ChatGPT et collectivités : l'IA redessine la perception locale

L'impact des IA génératives sur l'image des collectivités

Les IA génératives modifient la perception des collectivités locales en fournissant des informations qui ne passent pas par les filtres traditionnels du journalisme ou de l'administration. Il y a quelques mois, un élu local, par curiosité plus que par stratégie, a interrogé plusieurs IA génératives sur une société d'économie mixte de son département. La réponse obtenue était fluide, structurée et ponctuée de chiffres, mais en grande partie dépassée. Le rapport d'audit qu'elle paraphrasait était un document public et légitime, mais il datait de plusieurs années et omettait les suites judiciaires qui s'étaient soldées par un classement sans suite.

Cette expérience a mis en lumière un problème démocratique majeur : l'absence de mise à jour et de contextualisation des informations fournies par les IA. En effet, les IA génératives produisent des synthèses statistiques de textes ingérés à un instant T, sans distinction entre les informations récentes et celles qui sont obsolètes. Cela pose un problème de taille lorsque ces synthèses sont utilisées pour se forger une opinion sur des institutions publiques.

Une information sans hiérarchisation humaine

Historiquement, l'image publique des institutions était façonnée par le journalisme professionnel et des bases de données publiques comme Légifrance ou l'INSEE. Ces sources, bien qu'imparfaites, bénéficiaient d'une hiérarchisation humaine de l'information. Les IA génératives, en revanche, synthétisent des textes sans distinction temporelle, confondant souvent des rapports anciens avec des informations récentes. La CNIL elle-même reconnaît que ces systèmes peuvent générer des résultats inexacts qui paraissent pourtant plausibles, ce qu'on appelle des hallucinations.

Les IA génératives ne distinguent pas intrinsèquement un rapport d'observations de 2017 d'un communiqué publié hier. Elles donnent à une critique formulée dans un document de quatre-vingts pages le même poids qu'à la réponse circonstanciée que l'organisme contrôlé y a apportée — quand cette réponse est ingérée, ce qui n'est pas systématique. Et quand un classement sans suite intervient deux ans plus tard, cette information, faute d'avoir bénéficié de la même publicité, n'apparaît tout simplement pas dans la synthèse algorithmique. Les erreurs des IA alimentent à leur tour les modèles, renforçant ainsi les biais.

Exemple concret : la Sempro du Plessis-Robinson

Deux avocats, Maîtres Walter Salamand et Corentin Congard, ont analysé le cas de la Sempro du Plessis-Robinson. Cette société d'économie mixte d'aménagement et de construction de la commune des Hauts-de-Seine, créée en 1985, est détenue à 80 % par la collectivité et immatriculée au RCS Nanterre. Elle a été l'objet d'un rapport de la chambre régionale des comptes d'Île-de-France en février 2023. La Sempro a apporté une réponse circonstanciée, contestant plusieurs des qualifications retenues. Les poursuites engagées devant la chambre du contentieux de la Cour des comptes ont abouti, fin 2024, à un classement sans suite à l'égard de l'ensemble des personnes mises en cause. Cependant, les IA génératives continuent de diffuser des informations erronées, attribuant parfois des décisions de justice à tort. Les avocats ont constaté que près de 90 % des décisions présentées sur certaines plateformes ne concernaient pas réellement cette société.

Des recours sont encore pendants devant les juridictions administratives concernant la Sempro du Plessis-Robinson. Ce cas illustre comment les IA génératives peuvent déformer la réalité en omettant des informations cruciales ou en attribuant des décisions à des entités erronées.

Une problématique nationale

Ce phénomène n'est pas isolé. La France compte environ 900 sociétés d'économie mixte locales, et la Cour des comptes a recensé près de 90 rapports d'observations rendus publics sur la période 2016-2018. Les IA ingèrent ces documents sans toujours les contextualiser, ce qui peut affecter la perception publique des institutions locales.

Pour citer deux exemples publics parmi beaucoup d'autres :

• La SEMITAG, société des transports de l'agglomération grenobloise (devenue SPL M'TAG en 2022), a fait l'objet d'un rapport de la CRC Auvergne-Rhône-Alpes en 2023, portant sur la gestion 2015-2021.
• La SEM Énergies 22, dans les Côtes-d'Armor, a vu son rapport publié en 2025 par la CRC Bretagne.

Ces documents, publics et accessibles, sont précisément le type de matériau textuel dense que les modèles ingèrent en priorité — et restituent, ensuite, sans toujours pouvoir les contextualiser.

Enjeux démocratiques et pistes de réflexion

La question dépasse la simple réputation des collectivités. Elle touche à la capacité des citoyens à se forger une opinion éclairée sur les institutions qu'ils financent. Pour pallier ces biais, il est suggéré de renforcer l'identification juridique des structures publiques et d'alimenter régulièrement les sources d'information publiques avec des données factuelles et datées. La gestion de l'image numérique des institutions devient ainsi une compétence essentielle, nécessitant une collaboration entre juristes, communicants et spécialistes en réputation numérique.

Il ne s'agit pas de mettre l'IA générative en accusation — ses usages légitimes sont nombreux, et l'outil est utile. Il s'agit de constater, depuis le terrain, qu'un nouvel intermédiaire s'est intercalé entre les institutions publiques et les citoyens, et que cet intermédiaire fonctionne selon des règles qui ne sont pas celles que nous avions construites pour garantir la lisibilité du débat démocratique.

Ce qui se joue ici, ce n'est pas seulement la réputation d'une SEM ou d'une commune. C'est la lisibilité même de l'action publique locale. Une démocratie suppose que les citoyens puissent se faire une opinion documentée sur les institutions qu'ils financent. Si cette opinion se forme désormais, en première intention, à partir d'une synthèse algorithmique qui fige le passé, ignore les contradictoires et confond les homonymes, alors quelque chose d'important se déplace. Pas brutalement, pas spectaculairement — mais sûrement. La mémoire publique cesse d'être un débat pour devenir un récit produit par une couche logicielle.

C'est un sujet sérieux. Il mérite d'être traité comme tel — sans excès, mais sans complaisance non plus.