Contexte et objectifs

Le 17 septembre 2026, les Nations Unies ont annoncé un partenariat avec Google pour transformer le UN System Data Commons. Le projet vise à rendre les statistiques mondiales de l’ONU directement interrogeables par des agents d’intelligence artificielle via des requêtes en langage naturel. Cette initiative remplace le portail UNData, dont l’interface traditionnelle limitait l’accès aux données à des recherches manuelles.

Le besoin d’une telle évolution est illustré par le benchmark réalisé par l’UNICEF : six grands modèles de langage (GPT‑4o, GPT‑4o‑mini, Claude Sonnet 4.5, Claude Haiku 4.5, Gemini 2.5 Flash, Gemini 2.0 Flash) ont généré plus de 133 000 réponses à des questions sur les indicateurs de développement. Le score moyen d’exactitude n’a atteint que 21,2 %, et près de 60 % des réponses ne contenaient aucun chiffre exploitable. La cohérence des réponses était également faible, avec seulement 50 % de répétition exacte entre deux exécutions du même modèle.

Architecture du UN System Data Commons

Le nouveau système s’appuie sur la plateforme open‑source Google Data Commons, lancée en 2018 pour unifier des jeux de données publics. En 2025, Google a ajouté le Model Context Protocol (MCP), un standard qui autorise les agents IA à interroger directement les bases de données et à récupérer les sources d’origine. Le UN System Data Commons héberge actuellement des données provenant de 26 entités de l’ONU, avec près de 20 jeux de données disponibles dès le lancement. L’objectif déclaré est d’intégrer 80 % des ensembles statistiques du système ONU d’ici 2027.

Google.org a financé le projet à hauteur de 2 millions de dollars pour la mise en place de l’infrastructure et la formation du personnel. Le déploiement suit une approche « train‑the‑trainer », où les équipes de l’ONU sont rapidement autonomes pour exploiter, maintenir et faire évoluer la plateforme sur une instance gouvernée par l’ONU.

Évaluation de la pertinence des données par les modèles IA

Le benchmark UNICEF montre que, même avec un accès simplifié, les modèles actuels peinent à extraire des valeurs précises. La principale cause identifiée est la tendance des modèles à « hedger » leurs réponses, c’est‑à‑dire à éviter de fournir un chiffre lorsqu’ils jugent l’information incertaine. Cette hésitation se traduit par une perte d’utilité pour les utilisateurs finaux, qui recherchent des indicateurs chiffrés fiables.

En parallèle, le trafic du site de l’UNICEF a augmenté de 67 % d’une année sur l’autre (janvier‑septembre 2026) grâce aux renvois depuis les assistants IA. Les visites provenant de ces renvois représentent 6,4 % de toutes les sessions, tandis que les assistants IA génèrent environ une visite sur dix. Ces chiffres confirment une demande croissante d’accès automatisé aux données, même si la qualité des réponses reste un défi.

Perspectives et limites

Le UN System Data Commons démontre la faisabilité technique d’une interface unifiée entre les bases de données publiques et les agents IA. Cependant, la précision limitée des modèles souligne la nécessité d’une validation humaine systématique. Le suivi de la provenance des données, intégré au système, constitue un garde‑fou contre la désinformation, mais il ne compense pas les erreurs d’interprétation algorithmique.

À moyen terme, l’enrichissement du catalogue (objectif 80 % d’ici 2027) et l’amélioration du MCP pourraient réduire le taux d’erreur. La publication prochaine de la méthodologie, du code et des jeux de données par l’UNICEF offrira une base pour des études indépendantes, essentielles pour mesurer l’impact réel de l’accès IA‑ready aux statistiques mondiales.