Toutes les actualités

Politique & réglementation

Les ontologies dans le secteur public — comment les modèles formels rendent la conformité vérifiable

Les administrations et les communes ont besoin d'une IA qui ne se contente pas de fonctionner mais reste traçable. Nous montrons comment les architectures fondées sur les ontologies tirent les exigences de conformité du RGPD et de l'EU AI Act directement dans la structure du système — et pourquoi c'est précisément cela qui fait la différence entre un pilote et la production.

23 avril 20268 min de lecturePar Leonardo Bornhäusser

Dans le secteur public, « ça marche en démo » est le critère de qualité le plus faible. Ce qui compte, c'est : vérifiable, documentable, avec une responsabilité claire. C'est exactement là que les architectures ontologiques déploient leur force — elles transforment des hypothèses implicites en contrats explicites qu'un auditeur peut lire.

Où les administrations se heurtent concrètement au mur

Nous voyons régulièrement trois schémas dans les mandats : premièrement, des termes communs manquent entre les procédures métier — le même « demandeur » n'est pas la même chose au service social et au service d'urbanisme. Deuxièmement, l'origine des données n'est pas saisie systématiquement — qui décide sur la base de quelle source ? Troisièmement, les pilotes s'enlisent parce que la documentation Annexe IV est censée n'être rattrapée qu'à la fin, et devient alors « trop chère ».

Ce qu'une ontologie change structurellement ici

Dès que le domaine central est modélisé formellement, des règles claires s'appliquent : quelles entités existent, quelles relations sont permises, quels rôles peuvent exécuter quelle opération. Ces contrats migrent dans la structure du système plutôt que dans des documents épars. Les exigences d'audit deviennent une conséquence de l'architecture, pas une pièce rapportée.

La conformité devient un sous-produit d'une modélisation propre. Une fois l'ontologie en place, la communication RGPD, la documentation Annexe IV et l'origine des données tombent presque automatiquement.

Trois leviers concrets — sans dévoiler l'IP

Premier levier : les rôles et permissions sont ancrés dans le modèle, pas dans la couche UI. Deuxième levier : les sources de données sont des entités nommées — nous savons à tout moment d'où vient une affirmation. Troisième levier : les décisions sont des objets versionnés avec des champs d'hypothèses et de résultats. Tout cela relève de décisions de conception méthodiques, pas de magie. La mise en œuvre concrète par mandat reste — sans surprise — confidentielle.

Pourquoi c'est le bon moment

Les obligations Annexe IV de l'EU AI Act se renforcent nettement en 2026/2027, tandis que les audits RGPD dans l'administration se systématisent en parallèle. Qui commence maintenant avec une petite ontologie de domaine propre aura fait ses devoirs dans deux ans. Qui fait encore du pilot-hopping devra les rattraper sous pression — plus cher et moins bien.

Nous travaillons avec des communes, des administrations régionales et de plus grandes entreprises sur exactement ces structures de base. Si c'est une question ouverte dans votre organisation, écrivez-nous — nous disons tôt si un mandat a du sens ou si une autre approche serait moins coûteuse pour vous.

OntologiePublic SectorEU AI ActComplianceGovernance