L'IA à base d'agents au service d'une santé mondiale plus humaine

Un plan d'action pour utiliser l'IA au service de la démocratie

Depuis l'invention de l'imprimerie jusqu'à l'essor des médias de masse, chaque révolution de l'information a reconfiguré les formes de gouvernance. Nous entrons aujourd'hui dans une transformation d'une ampleur comparable : l'intelligence artificielle est en train de devenir le principal intermédiaire par lequel les citoyens se forment une opinion et participent à la vie démocratique. Les moteurs de recherche sont déjà largement pilotés par des algorithmes, mais la prochaine génération d'assistants IA ira bien plus loin : elle synthétisera l'information, la mettra en cadre et la présentera avec autorité. Pour un nombre croissant de personnes, interroger une IA deviendra le réflexe par défaut pour se faire une opinion sur un candidat, une loi ou une personnalité publique. Parallèlement, les agents IA personnels commencent à agir au nom de leurs utilisateurs : ils mènent des recherches, rédigent des courriers, soutiennent des causes, et peuvent même orienter des décisions aussi concrètes que le vote sur un référendum ou la réponse à un courrier administratif. Ce double mouvement pose des risques considérables pour les démocraties. L'expérience des réseaux sociaux a déjà montré qu'un algorithme optimisé pour l'engagement, sans agenda politique explicite, peut produire polarisation et radicalisation. Un agent IA qui connaît vos préférences et vos angoisses, conçu pour vous garder actif, expose aux mêmes dérives, avec une subtilité supplémentaire : il se présente comme votre allié, parle en votre nom, et gagne précisément en confiance par cette proximité. À l'échelle collective, les effets deviennent encore plus imprévisibles. Des recherches montrent que des agents individuellement neutres peuvent, en interagissant à grande échelle, générer des biais collectifs. Un espace public où chacun dispose d'un agent personnalisé, parfaitement accordé à ses convictions existantes, n'est plus un espace public : c'est un archipel de mondes privés, chacun cohérent en lui-même, mais collectivement hostile à la délibération partagée qu'exige la démocratie. Cette transformation ne s'annonce pas : elle est déjà en cours, portée par des choix de conception effectués aujourd'hui dans les laboratoires et les départements produit des grandes entreprises technologiques. Les institutions démocratiques ont été conçues pour un monde où le pouvoir se construisait différemment, à une vitesse différente. Trois mutations simultanées les bousculent désormais : la façon dont les citoyens accèdent à la vérité, la façon dont ils exercent leur agentivité civique, et la façon dont se structurent les délibérations collectives. Des acteurs comme Google, OpenAI, Anthropic ou Meta façonnent, souvent sans en avoir pleinement conscience, les nouvelles infrastructures de l'opinion publique. La question n'est plus de savoir si l'IA redéfinira la citoyenneté, mais si les sociétés se donneront les moyens d'en orienter les conséquences avant que les règles du jeu ne soient écrites sans elles.

💬 Le problème avec les réseaux sociaux, c'était un algo sans visage qui optimisait dans le vide. Là, c'est un agent qui te connaît, qui parle en ton nom, et qui gagne ta confiance précisément parce qu'il est "de ton côté". C'est une marche de plus, et pas la plus petite.

L'IA à base d'agents oblige à repenser la structure des organisations

Alors que l'adoption des agents IA en entreprise s'accélère, un fossé béant s'ouvre entre les ambitions affichées et les capacités réelles. Selon une étude récente, 85 % des organisations déclarent vouloir devenir "agentiques" d'ici trois ans, mais 76 % reconnaissent que leurs opérations et infrastructures actuelles ne sont pas en mesure de soutenir cette transition. C'est dans ce contexte que PwC UK Consulting, via son directeur technique mondial Prasun Shah, et la plateforme enterprise Ema, fondée par Surojit Chatterjee, alertent sur une erreur de méthode répandue : coller des agents IA par-dessus des organisations conçues pour des humains, sans repenser le modèle de fond en comble. Shah parle d'une "solution scotch" : on rajoute de la technologie sur un modèle qui se fissure, sans s'attaquer aux fractures structurelles. L'enjeu est considérable. Lorsqu'ils sont déployés à grande échelle, les agents IA seraient capables d'accélérer les processus métier de 30 à 50 %, et de réduire le temps consacré aux tâches à faible valeur ajoutée de 25 à 40 %. Mais ces gains ne se matérialisent que si l'organisation est repensée en profondeur, pas seulement optimisée à la marge. Les agents ne sont pas des assistants qui aident un humain à aller plus vite : ils coordonnent des workflows entiers, prennent des décisions autonomes, s'adaptent aux conditions changeantes et itèrent en continu. Pour débloquer cette valeur, il faut revoir les droits de décision, les indicateurs de performance, les processus et les rôles humains, non pas après coup, mais dès la conception. C'est pour combler ce vide conceptuel qu'Ema a forgé en 2025, en partenariat avec le cabinet HFS Research, le terme "agentic business transformation" (ABT). Ce cadre distingue trois piliers : la pile technologique, la composition de la main-d'oeuvre, et les métriques de succès. Sur le plan technique, Shah insiste sur le fait que les agents IA ne doivent pas être une couche supplémentaire dans un empilement applicatif existant, mais un "tissu conjonctif" capable de circuler entre les systèmes, de contextualiser des données issues de sources multiples et d'en déduire des décisions à haute valeur. C'est précisément là, dit-il, que se jouera "le prochain champ de bataille" compétitif entre les entreprises. La question n'est plus de savoir si les organisations adopteront des agents IA, mais si elles auront la lucidité de se transformer structurellement plutôt que de se contenter de les greffer sur l'existant.

IA vs expertise humaine : comment choisir ses services de traduction juridique à l’ère du numérique ?

L'intelligence artificielle bouleverse aujourd'hui le secteur de la traduction juridique, un domaine longtemps réservé aux spécialistes du droit comparé. Les outils de génération automatique de texte promettent de traiter contrats, actes notariés ou conventions en quelques secondes, à une fraction du coût d'un traducteur humain. Les algorithmes modernes identifient des structures récurrentes, proposent des équivalences terminologiques et peuvent dégager rapidement les grandes lignes d'un dossier volumineux. Ce gain de vitesse représente un avantage concret pour les entreprises confrontées à des délais serrés et à des volumes importants de documents multilingues. Mais cette efficacité apparente dissimule des risques réels, particulièrement graves dans le contexte juridique. Le droit est une discipline de la précision absolue : chaque mot porte une portée contraignante, et une clause mal traduite peut rendre un document caduc, exposer une partie à des sanctions financières ou provoquer un litige international. Les modèles de langage fonctionnent par probabilités statistiques et ne comprennent pas les concepts qu'ils manipulent. Ils sont incapables de percevoir les subtilités culturelles, les non-dits d'un texte contractuel ou les nuances propres à un système juridique donné. Le passage du droit civil à la common law, par exemple, implique de transposer des notions qui n'ont parfois pas d'équivalent direct, une opération qui exige un expert en droit comparé, pas un algorithme. À cela s'ajoute la question de la confidentialité : les outils d'IA en ligne peuvent exposer ou réutiliser les données sensibles transmises, ce qui est inacceptable pour des dossiers juridiques stratégiques. La réponse qui s'impose dans le secteur n'est pas l'opposition entre humain et machine, mais leur collaboration structurée. Le modèle dit de traduction automatique post-éditée, ou MTPE, s'impose progressivement comme la norme : l'IA fournit une ébauche rapide, le traducteur juridique spécialisé corrige, affine et valide chaque segment en engageant sa responsabilité professionnelle. Cette approche hybride concilie les contraintes de délais avec la rigueur qu'exige le droit. La technologie prend en charge les tâches répétitives et la gestion des glossaires terminologiques, libérant le spécialiste pour l'essentiel : vérifier la cohérence juridique et garantir que la traduction produit les mêmes effets que le texte d'origine. Alors que les cabinets d'avocats, les multinationales et les institutions publiques multiplient leurs échanges transfrontaliers, ce modèle hybride devient moins un choix qu'une nécessité pour quiconque veut allier performance et sécurité juridique.

L'IA au secours du système de santé britannique

Le système de santé britannique traverse une crise structurelle sans précédent : le NHS England cumule aujourd'hui 7,25 millions de patients en liste d'attente, tandis que les couloirs d'hôpitaux débordent, les grèves de médecins se profilent et les pénuries de personnel s'aggravent. Face à cette pression, des solutions d'intelligence artificielle appliquées aux soins virtuels commencent à être déployées à grande échelle pour gérer trois problèmes critiques : les listes d'attente, la saturation des lits hospitaliers et la prise en charge en dehors des services. Parmi les acteurs de ce virage, la société européenne Doccla propose aux NHS trusts des unités de soins virtuelles reposant sur la surveillance à distance des patients. Ses modèles de machine learning croisent des données médicales propriétaires avec celles du NHS et analysent en continu les relevés de dispositifs médicaux connectés, oxymètres, tensiomètres ou électrocardiogrammes, pour détecter précocement tout signe de dégradation de l'état du patient. Les résultats publiés par Doccla sont significatifs : les NHS trusts partenaires ont enregistré une réduction de 61 % des journées d'hospitalisation, une baisse de 89 % des consultations chez le médecin généraliste et une chute de 39 % des admissions non programmées. Sur le plan financier, la solution permettrait d'économiser environ 450 livres sterling par jour par rapport au coût d'un lit hospitalier, et pour chaque livre investie dans cette technologie, le NHS récupérerait en moyenne trois livres par rapport aux modèles traditionnels. Au-delà de la gestion des patients, l'IA réduit également la charge administrative pesant sur les soignants : des grands modèles de langage sont déjà utilisés pour synthétiser automatiquement les notes cliniques et reformuler les informations médicales dans un langage accessible aux patients. Ce déploiement s'inscrit dans une transformation plus profonde du modèle de soins britannique. Le gouvernement anglais a présenté son plan décennal "Fit for the Future", qui vise à transférer une partie substantielle des soins des hôpitaux vers la communauté. L'IA joue un rôle central dans cette ambition, mais les obstacles restent réels : la confiance des cliniciens envers ces outils demeure faible, et les modèles prédictifs devront démontrer leur fiabilité et leur équité sur des populations de patients diversifiées avant un déploiement généralisé. Le discours dominant insiste sur la complémentarité entre IA et soignants, non sur la substitution, un cadrage délibéré pour rassurer les professionnels de santé au moment où le secteur vit une période de tensions sociales et budgétaires particulièrement aiguës.