Consult — UK Government's AI Tool for Analysing Public Consultation Responses
United Kingdom
Consult, built by the UK's i.AI unit with the Alan Turing Institute, uses generative AI to analyse tens of thousands …
France · Paris · See the France profile
LLaMandement est le modèle Llama 2 affiné par la DGFiP pour classer et résumer les amendements au budget annuel. Selon les responsables, il réduit le temps de traitement par amendement de 6-10 heures à 15 minutes ; des sénateurs ont exprimé des réserves sur la charge de travail et la souveraineté numérique.
Chaque automne, le Parlement français dépose des milliers d'amendements au projet de loi de finances annuel, que les agents de la Direction générale des Finances publiques (DGFiP) doivent lire, orienter vers la bonne équipe ministérielle d'experts et résumer à l'intention des négociateurs — un exercice surnommé « la nuit des amendements ».
Automatiser la classification/l'orientation et la rédaction de résumés neutres des amendements budgétaires parlementaires.
En 2023-24, l'équipe de data science de la DGFiP, en collaboration avec la DINUM et la DILA, a construit LLaMandement en adaptant le modèle open source Llama 2 de Meta par un réglage fin par adaptation de rang faible (LoRA), à partir de plus de 15 000 paires réelles amendement-résumé issues de SIGNALE, la plateforme interministérielle de gestion des amendements législatifs. La méthode a été publiée dans un article arXiv soumis à évaluation par les pairs (janvier 2024), et une version du modèle ainsi qu'une partie des données d'entraînement ont été mises en accès libre sur Hugging Face (« AgentPublic/LlaMAndement-7b »).
Des responsables de la DGFiP et du Sénat ont mentionné une baisse du temps de traitement par amendement, passant de 6 à 10 heures de travail manuel à environ 15 minutes. Les auteurs ont indiqué une qualité de synthèse « proche de celle de rédacteurs humains » sur cette tâche spécialisée, sans toutefois publier de chiffre de précision quantitatif exact par rapport à une référence humaine.
Lorsque le Sénat a envisagé d'adopter une version de l'outil pour sa propre session budgétaire 2024, le rapporteur général du budget Jean-François Husson a averti qu'il « n'allégerait pas significativement » la charge de travail réelle des sénateurs, le temps ainsi libéré étant probablement consacré à un examen plus approfondi des amendements ; d'autres sénateurs ont soulevé des préoccupations de souveraineté numérique quant à la construction d'une infrastructure législative sensible sur un modèle de fondation américain. À la date des informations citées, un déploiement dédié au Sénat n'avait pas été définitivement décidé, et l'usage de l'outil reste centré sur le processus interne propre à la DGFiP.
Implementation detail (cost, timeline, staffing, conditions for success) is not yet available for this practice.
Where this practice's information was retrieved from, and when.
United Kingdom
Consult, built by the UK's i.AI unit with the Alan Turing Institute, uses generative AI to analyse tens of thousands …
Finland
Finland's Ministry for Foreign Affairs launched OpenEval, an Azure-based AI tool built with CGI that lets civil servants and the …
New Zealand
New Zealand's Parliamentary Counsel Office ran a six-month, five-partner R&D programme fine-tuning an 8-billion-parameter model on 200 examples of NZ …
South Korea
South Korea's National Assembly deployed an on-premises generative-AI platform built by Samsung SDS — combining a custom LLM, retrieval-augmented generation …
Open full copilot Grounded in cited practices — always check the sources.