L'IA au service de l'analyse des rapports de délégataires : l'expérience de la ville de Cannes (06)

En quoi consiste concrètement votre projet et quels en sont les principaux objectifs ?

Le projet consiste à utiliser l'intelligence artificielle pour analyser et synthétiser automatiquement les 59 rapports annuels des délégataires de services publics de la ville de Cannes. Ces rapports, qui varient d'une centaine à plus de 1 000 pages, concernent six directions municipales et couvrent à 80 % des activités maritimes (concessions de plages et nautisme) ainsi que des équipements comme le tennis ou le palais des festivals.

La ville a retenu la solution "Mistral Team", une plateforme française choisie pour deux raisons majeures : la souveraineté numérique et la performance technique. Mistral respecte le RGPD, ne réutilise pas les données soumises pour entraîner ses modèles, et s'est distingué par sa capacité à lire des PDF non océrisés [non préparés pour être lus par des logiciels de reconnaissance de caractères], là où d'autres outils montraient leurs limites.

Concrètement, les agents soumettent les rapports à la plateforme et l'interrogent via des prompts. L'expérience a montré qu'une approche structurée et thématique était indispensable : une vingtaine de prompts distincts ont ainsi été conçus et affinés, couvrant aussi bien la qualité du service public que les données financières.

Testée en mars 2025 et mise en production depuis avril 2025, la solution a transformé durablement les pratiques : le délai de traitement est passé de trois jours à quatre heures par rapport, soit un temps divisé par dix. Les fiches produites, validées par les agents, sont ensuite présentées en CCSPL (Commission consultative des services publics locaux) et en conseil municipal, garantissant transparence et information aux élus comme aux usagers.

Comment le sujet s’est-il imposé à l’agenda de votre collectivité ?

Cette initiative s'inscrit dans une stratégie globale lancée il y a deux ans et demi par le maire de Cannes, qui a invité l'ensemble des directions à faire de l'IA un vecteur de nouveauté et d'amélioration de l'activité administrative. La démarche est née d'une double conviction : d'une part, que l'IA représente un potentiel comparable aux révolutions précédentes de l'informatique et du web ; d'autre part, d'un constat pragmatique selon lequel les agents commençaient déjà à utiliser l'IA de façon non encadrée et sans méthode.

La philosophie portée par la collectivité repose sur un principe fort : "plus de performance et plus d'humains". Loin d'être un simple slogan, cette approche vise à repositionner l'humain au cœur du dispositif, en retirant les tâches répétitives pour lui permettre de se concentrer sur des missions à plus forte valeur ajoutée. Dans le cas des rapports de délégataires, l'IA a permis de rendre du temps aux équipes pour renforcer les contrôles sur pièce et sur place.

Cette transformation s'inscrit également dans un contexte démographique préoccupant : comme partout ailleurs, Cannes fait face à une pyramide des âges inversée, avec 20 % de ses effectifs qui atteindront l'âge moyen de départ en retraite dans les cinq prochaines années. Face aux difficultés d'attractivité de la fonction publique et aux enjeux de recrutement, la collectivité a fait de l'IA une opportunité pour repenser son organisation et maintenir un service public de qualité avec potentiellement moins d'effectifs.

Quelles sont les sources d’inspiration que vous avez suivies pour vous faire une idée de ce projet ?

La ville de Cannes a adopté une approche résolument pragmatique et expérimentale. Plutôt que de s'appuyer exclusivement sur des références extérieures, l'équipe dirigeante — composée du maire, de la direction générale et des cadres — a d'abord souhaité tester elle-même les différents outils d'IA disponibles. Cette phase d'appropriation était essentielle : il existe une différence fondamentale entre entendre parler de l'IA et la pratiquer concrètement. Une bonne dizaine de personnes se sont ainsi investies dans cette exploration, croisant technologie et expertise métier pour projeter le potentiel de l'IA sur les pratiques réelles de gestion des politiques publiques.

Cette démarche s'est aussi nourrie d'une veille active et autonome : l'équipe s'est autoformée sur la rédaction de prompts en s'appuyant sur les bonnes pratiques disponibles en ligne, faisant du web une ressource centrale dans l'apprentissage collectif.

En parallèle, la collectivité a développé des partenariats informels avec le secteur privé, notamment avec une entreprise spécialisée en IA implantée à Cannes. Des échanges trimestriels, non tarifés et bienveillants, permettent de confronter les stratégies municipales à une logique d'entreprise, tout en préservant les exigences propres au service public.

Cannes entretient également de nombreux échanges avec d'autres collectivités, ce qui permet de confronter des logiques de déploiement très différentes et d'en tirer le meilleur. Alors que certaines d’entre elles privilégient des expérimentations ciblées pour des résultats rapides, Cannes a fait le choix d'une démarche globale, adossée à l'ensemble de son corpus administratif.

Enfin, un parti pris stratégique fort a guidé toute la réflexion dès l'origine : rester libre vis-à-vis des grands acteurs américains et privilégier les solutions françaises, pour des raisons de souveraineté numérique et de conformité réglementaire. Ce positionnement agnostique et pragmatique, forgé dans un contexte où les modèles de référence étaient encore rares, constitue aujourd'hui l'un des marqueurs distinctifs de l'approche cannoise.

Y a-t-il des compétences ou sujets spécifiques à maîtriser avant de se lancer dans ce projet ?

Contrairement aux idées reçues, les compétences requises ne sont pas principalement techniques. Le prérequis fondamental reste classique : savoir bien qualifier son besoin. Cette compétence devient cruciale avec l'IA, car la qualité des résultats dépend de la précision avec laquelle on définit ses attentes.

Pour les rapports de délégataires, Mistral AI s'est imposé après des tests comparatifs selon deux critères : sa capacité à respecter le RGPD en mode privé, garantissant que les données non publiques ne serviraient pas à entraîner l'algorithme, et sa performance supérieure dans la lecture de PDF non océrisés [non traités par une technologie de reconnaissance des caractères], que ChatGPT ne maîtrisait pas aussi bien.

De nouvelles compétences émergent autour de la gouvernance de la donnée pour industrialiser les processus : qualifier, structurer, stocker et mettre à disposition les données de manière optimale.

Enfin, maintenir l'humain au cœur du contrôle et de la validation reste essentiel. Des cadres de plusieurs directions valident les documents finaux. Pour les marchés publics, la collectivité a même demandé l'intégration d'une traçabilité de l'action humaine à chaque étape.

Avez-vous mené une étude en amont du projet pour définir sa faisabilité et/ou son impact ?

Si aucune étude n’a été menée en amont, le projet a débuté par des tests exploratoires qui ont révélé les limites de l'IA générative, notamment le phénomène d'hallucination. Ces expérimentations ont permis d'identifier Mistral AI comme une solution adaptée et d'établir un principe fondamental : tester systématiquement la fiabilité avant tout déploiement. La collectivité a confronté les productions de l'IA avec des rapports antérieurs pour valider la qualité des résultats, révélant des difficultés persistantes sur les données chiffrées. L'équipe a développé une approche modulaire (découpage thématique, prompts spécifiques, segmentation des questions) qui a considérablement amélioré la qualité. L’utilisation de l’IA a également permis d’homogénéiser les fiches de synthèse, qui variaient selon les directions.

Comment avez-vous assuré le bon dimensionnement du projet ?

La démarche s'est construite de manière progressive et pragmatique selon une approche "test-and-learn". La collectivité a adopté une méthodologie agile avec une évolution constante des pratiques. Concernant les prompts, l'équipe est passée d'un prompt général initial à une vingtaine de prompts distincts selon les matières, découpés en plusieurs parties (qualité du service public, finances) et segmentés par thématiques pour traiter les 59 rapports annuels.

Le dimensionnement s'est appuyé sur des tests de fiabilité menés sur des rapports déjà traités les années précédentes, confrontant les résultats de l'IA avec les productions humaines antérieures. Cette démarche comparative a permis d'identifier les limites de l'outil, notamment sur le traitement des chiffres, et d'ajuster le processus en conséquence. L'équipe a maintenu un contrôle humain systématique confié à des cadres de plusieurs directions pour la validation finale.

Sur le plan organisationnel, le projet a permis de libérer du temps aux agents permanents pour renforcer les contrôles de terrain. Au-delà de cet aspect financier, la collectivité a repositionné sa réflexion dans une logique de transformation à moyen terme. Lors des dialogues de gestion avec les quarante directions, l'accent a été mis sur la projection à cinq ans de la transformation des métiers. L'objectif est d'accompagner les départs en retraite non par des remplacements poste pour poste, mais par une refonte des organisations intégrant l'IA comme levier de performance, transformant ainsi la contrainte démographique en opportunité stratégique.

Comment la collectivité a-t-elle financé ce projet et quelles ont été les aides sollicitées/obtenues ?

Le financement du projet repose essentiellement sur des ressources internes, avec un bénéfice économique direct et mesurable : la collectivité n'a pas recruté les deux agents saisonniers qu'elle embauchait habituellement chaque année pour produire la soixantaine de rapports de synthèse. Cette économie en coût de personnel compense largement l'investissement dans les abonnements aux solutions d'IA.

Les coûts directs du projet restent limités aux abonnements aux solutions d'IA (principalement Mistral pour ce cas d'usage pour un montant d’une trentaine d’euros par mois et par poste) et au temps consacré par les équipes projet. Aucun appel à des financements externes ou subventions spécifiques n'a été nécessaire pour cette initiative.

Quels sont les autres acteurs qui vous ont accompagnés dans la préparation et la réalisation de ce projet ?

Mistral AI - Entreprise française spécialisée dans l’IA générative

Quels conseils donneriez-vous à un élu qui souhaiterait se lancer dans un projet similaire ?

Le premier conseil serait d'adopter une approche globale plutôt que de se limiter à des expérimentations isolées. Certes, tester l'IA sur un secteur technique spécifique produit des résultats quantifiables immédiatement, mais l'effet transformationnel sera limité. Cannes a fait le pari d'une démarche généralisée à l'ensemble du corpus administratif, plus complexe, mais permettant de repenser véritablement l'organisation dans sa globalité.

Deuxième recommandation : pratiquer avant de déployer. Il ne suffit pas d'entendre parler de l'IA ou de lire des rapports ; les décideurs et équipes doivent tester eux-mêmes les outils pour comprendre concrètement leur potentiel et leurs limites. Cette phase d'appropriation est essentielle pour construire une vision réaliste.

Troisième point : maintenir absolument l'humain au cœur du dispositif de contrôle et de validation. L'IA est un outil puissant d'aide à la décision, mais elle ne remplace pas le jugement humain, particulièrement sur les données chiffrées où les biais persistent. La traçabilité du contrôle humain doit être garantie à chaque étape.

Quatrième conseil : privilégier des solutions françaises ou européennes qui permettent de mieux maîtriser souveraineté, protection des données et conformité RGPD.

Cinquième recommandation : investir massivement dans l'acculturation des équipes. À Cannes, plus de 1000 agents ont été formés à la philosophie et aux principes d'utilisation de l'IA, favorisant l'appropriation collective. Enfin, accepter l'incertitude liée à l'évolution exponentielle de l'IA impose une démarche pragmatique et itérative, avec des expérimentations cadrées et des ajustements constants.