Les effets de L’IA générative sur la discrétion administrative et sur la qualité décisionnelle : une étude systématique

Résumé

Cette recherche vise à analyser les effets de l’intelligence artificielle générative (IAG) sur la discrétion administrative et sur la qualité ainsi que la confiance décisionnelle dans les administrations publiques. Elle répond à une lacune de la littérature liée à l’absence de modélisation intégrée du mécanisme reliant l’usage de l’IAG, l’évolution de la discrétion administrative et la qualité des décisions publiques. La question de recherche est la suivante : comment l’usage de l’IAG transforme-t-il la discrétion administrative et quels effets cette transformation peut-elle produire sur la qualité décisionnelle ?

L’étude adopte une approche qualitative fondée sur une revue systématique de littérature conformément aux recommandations de PRISMA 2020. Le corpus documentaire, constitué à partir de plusieurs bases scientifiques et d’études sélectionnées selon des critères explicites d’inclusion et d’exclusion. Ce corpus collecte essentiellement des ressources datées de 2019 à 2026. La synthèse de la littérature met ainsi en évidence que l’IAG pourrait améliorer l’aptitude à l’analyse, diminuer la surcharge informationnelle, faire gagner en rapidité de traitement décisionnel, etc., mais que l’usage trop systématique des préconisations produites restreint l’autonomie de jugement, accroît les biais d’automatisation et déplace la responsabilité administrative. La discrétion administrative joue ainsi un rôle central, faisant le lien qui unit l’usage de l’IAG et la qualité de la décision. Les résultats soulignent également l’importance de la supervision humaine, de l’explicabilité et d’une confiance calibrée dans l’IA. Sur le plan pratique, l’étude recommande aux administrations de privilégier une IA qui augmente le jugement humain plutôt qu’elle ne s’y substitue, afin de préserver responsabilité, équité et légitimité décisionnelle.

JEL Classification : H83, D73, O33, D83

Type du papier : Recherche Théorique