Les ministères déploient l’IA générative de Google Cloud dans les agences municipales pour automatiser les opérations de planification des conseils.
L’administration du secteur public gère de vastes volumes de données non structurées qui retardent le développement des infrastructures. Le gouvernement central britannique s’est fixé pour objectif de construire 1,5 million de nouveaux logements d’ici 2029. Les autorités locales de planification sont confrontées à des retards administratifs causés par une paperasserie dense, ce qui retarde les délais de développement.
Pour remédier à ces contraintes, le ministère du Logement, des Communautés et des Gouvernements locaux (MHCLG) et le Département de la science, de l’innovation et de la technologie (DSIT) ont développé deux outils d’apprentissage automatique conçus pour accélérer le traitement municipal. S’exprimant lors du Google Cloud Summit de Londres, les responsables ont confirmé le déploiement à l’échelle nationale 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 déclaré : « Le Royaume-Uni a l’opportunité de construire les maisons dont nos communautés ont besoin, mais les conseils locaux sont confrontés à une montagne de paperasse. C’est pourquoi nous co-créons un outil de planification sophistiqué directement avec les conseils pour résoudre les goulots d’étranglement du monde réel. «
« Cela contribuera à réduire considérablement les délais de décision, permettant ainsi aux planificateurs de se concentrer sur l’avenir et d’accélérer la construction de la Grande-Bretagne. »
Les demandes de particuliers – qui incluent des modifications domestiques courantes telles que des conversions de lofts ou des extensions de propriété – représentent près de 70 pour cent de toutes les demandes de planification soumises chaque année. L’évaluation manuelle de ces soumissions standard nécessite que les agents de planification passent des heures à croiser les documents de politique régionale, les archives historiques et les fichiers PDF non structurés.
Un processus d’évaluation aussi répétitif consomme des heures administratives qui autrement seraient nécessaires à des développements d’infrastructures et commerciaux majeurs. Le déploiement de l’automatisation cible cette répartition administrative, dans le but de réduire de 50 % les délais de décision concernant les candidatures.
Capacités de base des outils d’IA générative de Google Cloud
Les ingénieurs du MHCLG et l’équipe gouvernementale d’IA appliquée, l’Incubateur pour l’IA (i.AI), ont construit l’outil Extract en interne à l’aide des modèles de base Gemini. Après des essais menés auprès de plus de 20 autorités locales de planification, les administrateurs ont étendu l’application à tous les conseils municipaux d’Angleterre.
Extract analyse les données non structurées verrouillées dans les anciens enregistrements PDF, 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 et par an. 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 les dossiers civiques sensibles, exigeant des protocoles stricts de gestion des risques pour empêcher la divulgation des données.
Le gouvernement a hébergé les modèles Gemini sur Google Cloud pour établir un environnement d’exploitation protégé où la souveraineté des données est maintenue. L’environnement cloud comporte des contrôles de sécurité actifs pour bloquer les entrées malveillantes, y compris les attaques par injection rapide. Ce cadre technique garantit que les données municipales sensibles restent sécurisées pendant les cycles informatiques de test et de production.
Le système APD, quant à lui, agit comme un assistant analytique pour les agents d’urbanisme municipal 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 de base du site 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 politiques précises pour une vérification manuelle.
- L’application analyse les lettres de consultation publique, résumant les objections des parties prenantes ou les précédents juridiques historiques.
- Le modèle génère les premières versions des rapports d’évaluation finaux, y compris la justification technique et les conditions d’approbation recommandées.
Les protocoles exigent que les agents de planification humaine conservent le pouvoir de décision final sur chaque demande. Le logiciel n’automatise pas les approbations ou les 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 interne de manière séquentielle. Ce mécanisme établit une chaîne de réflexion vérifiable, créant une piste de vérification pour chaque demande traitée afin d’étayer la décision finale de l’agent.
Les conseils locaux planifient les essais et adaptent les délais
Le développement du prototype APD repose sur un cadre collaboratif reliant les administrateurs du secteur public aux équipes d’ingénierie de Google Cloud, Google DeepMind et Faculté.
La version alpha est testée en direct au sein de trois autorités locales : le London Borough of Barnet, le Dorset Council et le London Borough of Camden. Les tests dans ces juridictions régionales distinctes fournissent aux développeurs des ensembles de données municipales variées pour tester le logiciel par rapport à diverses politiques locales.
Les planificateurs centraux ont l’intention d’achever la phase alpha et de déployer l’outil APD auprès de plus de 300 autorités locales anglaises d’ici 2027. Google Cloud fournit l’infrastructure informatique élastique nécessaire pour gérer les milliers de requêtes d’inférence simultanées générées au cours des opérations quotidiennes.
Paul Maltby, directeur des services publics de la Faculté, a commenté : « Le système d’urbanisme anglais est encombré. Les agents d’urbanisme sont obligés de passer la moitié de leur temps à examiner les demandes d’aménagement d’un grenier, mettant en attente celles pour les lotissements et les entrepôts. «
« Construit avec des agents de planification, notre système d’IA simplifiera l’examen des applications de planification simples afin qu’ils puissent prendre des décisions rapides. Il permettra aux agents de planification de se concentrer sur les développements majeurs qui comptent et, surtout, permettra aux familles d’améliorer leurs maisons sans mois de retard et d’incertitude. »
Naisha Polaine, directrice exécutive de 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 de faire gagner beaucoup de temps aux agents consacrés à l’administration des demandes de permis de construire et d’accélérer le processus de prise de décision pour les résidents. En retour, cela contribuera de manière significative à atteindre nos objectifs de croissance en matière de construction de logements dans l’arrondissement. »
La coordination entre MHCLG, i.AI, Google DeepMind et Faculté établit une division structurée du travail pour l’ingénierie logicielle d’entreprise. Les ministères publics définissent les orientations politiques et les limites statutaires, tandis que les partenaires techniques externes conçoivent et déploient les architectures modèles sous-jacentes.
L’intégration réussie de ces systèmes démontre la faisabilité d’héberger des modèles linguistiques avancés au sein d’une infrastructure de cloud public sécurisée pour traiter les charges de travail administratives de base et moderniser la prestation des services publics.
