Le 15 janvier 2026, la Caisse nationale des allocations familiales (CNAF) a mis en ligne, pour la première fois, le code source de son modèle de datamining chargé de cibler les contrôles. Cinq jours plus tard, dix organisations supplémentaires rejoignaient le recours déposé devant le Conseil d'État contre ce même dispositif. Les deux faits ne se contredisent pas : ils ne parlent pas de la même chose.
Un dépôt de code, une notice, un comité d'éthique
L'outil s'appelle DMDE 2026, pour DataMining Données Entrantes. Il est en service depuis janvier et succède à un modèle qui avait valu à la CNAF un contentieux et une obligation, prononcée par la Commission d'accès aux documents administratifs (CADA), de communiquer son code aux associations requérantes.
Cette fois, la caisse a pris les devants. Elle publie le code sur caf.fr, l'accompagne d'une note explicative, met en avant un comité d'éthique, où siègent des représentants d'associations d'usagers et des experts en droits, ainsi qu'une charte encadrant "le développement et l'usage des algorithmes et de l'IA". Dans sa notice, elle qualifie l'outil d'"appui, pas une décision automatique" et présente la refonte comme "la première mise en oeuvre complète d'une démarche éthique dès la conception sur un algorithme de la Cnaf".
Le vocabulaire compte ici. La CNAF parle de "cotation de risque", recalculée par dossier, visant "les dossiers allocataires les plus à risque d'avoir des indus élevés". Ses critiques parlent de "notation des allocataires" et de "score de suspicion". Une cotation suggère un tri technique et provisoire ; une notation, un jugement qui colle à la personne. Le désaccord sur les mots recouvre le désaccord sur la nature de l'objet.
Dix-sept variables, puis onze
Le DMDE 2026 existe en deux versions. La première s'applique aux périodes antérieures au pré-remplissage des déclarations trimestrielles de ressources et retient 17 variables. La seconde couvre les prestations versées après la réforme de la "solidarité à la source", généralisée en mars 2025, et n'en retient que 11. Cette réforme fait remonter automatiquement les revenus déclarés par les employeurs : la CNAF indique que 96 % des déclarations trimestrielles sont désormais validées sans demande de modification. Le modèle est donc censé travailler sur des données plus fiables, et sur un gisement d'erreurs déclaratives plus étroit.
La partie la plus intéressante de la note publique porte sur les variables écartées. La méthode retenue est explicite : une variable sensible n'est conservée que si le lien entre cette variable et la cible s'explique par la réglementation. Le sexe et l'adresse ont été "facilement écartés". La nationalité du responsable de dossier et de son conjoint a été, "en raison de sa sensibilité particulière", "retirée d'emblée", alors même que le droit prévoit des conditions spécifiques pour les personnes de nationalité étrangère. Certains critères liés à l'âge sont maintenus, mais seulement lorsqu'une règle les justifie, comme l'âge des enfants.
Le revenu, variable conservée et assumée
Restent les variables économiques. La CNAF ne les lâche pas, et le dit sans détour : c'est "inévitable puisqu'une large part des prestations versées sont conditionnées aux ressources". Puis vient la phrase qui résume tout le débat. Le DMDE, écrit la caisse, "cible par nature davantage les foyers avec des revenus faibles que ceux plus aisés". Elle ajoute que le modèle vise moins fortement les foyers sans aucune ressource, jugés "moins à risque de se tromper" dans leurs déclarations que les foyers à faibles revenus, dont la situation varie souvent d'un mois à l'autre. Ces foyers sans ressources sont, eux, contrôlés dans le cadre de campagnes aléatoires.
Autrement dit : le modèle ne cible pas la précarité comme telle, mais il admet qu'elle pèse. C'est précisément le point juridique. Une discrimination indirecte ne suppose pas qu'un critère vise un groupe protégé ; elle suppose qu'un critère neutre produise sur ce groupe un effet disproportionné. La défense de la CNAF est une défense d'explicabilité réglementaire, pas d'indépendance statistique : elle démontre que chaque variable a un sens au regard du droit des prestations, non que le résultat du calcul soit également réparti entre les ménages. Mediapart a rapporté que le Défenseur des droits estimait que l'algorithme pouvait provoquer une "discrimination indirecte". Les organisations à l'origine du recours - La Quadrature du Net, le Gisti, la Ligue des droits de l'homme, Amnesty France - soutiennent, elles, qu'assimiler précarité et soupçon de fraude revient à faire de la pauvreté un indice.
Moins de 1 % des contrôles, mais la moitié de ceux menés sur place
Les chiffres publiés en janvier sont ceux de 2024. Cette année-là, 166 000 contrôles ont été issus du DMDE, soit moins de 1 % de l'ensemble des contrôles des CAF. La caisse insiste : sur 31,5 millions de contrôles annuels, 92 % sont des régularisations automatiques nées de croisements de fichiers avec France Travail ou les impôts.
Le ratio de 1 % est arithmétiquement exact et pratiquement trompeur. Ces contrôles automatisés se font sans intervention humaine ni demande adressée à l'allocataire : ils ne pèsent guère dans l'expérience du contrôle. Rapporté aux contrôles qui engagent vraiment quelqu'un - un agent qui réclame des pièces, ou qui se déplace -, le poids change d'échelle : la CNAF indique elle-même que le DMDE alimente "un peu moins de la moitié des contrôles sur place" (91 000 contrôles sur place au total en 2024) et "moins de 5 % des contrôles sur pièces". Le poids du DMDE est donc bien plus lourd là où le contrôle est le plus intrusif, à domicile ou en accueil.
Le bilan 2025, publié en avril 2026, confirme l'ordre de grandeur : 29,2 millions de contrôles, dont 83 196 sur place, assurés par 700 contrôleurs assermentés, pour 1,68 milliard d'euros régularisés - 1,27 milliard d'indus et 408,9 millions de rappels en faveur des allocataires.
Ce que "7 % de fraudes" ne mesure pas
La CNAF précise que 7 % des contrôles issus du DMDE donnent lieu à une qualification en fraude, à l'issue d'un protocole formalisé. L'inverse mérite d'être dit aussi clairement : dans 93 % des cas, le signalement ne débouche pas sur une fraude.
Ce chiffre ne permet pas de conclure à l'efficacité ou à l'inefficacité du modèle, faute d'élément de comparaison. Ce que donneraient les mêmes contrôles sans ciblage algorithmique, la CNAF ne le publie pas. On sait ce que produit le filet ; on ignore ce qu'aurait produit un filet lancé au hasard, ou guidé par d'autres critères. Pour un dispositif qui représente la moitié des contrôles sur place, l'absence de ce contrefactuel est le principal trou dans la démonstration publique.
Le reste du bilan va dans le sens d'un ciblage qui monte en gamme : 508,8 millions d'euros de fraudes détectées en 2025, en hausse de 13 % sur un an et de 45 % par rapport à 2022, alors que le nombre de fraudes qualifiées est resté stable, autour de 48 700 par an. La caisse y voit "un ciblage en amélioration" : autant de dossiers, mais pour des montants plus élevés. La lecture symétrique est que l'outil est jugé sur le montant récupéré, pas sur le taux d'erreur de ses signalements ni sur ce qu'il coûte aux allocataires contrôlés à tort. Les 508,8 millions d'euros restent par ailleurs une fraction modeste des quelque 100 milliards d'euros de prestations versées chaque année, et une part seulement des 1,27 milliard d'euros d'indus détectés.
Le désaccord n'est pas sur le code
Le 20 janvier 2026, dix organisations ont rejoint la requête déposée en octobre 2024 par quinze associations menées par La Quadrature du Net : la CGT, l'Union syndicale Solidaires, la FSU Travail Emploi Insertion Organismes Sociaux, le Mouvement des mères isolées, Féministes contre le cyberharcèlement, Data for Good, ainsi que les européennes Algorithm Watch, Panoptykon Foundation, EDRi et le European Network Against Racism.
La Quadrature du Net "salue la transparence" tout en rappelant que "la transparence seule ne suffit pas". Le collectif demande au Conseil d'État de statuer sur la légalité de l'outil au regard du RGPD, ou de renvoyer la question à la Cour de justice de l'Union européenne pour obtenir une portée continentale. Changer de Cap vise explicitement l'interdiction des algorithmes comparables utilisés par France Travail, l'assurance maladie et l'assurance vieillesse.
Il y a une raison de fond à ce que la publication du code ne clôture pas le débat. Lire un code source renseigne sur les variables et la mécanique du calcul. Cela ne suffit pas à établir le seuil à partir duquel un dossier est signalé, ni les pondérations exactes ; cela ne dit pas non plus ce qu'un allocataire peut contester. Autant de questions que les documents publiés en janvier laissent ouvertes, et que la procédure contentieuse devra trancher. La caisse met en avant un garde-fou : lorsqu'un score est élevé, un agent humain prend le relais. Encore faut-il savoir que l'on a été signalé pour exercer un recours.
Ce que la transparence technique ne règle pas
Il faut créditer la CNAF de ce qu'elle a fait. Publier un code source, documenter l'exclusion de la nationalité et du sexe, faire examiner le modèle par un comité où siègent des représentants d'usagers : ce n'est pas rien, et c'est vérifiable. La caisse a aussi raison sur un point souvent oublié : les contrôles produisent des rappels, ces sommes versées aux allocataires qui percevaient moins que leur dû. 408,9 millions d'euros en 2025, soit près d'un quart des régularisations. Un dispositif uniquement répressif ne générerait pas cela.
Le reste est une question de comptabilité morale, et elle n'est pas technique. Le modèle assume de cibler les ménages à faibles revenus parce que leurs déclarations bougent plus souvent ; il envoie donc des contrôleurs chez des gens dont la principale irrégularité constatée sera, dans plus de neuf cas sur dix, une erreur ou rien. Ce coût-là - temps, pièces à fournir, indus à rembourser, droits non réclamés - n'apparaît dans aucun des tableaux publiés. Tant que la CNAF ne publiera pas ce que produit un contrôle non ciblé, la preuve que son algorithme fait mieux que le hasard restera une affirmation, pas un résultat.
