Regards

Un policy brief se lit en moins de dix minutes par une personne qui n’ouvrira pas votre rapport. Il tient en quatre pages au plus, s’écrit pour un lecteur précis et suit une architecture stable : le problème, ce que l’on sait, les options avec leurs coûts, la recommandation et ses conditions de mise en œuvre. Il ne se découpe jamais dans un rapport existant, il se rédige à neuf. Voici le format, les pièges qui l’envoient à la corbeille et l’ordre dans lequel l’écrire.

En 2026, l’IA en santé n’est plus une promesse : elle lit des images, rédige des comptes rendus, alimente des entrepôts de données contrôlés par la CNIL. La HAS a publié ses repères, l’Europe a fixé ses échéances, un baromètre national se remplit jusqu’au 16 octobre. Ce qui manque encore, c’est la preuve : selon l’AI Index 2026, 2,4 % des dispositifs IA autorisés par la FDA en 2025 s’appuient sur un essai randomisé. Cette cartographie décrit où en est le secteur, et ce qu’un conseil d’administration doit exiger avant de valider un déploiement.

En 2026, l’adoption de l’IA en France se mesure à 18 % selon l’Insee et à 88 % selon le Stanford AI Index. L’écart n’est pas une erreur : les deux enquêtes ne comptent ni les mêmes entités, ni le même usage, ni la même définition du mot « utiliser ». Cet article démonte quatre séries statistiques publiées entre janvier et juillet 2026, montre ce que chacune mesure vraiment, et donne les trois questions à poser avant de comparer votre organisation à un chiffre.

Fin janvier 2026, un tribunal rejette une requête « manifestement rédigée par une IA », truffée de décisions introuvables. L’intelligence artificielle est déjà entrée dans la justice française, par les écritures, les bases de décisions et les promesses de justice prédictive. Où en est-elle vraiment ? Cette cartographie distingue ce que l’IA tient de ce qu’elle ne tient pas, et ce que cela engage pour toute organisation qui laisse l’outil entrer dans sa fonction juridique sans le cadrer.

Les biais algorithmiques mobilisent les équipes techniques. Ils devraient mobiliser les comités de direction. Trois angles que la littérature managériale passe sous silence, et les questions que cela pose à vos arbitrages quotidiens.

L’IA en éducation a déjà eu lieu, sans cadre, sans débat collectif, sans que la plupart des boards de fondations éducatives aient passé le moindre arbitrage de fond. Le rapport UNESCO 2026 documente que 47 % des enseignant·e·s utilisent un outil d’IA générative chaque semaine, dans 81 pays, et que seuls 16 % des pays publient un cadre national. Cet article cartographie ce que trois ans d’IA générative ont vraiment fait à l’éducation, et propose trois arbitrages pour les fondations et les boards éducatifs en 2026.

La « souveraineté cognitive » est devenue, en deux ans, l’un des concepts les plus cités dans les colloques européens sur l’IA. Forgé par la chercheuse Asma Mhalla, prolongé par Kate Crawford et l’héritage de Bernard Stiegler, il pose une question politique inédite : qui décide de ce que pensent les modèles avec lesquels nous pensons ? Cet article cartographie le concept, expose ce qu’il engage pour votre organisation, et propose trois actes de gouvernance opposables.

Le numérique représente aujourd’hui entre 3 et 4 % des émissions mondiales de gaz à effet de serre, un chiffre appelé à doubler d’ici 2030. La sobriété numérique ne relève plus du choix éthique facultatif : elle devient une contrainte technique, réglementaire et économique que les organisations ne peuvent plus différer.

L’intelligence artificielle investit le secteur de l’économie sociale et solidaire. Opportunité réelle ou effet d’aubaine technologique ? Une prospective rigoureuse, ancrée dans des exemples concrets et des voix de terrain, pour que les dirigeants décident en connaissance de cause.

Automatiser les décisions ne dispense pas de les comprendre. Alors que les systèmes d’IA gagnent en autonomie, la question du discernement organisationnel devient centrale. Cet article examine comment les dirigeants, DRH et DSI peuvent préserver une capacité de jugement critique face aux recommandations algorithmiques.