France Travail travaille sur un algorithme de profilage des chômeurs à des fins de contrôle. C’est ce qu’affirme la Quadrature du Net, document interne à l’appui. Celui-ci semble être un support PowerPoint pour une présentation de 30 min. L’association déplore une massification des contrôles et un glissement dangereux des décisions politiques vers des technologies présentées comme « objectives ».

Le document présenté (PDF) a trait au ciblage du Contrôle de Recherche d’emploi, ou CRE. France Travail y évoque immédiatement la « logique d’engagements réciproques au service du retour à l’emploi ». Ainsi, tout le monde a droit à un accompagnement personnalisé dans l’objectif de retrouver un emploi. « En contrepartie, l’usager s’engage à participer aux actions proposées et à rechercher activement un emploi : c’est le devoir d’assiduité et de recherche d’emploi ». Des droits et des devoirs formalisés dans un « contrat d’engagement dynamique », dont le respect « fait l’objet d’un contrôle », le fameux CRE.

Six principes sont mis en avant : maintien du contradictoire (le demandeur doit toujours pouvoir se justifier après une notification de manquement), universalité du contrôle, équité de traitement, bénéfice du doute, maintien du lien territorial et séparation des activités de contrôle et d’accompagnement. Selon la Quadrature du Net cependant, plusieurs de ces principes pourraient être remis en cause.

Un outil IA de plus dans la besace

La présentation date de décembre 2025 et ressemble à un point d’étape sur les travaux en cours. Signalons tout de suite que France Travail dispose déjà de plusieurs outils alimentés par l’IA, comme mentionné sur son site. ChatFT assiste par exemple les conseillers dans les échanges avec les demandeurs d’emploi et facilite la création de documents. MatchFT a pour mission de faire « correspondre les offres d’emploi aux profils des candidats. Il contacte ensuite par SMS les candidats identifiés comme correspondant à l’offre pour leur proposer et les sonder sur leur intérêt ». Ces deux outils ont été développés par Mistral.

Le document porte largement sur les questions de contrôles, qui peuvent être déclenchés pour plusieurs raisons : vérification de l’assiduité, contrôles aléatoires, signalements par des agences ou encore contrôles issus de requêtes ciblées. Ces dernières sont particulièrement mises en lumière car elles « visent des situations présentant une forte probabilité d’insuffisance de recherche d’emploi » : métiers en tension, sortants de formation ou de prestations, ruptures conventionnelles, créateurs d’entreprises ou encore frontaliers. Pour 2026, France Travail envisageait 500 000 contrôles ciblés, soit 40 % du total des vérifications.

France Travail note dans ses objectifs que le CRE « vise avant tout à améliorer la qualité de l’accompagnement en permettant d’identifier si une insuffisance relève d’un besoin de soutien renforcé ou d’un contournement volontaire ». L’action prise peut être une « redynamisation », une révision du suivi ou une sanction, si « le comportement est volontairement abusif ».

Et tout le sujet du document est bien de fluidifier ce processus en se servant d’une IA pour analyser « 26 variables clés », dans l’idée de « reconstituer les parcours des demandeurs d’emploi » qui nécessitent « une expertise approfondie » qui sera alors transmise aux services CRE.

Un modèle statistique, pas un LLM

Le modèle utilisé est présenté comme statistique (arbre de décision), il ne s’agit donc pas d’IA générative (LLM). Parmi les 26 critères, on trouve l’historique des cessations, le délai d’inscription, le nombre d’entretiens, le niveau de formation, le métier recherché, l’indicateur de tension sur ce métier, les heures travaillées, la présence et l’ancienneté d’une ORE (Offre Raisonnable d’Emploi), le nombre de refus d’offres, la présence et l’ancienneté d’un CV visible, ou encore le nombre d’absences aux prestations et les synthèses des derniers entretiens. Attention cependant, le poids des variables n’est pas connu, on ne sait donc pas de quelle manière elles sont pondérées dans la formule de France Travail.

Dans le document, il est dit que le modèle est entraîné sur les données historiques du CRE, pour lui apprendre les relations entre les caractéristiques (les variables et leurs données) et les résultats des services CRE. Ainsi, le modèle apprend en faisant des prédictions basées sur le parcours, les compare à la réalité, puis corrige ses erreurs pour s’améliorer. Une approche classique. Sur un échantillon de 60 000 anciens dossiers, 79 % des dossiers ciblés par le modèle ont donné lieu à un examen complémentaire contre 53 % pour les dossiers issus de la requête aléatoire, et 64 % des dossiers ciblés ont conduit à une redynamisation ou une sanction.

L’étape suivante ? Appliquer le modèle sur la population actuelle inscrite à France Travail. Il a retourné une liste d’individus « qu’il considère comme les plus susceptibles de nécessiter un CRE ». Point intéressant, le document relève qu’une recherche active de biais de sélection a été menée. France Travail dit avoir « identifié que le modèle pouvait favoriser le contrôle des demandeurs d’emploi ayant les plus faibles revenus », ce qui avait conduit à retirer la variable « Salaire Journalier de Référence » (SJR). Elle a été réintégrée en tenant compte de la ventilation des demandeurs d’emploi par tranche de SJR « telle qu’elle existe dans la population générale ».

En outre, le document indique qu’il ne s’agit pas d’un projet de recherche : une première campagne de 7 000 tests avait déjà été menée au sein de la population des demandeurs avec une rupture conventionnelle et une deuxième campagne était « en cours de réalisation ». Pourquoi ce groupe en particulier ? Parce qu’il coûte en moyenne plus cher à France Travail.

Alors pourquoi recourir à l’IA ? Le document donne trois raisons : le nombre élevé de variables, la « suppression des a priori » grâce à l’utilisation de « critères objectifs », et le gain d’efficacité « démontré », car supérieur aux modèles actuels fondés sur des règles métiers. Le document mentionne explicitement la volonté d’élargir l’utilisation du nouveau modèle à « d’autres publics de demandeurs d’emploi ».

La Quadrature du Net dénonce une « dépolitisation »

Pour l’association, que le modèle soit un LLM n’est pas la question. Le sujet est le même que pour la CNAM et la CNAF : le solutionnisme technologique.

• Transparence, discriminations : les questions soulevées par l’algorithme de la CAF

L’association dénonce ainsi certains arguments avancés par le document, notamment la « suppression des a priori » et les « critères objectifs », présentés comme des corolaires à l’utilisation de l’intelligence artificielle. Pour la Quadrature, on assiste à la « transformation d’un problème politique – le choix des critères de sélection des personnes à contrôler – en un problème purement technique ». Une dépolitisation qui ne peut entrainer, selon l’association, qu’une « délégitimation de la critique des politiques de contrôle », ces dernières étant présentées comme « neutres » et « objectives ».

Outre la déresponsabilisation des dirigeants, la Quadrature pointe aussi l’opacité systématique autour des algorithmes de profilage. « En permettant aux responsables des institutions sociales de taire la réalité du tri social organisé, elle complique considérablement la mise en lumière de leurs dérives », fustige-t-elle. Et pour cause : le code source de l’algorithme de la CNAF « n’a été obtenu qu’après une longue bataille juridique et médiatique, tandis que celui de l’Assurance maladie ne l’a été qu’à la faveur d’une erreur de caviardage par l’administration ».

Et celui de France Travail ? « […] toutes nos demandes d’accès au code des IA utilisées par France Travail sont, à ce jour, restées lettres mortes », ajoute la Quadrature. L’association a adressé ses demandes à la CADA, mais France Travail a refusé de « communiquer la moindre information sur des IA aussi sensibles que celles utilisées pour échanger par SMS afin de proposer des offres d’emplois à des usager·ères (MatchFt) ou celle que France Travail a généralisé auprès de ses conseillers afin de les aider dans leurs tâches quotidiennes (ChatFt) », sans motivation de sa décision auprès de la CADA, « en violation flagrante de la loi ».

La Quadrature dit observer une volonté d’automatiser l’ensemble de la chaine de contrôle pour répondre aux objectifs gouvernementaux, qui incluent 1,5 million de contrôles en 2027 pour les demandeurs d’emploi. Devant l’ampleur des chantiers en cours, elle craint particulièrement l’arrivée future d’une IA générative qui, ne se contentant plus de pointer des dossiers, formulerait des suggestions de décisions.

Pour l’instant, on reste dans l’optique du « faisceau d’indices », utilisé pour braquer un projecteur sur un dossier en délicatesse. Pour France Travail, cette approche est neutre : ce n’est pas parce qu’un dossier est mis en lumière pour contrôle qu’un abus est systématiquement suspecté. Mais la massification est en cours, puisque depuis le 1ᵉʳ janvier 2026, toute personne recevant le RSA doit obligatoirement s’inscrire sur France Travail, plus de 6 millions de personnes pouvant alors être concernées en tout.

Dans le document, France Travail dit clairement son intention d’élargir le modèle à d’autres publics. La Quadrature craint de ce fait la généralisation d’un scoring et la mise en place d’une répression sociale contre les populations les plus vulnérables.

Où sont les analyses de risques ?

Ces questions sont particulièrement présentes dans une série de quatre podcasts publiée ce lundi 20 juillet par la cellule investigation de Radio France, qui a enquêté en partenariat avec la Quadrature du Net. La journaliste Audrey Travère y aborde de nombreux autres points, mais l’épisode 3 est entièrement consacré à la question de l’IA au sein de France Travail et au parallèle avec les cas de la CNAM et de la CNAF.

Elle s’est également entretenue avec Soizic Pénicaud, cofondatrice de l’Observatoire des algorithmes publics (Odap) et enseignante à Sciences-Po Paris. Celle-ci s’est dit surprise que les tests de cet algorithme aient pu se faire sans que personne n’en ait entendu parler. Pas un mot non plus sur son évaluation, d’analyse d’impact sur les données personnelles, ni « d’évaluation des discriminations entrainées par ces algorithmes ».

• [Interview] Efficacité, coût des algorithmes publics : les administrations manquent de transparence

Soizic Pénicaud rappelle en outre l’un des fondamentaux dans tout ce qui touche à l’IA : « Les humains, on sait qu’il y a des enjeux de biais, c’est incontestable, alors qu’un algorithme, on va nous dire que c’est statistique, c’est mathématique, c’est neutre, c’est objectif. En réalité, ça découle d’un ensemble de choix, et ces choix ne vont pas être questionnés. L’algorithme va systématiquement taper sur les mêmes. Et ça, ça pose un problème, car cela signifie un passage à l’échelle de la discrimination ».

Quant à l’argument de la décision humaine à la fin, là encore Soizic Pénicaud pointe l’influence algorithmique : on aura toujours tendance à plus cliquer sur un élément pointé comme très probable par une IA.

Nous avons contacté le ministère du Travail pour obtenir des informations complémentaires et actualiserons cet article en cas de réponse.