numérique de nos sociétés repose sur une forme de contrat de confiance. Nous acceptons que certaines informations circulent parce qu’elles permettent de soigner, de chercher, d’organiser les mobilités, d’améliorer les services publics ou de mieux comprendre la société. Cette circulation n’est possible durablement que si les citoyens conservent une compréhension raisonnable de ce qui est fait de leurs informations et peuvent avoir confiance dans les protections annoncées. L’enjeu n’est donc certainement pas de refermer les données. Dans la santé, ce serait même particulièrement contre-productif. La recherche a besoin de données nombreuses et de qualité. Il en va de même pour une partie de la recherche publique, de la transition énergétique ou de l’amélioration des services collectifs. La question consiste plutôt à préserver les conditions permettant cette circulation lorsque les capacités techniques évoluent. Elle concerne aussi le consentement. Nous pouvons accepter qu’une information soit utilisée dans un objectif donné. Mais si son rapprochement avec d’autres données permet de produire une connaissance nouvelle sur nous — que nous n’avons jamais explicitement communiquée — le périmètre de ce que nous pensions avoir autorisé devient moins évident. La question existait avant les LLM. Ils lui donnent une nouvelle échelle. L’Europe choisit précisément ce moment pour rouvrir le dossier Le calendrier est intéressant. Le 8 juillet 2026, le Comité européen de la protection des données a publié de nouvelles lignes directrices consacrées à l’anonymisation. Elles sont actuellement soumises à consultation publique jusqu’au 30 octobre. Le droit européen fait depuis longtemps une distinction essentielle entre anonymisation et pseudonymisation. Remplacer un nom par un numéro ne rend pas nécessairement une donnée anonyme. Une donnée pseudonymisée demeure une donnée personnelle au sens du RGPD. Pour parler réellement d’anonymisation, il faut notamment apprécier la possibilité d’identifier la personne en tenant compte des moyens raisonnablement susceptibles d’être utilisés. Cette formulation prend aujourd’hui une importance particulière. Car les moyens raisonnablement disponibles changent. L’IA ne vient donc pas invalider le droit européen ni rendre inutiles des décennies de recherche sur l’anonymisation. Elle oblige plus simplement à actualiser le modèle de menace. Ne jamais considérer l’anonymat comme acquis Nous savons déjà raisonner ainsi dans un autre domaine. Un système informatique audité il y a cinq ans n’est pas considéré comme sûr pour l’éternité. Les capacités d’attaque progressent, de nouvelles vulnérabilités apparaissent et nous le testons à nouveau. Certains jeux de données particulièrement sensibles méritent peut-être désormais la même discipline. Tester une anonymisation au moment de sa réalisation, bien sûr. Mais aussi pouvoir la réévaluer lorsque les moyens de rapprochement, de recherche et d’inférence progressent suffisamment pour modifier le risque. C’est finalement ce que racontent ces travaux. Ils ne démontrent pas la disparition de l’anonymat. Ils montrent que certaines des difficultés qui contribuaient à nous protéger peuvent diminuer très rapidement. Dans une démocratie qui a besoin de données pour soigner, chercher, décider et améliorer ses services publics, la réponse ne peut être de renoncer à leur circulation. Elle consiste à préserver la confiance qui la rend possible. Et cela suppose probablement de ne jamais considérer une donnée comme anonyme par habitude. Thierry Taboy est membre du conseil d’administration du think tank Impact AI.

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.

Créer, pas seulement prédire : un tournant Là où les intelligences artificielles supervisées se focalisaient sur des analyses ou prédictions ciblées, tandis que le "machine/deep learning" utilise des réseaux de neurones profonds pour traiter automatiquement des données complexes, l'intelligence artificielle générative produit désormais des contenus — textes, images, vidéos, code... Cette capacité offre des potentiels significatifs, mais suscite tout autant d’inquiétudes quant à ses effets en particulier sur l’emploi et les conditions de travail. Or, comme le rappelle l’auteur et essayiste Hubert Guillaud, produire ne signifie pas penser. L’IA calcule, mais ne comprend pas. Elle mime l’intelligence humaine sans jamais l’égaler dans sa capacité réflexive, éthique et critique. Un propos qui complète celui de Bernard Stiegler : « Tout objet technique est pharmacologique : il est à la fois poison et remède s’il n’est pas réfléchi politiquement. ». L’exemple du travail est ici largement représentatif. Productivité : l’enthousiasme confronté à la complexité du terrain Les estimations affluent. Le BCG anticipe des gains diffus de 10 à 20 %, et jusqu’à 50 % sur certaines fonctions. Le Hub Institute parle de 2 à 6 % pour les entreprises du CAC 40. Mais ces projections idéalisées rencontrent des limites issues des usages concrets. Début 2024, l’économiste Daron Acemoglu du MIT avait pourtant déjà alerté : les gains de productivité seraient largement surestimés. Un constat partagé par Oliver Wyman, qui souligne que plus d’un tiers des salariés ne perçoivent aucun effet positif après adoption de l’IA, certains observant même une baisse nette de productivité. En somme, ce n’est pas la technologie qui détermine l’impact de l’IA, mais la façon dont on l’intègre dans nos réalités. Performances contrastées, valeur en tension Les premières études de terrain confirment cet effet contrasté. Une IA générative bien utilisée peut doper la productivité (+14 % de résolutions horaires en service client, -9 % de temps de traitement, +14 % de conversations simultanées selon les estimations). L’outil devient un amplificateur des compétences. Mais à l’inverse, une étude du BCG menée fin 2023 révèle qu’une mauvaise utilisation provoque une chute de performance. Le débat ne peut ainsi se limiter à la quantité d’emplois détruits ou créés. La qualité du travail est un enjeu tout aussi déterminant. Amazon Mechanical Turk ou les tâches fragmentées “au clic” dessinent un futur du travail pour le moins peu enthousiasmant voire très inquiétant. Il est temps d’élargir les indicateurs : intégrer le bien-être, l’autonomie... L’outil sans stratégie : le risque du décalage Ces illustrations posent un problème structurel : le décalage entre les formations dispensées et les besoins opérationnels. Même si l’on peut noter de véritables avancées en particulier dans les grandes entreprises, les projets d’intégration sont encore trop souvent lancés sans analyse d’impact rigoureuse, sans accompagnement d’envergure, ni stratégie de transformation claire. Au final, une adoption chaotique, une démobilisation silencieuse, et des promesses de gains qui tardent à se matérialiser. Avec comme effet une perte de réflexivité dans les organisations. À force d’automatiser sans requestionner les finalités, on risque un management sans pensée, piloté par des indicateurs déconnectés du réel. Des collaborateurs prenant pour argent comptant des réponses erronées de GPT-4 ont à ce titre vu leur efficacité s’effondrer. Ici se joue l’un des risques majeurs souvent évoqué : celui du désapprentissage par délégation hors supervision humaine. Comme le notent de nombreux chercheurs comme Etienne Klein, à trop vouloir automatiser, c’est notre capacité à débattre en conscience, à préserver notre pensée critique qui en patira. L’IA ne remplace pas l’expertise : elle en dépend L’IA générative transforme les gestes, pas les jugements. Elle fait évoluer les métiers sans en supprimer le sens — à condition de les repenser. Le designer peut ainsi devenir curateur, le chirurgien, assisté par un exosquelette intelligent, gagner en précision sans perdre la main. Mais l’expérience humaine reste le socle de la performance. Dans un monde saturé de données, on oublie souvent ce qui échappe à la mesure. La confiance, la relation, l'expérience et l’éthique : autant d’éléments invisibles dans les tableaux de bord mais essentiels à la performance durable. Dans sa course au rattrapage, l'Europe se différenciera par l’intelligence de son déploiement. C’est bien là que se joue l’avenir du projet européen. Une souveraineté numérique à définir, pas à importer L’Europe ne contrôle pas la chaîne de valeur de l’IA générative : ni les modèles, ni les serveurs, ni les jeux de données, ni les outils. Une dépendance technologique qui s’accompagne de biais culturels. Entraînés sur des données nord-américaines et bientôt (déjà ?) chinoises, les modèles importent des logiques culturelles et managériales étrangères à nos traditions. L’indépendance à court terme, malgré les efforts déployés sur le vieux continent, reste encore chimérique. Mais une souveraineté fonctionnelle est possible. Elle passe par la diffusion maîtrisée, la spécialisation sectorielle, et l’alignement sur nos forces : industrie, santé, culture, services... Les modèles miniaturisés verticaux sont ici une piste plus que réaliste. Cette autre voie, celle d’un numérique situé, maîtrisé, orienté vers l’utilité collective, est le cœur du défi à venir. Transformer oui, déraciner non L’IA générative peut servir la productivité, enrichir le travail, favoriser la créativité et réinventer la notion même de performance. Mais elle exige méthode, gouvernance, dialogue social et investissement humain. Sans cela, elle ne pourra qu'accroître les inégalités, accélérer les désillusions et déstabiliser nos structures sociales. L’Europe n’a pas vocation à copier. Elle a sa propre trajectoire d’innovation à tracer, fondée sur la responsabilité, la réflexivité et plus que jamais le sens.

Avec l'essor des robots et avatars pilotés par l'intelligence artificielle, une question s'impose : à quoi doivent-ils ressembler pour s'intégrer au mieux dans notre quotidien ? Doivent-ils adopter des traits humains pour être plus facilement acceptés, ou privilégier un design purement fonctionnel ? Derrière cette interrogation esthétique se cachent des enjeux psychologiques, culturels et technologiques majeurs. Déjà, Bernard Stiegler soulignait que la prolifération des technologies numériques et robotiques modifie profondément notre rapport au monde et aux autres. En imitant l'humain, les robots risquent d'altérer notre perception de nous-mêmes et de nos interactions, soulevant ainsi des questions éthiques sur leur intégration dans la société L'attrait de l'anthropomorphisme : entre confiance et illusion Notre tendance à attribuer des caractéristiques humaines aux objets (anthropomorphisme) joue un rôle clé dans l'acceptation des robots. Un visage, même schématique, suffit souvent à déclencher des interactions sociales. C'est ce qui explique pourquoi des robots humanoïdes apparaissent de plus en plus dans des environnements variés – hôtels, hôpitaux, aéroports ou écoles – où leur apparence familière facilite les échanges. D'autres études montrent que des robots inspirés du règne animal favorisent l'attachement émotionnel, notamment chez les enfants et les personnes âgées, en jouant un rôle de soutien psychologique. Mais cette acceptation n'est pas universelle. Au Japon, l'influence de l'animisme, qui attribue un esprit aux objets inanimés, favorise une relation plus naturelle avec les robots. En Occident, en revanche, ils suscitent souvent méfiance et inquiétude, notamment autour des questions d'emploi et de surveillance. Avec l'essor des avatars numériques et de l'intelligence artificielle générative, cette relation se complexifie encore. Certains assistants virtuels dotés d'un visage et d'une voix réaliste, comme Replika, créent une illusion de dialogue humain. Ces interactions immersives peuvent parfois franchir des frontières inattendues, générant des attachements émotionnels, voire des situations de dépendance affective.. A tel point qu'en 2023, Replika a supprimé la possibilité de participer à des conversations érotiques, ce qui a suscité des discussions sur le rôle de l'IA dans les interactions humaines. Lorsqu'un robot ou un avatar reproduit trop fidèlement les comportements humains, notre perception du réel peut se voir perturbée et accentuer l'isolement social en remplaçant des relations authentiques par des échanges artificielsEt c'est sans compter les enjeux en terme de capacité de désinformation.  L'efficacité avant tout ? Quand le fonctionnel prime Si l'apparence humaine séduit dans certains contextes, elle n'est pas toujours pertinente. Dans l'industrie, la logistique ou les infrastructures publiques, la conception des robots repose avant tout sur leur efficacité, leur coût et leur sécurité. Ici, le design fonctionnel prévaut : pas d'yeux expressifs ni de traits humains, mais une forme optimisée pour accomplir une tâche précise. L'anthropomorphisme peut s'évérer ici contre-productif, en complexifiant les interactions, détournant l'attention ou en créant des attentes inappropriées chez les utilisateurs. Ainsi, les robots utilisés dans les entrepôts logistiques, comme ceux d'Amazon Robotics, adoptent des designs minimalistes centrés sur l'optimisation des déplacements et la manipulation des objets, plutôt que sur l'imitation des gestes humains. Dans le domaine des infrastructures publiques, les robots de nettoyage autonomes ou les dispositifs de surveillance suivent également cette logique. Par exemple, le robot Spot de Boston Dynamics, utilisé pour l'inspection de sites industriels et la surveillance, privilégie une forme quadrupède inspirée du monde animal pour maximiser sa stabilité et sa capacité à évoluer sur des terrains complexes. En somme, si l'apparence humaine peut faciliter l'acceptation sociale des robots dans certains contextes, elle est souvent abandonnée au profit d'un design purement fonctionnel dans les domaines où la performance et la sécurité priment. Cependant, même dans ces environnements, une certaine dose d'« humanisation » peut améliorer l'expérience utilisateur. Par exemple, l'ajout de signaux visuels (LED indiquant une direction ou un état), de mouvements simplifiés ou de sons subtils peut permettre aux humains de mieux anticiper les actions des machines et d'éviter toute méfiance instinctive. Plutôt qu'une imitation parfaite de l'humain, l'enjeu est donc de créer des interactions claires et intuitives. L'ombre de la "vallée de l'étrange" Cette quête d'équilibre entre humanisation et fonctionnalité n'est pas nouvelle. Dans les années 1970, le chercheur japonais Masahiro Mori a décrit le phénomène de la vallée de l'étrange (Uncanny Valley), selon lequel un robot trop réaliste provoque un malaise, car son apparence est presque humaine... mais pas tout à fait. Sophia, le robot humanoïde de Hanson Robotics, illustre parfaitement ce paradoxe : son réalisme a autant impressionné que dérangé. Pour éviter cet écueil, de nombreux designers optent pour des formes hybrides. Plutôt que de copier l'humain à l'identique, ils misent sur des éléments subtils – mouvements de tête, variations lumineuses, inflexions de voix – qui suffisent à évoquer des émotions sans induire de confusion. Mais au fond, que projetons-nous sur ces machines ? En leur attribuant des traits humains, nous exprimons autant notre besoin d'empathie que nos craintes face à l'automatisation. Pourtant, plus nous repoussons les limites de ces technologies, plus il devient évident qu'un robot, aussi sophistiqué soit-il, reste avant tout un outil. A trop vouloir leur faire imiter l'humain, les robots sont facteurs d'altération de notre perception de nous-mêmes et des autres, posant des défis éthiques sur leur intégration dans la société. L'avenir de la robotique réside dès lors dans une conception qui équilibre intelligence artificielle et clarté d'interaction. Trouver ce juste milieu sera essentiel pour faire des robots et des avatars des alliés au service de l'humanité – et non des illusions qui brouillent notre perception du monde et de nous-mêmes.

Fouad Eddazi, maître de conférence en droit du numérique et des libertés fondamentales, a présenté une analyse juridique approfondie. Il a souligné les tensions entre le développement technologique et la protection des droits fondamentaux, notamment en matière de vie privée et de liberté d’expression. Selon lui, le cadre législatif actuel doit évoluer pour répondre à l'émergence de nouvelles problématiques liées à l’intelligence artificielle et aux données massives. Patrick Faure-Bignolas, professionnel spécialisé en intelligence artificielle, a apporté une vision pratique et technique. Il a discuté des implications concrètes des algorithmes dans la vie quotidienne, en insistant sur la nécessité d’une régulation équilibrée pour prévenir les dérives tout en encourageant l’innovation. Les échanges, animés par les organisateurs, ont mis en lumière plusieurs problématiques majeures : La protection de la vie privée dans un monde hyperconnectéLes intervenants ont discuté des défis liés à la collecte massive de données personnelles et des risques pour la vie privée, particulièrement dans le cadre de l’utilisation des technologies comme les objets connectés et les réseaux sociaux. Les droits de propriété intellectuelle à l’ère du big dataL’essor des données massives pose des questions inédites sur la manière de protéger les créations intellectuelles tout en garantissant un accès équitable aux innovations numériques. La régulation de l’intelligence artificielleUn consensus s’est dégagé sur la nécessité d’une régulation adaptée, permettant de prévenir les abus tout en favorisant un développement éthique et responsable des technologies.

Le Laboratoire de la République a récemment fait paraître un ouvrage collectif : "Europe : maîtriser notre avenir. Les voies du renouveau ». Confronté à une révolution numérique, l’équilibre des puissances mondiales se trouve bouleversé. Nous avons moins de dix ans pour réinventer notre modèle social, économique et politique pour protéger nos citoyens. 10 ans, 10 défis clés à relever pour une reprise en main durable de notre destin à l'ère du numérique. Pour cette conversation d’exception, nous recevrons Monsieur l'ancien ministre et président du Laboratoire Jean-Michel Blanquer, qui ouvrira la table ronde. Nos invités exceptionnels réunis autour de la table seront :  Marin de Nebehay : Co-rédacteur du chapitre sur le numérique, son domaine d’action porte sur la stratégie et l’influence dans le secteur de la Green Tech. Son regard de publiciste et son expérience dans les affaires publiques permettent une lecture transversale des enjeux numériques actuels. Il plaide pour que le numérique soit conçu comme une révolution politique, avant d’être pensé comme une révolution économique. Nicolas Marescaux, Directeur adjoint Réponses Besoins Sociétaires et Innovation du groupe MACIF. Membre expert à la Commission Européenne au sein du groupe “European financial data space”, Nicolas apportera une perspective européenne et économique aux échanges.  Roxana Rugina Friess, Secrétaire Générale d'Impact AI, un think & do tank de référence en France qui regroupe 60 grandes entreprises, startups, associations et écoles autour de l'IA éthique. Depuis 5 ans, Roxana coordonne des publications sur la gouvernance de l’IA et pour favoriser l’intégration de pratiques d’IA responsable dans les entreprises.  Quand ? Jeudi 23 avril, à 19h Où ? Le Wagon Paris 16 villa Gaudelet , 75011 Paris Participation libre, inscription obligatoire Pour s'inscrire, cliquez ici