Le Lab de la Sécurité sociale vous invite à découvrir : les synthèses du Lab. 

L’objectif ? Vous offrir en quelques pages un condensé clair et structuré des temps forts d’une émission, en mettant en avant les grandes thématiques abordées et en vous proposant, cette fois, un glossaire pour clarifier les principaux termes liés au sujet. 

Pour cette édition, nous revenons sur l’émission du 20 mai 2025 consacrée à l’intelligence artificielle à la Sécurité sociale. A cette occasion, les acteurs et actrices de la Cnaf, Cnam et CNSA ont partagé leurs démarches pour s’emparer des sujets liés à l’IA dans leurs branches : des premières expérimentations aux enseignements tirés sur le terrain.

Les intervenants : 

• Jean-François Girod, Directeur de mission, et Clémence Martin, Ajointe au directeur de la stratégie, des études et des statistiques à la Caisse nationale de l'Assurance maladie,
• Alexandra Coiffe, Cheffe de projet innovation et déploiement de l’IA à la Caisse nationale de solidarité pour l’autonomie,
• Stéphane Donné, Responsable du département des statistiques, système d’information et big data à la Caisse nationale des Allocations familiales.  

La synthèse vous permettra de retrouver 4 séquences pour mieux comprendre : 

• Comment ces acteurs ont acculturé les collaborateurs aux enjeux de l’IA, 
• Quels principes de gouvernance et doctrine ils mettent en place, 
• Quels cas d’usage ont été déployés ou sont en cours, 
• Quels enseignements et bilans en ont été tirés.  

Pour aller plus loin

Quelques définitions : 

• Agnostique : une technologie est dite « agnostique » lorsqu’elle a la capacité de fonctionner indépendamment du système d’exploitation au sein duquel elle est employée. Ainsi, une solution d’IA agnostique peut s’adapter à un environnement sécurisé particulier. 
• AMDAC : Administrateurs ministériels des données, des algorithmes et des codes sources. Créés en application de la circulaire n° n°6264/SG du 27 avril 2021, les AMDAC ont pour mission de recenser, exploiter et valoriser les données de chaque ministère. Ils constituent un réseau rassemblant un ensemble de référents au sein des administrations centrales et opérateurs publics.   
• Data mining (ou Exploration de données) : Processus de recherche dans un ensemble de données destiné à détecter des corrélations cachées ou des informations nouvelles.
• Données structurées et non structurées : les données structurées sont formatées selon une structure précise prédéfinie. Elles peuvent provenir de sources différentes mais leurs champs sont fixes et correspondent à un attendu. Les données non structurées n’ont pas de format défini, elles peuvent être de différentes natures. Des étiquettes de métadonnées peuvent leur être attribuées pour faciliter leur exploitation.  
• IA agentique : système d’IA capable de prendre des décisions complexes de façon autonome, en apprenant en continu et en s’adaptant aux situations. Elle est composée d’agents IA qui exécutent des sous-tâches spécifiques et sont coordonnés pour atteindre l’objectif fixé.  
• IA souveraine : technologie d’IA dont le développement ou le déploiement sont contrôlés par un Etat, permettant ainsi de protéger les données et de sécuriser leur usage. 
• Pour en savoir plus sur la souveraineté numérique, consultez le dossier de veille Intelligence artificielle, souveraineté numérique et IA act, d’octobre 2024.  
• Knowledge management (ou Management des connaissances) : Processus d’identification, de collecte, de stockage et de diffusion des savoirs et expériences dans une communauté professionnelle. Cette démarche pluridisciplinaire permet de créer une culture de partage de la connaissance et un environnement propice à l’apprentissage.
• Large Language Model (LLM) ou Grand modèle de langage : Modèle d’apprentissage automatique d’IA entraîné sur de vastes ensembles de données, pouvant générer du texte ou du code informatique.