Google Cloud : l'IA transforme la planification municipale UK

Google Cloud et l'automatisation des conseils municipaux au Royaume-Uni

Les ministères britanniques ont commencé à déployer l'intelligence artificielle générative de Google Cloud dans les agences municipales pour automatiser les opérations de planification des conseils. Cette initiative vise à alléger la charge administrative massive liée à la gestion des données non structurées, qui freine le développement des infrastructures.

Le gouvernement central du Royaume-Uni a fixé un objectif ambitieux : construire 1,5 million de nouveaux logements d'ici 2029. Cependant, les autorités locales de planification sont confrontées à des retards administratifs dus à une documentation excessive, ce qui ralentit considérablement le processus de développement.

Pour surmonter ces obstacles, le ministère du Logement, des Communautés et du Gouvernement Local (MHCLG) et le Département pour la Science, l'Innovation et la Technologie (DSIT) ont mis en place deux outils d'apprentissage automatique. Ces outils sont conçus pour accélérer le traitement des demandes municipales. Lors du Google Cloud Summit à Londres, des responsables ont annoncé le déploiement national de l'application 'Extract' et la progression du prototype 'Augmented Planning Decisions' (APD).

Lila Ibrahim, responsable de la préparation à l'IA chez Google DeepMind, a souligné l'importance de cette initiative : « Le Royaume-Uni a l'opportunité de construire les logements dont nos communautés ont besoin, mais les conseils locaux font face à une montagne de paperasse. C'est pourquoi nous co-créons un outil de planification sophistiqué directement avec les conseils pour résoudre de réels goulets d'étranglement. »

Elle a ajouté que ces outils permettront de réduire considérablement les temps de décision, permettant aux planificateurs de se concentrer sur l'avenir pour faire avancer la construction au Royaume-Uni plus rapidement.

Les défis des demandes de logement

Les demandes de logement, qui incluent des modifications domestiques courantes telles que les conversions de combles ou les extensions de propriété, représentent près de 70 % de toutes les demandes de planification soumises chaque année. L'évaluation de ces soumissions standard nécessite que les agents de planification passent des heures à croiser des documents de politique régionale, des archives historiques et des fichiers PDF non structurés.

Ce processus d'évaluation répétitif consomme des heures administratives qui pourraient autrement soutenir des développements d'infrastructure et commerciaux majeurs. Le déploiement de l'automatisation vise à réduire les délais de décision des demandes de 50 %.

Capacités des outils d'IA générative

Les ingénieurs du MHCLG et de l'équipe d'IA appliquée du gouvernement, l'Incubator for AI (i.AI), ont construit l'outil Extract en interne en utilisant des modèles de base Gemini. Après des essais dans plus de 20 autorités locales de planification, les administrateurs ont élargi l'application à tous les conseils d'Angleterre.

Extract analyse les données non structurées enfermées dans des archives PDF anciennes, convertissant des centaines de pages de documentation de planification historique en ensembles de données numériques structurées en quelques minutes. Les données opérationnelles des phases d'essai indiquent que l'outil éliminera environ 255 heures de saisie manuelle de données par conseil chaque année. Cette réduction permet aux autorités locales de réaffecter du personnel à des tâches d'évaluation complexes.

L'intégration de grands modèles de langage dans les flux de travail du secteur public nécessite des environnements de sécurité de niveau entreprise. Les autorités locales traitent des dossiers civiques sensibles, nécessitant des protocoles de gestion des risques stricts pour prévenir l'exposition des données.

Le gouvernement a hébergé les modèles Gemini sur Google Cloud pour établir un environnement opérationnel protégé où la souveraineté des données est maintenue. L'environnement cloud dispose de contrôles de sécurité actifs pour bloquer les entrées malveillantes, y compris les attaques par injection de prompt. Ce cadre technique garantit que les données municipales sensibles restent sécurisées pendant les cycles de test et de production.

Fonctionnalités du système APD

Le système APD, quant à lui, agit comme un assistant analytique pour les agents de planification municipale en automatisant quatre tâches administratives principales :

• Le système consolide la documentation entrante en prétraitant les arriérés de données, en signalant les lacunes d'informations manquantes et en extrayant les données géographiques essentielles sur une interface utilisateur unifiée pour examen par les agents.

• Le logiciel identifie les lois de zonage nationales et locales pertinentes, évalue les marges de conformité et ajoute des citations de politiques précises pour vérification manuelle.

• L'application analyse les lettres de consultation publique, résumant les objections des parties prenantes ou les précédents juridiques historiques.

• Le modèle génère des ébauches initiales de rapports d'évaluation finale, y compris le raisonnement technique et les conditions d'approbation recommandées.

Les protocoles dictent que les agents de planification humains conservent l'autorité décisionnelle finale sur chaque demande. Le logiciel n'automatise pas les approbations ou rejets finaux de manière indépendante. Les membres du personnel examinent chaque ligne de texte générée par les modèles d'apprentissage automatique, modifiant le raisonnement analytique avant de valider le rapport.

Pour maintenir la responsabilité réglementaire, le prototype APD enregistre ses étapes de traitement internes de manière séquentielle. Ce mécanisme établit une chaîne de pensée auditable, créant une piste de vérification pour chaque demande traitée afin de soutenir la détermination finale de l'agent.

Essais et déploiement à grande échelle

Le développement du prototype APD repose sur un cadre collaboratif liant les administrateurs du secteur public aux équipes d'ingénierie de Google Cloud, Google DeepMind et Faculty.

La version alpha est actuellement testée en direct dans trois autorités locales : le London Borough of Barnet, le Dorset Council et le London Borough of Camden. Les tests dans ces différentes juridictions régionales fournissent aux développeurs des ensembles de données municipales variés pour tester le logiciel contre des politiques locales diverses.

Les planificateurs centraux prévoient de terminer la phase alpha et de déployer l'outil APD à plus de 300 autorités locales anglaises d'ici 2027. Google Cloud fournit l'infrastructure de calcul élastique nécessaire pour gérer les milliers de requêtes d'inférence simultanées générées lors des opérations quotidiennes.

Paul Maltby, directeur des services publics chez Faculty, a commenté : « Le système de planification anglais est engorgé. Les agents de planification sont contraints de passer la moitié de leur temps à examiner des demandes pour convertir un grenier, mettant en attente celles pour des lotissements et des entrepôts. »

Il a ajouté que le système d'IA, conçu avec des agents de planification, éliminera la corvée de l'examen des demandes de planification simples afin qu'ils puissent prendre des décisions rapides. Cela permettra aux agents de se concentrer sur les développements majeurs qui comptent, et surtout, de permettre aux familles d'améliorer leurs maisons sans mois de retard et d'incertitude.

Naisha Polaine, directrice exécutive pour la croissance au Barnet Council, a ajouté : « La capacité de l'outil à collecter des informations pertinentes, à entreprendre une évaluation provisoire et à rédiger les bases d'un rapport a le potentiel d'économiser un temps significatif pour les agents travaillant sur l'administration des demandes de planification et de diriger cela vers l'accélération du processus décisionnel pour les résidents. Cela contribuera de manière significative à atteindre nos objectifs de croissance en matière de construction de logements dans le borough. »

La coordination entre le MHCLG, i.AI, Google DeepMind et Faculty établit une division structurée du travail pour l'ingénierie logicielle d'entreprise. Les ministères publics définissent les lignes directrices politiques et les limites statutaires, tandis que les partenaires techniques externes conçoivent et déploient les architectures de modèles sous-jacentes.

L'intégration réussie de ces systèmes démontre la faisabilité d'héberger des modèles de langage avancés au sein d'une infrastructure cloud public sécurisée pour traiter les charges de travail administratives essentielles et moderniser la prestation de services publics.