IA et cohésion territoriale : comment éviter une France à deux vitesses algorithmiques ?

Le développement de l'intelligence artificielle n’est pas neutre vis-à-vis des territoires. Entraînés sur des données majoritairement urbaines, les outils d'IA tendent à invisibiliser les réalités périphériques. Jean-Baptiste Manenti et Aurélie Jean, co-auteurs de l’étude “IA et inclusion algorithmique : un enjeu de cohésion sociale, économique et territoriale”, identifient quatre dimensions de l'inclusion algorithmique et formulent des recommandations : mutualisation entre collectivités, décloisonnement des acteurs, gouvernance ouverte aux citoyens.

Introduction

La question n'est plus de savoir si l'intelligence artificielle va transformer l'action publique. Elle est déjà là. Mais à mesure que ces outils s'imposent, une autre question émerge, moins visible et tout aussi urgente : au bénéfice de qui ? Et, surtout, au détriment de qui ?

Dans cette étude, nous alertons sur un risque systémique : le développement des principaux outils d'intelligence artificielle générative pourrait accélérer l'émergence d'une France à deux vitesses. D'un côté, des territoires bien représentés dans les données d'entraînement que constituent les territoires urbains, denses, bien connectés. De l'autre, des espaces périphériques, soit des territoires ruraux, périurbains, ultramarins, progressivement invisibilisés par des outils qui ne les comprennent pas, au sens propre comme au sens figuré.

Ce constat appelle une réponse structurée. Ainsi, nous proposons le cadre de l'inclusion algorithmique, pensée en quatre dimensions complémentaires, pour permettre à l'ensemble des territoires et de leurs habitants de tirer parti de ces technologies sans en subir les effets discriminants.

Une triple peine pour les territoires périphériques

Les grands modèles d'intelligence artificielle fonctionnent selon une logique statistique. Ils apprennent à partir de vastes ensembles de données et produisent des réponses qui reflètent les tendances dominantes de ces données. Or, dès lors qu'un territoire est statistiquement marginal, c’est-à-dire qu’il a une faible densité, des usages numériques moins intenses, une moindre production de données locales, ce territoire tend mécaniquement à être sous-représenté, voire invisibilisé.

Ces outils reproduisent ainsi notamment des stéréotypes liés aux territoires périphériques, faute de données suffisamment représentatives. Un exemple parlant : demander à un outil d'IA grand public de générer l'image d'une “femme bretonne”. Cela produit généralement une représentation en costume traditionnel, sans lien avec la réalité contemporaine.

À cette logique statistique s’ajoute une seconde dynamique négative, puisque ces modèles continuent de s'entraîner sur les données de leurs utilisateurs. Les territoires où les usages numériques sont moins fréquents ou moins émancipateurs contribuent donc moins à leur évolution, ce qui renforce encore leur sous-représentation.

Une troisième logique vient compléter cette double peine : les décideurs publics locaux manquent souvent des ressources financières, humaines et techniques pour agir. C'est particulièrement vrai dans les communes de moins de 3 500 habitants, qui représentent pourtant plus de 90 % des communes françaises et un tiers de la population

Ce phénomène rejoint celui de l'éloignement au numérique, notion préférable à celle de fracture, trop binaire. Il s'agit d'un halo gradué : une même personne peut être à l'aise sur les réseaux sociaux et peiner à effectuer une démarche administrative en ligne. L'IA amplifie cette logique en y ajoutant une dimension supplémentaire. Non seulement certains usages restent hors de portée, mais les outils eux-mêmes tendent à moins bien servir ceux qui pourraient en avoir besoin.

Quatre dimensions pour une inclusion algorithmique

Face à ce constat, il faut faciliter l’émergence d’une forme d’inclusion algorithmique, pensée comme un cadre d'action à l'échelle locale et structurée autour de quatre dimensions.

La première dimension concerne l'accès. En d’autres mots, disposer de réseaux et d'équipements de qualité suffisante pour utiliser les outils d’IA. Ce sujet est moins central qu'il y a dix ans grâce aux efforts conduits notamment en termes d'infrastructures, mais n'a pas disparu.

La deuxième dimension renvoie à l'usage. Il ne s’agit pas seulement de savoir utiliser un outil, mais de pouvoir le mettre au service de son quotidien, personnel, professionnel ou institutionnel. On distingue ici les usages émancipateurs, qui augmentent les capacités des personnes, des usages plus aliénants, qui les réduisent à des comportements passifs ou consommateurs.

La troisième dimension est celle de la compréhension. Cela implique de saisir le fonctionnement de ces outils, leurs biais, leurs angles morts, leur rapport complexe à la vérité. Comprendre l'IA, c'est aussi mesurer ce qu'elle fait à nos sociétés.

La quatrième dimension, enfin, est celle de la conception. Celle qui interroge la gouvernance de ces outils dès leur création : qui participe à la définition des besoins ? Qui valide les données d'entraînement ? Quelles lignes rouges sont posées par les citoyens eux-mêmes ?

Des collectivités face à un défi d'appropriation inégal

Selon le baromètre de l'Observatoire Data Publica (édition 2025), la quasi-totalité des grandes collectivités ont engagé ou prévoient d'engager des projets d'IA. Mais ce chiffre tombe à 64 % pour les collectivités de 3 500 à 10 000 habitants. Et surtout : 73 % des communes de moins de 3 500 habitants déclarent ne pas vouloir s'engager sur ces sujets dans un avenir proche. Or ces communes représentent plus de 90 % des communes françaises.

Le manque de connaissance et de compréhension en interne est le premier frein à ces expérimentations, cité par 66 % des collectivités n'ayant pas encore engagé de projet. Le manque de confiance vient en deuxième position (46 %), suivi par la difficulté d'accès à des données de qualité. En d'autres termes, c'est avant tout un enjeu d'acculturation, de formation et de mise en réseau.

On observe également un paradoxe : les collectivités sont simultanément sollicitées avec insistance pour s'emparer de l'IA, et laissées largement seules face à un marché de solutions foisonnant, où il est difficile de distinguer l’outil réellement impactant de l'effet d'annonce. Dans ce contexte, les budgets dédiés à la médiation et à l'inclusion numérique ont été lourdement amputés, avec une baisse estimée à près de 30 millions d'euros pour 2026, soit un paradoxe supplémentaire alors que les besoins d'accompagnement s'intensifient.

Les collectivités qui ont franchi le pas expérimentent et déploient des outils très divers : aide à la rédaction administrative, comptes-rendus automatisés de conseils municipaux, voicebots de continuité du service public, outils de détection des dépôts sauvages, systèmes de prévention des risques d'incendie ou de gestion intelligente des carrefours. Mais ces initiatives restent souvent insuffisamment connues et peu mutualisées. Plusieurs collectivités peuvent ainsi développer des projets quasi identiques sur des thématiques similaires, sans jamais avoir échangé. La mise en réseau et les logiques de mutualisation entre acteurs locaux doivent être soutenues pour limiter cette déperdition de ressources et d’énergie.

Trois leviers pour une IA territorialement inclusive

Fort de ces constats, trois principaux leviers peuvent être mobilisés par les collectivités et les décideurs publics.

La mutualisation. Dans un contexte budgétaire contraint, les collectivités ne peuvent pas se permettre de dupliquer les mêmes efforts. Les opérateurs publics de services numériques (OPSN) constituent notamment des structures adaptées pour appuyer cette logique de mise en commun. Par exemple, Gigalis en Pays de la Loire, le SMIC 88 dans les Vosges ou le SICTIAM dans les Alpes-Maritimes proposent expertise, curation d'outils, formation des élus et accompagnement à la décision.

Le décloisonnement. Cela se fait déjà en interne, au sein des collectivités, en faisant du numérique un sujet transversal. Ces sujets ne peuvent plus être le domaine exclusif des directions des systèmes d'information. Dans un second temps, il faut briser les silos entre les acteurs du territoire : entreprises, universités, structures de médiation numérique, éducation nationale... J'ai été frappé par certaines incohérences, comme des difficultés rencontrées par des médiateurs numériques experts en IA pour intervenir dans des établissements scolaires de leur territoire, alors même que les besoins sont réels et les compétences disponibles. Certains territoires se dotent d’instances destinées à encourager ce décloisonnement, comme la Région Centre-Val de Loire et son Conseil régional du numérique (CRNum) réunissant des représentants de l'ensemble des écosystèmes locaux.

La gouvernance ouverte. L'enjeu n'est pas de former 60 millions d'experts en IA, mais d'associer les citoyens en amont, pour identifier les besoins réels et les lignes rouges, et en aval, pour évaluer les effets concrets des outils déployés. La Ville de Rennes a ainsi mis en place un Conseil citoyen du numérique responsable (CCNR) qui a produit un rapport d'étonnement sur l'IA. Un document qui formule des attentes et des limites à destination des élus. Ce type de démarche, inspiré des méthodes de design participatif, permet aussi de renforcer la confiance, condition sine qua non d'une appropriation large et durable.

Pour conclure…

L'intelligence artificielle n'est pas condamnée à creuser les inégalités territoriales. Mais elle le fera, mécaniquement, si rien n'est fait pour inverser les dynamiques à l'œuvre. Il ne s’agit pas de plaider pour une action descendante, ni pour une uniformisation des pratiques, mais de défendre au contraire une approche enracinée dans les territoires, portée par des élus formés, des acteurs décloisonnés et des citoyens associés.

Car l'IA, il faut le répéter, est avant tout un sujet politique. Tant qu'elle sera perçue comme un enjeu purement technique, désintéressant les élus, les collectivités passeront à côté de son véritable potentiel transformateur. Et risqueront, ce faisant, de laisser s'installer une nouvelle forme d'injustice territoriale, moins visible que les précédentes, mais tout aussi réelle.