DeepMind étend PlanAssist à 12 conseils municipaux anglais : instruction des demandes 58 % plus rapide

Quiconque a déjà attendu une autorisation pour une extension ou un aménagement de combles sait à quel point cette machine tourne lentement. Le problème n'est pas la complexité : les demandes types sont simples, mais elles sont extrêmement nombreuses. C'est précisément cette file d'attente que Google DeepMind a décidé de désengorger grâce à Gemini.

Ce qui s'est passé

DeepMind et le gouvernement britannique étendent PlanAssist, un outil d'IA destiné aux urbanistes des collectivités locales. Aux trois conseils pilotes (Barnet, Camden et Dorset) s'ajouteront 12 autres, soit 15 au total. Une bêta de 12 mois sur des demandes réelles suivra et, en cas de succès, l'outil pourrait être ouvert à tous les conseils d'Angleterre en 2027.

L'ampleur du problème ressort des chiffres : les demandes types des propriétaires occupent jusqu'à 70 % de la charge de travail des urbanistes. Elles sont généralement approuvées sans difficulté, mais consomment un temps disproportionné. Cela pèse aussi sur l'objectif du gouvernement de construire 1,5 million de logements d'ici 2029.

Comment ça fonctionne

PlanAssist accomplit en quatre étapes ce qu'un humain faisait auparavant à la main :

1. Il vérifie que les documents et les plans sont complets : tout est-il joint pour que la demande puisse avancer ?
2. Il confronte la demande aux contraintes, comme la protection des arbres et des monuments, ainsi qu'aux règles locales et nationales.
3. Il examine si des objections, par exemple de voisins, ont déjà été déposées.
4. Il prépare un rapport avec des citations et des liens vers les sources, que l'agent modifie avant de prendre sa décision.

Imaginez une demande d'extension à l'arrière d'une maison. Auparavant, l'agent ouvrait les plans, cherchait les points de politique pertinents, consultait la carte des contraintes et rédigeait un avis. Désormais, il reçoit un brouillon prêt à l'emploi qu'il vérifie, au lieu de tout construire de zéro.

Résultats du pilote

Depuis juin, dans les trois conseils, le temps de travail des agents sur les tâches d'évaluation a diminué en moyenne de 58 %. Plus de 70 % des rapports générés (par exemple sur la conformité aux règles locales ou l'exhaustivité des documents) ont été validés sans modification. Ces chiffres sont internes, issus du pilote, et aucune vérification indépendante n'a eu lieu : il convient donc de les prendre avec prudence.

Limites

Il s'agit pour l'instant d'une phase précoce. La bêta ne fait que démarrer et l'échantillon se limite à trois conseils ; l'extension aux zones rurales et urbaines montrera la robustesse des résultats. Le billet ne dit rien du taux d'erreur parmi les 30 % de rapports qui ont été corrigés, ni de la manière dont est mesuré le risque de passer à côté d'une infraction. Détail important : chaque décision est vérifiée par un agent qualifié, c'est-à-dire que l'IA ne décide jamais seule.

Enseignements pratiques

Pour les développeurs et les product managers qui travaillent avec le secteur public et les processus réglementés, c'est un bon modèle d'architecture. Premièrement, l'IA se charge de la préparation, pas de la décision. Deuxièmement, chaque conclusion s'accompagne de citations, ce qui permet à l'humain de la vérifier rapidement. Troisièmement, la métrique de succès est mesurable et claire : le temps par tâche et la part de rapports sans modification. Si vous construisez un assistant pour la conformité, les juristes, les assureurs ou les demandes bancaires, reprenez le même schéma : validation des documents, vérification des règles, brouillon avec références et approbation humaine obligatoire.

Il faudra aussi observer le comportement du projet face au flux de demandes réelles dans 15 conseils. Si les chiffres tiennent, ce sera l'un des cas publics les plus convaincants d'IA appliquée aux services publics.