Une IA qui identifie les conséquences d’une nouvelle réglementation

Une administration modifie une condition d’accès à une autorisation. Le texte nouveau tient en quelques lignes. Un responsable demande à un assistant d’intelligence artificielle : « Quelles procédures et quels documents devons-nous mettre à jour ? » L’IA lit la nouvelle disposition et fournit immédiatement une liste de changements possibles.

La réponse paraît convaincante. Mais la disposition modifiée peut être utilisée par un formulaire, un guide destiné aux usagers, une règle intégrée à un portail et une instruction interne qui ne cite pas directement le texte initial. Certains objets seront réellement affectés ; d’autres ne le seront pas.

Identifier les conséquences d’une réglementation ne consiste donc pas simplement à résumer un nouveau texte. Il faut comprendre les relations entre les règles, les procédures et les services qui les appliquent.

Un responsable public souhaite savoir ce qui change, pour qui, à partir de quand et quels services doivent agir. Il veut distinguer les mises à jour nécessaires, les points à vérifier et les objets qui peuvent rester inchangés.

Un assistant utile peut dresser une première cartographie des conséquences, expliquer ses justifications et signaler les incertitudes. Il doit éviter de présenter une hypothèse comme une obligation juridique certaine.

La validation de l’interprétation et les décisions de mise en conformité restent du ressort des autorités et professionnels habilités.

Les règles sont réparties dans des lois, décrets, arrêtés, circulaires et instructions. Un nouveau texte peut modifier une disposition sans reproduire toutes les règles antérieures. Il peut également prévoir une date d’entrée en vigueur ou des dispositions transitoires.

L’ingénierie documentaire permet de retrouver les textes, de distinguer les versions, d’identifier les références croisées et de conserver la provenance des informations. Elle contribue à déterminer ce qui était applicable avant la modification et ce qui l’est après.

Sans cette organisation, l’IA peut exploiter un guide ancien ou ignorer une disposition transitoire, même lorsque sa réponse paraît bien rédigée.

Une condition réglementaire peut comporter des seuils, des catégories de bénéficiaires, des exceptions ou des modalités de contrôle. Pour apprécier l’effet d’un changement, il faut savoir comment ces éléments interviennent dans les procédures.

L’ingénierie des connaissances aide à décrire les critères, les conditions d’application et les décisions qui en dépendent. Ce travail est réalisé avec des juristes et des agents métier qui peuvent en vérifier le sens.

Il ne s’agit pas de transformer automatiquement chaque phrase en règle informatique. Certaines dispositions demandent une interprétation humaine ; cette limite doit être conservée dans le système.

Un formulaire peut demander une information utilisée par plusieurs procédures. Un portail peut appliquer un critère sans mentionner le numéro du texte réglementaire. Un guide peut expliquer une condition sous une formulation différente de celle du texte officiel.

L’ingénierie ontologique et sémantique aide à relier les objets : disposition, condition, procédure, formulaire, service numérique, responsable et contrôle. Ces relations peuvent être organisées dans un référentiel simple ou une structure plus élaborée selon les besoins.

Le véritable enjeu est de connaître les dépendances utiles. Une recherche de mots identiques ne suffit pas à découvrir toutes les relations indirectes.

Imaginons une réglementation fictive exigeant deux années d’ancienneté pour obtenir une autorisation. Une nouvelle disposition réduit ce seuil à une année.

Le guide de l’usager qui indique « deux années » doit être examiné. Une règle informatique qui refuse automatiquement les entreprises plus jeunes doit probablement être adaptée. En revanche, un formulaire demandant seulement la date de création de l’entreprise peut rester inchangé.

Une IA qui se contente de retrouver les documents contenant les mots « deux années » risque d’oublier la règle informatique ou de signaler inutilement le formulaire. Pour mieux distinguer les impacts, il faut connaître les liens entre objets et la manière dont chacun utilise la condition.

Cet exemple est entièrement inventé : il n’illustre aucune modification réglementaire réelle en Côte d’Ivoire.

Les juristes identifient la portée des textes et les points qui nécessitent une interprétation. Les agents métier expliquent le fonctionnement réel des procédures. Les documentalistes organisent les textes et leurs versions.

Les ingénieurs des connaissances formalisent les règles et les exceptions. Les spécialistes sémantiques structurent les relations entre dispositions, procédures et systèmes. Les équipes informatiques repèrent les mécanismes à adapter et les évaluateurs contrôlent les résultats.

Ces fonctions ne supposent pas autant de postes distincts. Elles montrent surtout qu’une analyse d’impact fiable exige une coopération entre des compétences complémentaires.

Un assistant peut fournir dix conséquences pertinentes et néanmoins en oublier une onzième. La fluidité de son raisonnement ne démontre pas qu’il a identifié toutes les dépendances.

Pour rechercher une couverture complète, il faut connaître le périmètre des procédures et services concernés, documenter leurs relations et prévoir des vérifications. Si certaines dépendances n’ont jamais été recensées, l’IA ne peut pas garantir leur identification à partir d’informations absentes.

Un système responsable doit donc distinguer les impacts établis, les impacts possibles et les zones non documentées. Dire « je ne peux pas confirmer que cette liste est exhaustive » peut être une réponse de qualité.

Une fois organisés, les textes, procédures et relations de dépendance peuvent servir à plusieurs activités : information des usagers, mise à jour des formulaires, suivi de conformité, préparation de formations et gestion des changements réglementaires.

Un patrimoine commun peut limiter certaines incohérences entre services, sous réserve d’une gouvernance claire, de droits adaptés et de mécanismes de maintenance.

Il ne suffit cependant pas de centraliser des documents. Les institutions compétentes doivent rester responsables des validations et des décisions officielles.

Un pays peut disposer de textes juridiques, d’agents expérimentés et de systèmes informatiques sans avoir formalisé toutes les relations entre les règles et les procédures qui les appliquent.

Construire des services d’IA capables d’aider à analyser les changements réglementaires suppose alors des compétences pour qualifier les sources, expliciter les règles, relier les objets et vérifier les conclusions.

Ces compétences sont complémentaires de celles des développeurs et des spécialistes des modèles. Elles permettent de transformer un patrimoine réglementaire en connaissances mieux exploitables, sans remplacer l’autorité des institutions.

Un modèle d’intelligence artificielle peut résumer une nouvelle réglementation et suggérer des effets possibles. Mais identifier de manière contrôlable les procédures et systèmes concernés exige des textes à jour, des règles explicites et des relations de dépendance suffisamment documentées.

Derrière cette application se trouvent donc aussi des juristes, des agents publics, des documentalistes et des ingénieurs des connaissances. Leur travail invisible rend possible une analyse mieux fondée, traçable et utile aux décideurs.

Cet article clôt la première galerie de 12 cas d’usage.