Le canton de Genève a commandité une étude interdisciplinaire à l'Université de Genève sur les liens entre intelligence artificielle et souveraineté numérique. Selon Netzwoche, les chercheurs ont remis 22 recommandations visant à encadrer l'usage de l'IA dans l'administration cantonale.
Pour un dirigeant de PME romande, ce travail mérite attention. Genève est le premier canton suisse à avancer ainsi sur une stratégie dédiée. Les choix qui s'y dessinent préfigurent probablement ce que d'autres cantons, et peut-être la Confédération, adopteront dans les années à venir. Anticiper ces attentes, c'est éviter de devoir refaire ses outils à la hâte.
Ce que contient l'étude genevoise
L'équipe de chercheurs — Cédric Durand, Yaniv Benhamou, Diego Kuonen et Gaia Valenti — a analysé l'IA sous trois angles : politico-économique, juridique et data-scientifique. Leur rapport couvre infrastructures, données, logiciels, compétences, évolution du travail et impact environnemental.
Trois lignes directrices structurent les 22 recommandations : encadrer l'emploi de l'IA dans l'administration, préserver des marges de manœuvre face à la dépendance technologique, et protéger les personnes ainsi que l'environnement. Les auteurs insistent sur une question centrale : quelles garanties permettent de faire confiance aux systèmes déployés par les autorités ?
Les recommandations se déclinent en pratiques concrètes. La sélection des outils doit partir des besoins métier, pas de l'enthousiasme technologique. Le rythme d'introduction doit être maîtrisé, avec des phases d'expérimentation avant tout déploiement large. Les collaborateurs doivent conserver les compétences pour évaluer les résultats des outils, notamment quand ils instruisent des demandes d'autorisation, attribuent des subventions ou hiérarchisent des dossiers. Ensuite seulement viennent la définition des responsabilités, des limites d'usage et des mécanismes de supervision.
Pour les applications à haut risque, les chercheurs évoquent un cadre de gestion des risques incluant contrôle humain des décisions automatisées, documentation technique et évaluation d'impact. Ils soulignent la qualité, l'intégrité et la protection des données. Ces éléments sont présentés comme des garanties possibles, non comme des obligations déjà en vigueur.
La vigilance doit se poursuivre en exploitation : validation, tests, surveillance continue et assurance qualité. Les auteurs rappellent que les systèmes génératifs peuvent énoncer des réponses erronées avec une apparente certitude. Avec l'émergence des agents IA enchaînant des tâches avec moins d'intervention humaine, les questions de fiabilité et de supervision deviennent plus pressantes.
Le risque de biais est documenté : discrimination directe ou indirecte, par exemple en recrutement ou dans l'octroi de prestations publiques. La transparence est un autre axe, notamment informer les personnes qu'elles interagissent avec une IA ou qu'un traitement automatisé influence fortement une décision.
Trois pistes complémentaires sont suggérées : vérifier si le droit cantonal protège suffisamment les droits fondamentaux face à l'IA, créer un registre des systèmes décisionnels, publier une auto-évaluation des risques tous les deux ans. Les auteurs réclament aussi des procédures de recours effectives, avec possibilité d'indemnisation et de sanctions. Le canton, qui a adopté cet été 2026 une stratégie de souveraineté numérique, indique que certains points rejoignent ses travaux en cours, d'autres restent à examiner sous l'angle juridique, financier et de la répartition des compétences entre collectivités.
Ce qui change concrètement pour une PME romande
Ce cadre ne s'adresse pas directement aux entreprises privées. Il concerne l'administration genevoise. Pourtant, plusieurs enseignements valent pour toute PME romande qui déploie ou envisage l'IA.
Le premier : la logique de souveraineté numérique gagne du terrain. Choisir ses outils en fonction de ses besoins réels, garder la maîtrise de ses données, documenter ses décisions — ces principes s'appliquent aussi à une menuiserie de Sierre qu'à une fiduciaire de Lausanne. Le deuxième : l'expérimentation contrôlée devient la norme attendue. Déployer large sans phase de test, c'est prendre un risque réputationnel et opérationnel croissant. Le troisième : la transparence vis-à-vis des personnes concernées n'est plus une option de bonne volonté, mais une direction réglementaire probable.
Les PME les plus concernées sont celles qui traitent des données sensibles (santé, financier, juridique), celles qui automatisent des décisions touchant des clients ou des employés, et celles qui fournissent des services à l'administration publique. Une régie immobilière qui trie les demandes de logement, un cabinet qui préqualifie des dossiers, un hôtel qui personnalise ses tarifs : ces scénarios hypothétiques entrent dans le périmètre de vigilance.
À l'inverse, une PME qui utilise l'IA pour rédiger des brouillons d'e-mails internes ou générer des images pour ses réseaux sociaux court moins de risques réglementaires immédiats.
Scénario hypothétique : une fiduciaire de Genève
Imaginons une fiduciaire de dix personnes à Carouge, qui déploie un outil d'IA pour préqualifier les demandes de déductions fiscales de ses clients. L'outil suggère quels justificatifs manquent et quels postes méritent attention.
Sans cadre, l'équipe pourrait tendre à suivre aveuglément les recommandations du système. Avec les principes de l'étude genevoise, elle structurerait autrement son projet : phase pilote sur cinquante dossiers, avec un collaborateur qui vérifie chaque suggestion ; documentation des cas où l'outil se trompe ; formation de toute l'équipe pour repérer les erreurs ; information écrite aux clients que leur dossier est instruit avec assistance d'un outil automatisé ; procédure interne pour qu'un client puisse contester une décision et obtenir réexamen par un humain.
Cette démarche prend quelques heures de plus à l'installation. Elle évite en retour de devoir reconstruire le processus si une réglementation cantonale ou fédérale rend ces pratiques obligatoires — ou si un client mécontent saisit la Préposée fédérale à la protection des données et à la transparence.
Points de vigilance pour votre PME
Souveraineté et hébergement. L'étude genevoise met en avant la dépendance technologique comme risque politico-économique. Pour une PME romande, cela se traduit par la question de l'hébergement des données. Stocker ses informations chez un fournisseur américain ou asiatique, c'est accepter des conditions juridictionnelles étrangères. L'alternative suisse existe, parfois à un coût comparable. Nous travaillons exclusivement avec des infrastructures hébergées en Suisse, notamment pour nos clients valaisans et romands.
nLPD et données personnelles. La nouvelle loi fédérale sur la protection des données s'applique déjà. Les principes de l'étude — qualité des données, intégrité, protection — en sont le prolongement logique. Une PME qui automatisera des décisions concernant des personnes devra probablement, à terme, informer ces personnes et prévoir un recours. Le PFPDT reste l'interlocuteur compétent pour les questions précises.
Coûts cachés de la maturité. Tester avant de déployer, surveiller en continu, former les équipes : ces exigences ont un coût en heures, pas seulement en francs. Une PME qui sous-estime cette phase de gouvernance risque de voir ses économies d'automatisation absorbées par des corrections tardives. Les gains hypothétiques de temps — par exemple quelques heures par semaine sur le traitement de dossiers répétitifs — doivent être mis en balance avec cet investissement initial.
Dépendance aux fournisseurs. Les grands modèles génératifs évoluent sans préavis. Ce qui fonctionne aujourd'hui peut se dégrader demain, ou devenir payant, ou disparaître dans une refonte. Conserver la capacité de revenir à un traitement manuel, même partiellement, c'est s'assurer contre cette dépendance. Nous concevons nos automatisations avec cette modularité : l'humain garde toujours la main.
Limites de l'IA. L'étude le rappelle avec force : les systèmes génératifs produisent des erreurs avec assurance. Les agents IA, plus autonomes, amplifient ce risque. Automatiser une chaîne complète sans étape de validation humaine, c'est accepter une exposition que la réglementation future sanctionnera probablement, et que la prudence commerciale devrait déjà interdire.
Que faire maintenant
- Faites l'inventaire de vos usages actuels. Quels outils d'IA utilisez-vous déjà, même informellement ? Un collaborateur qui passe par ChatGPT pour rédiger, un logiciel de recrutement qui trie les CV, un chatbot sur votre site : listez-les sans jugement.
- Identifiez les décisions automatisées. Parmi ces outils, lesquels influencent ou remplacent un jugement humain sur des personnes (clients, employés, fournisseurs) ? Ce sont vos priorités d'encadrement.
- Documentez vos processus. Même sommairement, notez qui fait quoi, avec quel outil, selon quelle règle. Cette documentation manquera à coup sûr si une question de responsabilité surgit.
- Prévoyez une phase de test. Avant tout élargissement d'un outil d'IA, prévoyez une période d'expérimentation avec contrôle humain systématique. Mesurez les erreurs, pas seulement les gains de temps.
- Évaluez votre hébergement. Si vos données sensibles transitent par des infrastructures étrangères, renseignez-vous sur les alternatives suisses. Le coût de migration est souvent inférieur à celui d'une problématique ultérieure.
Chez FlowBiz.ai, à Sion, nous accompagnons les PME romandes sur ces questions par étapes concrètes. Notre quiz IA en deux minutes permet d'évaluer où vous en êtes. Contactez-nous pour en discuter autour d'un café — ou d'un dîner, selon vos disponibilités.
