Deux alertes britanniques, un même problème
Le Royaume-Uni offre cette semaine un double signal faible devenu très fort : d’un côté, un grand cabinet d’avocats, Pinsent Masons, rappelé à l’ordre par un juge pour avoir présenté au tribunal du contenu juridique erroné généré avec l’aide de l’IA; de l’autre, une analyse publiée par TechRadar affirmant que le secteur public britannique n’a pas tant un problème d’IA qu’un problème d’orchestration.
Ces deux histoires paraissent distinctes. L’une relève de la justice commerciale, de la déontologie des avocats et des hallucinations juridiques. L’autre relève de la transformation numérique de l’État, des processus publics et de l’intégration des outils d’IA. Pourtant, elles racontent la même chose : les institutions ne sont pas bloquées parce que les modèles d’IA seraient inutilisables. Elles sont bloquées parce qu’elles ne savent pas toujours où placer la responsabilité humaine, comment auditer les sorties, ni comment intégrer l’IA dans des chaînes de décision réellement gouvernées.
Selon le Financial Times, le juge Mark Mullen a reproché à Pinsent Masons une erreur liée à l’IA dans une affaire d’insolvabilité. La couverture de la Law Society Gazette et de The Global Legal Post permet de recouper l’essentiel : dans Malcolm Cork & Anor v Smith, une procédure de transfert d’administrateurs et liquidateurs, le tribunal a reçu des lettres contenant une référence trompeuse à une règle d’insolvabilité. Le passage présenté comme fondé sur le droit positif ne correspondait pas au texte applicable. Le juge a estimé que l’IA avait été utilisée sans vérification suffisante et que le processus de raisonnement avait été trop largement délégué à l’outil.
Ce que l’affaire Pinsent Masons révèle
Le point décisif n’est pas seulement qu’un modèle ait halluciné. Les hallucinations de l’IA générative sont désormais un risque connu, surtout dans les domaines où la précision des sources est vitale. Le point décisif est que l’erreur a traversé plusieurs couches professionnelles : production, supervision, validation, réponse au tribunal. D’après The Global Legal Post, le cabinet a présenté des excuses, a indiqué renforcer ses processus et s’est signalé au Solicitors Regulation Authority.
Le jugement s’inscrit dans une série d’avertissements britanniques. En 2025, l’affaire Ayinde v London Borough of Haringey, évoquée notamment par Associated Press, avait déjà mis en lumière des citations judiciaires inexistantes ou suspectes dans des dossiers soumis à la cour. La magistrature d’Angleterre et du pays de Galles a depuis mis à jour ses lignes directrices sur l’usage de l’IA par les titulaires de fonctions judiciaires. Le message est clair : l’IA peut assister, mais elle ne peut pas devenir l’auteur non contrôlé d’un raisonnement juridique.
Cette distinction est fondamentale. Dans un cabinet d’avocats, l’IA peut accélérer la recherche, suggérer des pistes, reformuler un brouillon. Mais le droit ne fonctionne pas comme un moteur de synthèse probabiliste. Une citation existe ou n’existe pas. Une règle dit quelque chose ou ne le dit pas. Une affirmation faite à un tribunal engage une responsabilité professionnelle. Le risque institutionnel n’est donc pas seulement l’erreur; c’est l’érosion de la chaîne de responsabilité.
Le piège du « bolt-on AI » dans le secteur public
Le second signal vient de TechRadar, dans un article d’opinion signé par Peter Corpe, responsable secteur public britannique chez Appian. Il faut le lire avec prudence : Appian vend des solutions d’automatisation et d’orchestration de processus, et a donc un intérêt commercial évident à cadrer le problème autour de l’intégration des workflows. Mais l’argument est corroboré par d’autres sources, notamment le National Audit Office, le Public Accounts Committee et les propres documents du gouvernement britannique.
L’article de TechRadar s’appuie sur des données du rapport 2026 UK Public Sector AI Adoption Outlook d’Appian. Selon ce rapport, 45 % des initiatives d’IA du secteur public britannique seraient déployées comme outils autonomes ou expérimentations ajoutées aux processus existants, plutôt qu’intégrées aux flux de travail essentiels. Appian affirme aussi que seulement 29 % des agents publics interrogés considèrent que leur organisation tient la plupart de ses engagements en matière d’IA, tandis que 75 % des citoyens sondés ne peuvent pas nommer un seul usage actuel de l’IA par le secteur public.
Ces chiffres doivent être interprétés comme ceux d’une enquête commandée par un fournisseur, non comme une mesure officielle de l’État. Mais ils rejoignent un diagnostic plus large. Le National Audit Office notait déjà en 2024 que le gouvernement britannique avait identifié un potentiel de productivité important, mais qu’il n’avait pas encore finalisé sa stratégie ni son plan de mise en œuvre pour l’adoption de l’IA dans le secteur public. Le Public Accounts Committee a ensuite souligné que l’IA nécessitait non seulement de nouveaux outils, mais aussi des changements profonds dans les pratiques de travail, les compétences, les données et les infrastructures.
La gouvernance existe sur papier, mais pas toujours dans les gestes
Le Royaume-Uni n’est pas dépourvu de cadres. Le gouvernement a publié un AI Playbook pour guider l’usage sûr, responsable et efficace de l’IA dans les organisations publiques. Il a aussi rendu obligatoire, pour les ministères et certains organismes publics, l’Algorithmic Transparency Recording Standard, un mécanisme de publication d’informations sur les outils algorithmiques utilisés par l’État. Le blog officiel Data in government indiquait en mai 2025 que 59 enregistrements avaient été publiés dans le répertoire correspondant.
Mais c’est précisément là que se situe l’écart : produire des principes n’équivaut pas à transformer les pratiques. Une politique d’IA peut exiger de l’explicabilité, de la supervision humaine et de la transparence. Encore faut-il qu’un agent sache quand un outil est utilisé, à qui signaler une anomalie, quel niveau de vérification est attendu et qui porte la responsabilité finale. Dans l’affaire Pinsent Masons, le problème n’était pas l’absence générale de normes professionnelles. Les avocats savent déjà qu’ils ne doivent pas induire un tribunal en erreur. Le problème était la traduction de cette norme dans un contexte où un outil produit une réponse plausible, rapide et fausse.
Le même phénomène menace les administrations. Si l’IA est ajoutée comme un assistant périphérique dans un service déjà fragmenté, elle risque d’amplifier les défauts existants : données incomplètes, interfaces héritées, silos entre directions, responsabilités floues, absence d’audit exploitable. Une IA qui résume des dossiers peut faire gagner du temps; mais si personne ne sait quelles sources elle a utilisées, quels biais elle reproduit ou comment contester sa sortie, elle devient une boîte noire bureaucratique.
Le vrai frein : la culture organisationnelle
L’adoption institutionnelle de l’IA est souvent présentée comme une question de capacité technique : quel modèle choisir, quel fournisseur retenir, quelle infrastructure déployer. Ces questions comptent. Mais les cas britanniques montrent que la contrainte principale est culturelle.
Dans les organisations à forte responsabilité — tribunaux, administrations, santé, sécurité sociale, fiscalité — l’IA ne peut pas être traitée comme un outil bureautique ordinaire. Elle intervient dans des environnements où l’erreur a un coût public : perte de droits, décision administrative contestable, violation de confidentialité, atteinte à la confiance, voire faute professionnelle. Le facteur critique devient donc la maturité organisationnelle : capacité à documenter, superviser, former, interrompre et corriger.
C’est aussi un problème d’incitations. Les institutions veulent montrer qu’elles innovent. Les directions veulent lancer des pilotes. Les fournisseurs promettent de la productivité. Les employés, eux, cherchent parfois simplement à réduire une surcharge de travail. Dans ce contexte, la tentation est forte de confondre expérimentation visible et transformation réelle. Or l’IA ne produit de valeur durable que lorsqu’elle est reliée à un processus clair, à une donnée fiable, à un contrôle humain défini et à une métrique de succès qui dépasse le simple gain de temps.
Ce que l’avenir exigera
La prochaine phase de l’IA institutionnelle ne sera pas gagnée par les organisations qui accumulent le plus d’outils, mais par celles qui sauront orchestrer les rôles. Cela implique trois changements.
D’abord, une supervision humaine explicite. Le « human in the loop » ne doit pas être une formule de conformité. Il faut préciser qui vérifie quoi, à quel moment, avec quelle compétence et avec quelle trace d’audit.
Ensuite, une intégration aux processus. L’IA ne doit pas rester un module décoratif ajouté à un formulaire, un courriel ou un portail. Elle doit être conçue avec les équipes métier, les juristes, les responsables de données, les spécialistes de sécurité et les usagers.
Enfin, une transparence utile. Publier des registres d’algorithmes est nécessaire, mais insuffisant si les citoyens ne comprennent pas comment l’IA affecte leurs interactions avec l’État. La confiance ne viendra pas d’un discours abstrait sur l’innovation, mais d’explications concrètes, de recours clairs et de résultats mesurables.
L’affaire Pinsent Masons montre ce qui arrive quand l’IA est utilisée sans discipline suffisante dans un environnement juridique. Le diagnostic relayé par TechRadar montre ce qui arrive quand le secteur public empile des outils sans refondre les processus. Dans les deux cas, le message est identique : l’IA responsable n’est pas seulement une affaire de modèles. C’est une affaire d’institutions capables de rester responsables quand la machine parle avec assurance.