France Travail : l’algorithme du soupçon note six millions de chômeurs

Vingt-six. C’est le nombre de variables que l’algorithme de France Travail mobilise pour décider si votre dossier mérite « un examen approfondi ». La visibilité de votre CV sur le site, l’ancienneté de votre inscription, votre niveau de formation, votre historique de rendez-vous manqués, la tension supposée de votre métier : la machine compile, note, et range chaque demandeur d’emploi dans l’une des deux cases prévues — « suspect » ou « non suspect ». Les premiers partent sur la liste des contrôles prioritaires. Les seconds ont de la chance : un humain les regardera peut-être un jour.

L’outil porte un nom d’une banalité administrative parfaite — « Ciblage du Contrôle de la Recherche d’Emploi » — et il a été présenté le 10 décembre 2025 devant le comité d’éthique IA de l’établissement public, déjà en phase active de test. Pendant sept mois, personne n’en a rien su. Il a fallu que La Quadrature du Net et la cellule investigation de Radio France publient le document interne, le 20 juillet 2026, pour que plus de six millions d’inscrits apprennent que l’ancien Pôle emploi s’apprête à les noter chaque mois.

La défense de France Travail est contenue dans le document lui-même, dans un paragraphe intitulé sans ironie « Pourquoi recourir à l’IA ? » : la machine permettrait une « suppression des a priori » et proposerait « des dossiers à contrôler sur la base de critères objectifs ». C’est exactement cette phrase qu’il faut examiner. Parce que tout le débat est là : un choix politique — qui contrôler, combien, pour quoi — est en train d’être reclassé en procédure technique.

Le 10 décembre 2025, France Travail a présenté à son propre comité d’éthique une IA qui trie les chômeurs en « suspects » et « non suspects »

Ce que l’on sait vient d’une source unique et solide : le document de présentation de l’outil au comité d’éthique IA de France Travail, publié intégralement par La Quadrature du Net. Son objet, dans le texte : « recourir à l’IA » afin d’« identifier les dossiers nécessitant un examen approfondi » et d’« alimenter automatiquement l’outil de contrôle de la recherche d’emploi ». Autrement dit, la machine ne contrôle pas — elle désigne qui sera contrôlé. Le tri est automatisé ; la sanction, elle, reste pour l’instant humaine.

À la date du document, l’expérimentation avait déjà porté sur deux campagnes d’environ 7 000 tests chacune, ciblées sur les personnes en rupture conventionnelle. La suite est écrite noir sur blanc : « étendre l’utilisation du modèle à d’autres publics », « alimenter automatiquement l’outil de contrôle », « transmettre chaque mois des listes de contrôle ciblés ». Les contrôles ciblés représentaient 500 000 contrôles en 2025, selon le même document. C’est ce flux mensuel que l’algorithme est censé alimenter.

L’algorithme a appris sur 60 000 contrôles passés : il ne détecte pas la fraude, il reproduit l’histoire de l’institution

La mécanique est décrite sans fards. L’outil repose sur un arbre de décision — une technique de machine learning dont les paramètres sont ajustés par itérations — entraîné sur 60 000 contrôles passés. Soixante mille dossiers où des agents ont contrôlé, puis sanctionné ou blanchi. L’algorithme n’a rien appris de la fraude en soi : il a appris quels profils l’institution contrôlait hier, et chez qui ces contrôles « aboutissaient ». Le modèle prédit la conformité au portrait-robot du contrôlé-type, pas le manquement.

Vingt-six variables alimentent ce calcul. La liste est publique ; la pondération, non. On y trouve les « activités déclarées », la « visibilité du demandeur d’emploi » — votre CV est-il en ligne sur le site —, la recherche dans un « métier en tension », le « niveau de formation », l’« ancienneté d’inscription », l’« historique des manquements » — une absence à un rendez-vous, par exemple — et la présence d’une activité non salariée. La Quadrature du Net a demandé le code source et la documentation technique. À ce jour : rien.

Aucune de ces variables n’établit un manquement à l’obligation de recherche d’emploi. Toutes mesurent autre chose : la docilité à la plateforme, la durée du chômage, le marché local du travail, le passé disciplinaire du dossier. C’est le glissement silencieux que le mot « suspect » recouvre : on ne note plus ce que la personne a fait, on note à quoi elle ressemble.

De 200 000 contrôles en 2017 à 1,5 million visés en 2027 : la machine arrive après la décision politique

L’algorithme ne répond pas à un problème technique, il répond à un quota. En 2017, Pôle emploi réalisait 200 000 contrôles de la recherche d’emploi, selon sa propre étude. En 2019 : 400 000. En 2025 : 730 000, d’après le document interne — près de 2 000 par jour, dimanches compris. Et en 2024, Gabriel Attal annonçait l’objectif pour 2027 : 1,5 million de contrôles. Soit un doublement en deux ans, après une multiplication par 3,6 en huit. La courbe est une consigne ; l’IA est l’outil de production qui permettra de la tenir.

La séquence mérite d’être lue lentement, parce qu’elle inverse le récit officiel. On ne découvre pas un gisement de fraudeurs que l’IA viendrait ensuite débusquer : on fixe d’abord un objectif de contrôles — Emmanuel Macron annonçait dès novembre 2021 une hausse de 25 % —, puis on industrialise la désignation des cibles. Un contrôle peut déboucher sur une suspension ou une radiation ; en novembre 2022, l’institution a radié 58 100 personnes en un seul mois, un record. La massification n’est pas une hypothèse : elle est déjà comptabilisée.

La neutralité affichée est le produit principal : elle transforme un choix politique en procédure technique

Il faut accorder à France Travail sa meilleure défense, parce qu’elle est sincère : un agent reste décisionnaire, l’outil est en test, et l’institution s’est dotée en 2025 d’une charte d’éthique de l’IA. Elle fait valoir, ailleurs, que l’automatisation doit permettre de « réinvestir du temps dans l’accompagnement ». Prenons ces arguments au sérieux — et regardons ce qu’ils recouvrent.

« Critères objectifs » : la formule prétend qu’avant la machine, le contrôle relevait de l’humeur de l’agent, et qu’elle le voue enfin à la raison. Mais un critère choisi par une administration, pondéré en secret et appliqué à six millions de personnes, n’est pas devenu objectif parce qu’il est exécuté par un arbre de décision. Il est devenu invisible. Un critère objectif, ici, est un critère subjectif qui a réussi à se faire oublier. Le choix de contrôler massivement les chômeurs plutôt que, disons, les optimisateurs fiscaux agressifs est un choix ; l’automatiser ne l’efface pas, il le verrouille.

Les précédents sont documentés, et ils ne plaident pas pour la naïveté. À la CNAF, l’algorithme de ciblage des contrôles a organisé pendant des années le sur-contrôle des femmes isolées, des allocataires du RSA et des personnes en situation de handicap — son code n’a été obtenu qu’au terme d’une longue bataille juridique et médiatique, et sa transparence s’arrête là, comme l’ont montré les révélations de janvier-février 2026. À l’Assurance maladie, le code n’a fuité que par une erreur de caviardage, et des médecins aux pratiques « absolument normales » se sont découvert ciblés par un algorithme secret, selon le syndicat MG France. Deux institutions, deux boîtes noires, même résultat : les plus exposés sont toujours ceux que l’institution regardait déjà.

Les règles européennes qui encadreraient ce profilage ont été repoussées à décembre 2027 — France Travail teste pendant la fenêtre

Sur le papier, deux garde-fous existent. Le RGPD, d’abord : son article 22 donne à chacun le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé — d’où l’importance capitale du rôle exact laissé à l’agent, dont on verra qu’il peut se réduire à valider ce que la machine suggère. L’AI Act, ensuite : le profilage des allocataires de prestations sociales par une autorité publique relève de ses catégories à haut risque, avec obligations de gouvernance des données, de journalisation et de supervision humaine effective.

Or le calendrier européen vient d’être réécrit. Ce site l’a documenté : les obligations pour les systèmes à haut risque, attendues pour août 2026, ont été repoussées au 2 décembre 2027 par le « Digital Omnibus » adopté le 29 juin 2026. La bascule de l’AI Act s’est faite sans bruit. Elle ouvre une fenêtre d’un an et demi pendant laquelle un outil comme celui-ci peut être testé, rodé, puis généralisé — sans produire les analyses que le texte exigera demain. Tester maintenant, c’est verrouiller avant l’heure : quand la règle arrivera, le système tournera depuis deux ans.

L’institution condamnée en janvier 2026 pour avoir laissé fuir 36,8 millions de dossiers demande qu’on lui confie la notation de l’honnêteté

Il y a un détail que la communication de France Travail préfère ne pas rapprocher de cette affaire. Le 29 janvier 2026 — six mois avant la révélation de l’algorithme —, la CNIL infligeait à l’établissement une amende de 5 millions d’euros pour la violation de données qui avait exposé les informations de 36,8 millions de personnes, avec un système d’information « profondément défaillant », selon L’Usine Digitale. La même année, l’institution refusait de communiquer à La Quadrature du Net la moindre documentation sur ses IA déjà déployées — MatchFt, qui propose des offres par SMS, ChatFt, l’assistant généralisé aux conseillers — sans même motiver son refus devant la CADA, la Commission chargée de dire si ces refus sont légaux.

Assemblons les pièces : une institution qui ne protège pas les données qu’elle détient, qui refuse de documenter les IA qu’elle exploite, qui ne justifie pas ses refus devant la CADA. Cette même institution demande maintenant qu’on lui confie la notation mensuelle de six millions de personnes, calculée sur soixante mille décisions passées. La question de confiance n’est pas idéologique. Elle est arithmétique : zéro code publié, zéro analyse d’impact communiquée, une condamnation CNIL.

Personne n’est plus contrôlé parce qu’il appartient à une population : parce que son score s’est détérioré — le soupçon n’a plus d’auteur

Voici le double-fond de l’affaire, et il dépasse France Travail. La critique classique du profilage dit : la machine cible les pauvres, les isolés, les précaires. Elle est juste — la CNAF l’a prouvé — mais insuffisante. Le mécanisme le plus efficace de l’algorithme n’est pas la discrimination, c’est l’individualisation du soupçon. Nul n’est contrôlé parce qu’il fait partie de telle population : il est contrôlé parce que son score personnel s’est détérioré. La politique disparaît derrière la biographie administrative ; chacun est seul devant sa note, sans corpus à opposer, sans règle à discuter, sans auteur à assigner.

C’est la conversion qu’il fallait nommer : le contrôle cesse d’être un acte — un agent, un motif, un responsable — pour devenir un état. Six millions de personnes ne seront pas surveillées épisodiquement ; elles seront notées en permanence, la surveillance n’étant plus que l’actualisation mensuelle d’un classement. Ce site a déjà décrit la logique quand elle opère sur le désir : dans le matchmaking algorithmique, la note n’est pas un moyen détourné, elle est le produit. Ici, la note devient un fait administratif — et contrairement à un NEET qui choisit de sortir du système, l’inscrit ne peut pas sortir de la notation.

Reste la question que le document élude : que conteste-t-on, quand on est classé suspect ? Pas une décision — techniquement, l’algorithme ne décide rien. Pas une règle — elle n’est pas publiée. Pas un agent — il n’a fait que suivre une liste. La Quadrature du Net appelle à l’abandon de l’outil ; le débat démocratique, lui, n’a même pas eu lieu, ni au Parlement ni ailleurs : il s’est tenu en une matinée de décembre, devant un comité d’éthique interne dont on attend toujours la moindre objection publique.

Alors, vingt-six variables ? Ce n’était pas un effectif de paramètres. C’était le nombre de cases dans lesquelles l’État a rangé la présomption d’innocence — avant de demander à une machine de la cocher chaque mois, en silence, pour 1,5 million de contrôles par an. Le reste, comme toujours, est affaire de regards.