Contrôleur Allocataires, Ciblage Algorithmique, Indus et Décision Écrite
Mesurer ce qu’un score de risque attrape réellement, ce qu’il coûte aux familles qu’il désigne, puis décider soi-même — par écrit, dossier par dossier
12 heures
Intermédiaire
i
Banque et finance
Ouverte
Profil Recherché
Vous n’avez pas besoin de savoir ce qu’est une régression logistique. Vous avez besoin de comparer 18,00 % à 7,00 % et de dire à voix haute ce que cette division prouve, et ce qu’elle ne prouve pas.
Vous annulerez 4 494,00 € sur une créance de 4 812,00 € déjà notifiée par votre propre institution, en maintenant les 318,00 € qui sont dus. C’est la mission 5, et c’est le geste qui définit ce métier.
Vous maintiendrez aussi une créance de 2 946,00 € contre votre directrice adjointe et un élu. Annuler et maintenir sont la même compétence : décider soi-même, motiver, signer.
Vous retrouverez 576 dossiers où la caisse devait de l’argent — 427 392,00 € — que personne n’avait notifiés. Un contrôle qui ne cherche que dans un sens n’est pas un contrôle, c’est un recouvrement.
Pourquoi cette simulation compte
Construisez une expérience concrète et la confiance pour la suite.
Description
Vous êtes recruté comme contrôleur allocataires à la Caisse d’allocations familiales du Val-de-Sarre, qui verse des prestations à 412 000 foyers. Depuis six ans, un score de risque appelé ScoRA classe chaque dossier entre 0,00 et 1,00 et désigne ceux qui partiront au contrôle. Sur le millésime de référence, 9 600 foyers ont été contrôlés, soit 2,33 % du portefeuille. Il en est ressorti 1 728 indus, 576 rappels en faveur des allocataires et 7 296 dossiers sans la moindre anomalie, pour un coût de 1 546 752,00 € de contrôles improductifs. Les 576 rappels, qui représentent 427 392,00 € dus aux familles, n’ont jamais été notifiés spontanément : le tableau de bord du service ne comporte pas de colonne pour eux. En huit missions, vous qualifierez le dispositif au regard de l’annexe III du règlement sur l’intelligence artificielle et de l’article 22 du règlement général sur la protection des données, vous mesurerez son rendement réel contre un échantillon aléatoire de 1 200 dossiers, vous établirez qu’il prédit l’instabilité déclarative (93,75 % d’erreurs de bonne foi contre 6,25 % de fraude qualifiée) et non la fraude, vous chiffrerez son effet sur les foyers monoparentaux, vous fixerez un seuil sur un budget d’erreur sous contrainte de capacité, puis vous écrirez trois actes qui portent votre nom : l’annulation motivée d’une créance de 4 812,00 € sur une personne nommée, le maintien d’une créance de 2 946,00 € contre la pression de votre hiérarchie, et une lettre d’explication opposable. La dernière séance se tient devant une association agréée de défense des allocataires.
Comment ça se passe
Quelques étapes pour commencer
S’inscrire et commencer
Créez votre compte et ouvrez la mission.
Faire le travail
Traitez chaque mission comme le métier se pratique vraiment.
Lire votre signal
Voyez ce que votre travail a montré, cité depuis ce que vous avez écrit.
Garder la preuve
Emportez la preuve dans vos candidatures et vos entretiens.
Qualification écrite d’un score de ciblage au regard de l’annexe III, point 5, a), du règlement (UE) 2024/1689 et de l’article 22 du règlement général sur la protection des données
Mesure du rendement réel d’un ciblage contre un échantillon aléatoire témoin, et lecture du facteur d’amélioration
Décomposition d’un stock d’anomalies entre fraude qualifiée et erreur déclarative de bonne foi
Construction d’une note d’équité : taux de contrôle par profil, rendement comparé, qualification d’un écart en discrimination indirecte potentielle
Fixation d’un seuil de ciblage sur un budget d’erreur en euros, sous contrainte de capacité humaine de contrôle
Prérequis
Ce que vous devez maîtriser
Savoir lire un tableau de chiffres et calculer un pourcentage, sans formation statistique préalable
Connaître le déroulement d’un dossier de prestations : déclaration trimestrielle de ressources, changement de situation, indu, rappel, recours amiable
Accepter d’annuler par écrit une créance que l’institution a déjà notifiée, et de le motiver en droit
Market signals
Pourquoi cette mission compte maintenant
Signaux de marché vérifiés — sources publiques
Annexe III, point 5, a), du règlement (UE) 2024/1689
Un score qui désigne qui sera contrôlé pour ses prestations est un système à haut risque
Le texte vise les systèmes utilisés par les autorités publiques pour évaluer l’éligibilité aux prestations et services d’aide sociale publics essentiels, ainsi que pour les octroyer, réduire, révoquer ou récupérer. Le contrôle qui aboutit à un indu relève de la récupération : il n’y a pas de zone grise à discuter en réunion.
Orienter un contrôle n’est pas décider seul — mais cette qualification se démontre
Le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé ne s’applique pas à un score qui prépare l’examen d’un agent. Encore faut-il que cet examen existe : une intervention humaine qui n’écarte jamais aucun dossier ne fait pas sortir le dispositif du champ de l’article 22, elle l’y maintient en apparence de conformité.
La discrimination indirecte ne se lit pas dans les variables, elle se lit dans les taux
Le Défenseur des droits, dans son rapport du 25 octobre 2024, retient qu’un dispositif formellement neutre peut produire un désavantage particulier sur un groupe protégé, et qu’un tel effet doit être justifié par un but légitime et des moyens nécessaires et proportionnés. La conséquence pratique est directe : un service qui ne mesure pas ses taux de contrôle par profil ne peut ni constater cet effet, ni le justifier.
Ce n’est pas la performance d’un modèle qui le fait tomber, c’est son opacité
La littérature consacrée au jugement néerlandais sur le système de détection SyRI établit que la décision n’a pas porté sur le taux de détection mais sur l’impossibilité, pour les personnes analysées, de savoir qu’elles l’étaient et sur quelle base. Un service qui sait expliquer une décision individuelle est plus solide qu’un service qui a un bon modèle.
Annexe III du règlement (UE) 2024/1689 — Systèmes d’IA à haut risque
artificialintelligenceact.eu
FILE
Version consolidée et annotée. Le point 5, a), vise les systèmes d’IA destinés à être utilisés par les autorités publiques, ou en leur nom, pour évaluer l’éligibilité de personnes physiques aux prestations et services d’aide sociale publics essentiels, y compris les services de soins de santé, ainsi que pour octroyer, réduire, révoquer ou récupérer ces prestations et services. Un score de ciblage du contrôle des allocataires entre par cette porte, sans détour ni interprétation.
Article 14 du règlement (UE) 2024/1689 — Contrôle humain
artificialintelligenceact.eu
FILE
Version consolidée et annotée. Les systèmes à haut risque sont conçus pour être effectivement contrôlés par des personnes physiques, lesquelles doivent rester conscientes du risque de se fier automatiquement ou excessivement à la sortie du système — le biais d’automatisation — et pouvoir décider, dans une situation particulière, de ne pas l’utiliser, ou d’ignorer, remplacer ou inverser son résultat.
Article 26 du règlement (UE) 2024/1689 — Obligations incombant aux déployeurs
artificialintelligenceact.eu
FILE
Version consolidée et annotée. Le déployeur confie le contrôle humain à des personnes physiques disposant de la compétence, de la formation et de l’autorité nécessaires, surveille le fonctionnement du système, conserve les journaux générés automatiquement lorsqu’ils sont sous son contrôle, et informe les personnes physiques exposées lorsqu’un système à haut risque est utilisé pour prendre des décisions les concernant.
Article 86 du règlement (UE) 2024/1689 — Droit à l’explication des décisions individuelles
artificialintelligenceact.eu
FILE
Version consolidée et annotée. Toute personne faisant l’objet d’une décision prise sur la base de la sortie d’un système à haut risque de l’annexe III et produisant des effets juridiques ou l’affectant significativement a le droit d’obtenir du déployeur des explications claires et pertinentes sur le rôle du système dans la procédure décisionnelle et sur les principaux éléments de la décision.
EUR-Lex — Règlement (UE) 2016/679 général sur la protection des données
eur-lex.europa.eu
FILE
Texte du 27 avril 2016, applicable depuis le 25 mai 2018. L’article 22 pose le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé produisant des effets juridiques ou affectant significativement la personne ; l’article 15 organise le droit d’accès, y compris aux informations utiles sur la logique sous-jacente d’un tel traitement.
CNIL — Profilage et décision entièrement automatisée
cnil.fr
FILE
Fiche pratique de la Commission nationale de l’informatique et des libertés. Elle distingue la décision entièrement automatisée, encadrée par l’article 22 du règlement général sur la protection des données, du profilage servant à préparer une décision humaine, et rappelle que cette seconde configuration reste soumise aux principes de licéité, de minimisation et de transparence. Cette distinction est le pivot juridique de la mission 1.
CNIL — Texte de l’article 22 du règlement général sur la protection des données
cnil.fr
FILE
Texte intégral de l’article 22 dans la version consolidée publiée par la CNIL : droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé, exceptions limitativement énumérées, et garanties minimales dont le droit d’obtenir une intervention humaine, d’exprimer son point de vue et de contester la décision.
Caisse nationale des allocations familiales — Communiqué relatif au datamining et au score de risque
caf.fr
FILE
Document public de la branche Famille décrivant le principe du ciblage des contrôles par un score de risque construit sur les données de gestion des allocataires. Il établit que la pratique existe, qu’elle est assumée et documentée par l’organisme, et qu’elle sert à orienter des contrôles et non à décider seule d’un droit.
Caf — Les contrôles à la Caf, comment ça marche
caf.fr
FILE
Page d’information destinée aux allocataires. Elle décrit les trois formes de contrôle — automatisé par échange de données, sur pièces et sur place —, rappelle que le contrôle peut conclure à un rappel de prestations en faveur de l’allocataire comme à un indu, et présente les droits de la personne contrôlée.
Caf — Comment contester une décision de la Caf
caf.fr
FILE
Page décrivant les voies de contestation ouvertes à l’allocataire : recours administratif préalable devant la commission de recours amiable, délais, pièces à joindre, puis saisine du juge. C’est le circuit que la lettre d’explication de la mission 7 doit rendre praticable plutôt que théorique.
Défenseur des droits — Algorithmes, systèmes d’IA et services publics : quels droits pour les usagers ? Points de vigilance et recommandations
defenseurdesdroits.fr
FILE
Rapport publié le 25 octobre 2024. Il analyse l’usage des systèmes algorithmiques par les administrations et documente le risque de discrimination indirecte lorsqu’un dispositif de ciblage, neutre dans ses variables, produit un désavantage particulier sur un groupe protégé sans justification objective proportionnée. C’est le fondement de la note d’équité de la mission 3.
Cour des comptes — La lutte contre les fraudes aux prestations sociales, chapitre du rapport annuel 2023
ccomptes.fr
FILE
Chapitre du rapport sur l’application des lois de financement de la sécurité sociale. Il examine les dispositifs de détection, dont le ciblage par requêtes et par modèles statistiques, et distingue les montants de fraude détectée des montants effectivement recouvrés — distinction que la mission 4 impose de tenir dans toute présentation de rendement.
La Quadrature du Net — Notation des allocataires : analyse du code du modèle obtenu par voie administrative
laquadrature.net
FILE
Publication du 27 novembre 2023 fondée sur des documents obtenus par demande d’accès aux documents administratifs. L’association y analyse la structure du modèle de score et la nature des variables mobilisées. Source militante et partie prenante, à lire comme telle : elle apporte des pièces, elle porte aussi une thèse.
La Quadrature du Net — Réponses de l’organisme et controverse publique sur la notation des allocataires
laquadrature.net
FILE
Publication du 11 janvier 2024 restituant la controverse entre l’association et l’organisme sur l’interprétation des pondérations du modèle. Elle est citée ici pour montrer aux apprenants qu’un chiffre contesté doit être présenté comme contesté, avec les deux thèses et leurs auteurs.
La Quadrature du Net — Publication du code du modèle et éléments manquants
laquadrature.net
FILE
Publication du 26 février 2026. Elle commente la mise à disposition du code du modèle de notation par l’organisme national et identifie ce que cette publication ne permet pas de reconstituer, notamment du côté des données d’entraînement. Utile pour comprendre la différence entre transparence du code et explicabilité d’une décision individuelle.
La Quadrature du Net — Élargissement de l’accès aux données bancaires dans le contrôle des prestations
laquadrature.net
FILE
Publication du 7 mai 2026 sur les évolutions législatives en discussion relatives aux moyens d’investigation des organismes de contrôle. Source de veille sur la trajectoire du métier : le périmètre de données mobilisable par un contrôleur se déplace, et la question de la proportionnalité se déplace avec lui.
Mediapart — Le Défenseur des droits et la question de la discrimination indirecte produite par un algorithme de notation
mediapart.fr
FILE
Article du 20 janvier 2026 rapportant la position du Défenseur des droits sur le caractère potentiellement indirectement discriminatoire d’un algorithme de notation des allocataires. Source de presse : elle rapporte une position, elle ne la constitue pas. Toute utilisation professionnelle suppose de remonter au document de l’autorité elle-même.
European Journal of Social Security — Détection algorithmique de la fraude sociale et jugement SyRI aux Pays-Bas
doi.org
FILE
Article de recherche de 2021 consacré à la décision du tribunal de La Haye ayant écarté le système néerlandais de détection de risque SyRI. Il établit que le défaut jugé décisif n’était pas la performance du modèle mais l’absence de transparence et de proportionnalité vérifiable du dispositif, y compris pour les personnes non retenues comme suspectes.
Social Policy & Administration — Effondrement d’un dispositif de contrôle social automatisé
doi.org
FILE
Article de recherche de 2024 retraçant les conséquences institutionnelles et humaines d’une politique de contrôle automatisé des prestations conduite à grande échelle, dont les qualifications erronées de fraude et leurs effets durables sur les familles concernées. Contre-modèle documenté auquel la simulation oppose une méthode de travail.
Revue des politiques sociales et familiales — Vivre en situation de non-recours frictionnel : enquête menée dans trois caisses
persee.fr
FILE
Article de recherche publié en 2018 dans une revue à comité de lecture, en accès libre. Il documente le non-recours dit frictionnel, c’est-à-dire l’abandon d’un droit ouvert du fait de la complexité, de la peur du contrôle ou d’un indu antérieur. C’est la contrepartie invisible d’une politique de ciblage, et le fondement de la mission 7.
SociologieS — Le non-recours aux droits
doi.org
FILE
Article de recherche en accès libre consacré aux formes et aux causes du non-recours aux droits sociaux. Il propose la distinction entre non-connaissance, non-demande et non-réception, distinction directement opératoire pour qualifier les 576 rappels jamais notifiés du millésime de référence.
Les missions du programme
Ouvrez une mission pour voir ce que vous allez produire
☆
Aperçu du programme
1
Task 1
2
Task 2
3
Task 3
4
Task 4
5
Task 5
6
Task 6
7
Task 7
8
Task 8
🏁
Ligne d’arrivée
Aperçu du programme
Vous êtes recruté comme contrôleur allocataires à la Caisse d’allocations familiales du Val-de-Sarre, qui verse des prestations à 412 000 foyers. Depuis six ans, un score de risque appelé ScoRA classe chaque dossier entre 0,00 et 1,00 et désigne ceux qui partiront au contrôle. Sur le millésime de référence, 9 600 foyers ont été contrôlés, soit 2,33 % du portefeuille. Il en est ressorti 1 728 indus, 576 rappels en faveur des allocataires et 7 296 dossiers sans la moindre anomalie, pour un coût de 1 546 752,00 € de contrôles improductifs. Les 576 rappels, qui représentent 427 392,00 € dus aux familles, n’ont jamais été notifiés spontanément : le tableau de bord du service ne comporte pas de colonne pour eux. En huit missions, vous qualifierez le dispositif au regard de l’annexe III du règlement sur l’intelligence artificielle et de l’article 22 du règlement général sur la protection des données, vous mesurerez son rendement réel contre un échantillon aléatoire de 1 200 dossiers, vous établirez qu’il prédit l’instabilité déclarative — 93,75 % d’erreurs de bonne foi contre 6,25 % de fraude qualifiée — et non la fraude, vous chiffrerez son effet sur les foyers monoparentaux, vous fixerez un seuil sur un budget d’erreur sous contrainte de capacité, puis vous écrirez trois actes qui portent votre nom : l’annulation motivée d’une créance de 4 812,00 € sur une personne nommée, le maintien d’une créance de 2 946,00 € contre la pression de votre hiérarchie, et une lettre d’explication opposable. La dernière séance se tient devant une association agréée de défense des allocataires.
Ce que vous allez vivre
Qualifier le dispositif
Mesurer contre témoin
Chiffrer l’effet humain
Décider et signer
Prérequis
Savoir lire un tableau de chiffres et calculer un pourcentage, sans formation statistique préalable
Connaître le déroulement d’un dossier de prestations : déclaration trimestrielle de ressources, changement de situation, indu, rappel, recours amiable
Accepter d’annuler par écrit une créance que l’institution a déjà notifiée, et de le motiver en droit
Ce que disent les pairs
Témoignages de professionnels qui ont vécu des missions équivalentes
4.8 •5 voix d’experts
Story
“La mission 2 m’a donné la phrase que je n’arrivais pas à formuler depuis trois ans : le score marche — 18,00 % contre 7,00 % — et 93,75 % de ce qu’il attrape sont des erreurs de bonne foi. Les deux…”
Sabrina T.
Contrôleuse allocataires, 29 ans, trois ans d’ancienneté
Vers un poste de référente maîtrise des risques
Story
“La mission 6 est celle dont j’ai parlé en entretien : maintenir 2 946,00 € contre sa propre directrice et un élu, avec un échéancier de 96,00 € par mois et une remise de pénalité motivée. On m’avait appris à dire oui…”
Malik R.
Agent de liquidation en mobilité vers le contrôle
Vers un poste de contrôleur allocataires
Story
“Ces simulations m'ont aidée à projeter ce que serait mon premier poste. Très concret.”
Inès K.
Étudiante M2
Sciences Po
Story
“Le format est addictif et utile en entretien.”
Adrien L.
Diplômé école d'ingé
INSA Lyon
Story
“L'outil idéal pour tester un métier avant de s'engager.”
Maya T.
En reconversion
—
Ce que disent les pairs
Témoignages de professionnels qui ont vécu des missions équivalentes
4.8•5 voix d’experts
Story
“La mission 2 m’a donné la phrase que je n’arrivais pas à formuler depuis trois ans : le score marche — 18,00 % contre 7,00 % — et 93,75 % de ce qu’il attrape sont des erreurs de bonne foi. Les deux…”
Sabrina T.
Contrôleuse allocataires, 29 ans, trois ans d’ancienneté
