evidoria

← Voltar à navegação

Good practice

Albert API — Plataforma soberana de IA generativa da França para funcionários públicos

França · Paris · Ver o perfil de França

A Albert API da DINUM (Llama/Mistral, SecNumCloud) fornece IA generativa soberana aos funcionários públicos. Piloto France Services: 71% facilidade de uso; 10 000 agentes de 8 ministérios testaram desde out. 2025; generalização pausada aguardando avaliação de 2026.

71 %
Conselheiros que consideraram a ferramenta fácil de usar (piloto)
58 %
Conselheiros que recomendariam a ferramenta a colegas (piloto)
10,000
Funcionários públicos inscritos no teste alargado de oito meses (from October 2025)
43,000 Q&A sheets
Dimensão do corpus de treino
2.5 million
Base de utilizadores-alvo (funcionários públicos franceses)
Albert API — Plataforma soberana de IA generativa da França para funcionários públicos Albert API — Plataforma soberana de IA generativa da França para funcionários públicos

Detalhes

Promotor
Direction interministérielle du numérique (DINUM)
Período
2024–present
Palavras-chave
digital government, AI infrastructure, civil service, productivity

Contexto

O Albert é a plataforma de IA generativa soberana do Estado francês, lançada pela DINUM (Direction interministérielle du numérique) em abril de 2024 para utilização pelos funcionários públicos franceses em Paris e em toda a administração. Construído sobre bases de código aberto — os modelos Llama 3.1 da Meta e da Mistral AI —, o seu código-fonte é publicado no GitHub e no Hugging Face, e o seu endpoint de inferência funciona em infraestrutura francesa certificada SecNumCloud, para que os dados administrativos sensíveis nunca saiam da jurisdição francesa.

Objetivos

O Albert tem como objetivo dar aos cerca de 2,5 milhões de funcionários públicos franceses uma ferramenta de IA generativa soberana para tarefas administrativas, mantendo os dados sensíveis dentro da jurisdição francesa através de alojamento certificado SecNumCloud e modelos de código aberto.

Atividades

A DINUM treinou o Albert com um corpus de 43.000 fichas de perguntas e respostas do service-public.fr, testou-o em piloto com conselheiros e, em seguida, alargou os testes a 10.000 agentes de oito ministérios num teste de oito meses iniciado em outubro de 2025, visando aplicações como a administração fiscal (uma estimativa de 16 milhões de pedidos anuais de cidadãos) e a análise de processos ambientais (cerca de 4.000 processos por ano).

Resultados

No piloto inicial, 71% dos conselheiros consideraram a ferramenta fácil de usar e 58% afirmaram que a recomendariam a colegas. Durante o teste alargado de oito meses com 10.000 agentes de oito ministérios, surgiram falhas técnicas significativas e respostas erróneas.

Conclusões

Na sequência dos problemas técnicos identificados no teste alargado, a DINUM suspendeu a generalização total do Albert na sua forma atual; uma avaliação abrangente é esperada no verão de 2026, antes de qualquer decisão sobre uma implementação mais ampla.

Implementação
Custo indicativo
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.
Tempo até resultados
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.
Equipa e competências
DINUM (Direction interministerielle du numerique) — lead public agency, Mistral AI — model co-development / technical partner

Condições de sucesso

  • 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

Modos de falha comuns

  • 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.

Onde se enquadra

Tipo de governação
centralized interministerial digital agency (DINUM) under national government
Escala
national, targeting ~2.5 million civil servants; currently paused after a 10,000-agent expanded test
Nível de rendimento
high-income (France)

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis