La ministre des Finances, Mechket Slama Khaldi, est intervenue ce mercredi 12 novembre 2025 devant la séance plénière conjointe du Parlement et du Conseil national des régions et des districts, consacrée à la mission du ministère des Finances dans le cadre du projet de budget de l’État pour 2026.
Répondant aux interventions des députés, la ministre a affirmé que le dossier des diplômés au chômage depuis plusieurs années fait l’objet d’une attention particulière du président de la République Kaïs Saïed, soulignant la nécessité de leur réintégration dans le circuit économique « dans le cadre d’une approche équilibrée entre justice sociale et impératifs budgétaires ».
Mme Slama Khaldi a annoncé que de nouveaux recrutements dans la fonction publique seront programmés en 2026, après plusieurs années de gel, précisant que cette mesure impliquera des dépenses supplémentaires pour l’État mais qu’elle s’inscrit dans une vision de relance de l’investissement et de création de richesses.
La ministre a également insisté sur le rôle central du ministère des Finances dans la préservation des équilibres économiques du pays, ajoutant que le déficit budgétaire a reculé en 2025 par rapport à 2024 et que cette tendance devrait se poursuivre en 2026.
Abordant d’autres points soulevés par les députés, Mechket Slama Khaldi a rappelé que la numérisation de l’administration publique constitue un projet national, mené en coordination avec les ministères de l’Intérieur et des Technologies de la communication, afin de simplifier les services, renforcer la transparence et améliorer la gestion des ressources publiques.
Elle a par ailleurs mis en avant la résilience de la douane tunisienne et salué les efforts de ses agents dans la protection des frontières et la lutte contre la contrebande, tout en insistant sur la nécessité de moderniser les moyens logistiques et humains de ce service.
La ministre a conclu en réaffirmant que le gouvernement œuvre, sous la supervision du président de la République, à restaurer la confiance entre l’État et les citoyens, à travers une gestion rigoureuse des finances publiques et une politique économique axée sur l’équité, la transparence et la relance de l’emploi.
S.H
3 commentaires
Karim
Priorité au diplômes priorité au compétences …
Je comprends pas comment le nombre d’années que j’ai passer à rien faire peut bouster les chances d’être recruté…
Quel responsabilité à l’état envers quelqu’un qui a eu son bac + 4 voir bac + 18 et il ne trouve pas de travail ???
jamel.tazarki
@Madame Slama Khaldi
a) Les chômeur de longue durée:
Pour un chômeur de longue durée, l’encadrement psychologique et la réintégration progressive nécessitent une approche combinée : un soutien psychologique pour surmonter la perte de confiance et l’anxiété, ainsi qu’un accompagnement personnalisé pour une réintégration structurée, c’est-à-dire l’acquisition de nouvelles compétences ou la mise à jour de celles existantes afin de répondre aux besoins du marché du travail.
@Madame Slama Khaldi :ça ne fait aucun sens de proposer un emploi du jour au lendemain à des chômeurs de longue durée sans leur proposer un encadrement psychologique et un accompagnement pour acquérir de nouvelles compétences ou mettre à jour celles existantes afin de répondre aux besoins du marché du travail.
Soutien psychologique
– Reconnaître l’impact psychologique : le chômage de longue durée peut entraîner une baisse de l’estime de soi, de l’anxiété, de la dépression, un sentiment de désespoir et un manque de confiance.
– Recourir à une aide professionnelle : les professionnels de la santé mentale sont nécessaires pour gérer l’anxiété, le manque de confiance et l’anxiété des chômeurs de longue durée.
– Favoriser l’estime de soi : se concentrer sur les points forts et les réussites passées des chômeurs de longue durée pour reconstruire la confiance en soi.
– Élaborer un plan d’action : définir une stratégie personnalisée pour chaque chômeur de longue durée.
– Développer des compétences : leur faire suivre des formations pour acquérir de nouvelles compétences ou mettre à jour celles qu’ils possèdent déjà, afin de répondre aux besoins du marché du travail.
b) La numérisation de l’administration publique:
La numérisation de l’administration publique (et même l’IA) nécessite des données structurées qui permettent une analyse plus rapide, plus précise et plus intelligente tandis que les données non structurées doivent être converties en un format structuré avant de pouvoir être exploitées efficacement.
–>
– Les données structurées jouent un rôle crucial dans la prise de décision par l’IA en fournissant une source d’information fiable et cohérente. Cela permet aux systèmes d’IA d’effectuer des prédictions et de prendre des décisions plus précises en se basant sur les tendances et les schémas des données historiques. Par exemple, dans le secteur financier, les données structurées peuvent aider les algorithmes d’IA à détecter les activités frauduleuses en analysant les schémas de transactions. De même, dans le domaine de la santé, les données structurées des patients peuvent contribuer à un diagnostic plus précis et plus rapide des maladies.
– Pour un entraînement efficace, les modèles d’apprentissage automatique nécessitent des données de haute qualité, et les données structurées offrent précisément cela. La nature propre et organisée des données structurées permet des processus d’entraînement plus performants, aboutissant à des modèles plus précis et plus fiables.
– Lorsque les modèles d’apprentissage automatique sont entraînés sur des données structurées, ils peuvent identifier plus facilement les tendances et les relations, ce qui améliore leurs performances. Ceci est particulièrement important dans des applications comme l’analyse prédictive, où la précision du modèle est primordiale.
-La structuration des données pour l’IA n’est pas sans difficultés. L’intégration des données constitue un obstacle majeur, car celles-ci proviennent souvent de sources diverses et se présentent sous différents formats. Garantir la qualité et la cohérence des données entre ces sources peut s’avérer complexe.
-Un autre défi réside dans le volume considérable de données générées à l’ère du numérique. La gestion et le traitement de ces vastes ensembles de données nécessitent une infrastructure robuste et des technologies de pointe, ce qui peut s’avérer gourmand en ressources et coûteux.
– Avec l’évolution constante de l’IA, le rôle des données structurées devrait prendre une importance croissante. Les progrès technologiques, tels que l’intégration de données pilotée par l’IA et le nettoyage automatisé des données, faciliteront leur gestion et leur utilisation.
– De plus, l’importance croissante accordée à la confidentialité et à la sécurité des données engendrera un besoin accru de systèmes de données structurés et bien gérés. Ceci permettra de garantir que les applications d’IA soient non seulement efficaces, mais aussi éthiques et conformes à la réglementation
Fazit:
– Les données structurées sont indispensables non seulement au succès de l’IA, mais aussi à la numérisation de l’administration publique. Leur organisation permet en effet un traitement des données plus précis et plus efficace, ce qui est crucial pour assurer une prise de décision et un apprentissage automatique performants.
À l’avenir, l’importance des données structurées ne fera que croître, pour devenir un élément fondamental permettant de libérer tout le potentiel de l’IA.
voir le lien web ***
Dr. Jamel Tazarki, Mathématicien
jamel.tazarki
Je résume le point b) de mon commentaire :
La numérisation de l’administration publique nécessite d’abord des données structurées, c’est-à-dire qu’il faudrait d’abord restructurer les montagnes de données de nos institutions. Toute autre démarche serait absolument absurde.
Exemple de structure de données : un arbre de décisions est un algorithme d’apprentissage supervisé non paramétrique utilisé pour les tâches de classification et de régression. Il possède une structure hiérarchique et arborescente composée d’un nœud racine, de branches, de nœuds internes et de nœuds feuille. –> L’IA traverse tous les nœuds de L’arbre de décisions afin de trouver une solution optimale, en se basant sur ce que l’on appelle le backtracking (J’ai écrit un travail de recherche scientifique sur ce sujet à l’université de Munich.)