Le groupe de travail sur l'IA du New Jersey a utilisé le système d'agents Policy Synth, combinant recherche automatisée et contributions de plus de 2200 travailleurs et une enquête auprès de 5000 agents publics, générant 2552 propositions réduites à 4 recommandations.
1,451
Propositions de politiques générées par l'IA (8-week process, by April 2025)
20
Domaines thématiques couverts par les propositions générées par l'IA
2,200+
Travailleurs du secteur privé mobilisés via All Our Ideas (3 weeks)
1,101
Propositions issues des travailleurs
15
Domaines thématiques couverts par les propositions issues des travailleurs
5,000
Agents publics interrogés
73 %
Agents publics souhaitant en savoir plus sur l'IA
2,552
Propositions combinées (IA et travailleurs)
40
Propositions présélectionnées
4
Recommandations finales remises aux dirigeants de l'État
3,000+
Descriptions de postes de l'État examinées pour des exigences de diplôme
250,000 USD
Subvention de la GitLab Foundation (janvier 2025)
500,000 USD
Subvention de la GitLab Foundation (2026, pour l'extension)
Détails
Maturité
Pilote
Promoteur
New Jersey Artificial Intelligence Task Force (Office of the Chief AI Strategist) with Northeastern University's Burnes Center for Social Change and Citizens Foundation
Période
2023-2026
Mots-clés
AI policy, labour market, public-sector workforce, government innovation
Contexte
À la suite du décret exécutif d'octobre 2023 du gouverneur Phil Murphy créant un groupe de travail sur l'IA, le Bureau du stratège en chef de l'IA du New Jersey a collaboré avec le Burnes Center for Social Change de la Northeastern University et l'organisation islandaise à but non lucratif Citizens Foundation pour appliquer Policy Synth — un cadre open source qui orchestre des équipes d'agents d'IA autour de problèmes publics — à la manière dont l'IA transforme la main-d'œuvre de l'État.
Objectifs
Générer et hiérarchiser des propositions de politiques sur l'effet de l'IA sur la main-d'œuvre du New Jersey, en combinant une recherche pilotée par des agents d'IA avec la mobilisation des citoyens et des agents publics.
Activités
Au cours d'un processus de huit semaines achevé en avril 2025, les agents de Policy Synth ont mené une recherche automatisée dans la littérature académique et des sources grises, générant 1 451 propositions de politiques couvrant 20 domaines thématiques. Un exercice de participation publique distinct, « All Our Ideas », a recueilli les contributions de plus de 2 200 travailleurs du secteur privé sur trois semaines, et une enquête a touché 5 000 agents publics (73 % ont déclaré vouloir en savoir plus sur l'IA), générant 1 101 propositions supplémentaires issues des travailleurs, réparties sur 15 domaines thématiques. Des experts humains ont examiné le contenu généré par l'IA à chaque étape, ramenant les 2 552 propositions combinées à 40 options présélectionnées, puis à 4 recommandations remises aux dirigeants de l'État.
Résultats
Deux actions concrètes ont suivi : une formation gratuite et autonome à l'IA générative pour tous les agents publics du New Jersey (conçue avec InnovateUS) et un outil de suivi du marché du travail par IA commandé à cet effet. Une application connexe, lancée grâce à une subvention supplémentaire de 250 000 dollars de la GitLab Foundation à partir de janvier 2025, a utilisé Policy Synth pour examiner plus de 3 000 descriptions de postes de l'État du New Jersey afin d'y repérer des exigences de diplôme superflues ; une seconde subvention de 500 000 dollars de la GitLab Foundation, accordée en 2026, finance une extension à trois à cinq États supplémentaires.
Conclusions
Aucun résultat avant/après mesuré de manière indépendante (par exemple, un changement réel dans l'embauche de travailleurs sans diplôme) n'avait encore été publié pour l'un ou l'autre volet.
Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€)
Délai jusqu’aux résultats
Moyen (1–3 ans)
Personnel et compétences
Office of the Chief AI Strategist (Beth Simone Noveck), Northeastern University's Burnes Center for Social Change, Citizens Foundation (Policy Synth), Human subject-matter experts reviewing AI-generated proposals at each stage
Conditions de réussite
Open-source Policy Synth framework for AI-agent-orchestrated research
Human expert review gating AI output at each narrowing stage
External philanthropic funding (GitLab Foundation) for follow-on applications
Modes d’échec courants
No independently measured before/after outcome published for either the training program or the job-description review strand
Habituellement financé par
National / regional programmesPhilanthropic / foundation funding
Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.
Vous portez cette pratique ?
Revendiquez-la —
les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.
Sources de données
D'où proviennent les informations de cette pratique, et quand.