Pourquoi cette mesure ?
La commande publique concentre des risques connus : favoritisme, conflits d’intérêts, fractionnement, ententes, avenants anormaux ou fournisseurs liés. Les contrôles ex post peuvent intervenir trop tard, lorsque le contrat est signé et la dépense engagée. 11.12 propose donc un contrôle préventif proportionné : utiliser les données de marchés pour repérer des combinaisons de signaux et déclencher une revue humaine avant certaines étapes critiques.
Pour 11.12, le critère de réussite n’est donc pas le nombre de nouvelles règles adoptées mais la transformation observable du mécanisme « Contrôle préventif des marchés à risque ». Avant le déploiement national, le dossier fixe l’état de départ, le public concerné, le responsable de la donnée et la procédure de recours. Cette discipline permet de distinguer une proposition politique — légitime à débattre — d’une économie ou d’un résultat déjà démontré. Elle rend également possible un abandon documenté si l’expérimentation montre que le coût administratif, le risque juridique ou l’effet social est supérieur au bénéfice.
État des lieux en 2026 : partir de ce qui existe réellement
L’Agence française anticorruption et la Direction des achats de l’État publient déjà un guide consacré à la maîtrise du risque de corruption dans le cycle de l’achat public. Le plan national anticorruption 2025-2029 accorde également une attention à la sécurisation des achats publics. Le projet ne part donc pas d’un vide méthodologique. Il doit transformer des cartographies et bonnes pratiques en contrôles outillés, tout en évitant qu’un score statistique stigmatise automatiquement une entreprise ou un acheteur. [source]
Source au point d’usage : AFA — guide risque de corruption dans l’achat public ↗
11.12 doit s’appuyer sur les données de commande publique et sur une cartographie des risques de corruption, pas sur l’idée qu’un algorithme pourrait déclarer un marché « suspect » à lui seul. Les signaux pertinents peuvent concerner la concurrence, la répétition d’attributions, les modifications de contrat, le fractionnement ou d’autres anomalies définies par l’AFA et les contrôleurs. La réforme doit présenter ces signaux comme des déclencheurs de revue, jamais comme une preuve d’infraction. Le contrôle humain et la traçabilité des critères sont donc au cœur du dispositif.
Démonstration financière : brut, net, transition et double compte
Aucun montant forfaitaire n’est ajouté au total. Le coût comprend développement, données, analystes et traitement des alertes. Le gain n’existe que si une procédure est corrigée, renégociée ou abandonnée avec un montant documenté. Le tableau distingue également un marché bloqué à tort, qui représente un coût potentiel. La performance peut s’exprimer par euros d’anomalies confirmées par euro de contrôle, mais jamais par la valeur totale des marchés simplement signalés.
Le coût de 11.12 comprend l’outillage d’analyse, la qualité des données, le travail des contrôleurs et l’instruction des alertes. Une économie ne peut être comptée que lorsqu’un contrôle préventif évite une dépense, corrige un marché avant paiement ou aboutit à un recouvrement réellement constaté. La valeur totale des marchés signalés n’est évidemment pas une économie. Le rendement doit être calculé comme valeur financière corrigée ou évitée, diminuée du coût de contrôle, avec un registre empêchant de compter une même anomalie dans 11.10, 11.12 et 11.13.
Droit applicable et mise en œuvre
Le moteur doit respecter le Code de la commande publique, les règles de protection des données et les droits des opérateurs économiques. Les critères de risque peuvent être documentés sans publier des règles de sécurité facilitant le contournement. Une alerte ne constitue pas une preuve de favoritisme ou de corruption ; elle ouvre une revue contradictoire par un professionnel compétent. Les transmissions pénales restent fondées sur des faits et la procédure applicable.
Le véhicule « Loi / règlement / doctrine d’audit » décrit la voie principale de 11.12, pas une formule magique. Les textes secondaires, les consultations, la protection des données, les règles budgétaires et les droits transitoires peuvent exiger plusieurs actes successifs. L’analyse distingue donc ce qui relève de la loi, du règlement, de la doctrine administrative et de l’organisation interne. Une difficulté sur une couche ne justifie pas de contourner la hiérarchie des normes : le Plan B change le chemin d’exécution tout en conservant les garanties et le droit au recours.
Plans A, B et C : maintenir l’objectif sans contourner le droit
Déployer une matrice de risque sur les marchés ouverts, avec revue humaine obligatoire pour les alertes élevées et suivi des résultats.
Si un modèle statistique manque de fiabilité, utiliser des règles explicables plus simples : fractionnement, concentration, avenants, délais anormaux, liens d’intérêts connus.
Si le contrôle préalable ralentit trop les achats, le réserver aux segments à forte valeur ou fort risque et renforcer l’audit ex post sur les autres.
Si le scoring automatisé génère trop d’alertes, le Plan B limite l’outil à quelques signaux simples et documentés, combinés à une revue périodique des acheteurs. Le Plan C renonce à un score global et développe des contrôles thématiques ciblés à partir des guides de l’AFA et des données essentielles. Le dispositif reste alors préventif sans faire dépendre une enquête d’un modèle opaque. Les trois scénarios doivent être comparés selon le taux d’alertes utiles et le temps de contrôle mobilisé.
Risques, objections et garde-fous
Un contrôle préventif peut bloquer des achats urgents, favoriser les grands acteurs capables de produire davantage de conformité ou créer un biais de suspicion contre certains secteurs. Un algorithme entraîné sur des affaires passées peut aussi reproduire les priorités historiques de contrôle. Il faut donc mesurer faux positifs, délais ajoutés, diversité des fournisseurs et qualité des décisions humaines.
Un indicateur ou un modèle doit être désactivé s’il signale de façon persistante des comportements licites, s’il ne peut pas être expliqué aux contrôleurs ou si la donnée source se révèle trop incomplète pour justifier son usage. Une alerte ne doit jamais entraîner automatiquement une sanction ou une exclusion d’un opérateur économique. Le mécanisme d’arrêt protège donc à la fois la qualité de l’achat public et les droits des entreprises : il oblige à retirer les règles de détection qui ne démontrent pas leur utilité.
Indicateurs, audit et preuve de réussite
Tableau minimal : marchés analysés ; alertes ; alertes confirmées ; faux positifs ; montants corrigés ; délais ajoutés ; avenants ; concentration fournisseurs ; transmissions AFA/parquet ; coût du dispositif ; recours.
11.12 doit suivre le nombre d’alertes, la proportion classée sans suite, la proportion ayant entraîné une correction avant signature ou paiement, les montants effectivement sécurisés, le délai de traitement et les recours éventuels. Il faut aussi mesurer la concentration des alertes sur certains acheteurs afin de détecter un biais de données ou de paramétrage. La qualité du système augmente lorsque moins d’alertes suffisent à identifier davantage de situations réellement problématiques, pas lorsqu’un tableau de bord devient rouge partout.
Approfondissement : ce que la synthèse ne doit pas cacher
L’algorithme classe des dossiers, pas des coupables
Le score sert à organiser le temps des contrôleurs. Il ne doit apparaître dans aucune décision publique comme preuve d’une infraction. Chaque conclusion est fondée sur des pièces, une analyse juridique et, lorsque nécessaire, un contradictoire.
Le suivi public publie un catalogue de signaux avec, pour chacun, la donnée utilisée, l’hypothèse de risque, le type de contrôle déclenché et les faux positifs connus. Cette documentation rend le système auditable par les acheteurs, les contrôleurs et, lorsqu’approprié, le public. Elle évite la boîte noire où un marché reçoit un score sans que personne ne sache quel événement l’a produit. La prévention devient alors une procédure explicable plutôt qu’une accusation automatisée.
Relier la prévention à l’open data 11.10
Plus les données de marchés sont normalisées, plus un contrôle peut repérer concentration, avenants ou fractionnement. 11.12 dépend donc de la qualité de 11.10 mais ne revendique pas les mêmes gains financiers.
Auditer les biais du contrôle
Le tableau compare le taux d’alerte et de confirmation par type d’acheteur, secteur et taille de fournisseur. Une catégorie beaucoup plus souvent contrôlée sans plus d’anomalies confirmées signale un biais à corriger.
Test d’efficacité : un signal faible n’est pas une preuve de fraude
Un système préventif sur les marchés publics peut croiser des signaux comme la concentration des attributions, des offres anormalement proches, des modifications répétées de contrat, des délais inhabituels ou des liens capitalistiques. Mais aucun de ces signaux ne suffit seul à caractériser une infraction. L’outil doit donc produire une priorité de contrôle et conserver la décision d’investigation à un agent compétent. Cette séparation protège à la fois l’acheteur, l’entreprise et la qualité juridique de la procédure.
Le dispositif doit être évalué par des indicateurs de précision : nombre d’alertes, part réellement justifiée après examen, délais de traitement, montants sécurisés et faux positifs. Un algorithme qui déclenche des milliers d’alertes non exploitables dégrade le contrôle au lieu de l’améliorer. La réussite suppose aussi une traçabilité du modèle et des données utilisées afin de comprendre pourquoi un marché a été signalé. L’IA devient alors un outil de ciblage, jamais une machine automatique d’accusation ou d’exclusion.
Le score sert à choisir un contrôle, jamais à condamner
La question de fond posée par un contrôle préventif des marchés publics présentant des signaux de risque est celle de la capacité à utiliser la donnée pour prioriser les contrôles sans transformer un score automatisé en accusation de corruption. Les règles de commande publique, le cadre anticorruption et les garanties procédurales imposent que les signaux servent à orienter un examen humain. Le score ne constitue ni une preuve ni une sanction.
Construire les signaux à partir du cycle réel de l’achat
Une fois le droit clarifié, l’exécution doit suivre un chemin explicite : Les indicateurs peuvent combiner répétition de titulaires, faible concurrence, modifications fréquentes, fractionnement apparent ou relations de contrôle, mais chaque signal doit être documenté et révisable. Les données essentielles doivent être suffisamment complètes.
Le contradictoire conduit à rappeler que Le guide AFA sur le cycle de l’achat fournit une grille de risques utile pour construire les variables sans inventer un score opaque.
Mesurer la précision et les faux positifs
Le calcul public doit refuser les raccourcis. Le bénéfice financier ne peut être compté qu’à partir d’irrégularités évitées ou de prix améliorés réellement constatés, net du coût de l’analyse et des contrôles approfondis.
Le mécanisme peut être vérifié sur le cas suivant : Un marché à fournisseur unique peut être parfaitement justifié techniquement ; le système doit donc demander une vérification, non conclure à une irrégularité.
Réserve à traiter — Le guide AFA sur le cycle de l’achat fournit une grille de risques utile pour construire les variables sans inventer un score opaque.
Relier le modèle à la qualité des données essentielles
L’échec le plus probable prendrait cette forme : Un modèle mal calibré peut saturer les services de faux positifs, discriminer certains secteurs ou pousser les acheteurs à modifier leurs comportements de saisie plutôt que leurs pratiques réelles.
La consolidation de cette mesure dépend directement de son périmètre : Le bénéfice financier ne peut être compté qu’à partir d’irrégularités évitées ou de prix améliorés réellement constatés, net du coût de l’analyse et des contrôles approfondis. Les données de contrôle sont précisées par publier précision du ciblage, nombre de contrôles déclenchés, suites données et économies/restitutions effectivement constatées permet d’évaluer l’outil.
Cas de contrôle : un contrôle préventif des marchés publics présentant des signaux de ri
La mesure doit donc publier des preuves proportionnées à ce risque. Publier précision du ciblage, nombre de contrôles déclenchés, suites données et économies/restitutions effectivement constatées permet d’évaluer l’outil.
Un mauvais résultat ne doit pas être dissimulé par un changement d’indicateur. Un modèle mal calibré peut saturer les services de faux positifs, discriminer certains secteurs ou pousser les acheteurs à modifier leurs comportements de saisie plutôt que leurs pratiques réelles. Le cas un marché à fournisseur unique peut être parfaitement justifié techniquement ; le système doit donc demander une vérification, non conclure à une irrégularité. permet de vérifier la règle sous contrainte.
Évaluer un système de détection comme un outil de ciblage, jamais comme un juge
Précision et rappel
Un score de risque n’est utile que si l’on connaît ses erreurs. Deux indicateurs doivent être publiés : parmi les marchés signalés, quelle part révèle effectivement une anomalie après contrôle ; et parmi les anomalies connues a posteriori, quelle part avait été signalée. Le premier mesure le bruit créé pour les contrôleurs, le second la capacité du système à ne pas laisser passer les cas pertinents.
Alerte ≠ culpabilité
La décision de lancer un contrôle doit rester distincte de la conclusion du contrôle. Un fournisseur qui accumule plusieurs signaux statistiques n’est pas pour autant coupable de corruption, de fraude ou d’entente. Le dossier doit conserver les variables ayant déclenché l’alerte et permettre à l’agent de documenter pourquoi il ouvre ou n’ouvre pas une vérification.
Tester les acheteurs atypiques
Le modèle doit également être testé sur les petits acheteurs et les secteurs atypiques. Une commune rurale achetant rarement un équipement spécifique peut présenter des caractéristiques très différentes d’un grand ministère. Si le score est calibré uniquement sur les grands volumes, il peut produire beaucoup de faux positifs lorsqu’il rencontre des achats légitimes mais rares.
Attribuer le gain au contrôle abouti
Le gain financier éventuel appartient à la fraude ou au surcoût réellement évité ou récupéré, pas au système de détection lui-même. Le coût des données, du modèle, des contrôleurs et des recours doit être inscrit séparément afin de calculer le bénéfice net du dispositif.
Sources primaires et institutionnelles
- AFA — guide risque de corruption dans l’achat public ↗
- AFA — plan national anticorruption 2025-2029 ↗
- DAJ — données essentielles de la commande publique ↗