Dérives de l'utilisation d'algorithmes par les caisses d'allocations familiales

Question de Mme GRÉAUME Michelle (Nord - CRCE-K) publiée le 03/10/2024

Mme Michelle Gréaume attire l'attention de M. le ministre des solidarités, de l'autonomie et de l'égalité entre les femmes et les hommes sur l'algorithme utilisé pour les contrôles par les caisses d'allocations familiales (CAF) et les dérives qui en découlent.
Une récente enquête du Monde fait état de pratiques discriminantes envers les bénéficiaires des prestations sociales de la CAF. Depuis 2010 en effet, la CAF attribue des notes à chaque allocataire, qui ont vocation à orienter les contrôles vers les profils les plus risqués. Un « score de risque » de fraude fondé sur des critères personnels et des « préjugés et des stéréotypes », comme le regrettait l'ancien défenseur des droits en 2020, ce qui a pour effet de discriminer les plus vulnérables.
Alors que la CAF prétend qu'elle cible ses contrôles en fonction de comportements suspects ou de situations incohérentes, ce sont en réalité majoritairement des « profils types » qui sont identifiés sur des critères personnels par l'algorithme « Data Mining données entrantes » (DMDE).
En réalité, nous sommes face à une chasse à la fraude sociale qui ne dit pas son nom, sans commune mesure avec les montants récupérés, ni avec son ampleur. Pour rappel, la fraude sociale est estimée à 8 milliards d'euros, alors que la fraude fiscale est estimée à 100 milliards d'euros.
Selon un conseiller juridique de la commission nationale consultative des droits de l'homme (CNCDH), « si certains publics sont davantage exposés au contrôle sur la base de critères protégés, c'est clairement discriminatoire d'un point de vue politique, et peut-être aussi juridique ».
Or, les prestations sociales pour les plus démunis sont celles dont les conditions d'attribution et les obligations déclaratives sont les plus complexes, et par conséquent sources de davantage d'erreurs. Un phénomène aggravé par la diminution constante du nombre de conseillers au profit d'un tout numérique qui laisse nombre de bénéficiaires livrés à eux-mêmes.
En conséquence, elle lui demande quelles mesures elle compte prendre pour mettre fin à ces pratiques discriminatoires et favoriser l'accompagnement des allocataires dans l'accès aux prestations sociales.

Publiée dans le JO Sénat du 03/10/2024 - page 3631

Transmise au Ministère de la santé, des familles, de l'autonomie et des personnes handicapées

Réponse du Ministère de la santé, des familles, de l'autonomie et des personnes handicapées publiée le 02/04/2026

Le réseau des Caisses d'allocations familiales (CAF) met en oeuvre des démarches de lutte contre les erreurs constitutives ou non d'une fraude. Elles sont nécessaires et sont fondées sur les articles L. 114-9 du code de la sécurité sociale et suivants : avec plus de 95 milliards d'euros de prestations - versées à 13,6 millions de foyers représentant plus de 30 millions de personnes - conditionnées en partie par déclarations, les CAF se doivent d'assurer l'exactitude de celles-ci, ne serait-ce que pour l'application du principe du « paiement à bon droit ». A titre d'exemple illustrant cette nécessité, les éléments justificatifs de la prime d'activité connaissent un taux d'erreur avant contrôle de 50 %. Globalement, sur les 4 millions de contrôles réalisés en 2021, 740 000 ont permis de détecter des indus, dont parmi eux 43 000 (sur les 8 Mds euros estimés de fraude) faisant apparaitre une intention avérée de fraude. Parallèlement, 351 000 contrôles ont permis de générer des rappels de droits, en faveur de l'allocataire. Les algorithmes sur lesquels la Caisse nationale des allocations familiales (CNAF) fonde ses actions en matière de lutte contre la fraude présentent des caractéristiques communes qui sont autant de garanties pour les allocataires. Ils concernent à titre principal les prestations sous conditions de ressources (revenu de solidarité active, prime d'activité, allocations logement…) qui appellent des données déclaratives. Les techniques algorithmiques en jeu ont été mises au point depuis une dizaine d'années à partir de l'étude objective des situations générant potentiellement le plus d'erreurs au regard de la réglementation et visent uniquement à minimiser la probabilité de générer un indu ou un rappel de versement aux allocataires au regard de critères objectifs. Ces outils qui s'appuient sur le traitement de données à caractère personnel s'inscrivent dans le cadre juridique en vigueur. Seules les données détenues par les CAF sont utilisées, c'est-à-dire des informations utiles pour la vie du dossier de l'allocataire (éléments d'identification, situation familiale, professionnelle, données financières, résidence des allocataires, etc.) au regard des règles de droit qui encadrent le bénéfice des prestations (notamment les conditions de ressources et de résidence). Par ailleurs, la CNAF mène une politique d'ouverture et de communication sur les principes qui guident sa politique de contrôle et de lutte contre la fraude tout en restant vigilante à l'égard des impacts qu'une transparence complète sur le fonctionnement de ses algorithmes pourrait entrainer. En effet, une trop grande ouverture pourrait alimenter des stratégies de contournement. De fait, l'utilisation de dispositifs de fraude de plus en plus sophistiqués (i.e. capables de contourner un grand nombre de mesures de contrôle) a malheureusement été constatée ces dernières années. En tout état de cause, l'objectif de ces algorithmes est d'accroître la probabilité que les dossiers individuels faisant l'objet d'un contrôle correspondent effectivement à des situations non conformes à la réglementation. Ces méthodes améliorent l'efficacité des dispositifs de contrôle, y compris au profit direct des allocataires ou assurés concernés lorsque ces contrôles aboutissent à augmenter les prestations dont ils bénéficient. Elles permettent aussi de réduire significativement la probabilité que des données relatives à des situations personnelles donnent lieu à des échanges et des investigations sans qu'aucune anomalie le justifie au final, en corrigeant et en améliorant les outils lorsque, à l'examen, le dossier s'avère conforme mais relevant de cas particulier comme une simple erreur ou un retard de mise à jour d'une situation. Ce processus de ciblage de certains dossiers révélant des atypies appelle systématiquement des vérifications complémentaires et une intervention humaine, contribue ainsi à minimiser quantitativement et qualitativement les risques d'atteinte à la vie privée des assurés ou allocataires dans leur ensemble et participe au cercle vertueux de l'amélioration continue des détections remontées. Enfin, ces préoccupations ne doivent pas occulter que les techniques de datamining sont aussi utilisées de façon croissante pour favoriser l'accès aux droits pour les 20 à 30 % de personnes qui n'y recourent pas. C'est ainsi qu'ont été réalisées des campagnes d'appels sortants ciblés sur des allocataires repérés au préalable, et qui ont permis d'ouvrir des milliers de droits à la prime d'activité ou à l'allocation de soutien familial. De nouvelles campagnes du même ordre ont été organisées cette année, dans l'objectif de les reconduire dans le cadre de la mise en oeuvre de la « solidarité à la source ».

Publiée dans le JO Sénat du 02/04/2026 - page 1622