Le DHS étend l’IA au traitement des demandes FOIA, mais le véritable test reste l’examen humain

Le Department of Homeland Security prévoit d’étendre le traitement des demandes FOIA assisté par IA après avoir terminé l’exercice 2025 avec 245 572 demandes en attente. Le département affirme que l’automatisation peut réduire le travail administratif et aider les employés à gérer un volume croissant de demandes d’accès aux archives publiques. Le dilemme est simple : un traitement plus rapide n’a de valeur que si les recherches, classifications et caviardages qui en résultent restent exacts.

Le DHS a reçu plus d’un million de demandes au titre du Freedom of Information Act au cours de l’exercice. Il en a traité presque autant, mais son stock de demandes en attente est tout de même passé de 221 068 au début de l’année. Selon le département, son arriéré officiel représentait 16 % des demandes reçues.

Ces chiffres expliquent pourquoi les agences fédérales considèrent l’automatisation comme davantage qu’une expérimentation. Toutefois, le DHS envisage d’utiliser l’IA pour des décisions qui influencent les documents que les citoyens reçoivent. Ce plan constitue donc un test de responsabilité publique, et non un simple projet de modernisation des bureaux.

Le département répertorie déjà un cas d’usage avant déploiement visant à identifier et caviarder les contenus sensibles. Customs and Border Protection utilise également un logiciel d’examen de documents capable d’apprendre des évaluateurs et de classer les documents selon leur pertinence. Les défenseurs des libertés civiles avertissent que ces systèmes pourraient reproduire les tendances existantes au caviardage excessif tout en réduisant la place laissée à un examen humain attentif.

Le DHS intègre davantage l’IA dans le processus FOIA

Le changement important n’est pas que le DHS utilise des logiciels, mais que l’IA se rapproche de décisions d’examen aux conséquences importantes.

Le DHS utilise depuis des années des outils électroniques pour accepter les demandes, gérer les dossiers, partager des fichiers, supprimer les doublons et transmettre des documents. Ces fonctions remplacent les manipulations manuelles sans nécessairement décider de ce que le public peut consulter. Les nouveaux cas d’usage vont plus loin, jusqu’à l’identification et au caviardage des documents.

Le rapport annuel FOIA du département indique que son Privacy Office continue de développer et de déployer de nouvelles technologies pour traiter les demandes. Le DHS prévoit de lancer des outils d’automatisation supplémentaires au cours de l’année à venir. Il présente ses objectifs comme une amélioration de l’efficacité et la suppression du travail administratif répétitif.

Cette description couvre un large éventail de fonctions possibles. Un système automatisé peut renseigner les champs d’un dossier, détecter les fichiers en double, convertir des pages numérisées en texte interrogeable ou orienter les documents vers le bon bureau. Chaque fonction peut faire gagner du temps sans remplacer un jugement juridique.

La pertinence des documents est plus sensible. Un document pertinent entre dans le périmètre de recherche d’un demandeur, même si certaines informations doivent ensuite être retenues. Si un système classe par erreur ce document comme non pertinent, le demandeur pourrait ne jamais savoir qu’il existait.

Le caviardage ajoute un niveau de risque supplémentaire. La FOIA permet aux agences de retenir des informations au titre d’exemptions légales précises, notamment pour protéger la sécurité nationale, les activités de maintien de l’ordre et la vie privée. L’application de ces exemptions exige souvent du contexte, une interprétation juridique et une appréciation du préjudice raisonnablement prévisible.

Le DHS a identifié un cas d’usage de l’IA destiné à rationaliser l’identification et le caviardage des contenus sensibles. Selon son inventaire public, le département a classé cet usage prévu comme n’ayant pas d’impact élevé. Cette désignation compte, car les systèmes à fort impact sont soumis à des exigences plus strictes de gestion des risques dans le cadre de la politique fédérale sur l’IA.

L’inventaire décrit le système comme étant en phase de pré-déploiement. Cela signifie que les informations publiques n’établissent pas encore l’ampleur de son utilisation par le DHS, les composants qui y participeront ni le pourcentage de ses suggestions que les employés accepteront.

Un autre outil fait déjà partie du dispositif. Le DHS répertorie RelativityOne comme un système d’IA commercial destiné à la recherche de connaissances. Une analyse de confidentialité de Customs and Border Protection décrit plus précisément son rôle, notamment son soutien à des réponses rapides aux demandes FOIA.

Au sein de la division FOIA du CBP, la plateforme peut apprendre des décisions des évaluateurs et étiqueter les documents comme pertinents ou non pertinents. Cette technique est couramment appelée examen assisté par la technologie, ce qui signifie qu’un logiciel utilise des exemples étiquetés par des personnes pour hiérarchiser ou classer une collection plus vaste.

L’examen assisté par la technologie ne signifie pas toujours que les décisions de divulgation sont autonomes. Les évaluateurs peuvent utiliser les prédictions pour ordonner les documents, identifier les doublons probables ou concentrer leur attention sur les classifications incertaines. Les documents publics laissent flous des détails importants, notamment le moment où les employés doivent vérifier une étiquette et la manière dont le DHS mesure les erreurs.

Cette lacune crée la tension centrale. Le DHS présente l’IA comme un soutien aux employés surchargés, mais certaines capacités documentées peuvent influer sur les documents qui parviennent à ces employés. L’efficacité repose sur la réduction des étapes manuelles. La responsabilité publique repose sur l’identification des étapes qui ne peuvent pas être supprimées sans risque.

Le nombre de demandes explique pourquoi le DHS automatise

Le DHS fait face à une charge de travail suffisamment importante pour rendre l’automatisation attrayante, même avant de prendre en compte la pression sur les effectifs.

Le département a commencé l’exercice 2025 avec 221 068 demandes FOIA en attente. Il a ensuite reçu plus d’un million de nouvelles demandes et en a traité un volume presque équivalent. Le DHS a néanmoins terminé avec 245 572 demandes en attente, soit une hausse de 24 504 au cours de l’année.

Une demande en attente et un arriéré officiel ne sont pas identiques. Une demande entre dans l’arriéré lorsqu’elle reste sans réponse au-delà du délai légal applicable. Le DHS indique que son arriéré représentait 16 % des demandes reçues, même si son stock total de demandes en attente dépassait 245 000.

Cette distinction est utile, mais elle ne réduit pas l’ampleur du défi opérationnel. Chaque dossier en attente nécessite encore un suivi, des communications, des recherches, un examen ou une transmission. Les demandes complexes peuvent porter sur de vastes collections d’e-mails, des dossiers d’immigration, des archives de maintien de l’ordre, des vidéos ou des documents détenus par plusieurs composantes.

Le DHS assume depuis longtemps une part exceptionnellement importante de la charge fédérale liée à la FOIA. Ses agences comprennent Customs and Border Protection, Immigration and Customs Enforcement, la Federal Emergency Management Agency, la Transportation Security Administration et U.S. Citizenship and Immigration Services.

Plusieurs de ces composantes conservent des documents dont les personnes ont besoin pour des raisons personnelles ou juridiques immédiates. Les demandes liées à l’immigration peuvent concerner le dossier officiel d’une personne. Les demandes liées à une catastrophe peuvent porter sur des décisions gouvernementales prises après une urgence. Les journalistes et les organisations de contrôle recherchent des documents de politique publique, des contrats, des communications et des données d’application de la loi.

Le besoin de rapidité dépasse donc la simple commodité. Un document retardé peut affecter un contentieux, un travail journalistique, une procédure d’immigration, une recherche historique ou l’examen public d’une politique en cours.

Les évolutions des effectifs fédéraux ajoutent de la pression. Plus de 600 spécialistes de l’information du gouvernement ont quitté le service fédéral après le début de la seconde administration Trump, selon des données citées dans le rapport initial. Près de 100 de ces départs ont eu lieu au DHS.

La catégorie des spécialistes de l’information du gouvernement comprend de nombreux employés qui traitent les demandes FOIA. Les départs ne se traduisent pas directement par une réduction identique de la capacité de traitement FOIA, car les fonctions varient. Néanmoins, les données sur les effectifs fédéraux montrent une contraction plus large touchant des agences déjà confrontées à une charge croissante de documents.

La diminution du nombre d’évaluateurs expérimentés crée un cycle difficile. Les employés restants reçoivent davantage de dossiers, les responsables recherchent des outils plus rapides et les évaluateurs disposent de moins de temps pour inspecter les résultats automatisés. La technologie destinée à alléger la pression peut alors devenir plus difficile à superviser correctement.

Le DHS n’est pas seul dans cette évolution. L’Office of Government Information Services des National Archives a indiqué que 18,6 % des agences répondantes utilisaient l’IA ou l’apprentissage automatique dans le traitement des demandes FOIA. Cette constatation montre que l’adoption est en cours, même si la plupart des agences n’avaient pas encore déclaré utiliser ces outils.

D’autres départements explorent des fonctions similaires. Le Department of Health and Human Services a décrit des travaux portant sur des fonctions de flux de travail automatisées, des plateformes de découverte de documents et une preuve de concept d’IA. Des responsables de la Défense ont également examiné l’IA agentique, générative et prédictive pour les opérations FOIA.

Cela devient une réponse à l’échelle de l’administration face à une demande en hausse et à des effectifs contraints. Le DHS se distingue par son volume, la sensibilité de ses archives et ses responsabilités en matière d’application de la loi. Une erreur dans cet environnement peut affecter à la fois les demandeurs individuels et le contrôle public au sens large.

Le compromis central oppose rapidité et jugement vérifiable

L’IA peut accélérer la découverte sans posséder le jugement juridique exigé par les décisions FOIA.

Certaines tâches offrent un cas d’automatisation relativement clair. La reconnaissance optique de caractères peut transformer des pages numérisées en texte interrogeable. La détection des doublons peut éviter aux évaluateurs de relire sans cesse le même fil d’e-mails. L’identification des langues et la conversion de fichiers peuvent préparer les documents à l’examen.

L’assistance à la recherche peut aussi aider les employés à trouver des documents qu’une requête par mots-clés trop étroite pourrait manquer. Les systèmes d’apprentissage automatique peuvent identifier des concepts connexes, classer les documents probablement pertinents et regrouper des contenus similaires. Ces capacités sont précieuses lorsqu’un dossier comprend des milliers de fichiers.

Cody Venzke, avocat principal de l’American Civil Liberties Union, a reconnu ce potentiel dans le reportage initial. Il a déclaré que l’IA pourrait accélérer la découverte de documents et réduire le risque que des demandes larges omettent des documents pertinents.

Son avertissement porte sur ce qui se passe ensuite. Un caviardage n’est pas un simple exercice de correspondance de motifs. Les évaluateurs doivent identifier une exemption légale, l’appliquer au contenu concerné et déterminer si la divulgation causerait un préjudice raisonnablement prévisible.

Le contexte change la réponse. Un nom peut nécessiter une protection dans un document tout en étant déjà public dans un autre. Un passage décrivant des délibérations peut contenir des informations factuelles dissociables qui devraient néanmoins être divulguées. Une technique de maintien de l’ordre peut être sensible à un moment donné puis largement connue par la suite.

Les modèles peuvent attribuer des étiquettes à partir d’exemples antérieurs, mais les étiquettes passées ne sont pas nécessairement correctes. Les réponses des agences reflètent des interprétations juridiques, des préférences en matière de risque, l’historique des contentieux et les habitudes des évaluateurs. Entraîner les systèmes à partir de ces réponses peut reproduire les mêmes tendances à plus grande échelle.

Cette préoccupation est particulièrement importante parce que les agences sont souvent accusées de caviarder excessivement les documents. Un évaluateur humain trop prudent peut dissimuler trop d’informations dans un dossier. Un système entraîné sur des milliers de décisions prudentes peut appliquer ce comportement à des milliers de dossiers.

Abigail Kunkler, chercheuse en droit à l’Electronic Privacy Information Center, a soutenu qu’une automatisation entraînée sur des réponses existantes refléterait les tendances actuelles en matière de caviardage. Sa préoccupation ne tient pas simplement au fait qu’un modèle d’IA échouera parfois. Elle est que le système standardise une préférence institutionnelle pour la rétention d’informations.

L’erreur inverse compte également. Un modèle pourrait ne pas reconnaître des données personnelles, des informations de sécurité ou des détails protégés par la loi. Cela peut exposer des personnes ou nuire à une enquête. Les agences ont donc une raison rationnelle de paramétrer les systèmes en faveur de la prudence.

Cependant, privilégier la prudence déplace les erreurs vers la non-divulgation. Les demandeurs ne peuvent pas facilement détecter un document qu’un classificateur a exclu avant examen. Ils peuvent contester des occultations visibles, mais pas un document qu’ils n’ont jamais reçu ni su qu’il existait.

Cette asymétrie rend la classification de la pertinence particulièrement lourde de conséquences. Un faux positif envoie un document non pertinent à un examinateur et consomme du temps. Un faux négatif peut retirer silencieusement un document pertinent du processus.

Le DHS a besoin de mesures d’évaluation qui reflètent cette différence. Un score d’exactitude unique peut masquer des schémas de défaillance préjudiciables. Le département devrait suivre séparément les documents pertinents manqués, les examens inutiles, les suggestions d’occultation erronées et les informations sensibles divulguées.

Les tests doivent également s’appuyer sur des données réalistes. Un système évalué sur des documents d’exemple propres peut fonctionner différemment sur des pages numérisées, des notes manuscrites, des fils d’e-mails, des pièces jointes, des transcriptions audio ou des documents contenant plusieurs langues. Le DHS traite tous ces formats dans l’ensemble de ses composantes.

L’usage le plus solide de l’IA maintiendrait le système dans un rôle d’assistance. Il pourrait classer les documents par priorité, suggérer des occultations et expliquer quels schémas ont déclenché une recommandation. Un employé formé confirmerait la pertinence du document et prendrait la décision finale de retenue.

Cette structure préserve l’autorité humaine, mais seulement si l’examen est substantiel. Exiger d’un employé qu’il appuie sur un bouton d’approbation ne crée pas une supervision significative. Les examinateurs ont besoin de suffisamment de temps, de formation et d’informations sur le système pour contester la recommandation.

Le DHS n’a pas suffisamment expliqué ses garde-fous

L’inventaire public identifie des capacités d’IA, mais ne fournit pas assez d’éléments pour évaluer leurs contrôles.

Le DHS a classé son cas d’usage prévu d’identification et d’occultation de contenus sensibles comme n’ayant pas d’impact élevé. Cette décision limite les exigences de gestion des risques associées au système. Pourtant, les informations publiques n’expliquent pas pleinement pourquoi ce cas d’usage a reçu cette classification.

Les définitions des politiques fédérales comptent ici. Un système peut influencer l’accès aux informations gouvernementales sans prendre de décision concernant des prestations, le maintien de l’ordre ou la liberté individuelle. Ce rôle plus restreint peut le placer hors des catégories formelles à impact élevé.

Néanmoins, une faible classification formelle ne signifie pas un faible risque pour la responsabilité publique. La FOIA est l’un des principaux mécanismes juridiques permettant d’examiner les agences exécutives. Un outil qui modifie les recherches ou les occultations peut façonner ce que les journalistes, les plaignants, les chercheurs et les citoyens apprennent sur l’activité gouvernementale.

L’écart entre les descriptions du DHS mérite attention. L’inventaire commercial commun classe RelativityOne comme un système de recherche de connaissances. L’analyse de confidentialité du CBP décrit une fonctionnalité qui apprend des examinateurs et étiquette de manière indépendante les documents selon leur pertinence.

Les deux descriptions peuvent être techniquement exactes. La recherche de connaissances comprend la recherche et la classification de documents. Toutefois, l’étiquette plus large ne communique pas l’importance d’exclure un document d’un examen ultérieur.

Patrick Eddington, chercheur principal au Cato Institute, a soutenu que cette différence masque la capacité la plus susceptible de justifier un examen plus approfondi. Sa critique met en évidence un problème de conception de l’inventaire : une catégorie générale peut satisfaire aux exigences de divulgation sans expliquer la décision opérationnelle.

Le DHS devrait publier le rôle que joue chaque outil à chaque étape. La description devrait distinguer la recherche, la priorisation, la classification de la pertinence, la recommandation d’occultation, l’approbation finale et l’assurance qualité. Regrouper ces fonctions sous le terme « traitement » empêche une évaluation significative.

Le département devrait également expliquer le seuil d’examen humain. Chaque étiquette « non pertinent » fait-elle l’objet d’une vérification, ou seulement un échantillon ? Le logiciel peut-il publier un document occulté sans approbation ligne par ligne ? Que se passe-t-il lorsque le modèle exprime une faible confiance ?

Les dossiers d’audit constituent un autre élément manquant. Un système défendable devrait conserver la version du modèle, la collection d’entrée, les classifications, les modifications apportées par les examinateurs et le résultat final. Ces dossiers aideraient le DHS à enquêter sur les erreurs et à répondre aux recours administratifs ou aux litiges.

Les procédures de recours doivent tenir compte de l’assistance automatisée. Un demandeur contestant une recherche insuffisante doit savoir si l’agence a utilisé l’apprentissage automatique. Les tribunaux examinant l’adéquation de cette recherche ont besoin d’éléments sur la manière dont le système a été configuré et supervisé.

La passation des marchés ajoute une incertitude supplémentaire. Le DHS a publié un avis d’intention d’attribuer à Deloitte un contrat pour un logiciel FOIA personnalisé doté de fonctions d’IA. Un avis d’intention indique le parcours d’achat envisagé par le département, et non la preuve d’un déploiement achevé ou de performances mesurées.

Le logiciel prévu fait suite à une vitrine fédérale des technologies FOIA qui a réuni près de 40 fournisseurs. Selon le résumé de l’événement, près de 85 % d’entre eux ont mis en avant des fonctions d’IA. Celles-ci comprenaient le masquage audio, l’occultation, l’analyse de pertinence, le renseignement de champs et des chatbots destinés au public.

L’intérêt des fournisseurs montre que le DHS aura des options. Il ne démontre pas que ces outils respectent une norme commune d’exactitude, de sécurité ou d’explicabilité. Les démonstrations de produits reproduisent rarement la qualité documentaire et l’ambiguïté juridique rencontrées dans les demandes contestées.

Les clauses contractuelles peuvent transformer les garde-fous en exigences exécutoires. Le DHS peut exiger des tests sur des documents représentatifs, la divulgation des changements de modèle, le signalement des incidents, la conservation des journaux d’audit, l’accessibilité et des limites à l’utilisation secondaire des données gouvernementales.

Le département peut également exiger une évaluation indépendante avant un déploiement plus large. Les tests devraient inclure des spécialistes des libertés civiles, des professionnels expérimentés de la FOIA, des responsables des archives, du personnel de sécurité et des représentants de demandeurs fréquents.

Sans ces détails, le public doit déduire les garde-fous à partir de brèves descriptions d’inventaire et d’avis de passation de marchés. Ce n’est pas suffisant pour des systèmes destinés à soutenir une loi sur la transparence.

Les occultations FOIA par l’IA nécessitent une supervision humaine mesurable

L’examen humain ne devient crédible que lorsque le DHS mesure si les personnes détectent les erreurs du système.

Les agences répondent souvent aux préoccupations liées à l’IA en affirmant qu’une personne reste dans la boucle. Cette expression paraît rassurante, mais elle décrit de nombreux modèles opérationnels différents. Un examinateur peut examiner chaque document, contrôler un petit échantillon ou n’intervenir qu’après que le système a signalé une incertitude.

Le DHS devrait définir le modèle d’examen pour chaque fonction. L’automatisation administrative peut fonctionner avec des contrôles qualité réguliers. La classification de la pertinence nécessite une validation plus forte, car les faux négatifs peuvent masquer des documents. Les suggestions d’occultation exigent un examen juridique avant publication.

L’échantillonnage peut soutenir l’assurance qualité, mais l’échantillon doit refléter le risque. Des contrôles aléatoires peuvent manquer de rares documents contenant des éléments pertinents importants. Le DHS devrait suréchantillonner les prédictions à faible confiance, les formats inhabituels, les sujets sensibles et les cas présentant un large intérêt public.

L’agence a également besoin d’une référence de départ. Elle ne peut pas démontrer une amélioration sans comparer l’examen assisté aux procédures humaines établies. Les mesures devraient inclure le délai de traitement, la charge de travail des examinateurs, les documents manqués, les occultations annulées, les résultats des recours et les conclusions des litiges.

La rapidité seule donnerait un résultat trompeur. Un système qui clôt les dossiers plus vite en excluant davantage de documents pourrait sembler efficace tout en réduisant la divulgation. Le DHS a besoin de mesures associées montrant à la fois la rapidité et l’exhaustivité.

L’exactitude des occultations exige davantage que de compter les rectangles noirs sur une page. Le département devrait examiner si chaque retenue repose sur une exemption valide, si les informations non exemptées ont été raisonnablement séparées et si l’agence a appliqué la norme du préjudice prévisible.

Le comportement des examinateurs devrait également être mesuré. Le biais d’automatisation se produit lorsque les personnes accordent un poids excessif à la suggestion d’un système. Il peut s’accentuer lorsque les examinateurs font face à de lourdes charges de travail ou supposent que le logiciel a déjà achevé l’analyse difficile.

La conception de l’interface peut réduire ce risque. Un système devrait afficher le texte à l’appui et les informations de confiance sans présenter sa réponse comme définitive. Les examinateurs devraient consigner pourquoi ils ont accepté ou rejeté des recommandations sensibles.

La formation est tout aussi importante. Les employés doivent comprendre ce que le modèle évalue, où il fonctionne mal et comment les changements dans les documents sources affectent les résultats. La formation juridique seule n’explique pas les modes de défaillance de l’apprentissage automatique.

Le DHS a invité environ 500 employés de ses centres de traitement FOIA à un programme de formation virtuelle en 2024. Les sessions comprenaient une discussion sur l’IA et l’apprentissage automatique dans le traitement FOIA. C’est un point de départ utile, mais le déploiement exige une préparation continue, propre à chaque outil.

Une supervision indépendante peut vérifier si les contrôles résistent à la pression opérationnelle. Les inspecteurs généraux, le médiateur FOIA des National Archives, les commissions du Congrès et les tribunaux jouent tous des rôles différents dans l’évaluation de la transparence des agences.

Les demandeurs apportent également des éléments. Des schémas de documents manquants, d’occultations incohérentes ou de recherches anormalement étroites peuvent révéler des problèmes que les données de performance agrégées ne détectent pas. Le DHS a besoin d’un processus reliant ces plaintes à l’évaluation du système.

Le département devrait divulguer les incidents importants. Si un modèle omet des documents pertinents ou expose des informations protégées, le DHS devrait documenter l’ampleur du problème, sa correction et les changements préventifs. Corriger discrètement une seule demande laisserait intact le risque sous-jacent.

Le reporting public n’exige pas la publication de documents sensibles ni de code propriétaire. Le DHS peut publier les méthodes de test, les résultats agrégés, les exigences d’examen et les catégories d’erreurs. Ces divulgations permettraient à des observateurs externes d’évaluer la gouvernance sans exposer de secrets opérationnels.

La leçon plus large s’applique au-delà de la FOIA. Une agence ne peut pas compenser la diminution du nombre d’employés qualifiés simplement en ajoutant une étape d’approbation après l’automatisation. Une supervision significative exige des personnes disposant de temps, d’autorité, de formation et d’éléments probants.

Trois signaux montreront si le plan améliore l’accès

Le prochain test consiste à déterminer si le DHS publie des preuves opérationnelles, et non s’il annonce des outils d’IA supplémentaires.

Le premier signal est un inventaire de l’IA plus détaillé. Le DHS devrait identifier quelles composantes utilisent chaque système, quelles étapes du traitement reçoivent une automatisation et quelles décisions exigent une confirmation humaine. Il devrait également expliquer le fondement de ses classifications d’impact.

Des divulgations plus claires renforceraient l’argument du département en faveur de l’efficacité. Elles montreraient que le DHS a séparé les tâches administratives à faible risque des décisions affectant l’accès aux documents. Une nouvelle description générale de la « recherche de connaissances » affaiblirait la confiance.

Le deuxième signal est la structure de la passation de marché avec Deloitte et de toute commande de tâches qui en résulterait. L’avis de passation de marché devrait conduire à des exigences couvrant les tests d’exactitude, les pistes d’audit, l’examen humain, les changements de modèle, la protection des données et le signalement des incidents.

Un contrat comportant des contrôles mesurables transformerait les promesses publiques en obligations pour le fournisseur. Un contrat principalement axé sur le débit et la rapidité de déploiement déplacerait le risque vers les employés FOIA et les demandeurs.

Le troisième signal est la performance au cours du prochain cycle de reporting. Le DHS devrait indiquer si l’inventaire en attente passe sous la barre de 245 572 tout en maintenant une qualité de traitement stable. Les annulations en appel, les conclusions de litiges et les plaintes fondées concernant les recherches peuvent constituer d’importants contrepoids aux totaux de clôtures.

Un arriéré plus faible ne soutiendrait la thèse du DHS que si l’automatisation améliore l’accès. Des réponses plus rapides accompagnées d’occultations plus étendues ou de documents manquants représenteraient un progrès administratif sans transparence renforcée.

Le public devrait également surveiller les effectifs. Le rapport de l’Ombudsman FOIA montre que l’adoption de l’IA se propage dans les agences. Il ne démontre pas que les logiciels peuvent remplacer des professionnels expérimentés de la gestion des archives.

Si les départs de spécialistes se poursuivent, le DHS pourrait avoir du mal à assurer l’examen que ses garde-fous supposent. Si le département maintient des équipes formées et utilise l’automatisation pour la préparation et la priorisation, ces outils auront davantage de chances de réduire le travail répétitif en toute sécurité.

L’issue la plus crédible ne serait pas un bureau FOIA entièrement automatisé. Ce serait un système qui identifie davantage de documents pertinents, élimine les tâches de traitement courantes et accorde aux employés plus de temps pour l’analyse juridique. Le DHS publierait alors suffisamment d’éléments pour que des observateurs extérieurs puissent vérifier ce résultat.

L’automatisation de la FOIA mérite un examen attentif précisément parce que cette technologie s’inscrit dans un processus de transparence. Une erreur cachée peut déterminer quelles actions gouvernementales restent cachées. L’auditabilité devient donc une caractéristique essentielle, et non une simple couche facultative de conformité.

Le DHS a désormais l’occasion d’établir un modèle viable de traitement des documents publics assisté par l’IA. Le département devrait définir l’autorité humaine, tester des modes de défaillance réalistes et rendre compte de résultats allant au-delà de la seule rapidité.

À mesure que le déploiement progresse, les demandeurs, journalistes et groupes de contrôle devraient poser trois questions : quelles décisions l’IA influence-t-elle, qui vérifie ces décisions et quels éléments montrent que ces vérifications fonctionnent ? Les réponses détermineront si le DHS réduit les délais ou se contente d’automatiser les refus de communication.