evidoria

← Retour à la liste

Good practice

Albert API — La plateforme d'IA générative souveraine de la France pour les agents publics

France · Paris · Voir le profil de France

L'Albert API de la DINUM (Llama/Mistral, SecNumCloud) fournit une IA générative souveraine aux agents publics. Pilote France Services : 71 % de facilité ; 10 000 agents de 8 ministères testent depuis oct. 2025 ; généralisation suspendue, bilan prévu en 2026.

71 %
Conseillers ayant jugé l'outil facile à utiliser (pilote)
58 %
Conseillers qui recommanderaient l'outil à des collègues (pilote)
10,000
Agents publics inscrits au test élargi de huit mois (from October 2025)
43,000 Q&A sheets
Taille du corpus d'entraînement
2.5 million
Base d'utilisateurs cible (agents publics français)
Albert API — La plateforme d'IA générative souveraine de la France pour les agents publics Albert API — La plateforme d'IA générative souveraine de la France pour les agents publics

Détails

Promoteur
Direction interministérielle du numérique (DINUM)
Période
2024–present
Mots-clés
digital government, AI infrastructure, civil service, productivity

Contexte

Albert est la plateforme d'IA générative souveraine de l'État français, lancée par la DINUM (Direction interministérielle du numérique) en avril 2024 à destination des agents publics français à Paris et dans toute l'administration. Construit sur des bases open source — les modèles Llama 3.1 de Meta et de Mistral AI —, son code source est publié sur GitHub et Hugging Face, et son point d'inférence fonctionne sur une infrastructure française certifiée SecNumCloud, afin que les données administratives sensibles ne quittent jamais le territoire juridique français.

Objectifs

Albert vise à doter les quelque 2,5 millions d'agents publics français d'un outil d'IA générative souveraine pour les tâches administratives, en conservant les données sensibles au sein de la juridiction française grâce à un hébergement certifié SecNumCloud et à des modèles open source.

Activités

La DINUM a entraîné Albert sur un corpus de 43 000 fiches de questions-réponses issues de service-public.fr, l'a testé en pilote auprès de conseillers, puis a élargi les tests à 10 000 agents de huit ministères dans le cadre d'un test de huit mois débutant en octobre 2025, ciblant des applications telles que l'administration fiscale (environ 16 millions de demandes de citoyens par an) et l'instruction de dossiers environnementaux (environ 4 000 dossiers par an).

Résultats

Lors du pilote initial, 71 % des conseillers ont jugé l'outil facile à utiliser et 58 % ont déclaré qu'ils le recommanderaient à des collègues. Pendant le test élargi de huit mois avec 10 000 agents de huit ministères, des dysfonctionnements techniques importants et des réponses erronées sont apparus.

Conclusions

À la suite des problèmes techniques identifiés lors des tests élargis, la DINUM a suspendu la généralisation complète d'Albert sous sa forme actuelle ; une évaluation approfondie est attendue à l'été 2026 avant toute décision de déploiement plus large.

Mise en œuvre
Coût indicatif
High (€500k–€5M) — No public budget figure is disclosed; classified as high cost given sovereign SecNumCloud-certified infrastructure, custom LLM training/hosting, and a target user base of 2.5 million civil servants.
Délai jusqu’aux résultats
Medium (1–3 years) — Launched April 2024, with an expanded eight-month test running from October 2025 into 2026 and a comprehensive assessment expected summer 2026; classified as medium given roughly two years of development and testing without yet reaching a stable, fully scaled state.
Personnel et compétences
DINUM (Direction interministerielle du numerique) — lead public agency, Mistral AI — model co-development / technical partner

Conditions de réussite

  • Open-source model foundations (Llama 3.1, Mistral) allowing code transparency on GitHub/Hugging Face
  • SecNumCloud-certified sovereign hosting to satisfy data-jurisdiction requirements
  • Domain-specific training corpus (43,000 Q&A sheets from service-public.fr)
  • Phased rollout from small pilot to a supervised 10,000-agent, eight-ministry test before any full generalization

Modes d’échec courants

  • Significant technical malfunctions and erroneous responses emerged during the expanded eight-month, 10,000-agent test, prompting DINUM to pause full generalization of the tool in its current form pending a comprehensive assessment expected summer 2026.

Où cela s’applique

Type de gouvernance
centralized interministerial digital agency (DINUM) under national government
Échelle
national, targeting ~2.5 million civil servants; currently paused after a 10,000-agent expanded test
Niveau de revenu
high-income (France)

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles