Les professions réglementées n’ont pas besoin d’une IA spectaculaire, mais d’une IA responsable

Introduction

Les débats sur l’IA dans les professions réglementées oscillent souvent entre deux excès. D’un côté, le discours de la substitution : les machines remplaceraient bientôt les avocats, les juristes, les experts-comptables, les médecins, les notaires ou les agents publics. De l’autre, le discours du refus : l’IA serait trop risquée, trop opaque, trop éloignée des valeurs professionnelles pour être intégrée sérieusement. Ces deux positions passent à côté de l’essentiel.

Les professions réglementées ne sont pas définies uniquement par les tâches qu’elles accomplissent. Elles sont définies par les responsabilités qu’elles assument. Un avocat ne rédige pas seulement un document, il conseille, défend, arbitre, engage sa responsabilité et protège le secret de son client. Un médecin ne lit pas seulement un résultat, il prend en charge une personne. Un expert-comptable ne produit pas seulement des chiffres, il garantit une information fiable. Un agent public ne traite pas seulement une demande, il participe à une mission d’intérêt général.

L’IA peut transformer les tâches. Elle ne doit pas dissoudre les responsabilités. C’est à partir de cette distinction qu’il faut bâtir une doctrine française de l’adoption technologique par les professions réglementées.

1. La transformation du travail : de la production à la validation

L’IA générative modifie déjà la mécanique du travail intellectuel. Historiquement, les professionnels du droit et plus largement les professions de conseil consacraient une part importante de leur temps à analyser, produire puis restituer. Ils collectaient l’information, la qualifiaient, rédigeaient un livrable, puis le transmettaient au client, au juge, à l’administration ou à l’organisation.

Avec l’IA, une partie de l’analyse préparatoire et de la production initiale peut être accélérée. L’outil peut proposer une synthèse, repérer des incohérences, extraire des données, formuler un plan, générer un projet de clause ou produire un compte rendu. Le cœur du métier se déplace alors vers la vérification, la validation et la restitution. Ce déplacement ne diminue pas nécessairement la valeur du professionnel. Il la rend plus visible : savoir ce qui est faux, incomplet, mal qualifié, dangereux ou inadapté devient central.

Cette évolution est déjà perceptible dans les directions juridiques et les fonctions compliance. Les juristes utilisent l’IA pour gagner du temps sur des tâches basiques, mais doivent contrôler les résultats, documenter les arbitrages, vérifier les biais, conserver les traces et expliquer les décisions. Le professionnel devient à la fois utilisateur, contrôleur, formateur et parfois entraîneur d’IA.

2. L’IA responsable commence par la responsabilité humaine

La première règle est simple : le professionnel ne peut pas se cacher derrière l’IA. Un livrable produit avec l’aide d’un modèle reste un livrable professionnel. Une citation inventée dans une conclusion, une clause erronée dans un contrat, une mauvaise qualification de risque, une décision discriminatoire ou une violation de confidentialité ne deviennent pas acceptables parce qu’un outil les a générées.

Les sanctions visant des avocats ayant déposé des écritures contenant des hallucinations rappellent cette évidence. Les outils juridiques spécialisés peuvent halluciner moins que les modèles généralistes, mais ils n’abolissent pas le devoir de vérification. Dans les professions réglementées, le standard ne peut pas être : l’outil est généralement fiable. Il doit être : le professionnel a contrôlé ce qui engage sa responsabilité.

L’IA responsable repose donc d’abord sur une discipline humaine. Il faut vérifier les sources, tester les raisonnements, documenter les prompts utiles lorsque cela est nécessaire, conserver la trace des validations, organiser les rôles et former les équipes. La responsabilité ne disparaît pas. Elle se déplace vers la conception du processus de contrôle.

3. Les risques spécifiques aux professions réglementées

Les risques liés à l’IA ne sont pas homogènes. Ils dépendent du métier, des données traitées, des personnes concernées et de l’effet produit. Dans les professions réglementées, plusieurs risques doivent être distingués.

• Le risque de confidentialité : introduction de données sensibles ou couvertes par le secret dans un outil insuffisamment maîtrisé.
• Le risque d’hallucination : production de références, d’analyses ou de faits inexistants, mais présentés avec assurance.
• Le risque de délégation excessive : acceptation d’une sortie de modèle sans compréhension ni contrôle.
• Le risque de biais : reproduction ou amplification de discriminations dans l’analyse, la priorisation ou la décision.
• Le risque de traçabilité : incapacité à expliquer comment une conclusion a été obtenue.
• Le risque de dépendance : perte de compétences, verrouillage fournisseur, impossibilité de changer d’outil.
• Le risque de déshumanisation : substitution d’une interaction automatisée à une relation professionnelle qui suppose écoute, nuance et confiance.

Ces risques ne justifient pas l’inaction. Ils justifient la méthode. L’absence d’usage n’est pas une stratégie durable, car les clients, les usagers, les concurrents et les collaborateurs intégreront progressivement ces outils. Mais l’usage non encadré est tout aussi dangereux.

4. La formation devient un devoir professionnel

L’un des enjeux les plus sous-estimés est la formation. Utiliser l’IA ne se résume pas à savoir rédiger un prompt. Il faut comprendre les limites des modèles, les risques de persuasion, les hallucinations, la tokenisation, la confidentialité, les biais, les chaînes de validation, les différences entre modèles, les enjeux contractuels et la manière d’évaluer une réponse.

Les jeunes professionnels ont souvent une aisance numérique supérieure, mais cette aisance ne suffit pas. Les plus expérimentés disposent d’un jugement métier indispensable, mais peuvent être moins familiers des outils. L’IA peut donc créer un nouveau lien intergénérationnel si elle est pensée comme un espace d’apprentissage réciproque. Les juniors aident à l’appropriation technique. Les seniors transmettent la méthode, la prudence, le raisonnement et le rapport au client.

Il faut aussi veiller à ne pas détruire les mécanismes de formation professionnelle. Si les organisations suppriment trop rapidement les tâches d’entrée de carrière, elles risquent de priver les jeunes de l’apprentissage par la pratique. Un juriste apprend en rédigeant, en relisant, en se trompant, en étant corrigé. Une IA qui automatise les tâches de base sans repenser la formation peut fragiliser la génération suivante de professionnels.

5. Une doctrine en six principes

Une doctrine française de l’IA dans les professions réglementées pourrait reposer sur six principes simples.

• Principe de finalité : l’IA doit répondre à un besoin professionnel identifié, et non être déployée parce qu’elle est disponible.
• Principe de proportionnalité : plus les données et les conséquences sont sensibles, plus les garanties doivent être fortes.
• Principe de responsabilité : tout usage engage un professionnel ou une organisation clairement identifié.
• Principe de traçabilité : les usages significatifs doivent pouvoir être documentés, auditables et explicables.
• Principe de souveraineté utile : les choix de fournisseurs doivent tenir compte de la protection des données, de la réversibilité, du support et de la dépendance stratégique.
• Principe de formation continue : les compétences IA doivent être intégrées aux obligations professionnelles, à la formation initiale et aux plans de développement.

Ces principes ne visent pas à ralentir l’innovation. Ils visent à la rendre compatible avec les obligations qui fondent la confiance dans les professions réglementées.

6. L’enjeu démocratique et institutionnel

L’IA dans les professions réglementées n’est pas seulement un sujet de productivité. Elle touche à l’accès au droit, à la qualité des soins, à la confiance dans les institutions, à la protection des consommateurs, à la sécurité économique et à l’égalité de traitement. Les débats sur les deepfakes, le droit d’auteur, les contenus utilisés pour entraîner les modèles, le filtrage algorithmique des contenus politiques ou les propositions de scan des communications chiffrées montrent que la technique déborde très vite sur des enjeux démocratiques.

Les professions réglementées ont donc un rôle particulier à jouer. Elles peuvent devenir des contre-pouvoirs, des médiateurs et des concepteurs de standards. Les avocats peuvent contribuer à définir les droits et recours liés à l’IA. Les juristes peuvent transformer la conformité en avantage concurrentiel. Les notaires, commissaires de justice, experts-comptables, médecins et agents publics peuvent participer à l’élaboration d’usages qui protègent les personnes autant qu’ils améliorent les processus.

La France a ici une opportunité : défendre une approche de l’IA professionnelle qui ne soit ni technophobe, ni naïve. Une approche qui assume l’innovation, mais refuse de traiter les données, les responsabilités et les personnes comme de simples variables d’optimisation.

Conclusion

Les professions réglementées n’ont pas besoin d’une IA spectaculaire. Elles ont besoin d’une IA fiable, explicable, gouvernée et compatible avec leurs obligations. L’enjeu n’est pas de savoir si l’IA fera bientôt le travail des professionnels. L’enjeu est de savoir comment les professionnels feront mieux leur travail avec l’IA, sans renoncer à ce qui justifie leur rôle.

L’adoption responsable ne sera pas moins ambitieuse que l’adoption rapide. Elle sera simplement plus durable. Dans les marchés de confiance, l’innovation ne gagne pas lorsqu’elle impressionne. Elle gagne lorsqu’elle peut être assumée.