Actes administratifs rédigés avec l’intelligence artificielle : la provenance de la donnée que le texte résume

Mis à jour le 12 septembre 2026

Entre le fait observé sur le terrain et le document officiel qui le décrit, il n’y avait jusqu’ici qu’un agent public et sa rédaction. L’intelligence artificielle dans l’administration publique ajoute un maillon : un grand modèle de langage (LLM) reçoit les photographies, les relevés et les captures d’écran de l’instruction, puis rédige le texte que l’agent relit et signe. Des cas récents, du Texas à l’Italie, montrent l’ampleur du phénomène.

Le débat porte sur la manière dont le modèle écrit : hallucinations de l’IA, contrôle humain, relecture. Il arrive trop tard, car la relecture contrôle la cohérence du récit et non l’authenticité de la source. La question décisive se pose en amont : d’où vient la donnée que le modèle résume ? Si vous signez des actes préparés par un modèle, la réponse vous concerne directement : la qualité de l’acte se décide à la source, avant la génération.

Un acte administratif rédigé avec l’intelligence artificielle est un document officiel dont le texte a été produit par un grand modèle de langage à partir d’une base documentaire de photographies, de relevés, d’enregistrements ou de captures d’écran, puis relu, corrigé et signé par un agent public. Le mécanisme est toujours le même : matériel transmis au modèle, texte proposé, validation par l’agent. Draft One, l’outil d’Axon utilisé par des services de police américains, en est l’exemple type. Selon le COPS Office du ministère américain de la Justice (janvier 2025), Draft One traite l’audio de la caméra-piéton avec une variante de ChatGPT et produit une ébauche de rapport ; l’agent doit ensuite signer une déclaration attestant que le rapport a été généré avec Draft One et qu’il l’a relu et corrigé. Cette signature porte sur le texte, non sur la provenance ni sur l’intégrité de l’audio.

L’IA dans l’administration publique : où le modèle de langage entre dans l’acte administratif

Le modèle de langage s’installe entre l’instruction et la rédaction : il n’observe rien par lui-même, il reformule ce qu’on lui transmet. Sa place dans le secteur public varie selon les pays ; la question de la provenance du matériel résumé n’est posée nulle part.

Du Texas à l’Italie : rapports de police, flux de travail dans l’administration allemande, application italienne de l’AI Act

Au Texas, en Allemagne et en Italie, le débat porte sur la sortie du système, jamais sur son entrée. Le bureau du shérif du comté de Johnson a rédigé avec Draft One le rapport d’une recherche dans le réseau de caméras Flock visant une femme qui avait avorté seule (404 Media). Spark Workflow, logiciel du ministère fédéral allemand du Numérique (BMDS), doit selon le ministre Wildberger accélérer de 50 à 80 % les procédures d’infrastructure (BMDS, heise). En Italie, l’autorité de protection des données juge, le 14 juillet 2026, l’extraction biométrique prévue par le projet de décret d’adaptation à l’AI Act (le règlement européen sur l’IA) incohérente avec son article 26, paragraphe 10 (Matteo Flora, Agenda Digitale).

Ce que contrôle la relecture humaine et ce qu’elle ne peut pas contrôler

La relecture humaine vérifie que le texte est cohérent et fidèle au matériel présenté ; elle ne peut pas établir que ce matériel est authentique, daté et intact.

La relecture humaine d’un texte généré vérifie la cohérence du récit, l’absence d’hallucinations et la conformité aux pièces ; elle ne peut pas vérifier que les pièces elles-mêmes sont authentiques, datées et intactes, et des exemples récents le montrent. Sur Draft One, l’Electronic Frontier Foundation rapporte en décembre 2025 que l’outil ne conserve pas l’ébauche originale, choix délibéré selon le responsable produit d’Axon : après coup, personne ne peut distinguer ce que le modèle a écrit de ce que l’agent a corrigé. Sur Spark Workflow, Stefan Kaufmann relève dans netzpolitik.org (12 août 2026) l’absence de validation scientifique et de seuil d’erreur défini, des résultats différents pour un même dossier, et un « humain dans la boucle » qui ne peut pas juger si la sortie est correcte. Dans les deux cas, le contrôle porte sur l’aval, et l’amont reste invérifié.

La Californie (SB 524, 2025) impose la mention de l’IA au bas du rapport et la conservation de la première ébauche ; l’Utah (SB 180, 2025), un avertissement et la certification d’exactitude par l’agent (EFF ; textes : California SB 524, Utah SB 180). Ces lois couvrent la colonne de gauche du tableau ; la colonne de droite reste sans réponse.

La question qui décide de la valeur de l’acte : d’où vient la donnée

La valeur d’un acte rédigé avec l’IA ne dépasse jamais celle de sa base documentaire : si son origine, sa date et son intégrité sont démontrables, la relecture se concentre sur le texte ; sinon, l’acte hérite d’un doute que la prose ne dissipe pas.

Photographies, relevés instrumentaux, enregistrements et captures d’écran : la base documentaire de l’acte

La base documentaire d’un acte se compose de photographies de terrain, de relevés d’instruments, d’enregistrements et de captures d’écran de portails ou de logiciels métier. Le modèle les reçoit sous forme de fichiers et ignore s’ils datent d’hier ou d’il y a trois ans, s’ils ont été retouchés. Les métadonnées EXIF d’une photo se modifient avec un éditeur ordinaire et disparaissent souvent à l’envoi par messagerie. La provenance numérique d’un fichier (qui l’a créé, quand, où, avec quel appareil) se constitue au moment de l’acquisition, ou jamais.

Le vide hérité : quand la source n’est pas certifiée, la prose ne le comble pas

Un texte bien écrit à partir d’une source douteuse reste fondé sur une source douteuse : le modèle transmet la valeur probante de ses entrées, lacunes comprises.

La valeur probante d’un acte administratif rédigé avec l’intelligence artificielle ne dépasse pas celle de la source dont il part : le modèle restitue ce qu’on lui donne et n’ajoute aucune garantie sur l’origine, la date ou l’intégrité des pièces. En droit français, l’écrit électronique a la même force probante que l’écrit sur support papier, à condition que la personne dont il émane puisse être dûment identifiée et qu’il soit établi et conservé dans des conditions de nature à en garantir l’intégrité (code civil, article 1366) ; le décret 2016-1673 précise qu’une copie électronique est présumée fiable lorsqu’elle est assortie d’un horodatage qualifié ou d’un cachet électronique qualifié. L’article 41 du règlement eIDAS attache à l’horodatage électronique qualifié une présomption d’exactitude de la date et d’intégrité des données. Sans horodatage ni cachet à l’acquisition, le texte généré hérite de ce vide.

L’administré qui conteste un acte ne conteste pas la prose : il demande sur quoi elle se fonde, et un fichier JPEG sans date certaine bloque la procédure. L’archivage à valeur probante protège ce qui a été correctement acquis ; il ne répare pas le reste.

Ce que demande le droit : supervision humaine, transparence et motivation fondée sur les faits

Droit européen et droit français convergent : supervision humaine effective, transparence sur l’algorithme et motivation fondée sur des faits établis. Aucune de ces exigences n’est satisfaite si le relecteur ne peut pas remonter à la source.

AI Act : supervision humaine (articles 14 et 26) et obligations de transparence (article 50) pour l’usage public

L’AI Act ne demande pas seulement qu’un humain relise : il exige qu’il puisse comprendre, interpréter et écarter la sortie du système, donc accéder aux données de départ.

L’article 14 de l’AI Act (règlement UE 2024/1689) impose que les systèmes d’IA à haut risque soient conçus pour permettre un contrôle humain effectif : les personnes chargées de la supervision doivent pouvoir comprendre les capacités et les limites du système, interpréter correctement sa sortie, décider de ne pas l’utiliser ou de l’ignorer, et intervenir ou interrompre son fonctionnement (synthèse de l’article 14). L’article 26 étend ces obligations aux déployeurs, autorités publiques comprises : supervision confiée à des personnes compétentes, usage conforme aux instructions, conservation des journaux (article 12). L’article 50 ajoute les obligations de transparence. L’annexe III range parmi les usages à haut risque plusieurs activités des autorités publiques : accès aux services publics essentiels, répression, migration, justice. Interpréter une sortie qui résume des photographies suppose de pouvoir les vérifier ; sans source certifiée, le contrôle humain n’a pas d’objet.

Les obligations de l’article 50 de l’AI Act imposent d’indiquer qu’un système d’IA a produit le texte destiné au public. La supervision humaine exigée par l’article 14 de l’AI Act suppose que le relecteur puisse remonter à la source : c’est ce que permet TrueScreen, qui rend chaque acquisition vérifiable de manière indépendante.

La décision administrative fondée sur un traitement algorithmique et sa motivation : des faits établis, pas seulement rapportés

En droit français, une décision prise sur le fondement d’un traitement algorithmique doit le dire, et sa motivation doit reposer sur des faits que l’administration peut établir, non simplement rapporter.

L’article L311-3-1 du code des relations entre le public et l’administration (CRPA) impose une mention explicite informant l’intéressé, qui peut demander les règles du traitement et les principales caractéristiques de sa mise en œuvre ; l’article L211-2 impose la motivation des décisions individuelles défavorables. Le Conseil constitutionnel (décision 2018-765 DC du 12 juin 2018) a admis ces décisions à condition que l’administration maîtrise le traitement et sache l’expliquer (vie-publique.fr). La motivation des actes administratifs expose donc des faits établis, avec leur date et leur origine ; le code civil (articles 1366 et 1367) n’accorde à l’écrit électronique sa force probante que si son auteur est identifié et son intégrité garantie, ce qui manque à une pièce non certifiée.

Que doit faire une administration lorsqu’elle utilise l’IA dans une procédure ?

Une administration qui utilise l’IA dans une procédure doit informer, certifier, superviser, journaliser et motiver ; la certification précède la génération.

1. Informer l’intéressé du traitement algorithmique (mention explicite de l’article L311-3-1 du CRPA) et respecter la transparence de l’article 50 de l’AI Act.
2. Certifier la base documentaire avant la génération : chaque photographie, relevé, enregistrement ou capture d’écran reçoit un cachet électronique et un horodatage à l’instant de l’acquisition.
3. Garantir une supervision humaine effective au sens de l’article 14 de l’AI Act : un agent compétent, capable d’interpréter la sortie, de l’écarter et de remonter aux pièces, signe l’acte.
4. Conserver les journaux et les versions (première ébauche, corrections, prompts) conformément aux articles 12 et 26 de l’AI Act, pour distinguer l’écrit du modèle des décisions de l’agent.
5. Motiver sur des faits établis : la motivation exigée par l’article L211-2 du CRPA cite des pièces datées et vérifiables, non le résumé qu’en a fait le modèle.

Cas pratiques : le procès-verbal dressé sur le terrain et le rapport d’instruction

Le procès-verbal fondé sur des photographies de terrain et le rapport d’instruction qui résume des pièces déposées par des tiers montrent où le vide se creuse : l’IA dans les collectivités territoriales rend visible un problème que la rédaction manuelle masquait.

Le procès-verbal rédigé à partir de photographies prises avec un téléphone de service jamais certifiées

Dans une commune, un agent de police municipale photographie une occupation irrégulière du domaine public avec son téléphone de service, envoie les clichés par messagerie, et un modèle rédige l’ébauche du procès-verbal que l’agent signe. Tout paraît conforme, jusqu’à ce que l’administré demande quand et où les photographies ont été prises : la valeur juridique d’une photo se joue à l’acquisition.

Une photographie prise avec un téléphone de service et transmise par messagerie n’apporte aucune garantie sur sa date, son lieu ou son intégrité : les métadonnées EXIF peuvent être modifiées avec un logiciel ordinaire et sont souvent supprimées lors de l’envoi, et le fichier reçu par le modèle n’est pas nécessairement celui capturé sur le terrain. La norme ISO/IEC 27037, qui décrit l’identification, la collecte, l’acquisition et la conservation des preuves numériques, situe pour cette raison la garantie au moment de l’acquisition et non à celui de l’archivage. L’intégrité d’un fichier se démontre par une empreinte cryptographique : l’algorithme SHA-256, spécifié par le NIST dans la norme FIPS 180-4, produit une empreinte de 256 bits qui change dès qu’un seul bit est modifié. Sans empreinte calculée et horodatée à l’acquisition, personne ne peut prouver que les images n’ont pas changé.

Le rapport qui résume des documents déposés par des tiers sans preuve de la date ni de l’auteur du dépôt

Un rapport d’instruction résume des pièces déposées sur un portail ou envoyées par courriel par un demandeur ou un prestataire ; si l’administration ne peut pas prouver quand et par qui, la contestation portera sur le dépôt.

Spark Workflow en est l’illustration : avant même la variabilité des résultats relevée par Stefan Kaufmann dans netzpolitik.org, la question est de savoir si les pièces analysées sont bien celles déposées, sans modification : la recevabilité d’une preuve numérique dépend de cette traçabilité des données. Les administrations utilisent TrueScreen pour donner une date certaine et une intégrité démontrable aux documents déposés par des tiers, avant qu’un rapport d’instruction ne les résume.

Comment certifier la source d’un acte rédigé avec l’intelligence artificielle ?

TrueScreen, the Data Authenticity Platform, certifie à la source le matériel qui alimente l’acte : photographie, enregistrement, relevé instrumental ou capture d’écran reçoivent un cachet électronique et un horodatage à l’instant de l’acquisition, avec des métadonnées vérifiées et un rapport technique que chacun peut recontrôler. Le modèle résume ensuite un matériel déjà établi.

Certifier la source d’un acte rédigé avec l’intelligence artificielle consiste à établir, quand une photographie, un enregistrement, un relevé ou une capture d’écran est acquis, son origine, sa date et son intégrité, de manière qu’un tiers puisse les vérifier sans dépendre de l’administration. TrueScreen applique une méthodologie forensique brevetée conforme à la norme ISO/IEC 27037 : l’acquisition se déroule dans un environnement contrôlé où ni personne ni logiciel ne peut altérer ce qui est capturé ; les données acquises sont vérifiées (intégrité de l’appareil, authenticité des métadonnées d’heure, de position et d’identifiants, correspondance des empreintes) ; un rapport technique (PDF et JSON) restitue la chaîne de conservation ; un cachet électronique officiel et un horodatage officiel, reconnus internationalement, certifient l’ensemble avec valeur juridique. L’horodatage qualifié bénéficie, selon l’article 41 du règlement eIDAS, d’une présomption d’exactitude de la date et d’intégrité des données.

L’acquisition en temps réel certifie le matériel dès sa création : l’altération est empêchée pendant l’acquisition et détectable après. L’importation d’un fichier existant certifie à partir de l’importation : TrueScreen atteste alors qu’il n’a pas changé depuis, non la manière dont il a été créé. Seule la première répond à la question de la provenance.

Le paquet certifié est autonome : avocat, service juridique ou juridiction recontrôlent l’empreinte, le cachet et l’horodatage avec des outils standard, sans passer par TrueScreen. Le cachet électronique atteste l’origine et l’intégrité du contenu ; la signature électronique reste l’acte de l’agent qui signe. TrueScreen garantit le « comment » (acquisition authentique, contenu inchangé, date et lieu enregistrés), non le « quoi » : le bien-fondé de l’acte reste de votre responsabilité. La plateforme produit une documentation à valeur probante, qui devient preuve lorsque le juge l’admet et dont la valeur peut toujours être discutée. Ce que le modèle a écrit et ce qui s’est passé sont ainsi séparés : un texte généré et signé d’un côté, des pièces certifiées à la source de l’autre.

FAQ : intelligence artificielle dans l’administration publique et provenance de la donnée

Un acte administratif rédigé avec l’intelligence artificielle est-il valable en France ?
+

Oui, à condition qu’un agent public en assume la rédaction et la signature, que la décision respecte les obligations de transparence et de motivation, et que les faits invoqués soient établis. L’article L311-3-1 du code des relations entre le public et l’administration impose une mention explicite lorsqu’une décision individuelle repose sur un traitement algorithmique, et le Conseil constitutionnel (décision 2018-765 DC du 12 juin 2018) a admis ce type de décision à condition que l’administration maîtrise le traitement et sache l’expliquer (vie-publique.fr). La validité ne dépend pas du fait que le texte ait été généré, mais de ce qui le fonde : des photographies, relevés ou captures d’écran dont la date et l’intégrité sont démontrables.

Que contrôle la relecture humaine d’un texte généré par l’IA, et que ne peut-elle pas contrôler ?
+

La relecture humaine contrôle la cohérence du récit, les hallucinations (noms, propos ou lieux absents des pièces), les omissions et la qualification juridique proposée ; elle ne peut pas contrôler la date, le lieu et l’intégrité d’une photographie, d’un enregistrement ou d’une capture d’écran qui n’ont pas été certifiés à l’acquisition. L’exemple de Draft One, l’outil d’Axon utilisé par des services de police américains, le montre : selon l’EFF (décembre 2025), l’outil ne conserve pas l’ébauche originale, si bien qu’après coup personne ne distingue ce que le modèle a écrit de ce que l’agent a corrigé. Le contrôle porte sur le texte final ; la source reste hors de portée du relecteur.

Quelle est l’obligation de motivation des actes administratifs lorsque l’IA rédige le texte ?
+

L’obligation de motivation ne change pas parce qu’un modèle de langage rédige : l’article L211-2 du code des relations entre le public et l’administration impose de motiver les décisions individuelles défavorables, et l’article L311-3-1 ajoute une mention explicite lorsque la décision repose sur un traitement algorithmique, l’intéressé pouvant demander les règles de ce traitement (vie-publique.fr). Ce qui change, c’est la vigilance sur les faits : une motivation générée cite des photographies, des relevés ou des pièces déposées, et l’administration doit pouvoir montrer que ces faits sont établis, avec leur date et leur origine. Un texte fluide qui rapporte des faits invérifiables ne satisfait pas l’obligation ; il la masque.

Que prévoit l’article 14 de l’AI Act pour les administrations publiques ?
+

L’article 14 du règlement UE 2024/1689 (AI Act) impose que les systèmes d’IA à haut risque soient conçus pour un contrôle humain effectif : les personnes chargées de la supervision doivent pouvoir comprendre les capacités et les limites du système, interpréter correctement sa sortie, décider de ne pas l’utiliser, et intervenir ou interrompre son fonctionnement (synthèse de l’article 14). L’article 26 applique ces exigences aux déployeurs, y compris les autorités publiques, avec une supervision confiée à des personnes compétentes et la conservation des journaux. L’annexe III classe à haut risque plusieurs usages publics : accès aux services essentiels, répression, migration, justice. Interpréter une sortie qui résume des pièces suppose de pouvoir vérifier ces pièces.

Comment prouver d’où vient la donnée qu’un acte administratif résume ?
+

En certifiant chaque pièce au moment de son acquisition, avant que le modèle de langage ne la lise, et non en relisant mieux le texte généré. Avec TrueScreen, the Data Authenticity Platform, une photographie, un enregistrement, un relevé ou une capture d’écran reçoit un cachet électronique et un horodatage officiels à l’instant de l’acquisition, avec des métadonnées vérifiées (heure, position, appareil) et un rapport technique que l’administré, son conseil ou une juridiction peuvent recontrôler sans dépendre de l’administration. L’horodatage électronique qualifié bénéficie, selon l’article 41 du règlement eIDAS, d’une présomption d’exactitude de la date et d’intégrité des données. Un acte rédigé avec l’IA est contestable autant que sa source : la certification à l’origine comble ce vide.

Une photographie prise avec un téléphone de service a-t-elle une valeur probante dans un acte administratif ?
+

Une photographie a une valeur probante à la mesure de ce que l’on peut établir sur sa date, son lieu et son intégrité. Les métadonnées EXIF inscrites par le téléphone se modifient avec un logiciel ordinaire et disparaissent souvent lors d’un envoi par messagerie ; elles ne suffisent donc pas en cas de contestation. L’intégrité d’un fichier se démontre par une empreinte cryptographique : SHA-256, spécifié par le NIST dans la norme FIPS 180-4, produit une empreinte de 256 bits qui change dès qu’un seul bit est modifié. Une photographie dont l’empreinte a été calculée, horodatée et cachetée à l’acquisition peut fonder un procès-verbal ; une photographie transmise sans ces garanties ne fonde qu’un récit.

Quelle IA pour les collectivités territoriales, et à quelles conditions ?
+

Les collectivités territoriales peuvent utiliser des modèles de langage pour préparer des procès-verbaux, des rapports d’instruction ou des courriers, à condition de respecter le cadre applicable à toute administration : mention explicite du traitement algorithmique (article L311-3-1 du CRPA), supervision humaine effective (article 14 de l’AI Act), conservation des journaux (articles 12 et 26) et motivation sur des faits établis. Le Conseil d’État, dans son étude « Intelligence artificielle et action publique » (2022), lie l’usage de l’IA à la construction de la confiance (Conseil d’État). Pour une commune, la condition pratique décisive est la certification, à l’acquisition, des photographies et des pièces que le modèle résumera : c’est là que se joue la solidité de l’acte en cas de recours.

Qu’est-ce qu’une hallucination de l’IA dans un acte administratif, et comment la prévenir ?
+

Une hallucination est une affirmation produite par le modèle de langage sans appui dans les pièces qu’il a reçues : un nom, un horaire, un propos ou une qualification inventés. La relecture humaine peut la détecter en confrontant le texte aux pièces, ce qui suppose que celles-ci soient disponibles et fiables. Stefan Kaufmann relève dans netzpolitik.org (12 août 2026), à propos de Spark Workflow dans l’administration allemande, que le système produit des résultats différents pour un même dossier et qu’aucun seuil d’erreur n’a été défini. Prévenir les hallucinations passe par la relecture ; prévenir la contestation de l’acte passe par la certification de la source, car une hallucination corrigée sur une pièce douteuse laisse l’acte aussi fragile qu’avant.