La "promesse" des SLMs : l'innovation en mode dégradé
Le discours est rodé : face aux "contraintes uniques" du public — comprenez manque chronique de budget, infrastructures pourries et paranoïa légitime sur la sécurité des données — l'industrie tech propose la solution miracle. Les Small Language Models (SLMs). Des modèles plus petits, plus légers, plus "gouvernables". Une belle manière de dire qu'on vous vend une Clio quand vos homologues privés roulent en Tesla. La promesse ? Rendre l'IA "opérationnelle". La réalité ? L'adapter à un environnement qui l'étouffe à la naissance.
Suivez l'argent : qui vend les chaînes ?
Derrière chaque SLM "spécial secteur public" se cache un consortium de vendeurs de logiciels enterprise et de consultants en transformation digitale. Leur argument choc : moins de paramètres = moins de risques et moins de coûts de calcul. C'est mathématique, et surtout, commercial. Ils ne résolvent pas les problèmes structurels (l'opacité des marchés publics, la frilosité des DSI, le manque de compétences internes). Ils les entérinent et monnaient une solution low-cost. L'objectif n'est pas de transformer le service public, mais de lui fournir un outil qui ne fera pas trop de vagues — et surtout, pas trop de dépenses.
Le mirage de la "sécurité" sur étagère
On vous parle de gouvernance, de conformité, de souveraineté. Ce sont les nouveaux mantras pour justifier des modèles sous-alimentés. Un SLM entraîné sur des données "maîtrisées" et hébergé dans un datacenter "de confiance" serait plus sûr. Vraiment ? Un modèle moins puissant est aussi un modèle plus bête, plus susceptible de produire des hallucinations ou des biais non détectés, simplement parce qu'il a moins de contexte. On troque un risque complexe (la boîte noire d'un grand modèle) contre un risque sournois (l'ineptie automatisée et approuvée). La sécurité devient l'alibi de la médiocrité.
Opérationnaliser l'obsolescence programmée
Le vrai scandale n'est pas technique, il est politique. Adopter aujourd'hui des SLMs taillés pour les contraintes d'hier, c'est acter le sous-investissement chronique dans le numérique public. Pendant ce temps, les GAFAM et les startups bien financées repoussent les limites avec des modèles de plus en plus grands. Le fossé ne fera que se creuser. On "opérationnalise" ainsi l'écart technologique entre l'État et ceux qu'il est censé réguler. Belle ironie : les outils conçus pour être "opérationnels" garantissent l'obsolescence à moyen terme.
Conclusion : Le public mérite mieux qu'une IA au régime sec
Le secteur public a besoin d'audace, pas de rustines high-tech. Il a besoin de vrais investissements, d'une stratégie claire, et de la volonté de prendre des risques calculés — comme le font, tous les jours, les entreprises qu'il côtoie. Accepter les SLMs comme horizon indépassable, c'est capituler. C'est admettre que l'innovation, pour les citoyens, doit être petite, cheap et inoffensive. Le message des vendeurs de SLMs est finalement très clair : « Vous ne pouvez pas avoir la vraie chose, alors voici un jouet. Faites semblant. » Il est temps que le public arrête de faire semblant.