RESUME

Les mutations numériques transforment foncièrement les modes de gouvernance des organisations publiques en faisant émerger de nouveaux instruments d’anticipation, de prévention et de gestion des risques. Alors que le contrôle administratif traditionnel reposait principalement sur une logique corrective destinée à assurer la conformité des actes administratifs après leur réalisation, les progrès du Big Data, de l’intelligence artificielle et de l’analyse prédictive favorisent désormais le développement d’une gouvernance proactive fondée sur l’exploitation stratégique des données. Cette évolution répond à la complexification des risques contemporains auxquels sont confrontées les administrations publiques, notamment les cybermenaces, les crises sanitaires, les changements climatiques, les atteintes aux données publiques et les risques systémiques.

La présente étude analyse la transition progressive du modèle classique de contrôle administratif vers une gouvernance publique fondée sur les données. Elle met en évidence les insuffisances structurelles des mécanismes traditionnels de contrôle face aux risques émergents avant d’examiner les apports de l’analyse prédictive dans la prévention des risques et l’amélioration de la prise de décision publique. L’étude souligne également que cette transformation soulève d’importants défis juridiques, éthiques et organisationnels relatifs à la protection des données personnelles, à la transparence algorithmique, à la responsabilité administrative ainsi qu’au respect des principes fondamentaux de l’État de droit.

À partir d’une démarche qualitative fondée sur une analyse doctrinale, normative et institutionnelle, cette recherche démontre que la gouvernance fondée sur les données constitue un changement de paradigme susceptible d’améliorer significativement la résilience des organisations publiques. Toutefois, son efficacité demeure conditionnée par la mise en place d’un cadre juridique adapté, d’une gouvernance responsable des données et d’un contrôle humain garantissant une utilisation éthique, transparente et sécurisée des technologies prédictives.

Mots-clés : Gestion des risques ; Gouvernance publique ; Gouvernance fondée sur les données ; Analyse prédictive ; Big Data ; Intelligence artificielle ; Contrôle administratif ; Transformation numérique ; Gouvernance algorithmique ; Organisations publiques.

ABSTRACT

Digital transformation is profoundly reshaping public sector governance by introducing new mechanisms for risk anticipation, prevention and management. While traditional administrative control has historically relied on corrective procedures aimed at ensuring the legality and regularity of public action after decisions have been implemented, advances in Big Data, artificial intelligence and predictive analytics are fostering the emergence of a proactive governance model driven by the strategic use of data. This transformation reflects the growing complexity of contemporary public risks, including cyber threats, health crises, climate-related events, data breaches and other systemic challenges.

This article examines the transition from conventional administrative control to data-driven public governance. It highlights the structural limitations of traditional control mechanisms in addressing emerging public-sector risks and analyses the contribution of predictive analytics to risk prevention, strategic decision-making and institutional resilience. The study further explores the legal, ethical and organizational challenges associated with algorithmic governance, particularly regarding data protection, algorithmic transparency, public accountability and the safeguarding of the rule of law.

Using a qualitative methodology based on doctrinal, legal and institutional analysis, this research argues that data-driven governance represents a genuine paradigm shift capable of strengthening the resilience and effectiveness of public organizations. However, its success depends on the establishment of an appropriate legal framework, responsible data governance practices and meaningful human oversight to ensure the ethical, transparent and secure use of predictive technologies in public administration.

Keywords : Risk Management; Public Governance; Data-Driven Governance; Predictive Analytics; Big Data; Artificial Intelligence; Administrative Control; Digital Transformation; Algorithmic Governance; Public Organizations.

INTRODUCTION

Les organisations publiques évoluent aujourd’hui dans un environnement caractérisé par une intensification et une diversification sans précédent des risques susceptibles d’affecter leur fonctionnement. Longtemps circonscrits aux risques administratifs, budgétaires, juridiques ou comptables, les défis auxquels sont confrontées les administrations publiques englobent désormais les cybermenaces, les crises sanitaires, les catastrophes naturelles, les changements climatiques, les risques géopolitiques, les défaillances des infrastructures numériques, les atteintes aux données personnelles ainsi que les risques liés à l’utilisation de l’intelligence artificielle. Cette évolution traduit une transformation accrue des conditions d’exercice de l’action publique et remet en question les mécanismes traditionnels de contrôle qui ont historiquement constitué le principal instrument de sécurisation des organisations publiques[1].

Pendant plusieurs décennies, le fonctionnement des administrations publiques s’est essentiellement appuyé sur une logique de contrôle a posteriori. Les inspections générales, les contrôles financiers, les audits internes, les juridictions financières ou encore les mécanismes disciplinaires intervenaient principalement après la réalisation d’un risque ou la constatation d’une irrégularité. Héritée des principes classiques de l’administration bureaucratique, cette approche poursuivait principalement un objectif de conformité aux règles juridiques, budgétaires et comptables. Si elle a largement contribué à la consolidation de l’État de droit administratif, elle apparaît aujourd’hui insuffisante face à la rapidité, à l’interconnexion et à la complexité des risques contemporains[2]. En effet, la révolution numérique modifie foncièrement les modalités de gouvernance des institutions publiques. L’accroissement exponentiel des volumes de données produits quotidiennement par les administrations, conjugué aux progrès réalisés dans les domaines du Big Data, de l’intelligence artificielle, de l’apprentissage automatique (Machine Learning), de l’analyse prédictive et des systèmes décisionnels intelligents, ouvre désormais la possibilité d’anticiper certains événements avant même leur survenance. Les administrations ne se limitent plus à constater les risques ; elles développent progressivement des capacités permettant de les prévoir, de les modéliser et d’agir en amont afin d’en réduire les conséquences. Cette évolution marque le passage d’une gouvernance essentiellement corrective à une gouvernance prédictive fondée sur l’exploitation stratégique des données[3].

Cette mutation s’inscrit dans un mouvement international plus large de modernisation des administrations publiques. Depuis plusieurs années, la gouvernance numérique occupe une place centrale dans les politiques publiques des États les plus avancés. Les données publiques sont désormais considérées comme une ressource stratégique au même titre que les ressources humaines, financières ou matérielles. Leur exploitation intelligente favorise non seulement l’amélioration de la qualité des services publics, mais également une prise de décision plus rapide, plus objective et davantage orientée vers la prévention des risques. L’Organisation de coopération et de développement économiques (OCDE) souligne ainsi que les gouvernements doivent désormais placer la donnée au cœur de leur stratégie de transformation numérique afin d’améliorer la qualité des politiques publiques, de renforcer l’efficacité administrative et de développer des administrations davantage tournées vers l’anticipation[4].

Cette approche est également relayée par les Nations Unies, qui considèrent que le gouvernement numérique est un levier clé pour renforcer la résilience des institutions publiques et accélérer la réalisation des objectifs de développement durable. L’édition 2024 de l’United Nations E-Government Survey met en exergue l’importance d’une gouvernance numérique reposant sur des politiques fondées sur les données, l’interopérabilité des systèmes d’information, l’utilisation responsable de l’intelligence artificielle et le développement de services publics proactifs[5]. Dans la même perspective, la Banque mondiale considère que la transformation numérique constitue désormais un facteur déterminant de performance des administrations contemporaines, notamment dans la gestion des risques, la transparence administrative et l’amélioration de la qualité des services rendus aux citoyens.

La doctrine scientifique accompagne cette évolution en mettant progressivement en évidence les limites des modèles traditionnels de contrôle administratif. Les recherches initialement centrées sur le New Public Management se sont progressivement orientées vers les problématiques de gouvernance numérique, de gestion intégrée des risques, de décision publique fondée sur les preuves (Evidence-Based Policy Making) ainsi que vers l’utilisation de l’intelligence artificielle dans le secteur public. Plusieurs auteurs démontrent que la capacité d’une administration à exploiter efficacement les données constitue désormais un facteur essentiel de performance institutionnelle et de résilience organisationnelle[6]. Toutefois, cette évolution technologique ne saurait être appréhendée sous un angle exclusivement favorable. Si les technologies prédictives offrent des perspectives importantes en matière d’anticipation des risques, elles soulèvent simultanément des interrogations majeures concernant la protection des données personnelles, la transparence des algorithmes, les risques de discrimination algorithmique, la responsabilité des décideurs publics, la cybersécurité ainsi que le respect des principes fondamentaux de l’État de droit. L’automatisation croissante des processus décisionnels impose ainsi une réflexion renouvelée sur l’encadrement juridique et éthique de la gouvernance algorithmique.

En outre, l’efficacité d’une gouvernance fondée sur les données demeure étroitement conditionnée par la qualité des informations exploitées. Des données incomplètes, obsolètes, biaisées ou insuffisamment sécurisées peuvent produire des analyses erronées et conduire à des décisions administratives inadaptées. La réussite de la gestion prédictive suppose dès lors la mise en place d’une véritable gouvernance de la donnée, reposant sur des mécanismes de collecte fiables, des standards d’interopérabilité, une culture organisationnelle orientée vers l’exploitation stratégique de l’information ainsi que des dispositifs robustes de sécurité numérique[7]. Ces enjeux apparaissent avec une acuité particulière dans les administrations africaines. Si de nombreux États ont engagé d’importantes réformes numériques destinées à améliorer la qualité des services publics, renforcer la transparence administrative et favoriser la modernisation de l’action publique, ces initiatives demeurent confrontées à plusieurs difficultés structurelles, notamment l’insuffisance des infrastructures numériques, la fragmentation des systèmes d’information, le déficit de compétences spécialisées, les contraintes budgétaires ainsi que les disparités territoriales d’accès aux technologies numériques. La transition vers une gouvernance publique fondée sur les données constitue ainsi autant une opportunité stratégique qu’un défi institutionnel majeur.

L’intérêt scientifique de la présente étude réside précisément dans l’analyse de cette transformation des mécanismes contemporains de gouvernance publique. Alors que la littérature demeure encore largement consacrée aux instruments classiques du contrôle administratif ou aux dimensions techniques de la transformation numérique, relativement peu de travaux analysent les interactions existant entre la gestion prédictive des risques, la gouvernance fondée sur les données et les exigences juridiques qui encadrent l’action publique. Il apparaît ainsi nécessaire d’examiner dans quelle mesure l’exploitation stratégique des données est susceptible de renouveler les fondements du contrôle administratif sans compromettre les principes de légalité, de transparence et de responsabilité qui caractérisent les administrations démocratiques.

La présente recherche poursuit ainsi un double objectif. D’une part, elle entend mettre en évidence les insuffisances du contrôle administratif traditionnel face aux risques émergents qui affectent les organisations publiques contemporaines. D’autre part, elle vise à démontrer que la gouvernance fondée sur les données constitue un nouveau paradigme permettant de renforcer les capacités d’anticipation, de prévention et de résilience des administrations publiques, sous réserve d’un encadrement juridique, éthique et organisationnel approprié.

La problématique peut dès lors être formulée de la manière suivante : Dans quelle mesure la gouvernance publique fondée sur les données permet-elle de dépasser les limites du contrôle administratif traditionnel afin d’assurer une gestion prédictive efficace des risques tout en garantissant le respect des principes fondamentaux de l’État de droit ?

L’hypothèse retenue est que la gestion prédictive des risques constitue une évolution majeure de la gouvernance publique contemporaine. En substituant progressivement une logique d’anticipation à la logique classique de correction, l’exploitation stratégique des données et des technologies prédictives améliore significativement la capacité des organisations publiques à prévenir les crises et à optimiser leurs décisions. Toutefois, cette évolution ne peut produire pleinement ses effets qu’à la condition d’être accompagnée d’un cadre juridique garantissant la qualité des données, la transparence algorithmique, la protection des droits fondamentaux et la responsabilité des acteurs publics.

Afin de vérifier cette hypothèse, la présente étude adopte une méthodologie qualitative fondée sur une analyse doctrinale, juridique et institutionnelle. Elle mobilise les travaux relatifs à la gouvernance publique, à la gestion des risques, au management public, au Big Data, à l’intelligence artificielle ainsi que les rapports des principales organisations internationales consacrés à la transformation numérique des administrations publiques.

L’étude sera développée en deux temps. Dans un premier mouvement, seront examinées les limites du contrôle traditionnel face aux nouveaux risques des organisations publiques ainsi que l’émergence progressive d’une approche globale de gestion des risques. Dans un second mouvement, il conviendra d’analyser la gouvernance publique fondée sur les données comme nouveau paradigme de gestion prédictive avant d’en apprécier les principaux apports ainsi que les défis juridiques, éthiques et organisationnels qu’elle soulève. 

I. LES LIMITES DU CONTROLE TRADITIONNEL FACE AUX NOUVEAUX RISQUES DES ORGANISATIONS PUBLIQUES

L’évolution des organisations publiques au cours des dernières décennies a transformé la nature des risques auxquels elles sont confrontées. Les administrations ne sont plus uniquement exposées aux irrégularités administratives, comptables ou financières qui caractérisaient traditionnellement leur environnement institutionnel. Elles doivent désormais faire face à des risques multidimensionnels, évolutifs et interdépendants, tels que les cyberattaques, les crises sanitaires, les catastrophes naturelles, les défaillances des systèmes d’information, les risques climatiques, les atteintes aux données publiques ou encore les menaces liées à l’utilisation croissante de l’intelligence artificielle[8]. Cette diversification des facteurs de vulnérabilité remet en cause l’efficacité des mécanismes classiques de contrôle administratif, conçus dans un contexte où les risques étaient davantage identifiables, localisés et relativement prévisibles.

Dans ce contexte, le modèle traditionnel de contrôle, fondé essentiellement sur la vérification de la conformité et la correction des irrégularités après leur survenance, montre progressivement ses limites. L’évolution de l’environnement administratif impose désormais aux organisations publiques de développer une approche davantage tournée vers l’anticipation, la prévention et la maîtrise des risques avant leur réalisation. Ainsi, afin de comprendre les fondements de cette transformation, il convient d’analyser, d’une part, les insuffisances structurelles du contrôle administratif classique (A) avant d’examiner, d’autre part, l’émergence d’une approche globale de la gestion des risques comme nouveau référentiel de gouvernance publique (B).

A. Les insuffisances structurelles du contrôle administratif classique

Le contrôle administratif classique est depuis longtemps l’un des principaux instruments de garantie de la légalité de l’action publique. Héritier du modèle bureaucratique théorisé par Max Weber, il repose sur une hiérarchie clairement définie, une spécialisation des compétences, une formalisation des procédures ainsi qu’une stricte soumission des agents publics aux règles juridiques applicables[9]. Cette conception du contrôle poursuit principalement un objectif de conformité. Il s’agit de vérifier que les décisions administratives, les dépenses publiques et les actes accomplis par les gestionnaires respectent les prescriptions légales, réglementaires et budgétaires en vigueur.

Pendant plusieurs décennies, cette approche a largement contribué à la consolidation de l’État de droit et à la sécurisation des finances publiques. Les inspections générales, les organes de contrôle interne, les audits administratifs ainsi que les juridictions financières ont permis de renforcer la transparence administrative et d’améliorer la responsabilité des gestionnaires publics[10]. Toutefois, ces mécanismes ont été conçus dans un environnement relativement stable où les principaux risques étaient essentiellement liés aux irrégularités juridiques, comptables ou financières.

L’évolution contemporaine de l’action publique révèle cependant plusieurs insuffisances structurelles de ce modèle. La première réside dans son caractère essentiellement réactif. En effet, le contrôle intervient généralement après la réalisation d’un événement dommageable. Les missions d’inspection ou d’audit constatent les irrégularités, évaluent leurs conséquences puis proposent des mesures correctives. Cette logique corrective demeure pertinente pour apprécier la conformité des actes administratifs, mais elle s’avère insuffisante lorsque les risques évoluent rapidement et produisent des effets immédiats[11]. Une deuxième faiblesse réside dans la fragmentation des dispositifs de contrôle. Dans la plupart des administrations, les fonctions d’audit, de contrôle financier, de contrôle interne, de gestion budgétaire, de contrôle de gestion et d’évaluation des politiques publiques demeurent exercées par des structures distinctes. Cette organisation sectorielle limite la circulation de l’information et empêche souvent une vision globale des risques susceptibles d’affecter une organisation publique. Le cloisonnement institutionnel réduit ainsi la capacité des administrations à identifier les interactions entre les différentes catégories de risques. À cela s’ajoute une troisième limite, liée à la lourdeur des procédures administratives. Les délais nécessaires à la collecte des informations, à la conduite des missions de contrôle, à la rédaction des rapports puis à la mise en œuvre des recommandations réduisent considérablement la réactivité des administrations face aux crises contemporaines. Or, les cyberattaques, les crises sanitaires ou les défaillances des infrastructures numériques exigent des capacités d’intervention quasi immédiates qui dépassent les temporalités traditionnelles du contrôle administratif[12]. Enfin, le contrôle classique demeure principalement orienté vers la recherche des responsabilités individuelles et la sanction des irrégularités constatées. Cette culture administrative privilégie davantage la correction des erreurs que leur prévention. Pourtant, les risques auxquels sont confrontées les organisations publiques résultent aujourd’hui d’interactions complexes entre facteurs humains, technologiques, organisationnels, économiques et environnementaux. Leur maîtrise suppose une approche systémique dépassant la seule logique juridique de conformité.

Ainsi, bien que le contrôle administratif demeure indispensable au respect des principes de légalité, de responsabilité et de transparence, il apparaît désormais insuffisant pour répondre aux exigences d’une gouvernance publique confrontée à des risques complexes, évolutifs et interdépendants. Cette insuffisance explique l’émergence progressive d’une nouvelle approche privilégiant l’identification, l’évaluation et la maîtrise globale des risques avant leur matérialisation.

Les insuffisances du contrôle administratif classique ne conduisent pas à remettre en cause son utilité, mais invitent plutôt à compléter ses mécanismes par des outils davantage orientés vers l’anticipation et la prévention. Cette évolution marque le passage progressif d’une logique de contrôle à une véritable culture de gestion des risques, devenue aujourd’hui un élément clé de la gouvernance publique moderne (B).

B. L’émergence d’une approche globale de la gestion des risques

Face aux limites du contrôle traditionnel, les organisations publiques ont progressivement adopté une approche intégrée de la gestion des risques inspirée des standards internationaux de gouvernance. Cette évolution repose sur l’idée selon laquelle les risques ne doivent plus être uniquement détectés après leur survenance, mais identifiés, évalués, hiérarchisés et traités de manière permanente afin de préserver la continuité des missions de service public[13].

La norme ISO 31000 illustre parfaitement cette mutation en définissant la gestion des risques comme un processus continu, intégré à l’ensemble des activités de l’organisation et destiné à créer ainsi qu’à préserver la valeur publique. Contrairement au contrôle traditionnel, cette approche ne se limite pas à vérifier la conformité des actes administratifs ; elle vise également à améliorer la prise de décision en intégrant systématiquement l’analyse des risques dans les processus de gouvernance[14]. Cette transformation s’accompagne également d’une responsabilisation accrue de l’ensemble des acteurs publics. La gestion des risques ne relève plus exclusivement des organes d’inspection ou des auditeurs internes ; elle implique désormais les dirigeants, les gestionnaires, les responsables opérationnels ainsi que les agents publics. Chacun devient acteur de l’identification des vulnérabilités et participe à la diffusion d’une véritable culture organisationnelle du risque.

Par ailleurs, l’approche globale favorise une meilleure coordination entre les différentes fonctions administratives. Les informations issues du contrôle interne, des audits, de la gestion financière, des ressources humaines, des systèmes d’information ou de la cybersécurité sont progressivement consolidées dans une vision transversale permettant d’apprécier les risques dans leur globalité. Cette transversalité améliore la cohérence des décisions publiques et renforce la résilience des organisations. Toutefois, malgré les progrès réalisés, cette approche demeure encore largement fondée sur des méthodes traditionnelles d’identification et d’évaluation des risques. L’explosion des volumes de données produites par les administrations ainsi que les avancées de l’intelligence artificielle ouvrent désormais des perspectives beaucoup plus ambitieuses. Les organisations publiques disposent aujourd’hui de technologies capables non seulement d’analyser les risques existants, mais également d’en prévoir l’apparition grâce à l’exploitation d’algorithmes prédictifs et de systèmes d’aide à la décision.

Dès lors, la gestion globale des risques trouve naturellement son prolongement dans une gouvernance publique fondée sur les données, où l’information devient un levier stratégique de prévention, d’anticipation et d’amélioration continue des politiques publiques.

Si la gestion intégrée des risques a permis aux organisations publiques de dépasser les limites du contrôle administratif traditionnel, elle demeure insuffisante pour répondre pleinement aux exigences d’un environnement caractérisé par l’abondance des données et l’accélération des transformations numériques. Les progrès du Big Data, de l’intelligence artificielle et de l’analyse prédictive conduisent désormais à l’émergence d’un nouveau paradigme de gouvernance fondé sur l’exploitation stratégique des données. Il importe dès lors d’examiner les apports de cette gouvernance publique fondée sur les données ainsi que les défis qu’elle soulève (II).

II. LA GOUVERNANCE PUBLIQUE FONDEE SUR LES DONNEES COMME NOUVEAU PARADIGME DE GESTION PREDICTIVE

L’évolution des organisations publiques vers une approche globale de la gestion des risques a progressivement préparé le terrain à l’émergence d’un nouveau modèle de gouvernance fondé sur l’exploitation stratégique des données. En effet, si les dispositifs traditionnels de gestion des risques ont permis d’améliorer l’identification et le traitement des vulnérabilités organisationnelles, ils demeurent néanmoins tributaires de méthodes d’analyse largement fondées sur des observations passées et sur l’interprétation humaine des informations disponibles. Or, la transformation numérique de l’administration a profondément modifié la quantité, la nature et la vitesse de production des données publiques. Les administrations génèrent désormais quotidiennement des volumes considérables d’informations provenant des systèmes d’information administratifs, des plateformes numériques, des objets connectés, des registres publics, des services dématérialisés ou encore des interactions avec les citoyens[15].

Cette abondance de données constitue aujourd’hui un levier stratégique pour les décideurs publics. Grâce aux progrès réalisés dans les domaines du Big Data, de l’intelligence artificielle, de l’apprentissage automatique (Machine Learning) et de l’analyse prédictive, les administrations disposent désormais d’outils capables de transformer des données massives en informations décisionnelles. La donnée cesse ainsi d’être une simple ressource administrative destinée à l’archivage ou à la production de statistiques ; elle devient un véritable instrument de gouvernance permettant d’anticiper les crises, de détecter les signaux faibles, d’améliorer l’allocation des ressources publiques et d’orienter les politiques publiques sur la base d’éléments objectifs[16].

Cette mutation marque l’avènement d’une gouvernance publique fondée sur les données (Data-Driven Governance), dans laquelle les décisions administratives reposent de plus en plus sur l’analyse automatisée des informations disponibles. Ce nouveau paradigme transforme profondément la manière dont les administrations appréhendent le risque. Alors que le contrôle administratif classique intervenait essentiellement après la réalisation d’un événement dommageable, la gouvernance fondée sur les données privilégie désormais l’anticipation, la prévention et la décision proactive. Toutefois, cette évolution soulève également des interrogations importantes concernant la place de l’algorithme dans la décision publique, la protection des libertés fondamentales ainsi que la responsabilité des autorités administratives. Dès lors, il convient d’analyser, dans un premier temps, les apports de l’analyse prédictive dans la prévention des risques (A), avant d’examiner, dans un second temps, les défis juridiques, éthiques et organisationnels de la gouvernance algorithmique (B).

A. Les apports de l’analyse prédictive dans la prévention des risques

L’analyse prédictive est aujourd’hui l’une des innovations les plus importantes de la gouvernance publique contemporaine. Fondée sur l’exploitation d’importants volumes de données et sur l’utilisation d’algorithmes capables d’identifier des corrélations, des tendances ou des comportements récurrents, elle permet d’estimer la probabilité de survenance d’événements futurs et d’orienter les décisions administratives avant que les risques ne se matérialisent[17]. Cette capacité d’anticipation rompt avec la logique traditionnelle du contrôle administratif, essentiellement tournée vers la vérification des irrégularités déjà constatées.

L’un des premiers apports de l’analyse prédictive réside dans l’amélioration de la détection précoce des risques. Grâce aux techniques d’intelligence artificielle, les administrations sont désormais en mesure d’identifier des anomalies invisibles à l’analyse humaine classique. Les modèles prédictifs permettent notamment de détecter des comportements financiers atypiques susceptibles de révéler des fraudes fiscales, des irrégularités dans les marchés publics, des risques de corruption ou encore des dysfonctionnements budgétaires. Les administrations fiscales, douanières ou financières de nombreux États utilisent déjà ces technologies afin de mieux cibler leurs contrôles et d’optimiser l’utilisation de leurs ressources[18].

Au-delà de la lutte contre la fraude, l’analyse prédictive améliore considérablement la gestion des crises. Les données issues des systèmes météorologiques, des réseaux de santé publique, des infrastructures de transport ou des dispositifs de sécurité civile permettent d’élaborer des modèles de prévision facilitant l’anticipation des catastrophes naturelles, des pandémies, des mouvements de population ou des ruptures de services essentiels. L’exploitation en temps réel de ces informations renforce la capacité des pouvoirs publics à prendre des mesures préventives, à mobiliser rapidement les ressources disponibles et à limiter les conséquences humaines, économiques ou environnementales des crises[19].

L’analyse prédictive contribue également à améliorer l’efficacité des politiques publiques. En exploitant les données relatives aux besoins des populations, aux performances des services publics ou aux évolutions socio-économiques, les administrations disposent d’informations plus précises pour orienter leurs décisions. Les politiques publiques ne reposent plus uniquement sur des hypothèses ou sur des analyses statistiques rétrospectives ; elles s’appuient désormais sur des indicateurs dynamiques permettant d’anticiper les effets des décisions administratives avant leur mise en œuvre. Cette évolution favorise une gouvernance davantage fondée sur les preuves (Evidence-Based Public Policy), dans laquelle la donnée devient un véritable outil d’aide à la décision[20].

Par ailleurs, les technologies prédictives participent au renforcement de la résilience organisationnelle des administrations publiques. Les modèles algorithmiques permettent de simuler différents scénarios de risques, d’évaluer leurs impacts potentiels et d’identifier les stratégies les plus appropriées pour y répondre. Cette capacité de simulation facilite l’élaboration de plans de continuité d’activité, l’optimisation des ressources publiques ainsi que l’amélioration de la coordination entre les différents acteurs institutionnels impliqués dans la gestion des crises. Toutefois, l’efficacité de ces dispositifs demeure étroitement conditionnée par la qualité des données exploitées. Des informations incomplètes, obsolètes, biaisées ou insuffisamment représentatives peuvent conduire les algorithmes à produire des résultats erronés, compromettant ainsi la pertinence des décisions administratives. En outre, la performance des modèles prédictifs dépend largement de la qualité de leur conception, de leur apprentissage et de leur mise à jour régulière. L’intelligence artificielle ne saurait donc être envisagée comme un substitut au jugement humain ; elle constitue avant tout un outil d’assistance destiné à éclairer la décision publique sans s’y substituer intégralement.⁷

Enfin, l’analyse prédictive favorise une transformation profonde de la culture administrative. Les administrations passent progressivement d’une logique de réaction à une logique d’anticipation, dans laquelle la prévention devient un objectif central de l’action publique. Cette évolution modifie les pratiques de gestion, les modes de coordination et les processus décisionnels en plaçant la donnée au cœur de la gouvernance publique. Elle contribue ainsi à renforcer l’efficacité, la transparence et la capacité d’adaptation des organisations publiques face à des risques toujours plus complexes.

L’utilisation croissante des algorithmes dans la décision publique soulève des interrogations majeures relatives à la protection des droits fondamentaux, à la transparence des traitements automatisés, à la responsabilité des décideurs ainsi qu’à la confiance des citoyens envers les institutions publiques. Ces préoccupations invitent dès lors à examiner les principaux défis juridiques, éthiques et organisationnels de la gouvernance algorithmique (B).

1. Les défis juridiques, éthiques et organisationnels de la gouvernance algorithmique

Si la gouvernance publique fondée sur les données apparaît aujourd’hui comme un levier majeur d’amélioration de la performance administrative et de la gestion prédictive des risques, son développement soulève néanmoins des interrogations fondamentales qui dépassent largement les seules considérations technologiques. En effet, l’introduction massive des systèmes algorithmiques dans les processus décisionnels de l’administration transforme profondément les rapports entre l’autorité publique, les citoyens et la donnée. Cette évolution, bien qu’elle favorise une prise de décision plus rapide et potentiellement plus efficace, fait naître de nouveaux risques susceptibles de compromettre les principes qui fondent traditionnellement l’action administrative, notamment la légalité, l’égalité, la transparence, la responsabilité et le respect des libertés fondamentales[21]. La gouvernance algorithmique ne peut donc produire pleinement ses effets qu’à la condition d’être encadrée par un ensemble de garanties juridiques, éthiques et organisationnelles aptes à préserver la confiance des citoyens dans l’administration.

Le premier défi concerne la protection des droits fondamentaux et, plus particulièrement, le droit à la protection des données personnelles. Les administrations publiques collectent aujourd’hui une quantité considérable d’informations relatives aux citoyens : données d’état civil, données fiscales, informations de santé, données biométriques, informations sociales, données éducatives ou encore données de géolocalisation. L’interconnexion croissante de ces bases de données améliore incontestablement l’efficacité de l’action publique ; elle accroît cependant les risques d’atteinte à la vie privée, de surveillance excessive ou d’utilisation détournée des informations personnelles[22]. L’exploitation de ces données doit dès lors respecter les principes de finalité, de proportionnalité, de minimisation et de sécurité afin d’éviter que la recherche de performance administrative ne conduise à une fragilisation des droits individuels.

À cette problématique s’ajoute celle de l’opacité des systèmes algorithmiques. Les technologies d’intelligence artificielle reposent fréquemment sur des modèles complexes dont le fonctionnement demeure difficilement compréhensible, y compris pour leurs concepteurs. Cette absence d’explicabilité, souvent qualifiée de phénomène de « boîte noire » (black box), soulève des difficultés majeures dans le secteur public. En effet, les décisions administratives sont traditionnellement soumises à une exigence de motivation, de transparence et de contrôle juridictionnel. Or, lorsqu’une décision résulte d’un traitement algorithmique dont les critères demeurent opaques, il devient particulièrement difficile pour les administrés de comprendre les raisons qui la justifient, de contester son bien-fondé ou d’exercer efficacement leurs droits[23]. Cette situation est susceptible d’affaiblir les garanties procédurales qui caractérisent l’État de droit.

Par ailleurs, les biais algorithmiques constituent l’un des risques les plus préoccupants de la gouvernance fondée sur les données. Les algorithmes apprennent à partir des données qui leur sont fournies. Lorsque ces données reflètent des inégalités historiques, des discriminations sociales ou des déséquilibres statistiques, les modèles d’intelligence artificielle tendent à reproduire, voire à amplifier, ces biais dans les décisions qu’ils génèrent. Ainsi, des systèmes prédictifs utilisés dans les domaines du recrutement public, de la sécurité, de la justice, de l’attribution des prestations sociales ou de la fiscalité pourraient produire des décisions discriminatoires sans que cette discrimination soit explicitement programmée[24]. Dès lors, la neutralité technologique souvent attribuée aux algorithmes apparaît largement illusoire. L’objectivité de la décision automatisée dépend directement de la qualité, de la représentativité et de la gouvernance des données exploitées.

La question de la responsabilité est également un défi majeur. Lorsque la décision administrative résulte d’une recommandation algorithmique erronée ayant causé un préjudice à un administré, la détermination du responsable devient particulièrement complexe. La responsabilité incombe-t-elle à l’autorité administrative ayant utilisé l’algorithme, au concepteur du système informatique, au fournisseur des données ou encore au programmeur ayant développé le modèle d’intelligence artificielle ? Cette dilution des responsabilités remet en cause les principes classiques du droit administratif fondés sur l’identification d’une autorité décisionnelle clairement responsable de ses actes[25]. Il apparaît dès lors indispensable d’élaborer un cadre juridique précisant les obligations respectives des différents acteurs intervenant dans le développement, le déploiement et l’utilisation des systèmes algorithmiques publics.

Au-delà des considérations juridiques, la gouvernance algorithmique soulève d’importants défis éthiques. La recherche d’efficacité administrative ne saurait conduire à une déshumanisation de la décision publique. Certaines décisions administratives, notamment celles qui concernent les droits sociaux, la santé, l’éducation, l’immigration ou la protection des personnes vulnérables, impliquent une appréciation humaine que les technologies actuelles ne sont pas en mesure de reproduire intégralement. L’intelligence artificielle peut assister le décideur public en lui fournissant des analyses objectives et des scénarios prédictifs ; elle ne peut cependant remplacer les valeurs, le discernement, l’équité et la prise en compte des circonstances particulières qui caractérisent l’intervention humaine[26]. La gouvernance algorithmique doit ainsi demeurer fondée sur le principe du contrôle humain significatif (meaningful human oversight), aujourd’hui largement consacré par les instruments internationaux relatifs à l’intelligence artificielle.

Les administrations publiques doivent également relever un important défi organisationnel. L’exploitation efficace des technologies prédictives suppose la mise en place d’infrastructures numériques performantes, de systèmes d’information interopérables, de politiques robustes de cybersécurité ainsi que de mécanismes efficaces de gouvernance des données. Or, de nombreuses administrations, en particulier dans les pays en développement, demeurent confrontées à des difficultés structurelles liées à l’insuffisance des ressources financières, à la fragmentation des bases de données, au manque de compétences spécialisées et à la faible maturité numérique des institutions publiques[27]. Sans investissements durables dans les infrastructures technologiques et dans la formation des agents publics, les ambitions affichées en matière de gouvernance fondée sur les données risquent de demeurer largement théoriques.

En outre, l’acceptabilité sociale de la gouvernance algorithmique constitue une condition essentielle de son efficacité. La confiance des citoyens envers les administrations dépend non seulement de la qualité des décisions produites, mais également de leur perception de la transparence, de l’équité et de la légitimité des technologies utilisées. Une gouvernance fondée exclusivement sur des traitements automatisés, sans information suffisante des administrés ni possibilité de recours effectif, pourrait susciter des résistances importantes et compromettre l’adhésion du public aux politiques de transformation numérique. À l’inverse, une gouvernance reposant sur la transparence des algorithmes, la participation citoyenne, l’ouverture des données publiques lorsque cela est possible et le maintien d’un contrôle humain renforcera la légitimité démocratique de l’action administrative.

Ainsi, l’avenir de la gouvernance publique fondée sur les données ne dépend pas uniquement des progrès technologiques. Il repose également sur la capacité des États à construire un environnement juridique protecteur, une gouvernance éthique responsable et des organisations administratives capables d’intégrer durablement les innovations numériques tout en préservant les principes fondamentaux de l’État de droit. La performance des administrations de demain ne résidera donc pas seulement dans leur aptitude à produire davantage de données, mais surtout dans leur capacité à utiliser ces données de manière responsable, transparente, sécurisée et conforme aux exigences démocratiques.

La gestion prédictive des risques apparaît, à cet égard, comme l’une des expressions les plus abouties de cette nouvelle gouvernance publique. Toutefois, son efficacité ne pourra être pleinement assurée que par un équilibre permanent entre innovation technologique, protection des droits fondamentaux, responsabilité institutionnelle et confiance citoyenne. C’est précisément dans cette articulation que réside le principal enjeu des administrations publiques du XXIᵉ siècle.

 

CONCLUSION

La transformation des organisations publiques observée au cours des dernières décennies témoigne d’une évolution significative des modes de gouvernance administrative. Longtemps fondée sur une logique de contrôle essentiellement juridique, hiérarchique et réactive, l’action publique est aujourd’hui confrontée à un environnement marqué par la complexification des risques, l’accélération des mutations technologiques et l’abondance des données numériques. Cette nouvelle réalité remet en question les mécanismes traditionnels de contrôle, dont l’efficacité reposait principalement sur la vérification de la conformité des actes administratifs après leur réalisation. Si ces instruments demeurent indispensables à la garantie du principe de légalité et au respect de l’État de droit, ils apparaissent désormais insuffisants pour répondre aux exigences d’une gouvernance confrontée à des risques systémiques, évolutifs et interconnectés.

L’analyse menée dans le cadre de cette étude a permis de mettre en évidence que les insuffisances du contrôle administratif classique résultent moins de son obsolescence que de l’évolution profonde de son environnement d’application. Les administrations publiques ne sont plus uniquement confrontées à des irrégularités comptables ou juridiques ; elles doivent désormais anticiper des phénomènes aussi divers que les cyberattaques, les crises sanitaires, les changements climatiques, les défaillances des infrastructures numériques, les atteintes aux données personnelles ou encore les risques associés au développement de l’intelligence artificielle. Ces nouvelles formes de vulnérabilité exigent des capacités d’anticipation que les dispositifs traditionnels de contrôle, essentiellement correctifs, ne permettent pas d’assurer de manière satisfaisante. Cette évolution explique l’émergence progressive d’une approche globale de la gestion des risques, fondée sur une logique de prévention, d’amélioration continue et de résilience organisationnelle. L’intégration des principes issus de la gestion des risques dans la gouvernance publique constitue une première réponse aux limites du modèle classique. Toutefois, l’apport majeur des transformations contemporaines réside dans l’exploitation stratégique des données publiques. La gouvernance fondée sur les données apparaît désormais comme un véritable changement de paradigme, dans lequel la donnée devient un instrument central de pilotage de l’action publique, de prévention des risques et d’aide à la décision.

L’étude a ainsi démontré que les technologies d’analyse prédictive, alimentées par le Big Data, l’intelligence artificielle et les systèmes d’apprentissage automatique, permettent aux administrations publiques de dépasser une approche exclusivement réactive pour adopter une logique résolument anticipative. En détectant les signaux faibles, en identifiant les tendances émergentes et en simulant différents scénarios de risques, ces outils renforcent considérablement les capacités des décideurs publics à prévenir les crises, à optimiser l’allocation des ressources et à améliorer la qualité des politiques publiques. La gestion prédictive des risques apparaît ainsi comme l’une des évolutions les plus prometteuses de la gouvernance administrative contemporaine. Pour autant, cette évolution ne saurait être envisagée comme une simple modernisation technologique. L’exploitation massive des données publiques soulève des enjeux juridiques, éthiques et organisationnels majeurs qui conditionnent directement la légitimité de la gouvernance algorithmique. La protection des données personnelles, la transparence des traitements automatisés, la prévention des biais algorithmiques, la détermination des responsabilités en cas de décisions erronées ainsi que la préservation d’un contrôle humain effectif constituent autant de garanties indispensables au maintien de la confiance des citoyens envers les institutions publiques. La performance administrative ne peut être durablement recherchée au détriment des principes fondamentaux qui gouvernent l’État de droit.

La problématique de cette recherche consistait à déterminer dans quelle mesure la gouvernance publique fondée sur les données permet de dépasser les limites du contrôle administratif traditionnel afin d’assurer une gestion prédictive efficace des risques tout en garantissant le respect des principes fondamentaux de l’État de droit. Les développements précédents conduisent à répondre positivement à cette interrogation, sous réserve d’une condition essentielle : l’innovation technologique doit être accompagnée d’un encadrement juridique, institutionnel et éthique suffisamment robuste pour préserver les droits fondamentaux, assurer la transparence des processus décisionnels et maintenir la responsabilité des autorités publiques.

L’hypothèse formulée au début de cette étude se trouve ainsi largement confirmée. En substituant progressivement une logique d’anticipation à une logique de correction, la gouvernance fondée sur les données améliore significativement les capacités des organisations publiques à identifier, prévenir et maîtriser les risques auxquels elles sont exposées. Toutefois, cette évolution ne produit pleinement ses effets que lorsque les technologies utilisées s’inscrivent dans un cadre normatif garantissant la qualité des données, la sécurité des systèmes d’information, l’explicabilité des algorithmes ainsi que le maintien d’une intervention humaine dans les décisions les plus sensibles. Ces constats invitent à envisager plusieurs perspectives d’amélioration de la gouvernance publique contemporaine. En premier lieu, les États gagneraient à élaborer des cadres juridiques spécifiquement consacrés à la gouvernance des données publiques et à l’utilisation de l’intelligence artificielle dans les administrations. Ces cadres devraient préciser les conditions de collecte, de partage, de conservation et d’exploitation des données tout en renforçant les mécanismes de contrôle démocratique des systèmes algorithmiques.

En deuxième lieu, les administrations publiques devraient investir davantage dans le développement de compétences spécialisées en science des données, en cybersécurité, en intelligence artificielle et en gouvernance numérique. La réussite de la transformation digitale ne dépend pas uniquement des technologies disponibles ; elle repose également sur la capacité des agents publics à comprendre, interpréter et utiliser de manière responsable les outils numériques mis à leur disposition. En troisième lieu, la gouvernance prédictive suppose une amélioration substantielle de la qualité des données publiques. L’interopérabilité des systèmes d’information, la fiabilité des bases de données, la normalisation des formats d’échange et le renforcement de la cybersécurité constituent des conditions préalables au développement d’une administration véritablement fondée sur les données. Enfin, il apparaît indispensable de promouvoir une gouvernance numérique responsable, fondée sur les principes de transparence, de redevabilité, de participation citoyenne et de respect des droits fondamentaux. Les technologies prédictives ne doivent pas conduire à une automatisation aveugle de la décision publique ; elles doivent demeurer au service de l’humain et contribuer au renforcement de la qualité du service public.

Au-delà de ses apports, cette recherche ouvre plusieurs pistes de réflexion susceptibles d’alimenter les travaux futurs. Il serait notamment pertinent d’étudier l’encadrement juridique de l’intelligence artificielle dans les administrations africaines, d’analyser les mécanismes de gouvernance des données dans les collectivités territoriales ou encore d’évaluer l’incidence de l’Artificial Intelligence Act européen sur les pratiques administratives des États tiers. De même, les interactions entre gouvernance prédictive, cybersécurité, souveraineté numérique et protection des données publiques mériteraient de faire l’objet d’investigations plus approfondies.

En somme, la gestion prédictive des risques traduit une évolution profonde de la gouvernance publique contemporaine. Elle ne marque pas la disparition du contrôle administratif traditionnel, mais son dépassement au profit d’une approche plus globale, plus proactive et davantage orientée vers l’anticipation. Dans un monde où la donnée devient progressivement une ressource stratégique comparable aux ressources humaines, financières ou matérielles, les administrations publiques sont appelées à développer une gouvernance conciliant innovation technologique, efficacité décisionnelle et respect des principes démocratiques. C’est dans cet équilibre entre performance, responsabilité et protection des droits fondamentaux que réside, sans doute, l’un des principaux défis de l’administration publique du XXIᵉ siècle.

 BIBLIOGRAPHIE

Banque mondiale, GovTech Maturity Index 2022: Advancing Digital Transformation in the Public Sector, Washington D.C., 2023.

Cathy O’NEIL, Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy, Crown Publishing, 2016.

Christopher HOOD, « A Public Management for All Seasons? », Public Administration, vol. 69, n° 1, 1991, p. 3-19.

Charlotte van OOIJEN & Benjamin WELBY, A Data-Driven Public Sector: Enabling the Strategic Use of Data for Productive, Inclusive and Trustworthy Governance, OECD Working Papers on Public Governance, n° 33, OECD Publishing, Paris, 2019.

Commission européenne, Proposal for a Regulation Laying Down Harmonised Rules on Artificial Intelligence (Artificial Intelligence Act), 2021; règlement adopté en 2024.

Committee of Sponsoring Organizations of the Treadway Commission, Enterprise Risk Management: Integrating with Strategy and Performance, New York, 2017.

Conseil de l’Europe, Convention 108+, 2018.

Frank PASQUALE, The Black Box Society: The Secret Algorithms That Control Money and Information, Harvard University Press, 2016.

ISO 31000, Risk Management: Guidelines, ANSI, 2018.

Max WEBER, Économie et société, tome 1 : Les catégories de la sociologie, Paris, Pocket, 2003.

Nancy CARTWRIGHT et Jeremy HARDIE, Evidence-Based Policy: A Practical Guide to Doing It Better, Oxford University Press, 2012.

Organisation de coopération et de développement économiques (OCDE), A Data-Driven Public Sector, OECD Publishing, 2019.

OCDE, Advanced Analytics for Better Tax Administration: Putting Data to Work, OECD Publishing, Paris, 2016.

OCDE, OECD Principles on Artificial Intelligence, 2019.

OCDE, The Path to Becoming a Data-Driven Public Sector, OECD Digital Government Studies, OECD Publishing, Paris, 2019.

Patrick DUNLEAVY, Helen MARGETTS, Simon BASTOW & Jane TINKLER, Digital Era Governance, Oxford University Press, 2007.

UNESCO, Recommendation on the Ethics of Artificial Intelligence. United Nations Educational, Scientific and Cultural Organization, 2021.

United Nations Department of Economic and Social Affairs, United Nations E-Government Survey 2024: Accelerating Digital Transformation for Sustainable Development, New York, 2024.

 

[1] Charlotte van OOIJEN & Benjamin WELBY, A Data-Driven Public Sector: Enabling the Strategic Use of Data for Productive, Inclusive and Trustworthy Governance, OECD Working Papers on Public Governance, n° 33, OECD Publishing, Paris, 2019.

[2] Christopher HOOD, « A Public Management for All Seasons? », Public Administration, vol. 69, n° 1, 1991, p. 3-19.

[3] Organisation de coopération et de développement économiques (2019), The Path to Becoming a Data-Driven Public Sector, OECD Digital Government Studies, OECD Publishing, Paris, 2019.

[4] OCDE, A Data-Driven Public Sector, OECD Publishing, 2019.

[5] United Nations Department of Economic and Social Affairs, United Nations E-Government Survey 2024: Accelerating Digital Transformation for Sustainable Development, New York, 2024.

[6] Patrick DUNLEAVY, Helen MARGETTS, Simon BASTOW & Jane TINKLER, Digital Era Governance, Oxford University Press, 2007.

[7] ISO 31000, Risk Management : Guidelines, ANSI, 2018.

[8] OCDE (2019), The Path to Becoming a Data-Driven Public Sector, Op. cit.

[9] Max WEBER, Économie et société, tome 1 : Les catégories de la sociologie, Paris, Pocket, 2003.

[10] Christopher HOOD, Op. cit.

[11] Committee of Sponsoring Organizations of the Treadway Commission (COSO), Enterprise Risk Management: Integrating with Strategy and Performance, New York, 2017.

[12] Patrick DUNLEAVY, Helen MARGETTS, Simon BASTOW & Jane TINKLER, Op. cit.

[13] ISO 31000, Op. cit., 2018.

[14] COSO, Op. cit.

[15] OCDE (2019), The Path to Becoming a Data-Driven Public Sector, Op. cit.

[16] Charlotte van OOIJEN & Benjamin WELBY, Op. cit.

[17] Patrick DUNLEAVY, Helen MARGETTS, Simon BASTOW & Jane TINKLER, Ibid.

[18] OCDE, Advanced Analytics for Better Tax Administration: Putting Data to Work, OECD Publishing, Paris, 2016.

[19] United Nations Department of Economic and Social Affairs, Op. cit.

[20] Nancy CARTWRIGHT et Jeremy HARDIE, Evidence-Based Policy: A Practical Guide to Doing It Better, Oxford University Press, 2012.

[21] UNESCO, Recommendation on the Ethics of Artificial Intelligence. United Nations Educational, Scientific and Cultural Organization, 2021.

[22] Conseil de l’Europe, Convention 108+, 2018.

[23] Frank PASQUALE, The Black Box Society: The Secret Algorithms That Control Money and Information, Harvard University Press, 2016.

[24] Cathy O’NEIL, Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy, Crown Publishing, 2016.

[25] Commission européenne, Proposal for a Regulation Laying Down Harmonised Rules on Artificial Intelligence (Artificial Intelligence Act), 2021 ; règlement adopté en 2024.

[26] OCDE, OECD Principles on Artificial Intelligence, 2019.

[27] Banque mondiale, GovTech Maturity Index 2022: Advancing Digital Transformation in the Public Sector, Washington D.C., 2023.

Lancine DOUMBOUYA
PhD candidate – sciences de l’administration – management
Inspecteur des services financiers et comptables
lanc-doumb@chercheurpro.com
lancinebalimanadoumbouya.lbd@gmail.com
+212623569895