Au fil de l’enquête, on s’est rendu compte que plusieurs outils qu’on peut qualifier d’« algorithmiques » jouent un rôle essentiel dans la sélection et le traitement des #allocataires qui vont, justement, faire l’objet d’un #contrôle. Il faut d’abord préciser que le mot « #algorithme » n’est pas toujours utilisé en interne : certains outils sont qualifiés de « robots », d’autres ressemblent à des documents Excel, mais ils participent tous à un processus de sélection ou de hiérarchisation automatisée des personnes inscrites sur les listes de #France_Travail.
De fait, aujourd’hui, les personnes inscrites à France Travail peuvent être désignées pour un contrôle via trois modalités principales : le #signalement par leur conseiller ou leur conseillère, le #tirage_aléatoire, ou, finalement, ce qu’on appelle les « #requêtes_ciblées ». C’est là qu’intervient le premier véritable algorithme. Ces requêtes sélectionnent des personnes à partir de critères jugés pertinents (par exemple, une formation financée par France Travail achevée depuis plus de six mois ou une inscription dans un métier dit « en tension »). Ces critères sont définis au niveau national, puis adaptés régionalement. Ce sont des outils puissants de #ciblage, qui traduisent une forme de #suspicion_institutionnelle : pourquoi êtes-vous encore au chômage alors que vous avez été formé récemment ; ou que vous postulez dans un métier dans lequel les employeur·ses disent manquer de main-d’œuvre ?
Un deuxième outil est récemment apparu, avec la réforme du contrôle de la recherche d’emploi entrée en vigueur au 1er janvier 2025. Pour répondre à l’objectif fixé par le gouvernement de passer de 600 000 contrôles par an à 1,5 million d’ici 2027, France Travail a introduit un « robot d’analyse des dossiers » censé permettre d’augmenter le nombre de contrôles à effectifs constants. C’est un outil qui vise à gagner du temps, en pré-classant en groupes les dossiers à contrôler. L’objectif est de déterminer si les demandeur·ses d’emploi recherchent activement un travail, à partir de critères comme la présence d’un CV sur l’espace personnel, les périodes travaillées au cours des trois derniers mois, ou encore les échanges avec France Travail. Mais déjà au niveau des critères, il y aurait beaucoup de choses à dire. Par exemple, l’usage de l’espace personnel n’est pas obligatoire : est-il donc pertinent que le robot en fasse un critère de tri ? Dans tous les cas, à ce stade, cet algorithme semble encore loin d’être opérationnel : il produit des erreurs basiques sur des informations comme les périodes travaillées, pourtant bien connues du système puisqu’elles déterminent l’indemnisation… À ce stade de notre enquête – qui n’est qu’à ses débuts sur cet aspect -, il semblerait que beaucoup d’agent·es ne l’utilisent pas, parce qu’iels considèrent qu’il leur fait perdre plus de temps qu’il n’en fait gagner. Il aurait même été suspendu le temps qu’une nouvelle version de l’outil soit déployée.
Le dernier outil que nous avons identifié récemment est encore plus opaque. Il s’agit d’un « outil d’aide à la détermination de la #sanction » destiné à aider les agent·es dans l’application d’un nouveau type de sanction : la suspension du revenu de remplacement en cas de non-respect du #contrat_d’engagement1. Cette sanction est liée à la parution d’un décret, qui prévoit une suspension de l’indemnisation de durée et de niveau variable, en fonction des “manquements” identifiés. Pour ce faire, les agent·es utilisent un tableau Excel, non relié au système d’information de France Travail, dans lequel iels cochent dans des liste le ou les « indices de non-respect des engagements détecté(s) au cours du contrôle » d’une part, et les « contrainte(s) personnelle(s) et difficulté(s) détectées au cours du contrôle », d’autre part. L’outil attribue ensuite une « note » et propose une sanction selon trois critères : la « nature », le « pourcentage du revenu de remplacement impacté » et la « durée ». Nous ignorons absolument pour l’instant comment les différentes informations sont pondérées pour aboutir aux caractéristiques de la sanction préconisée.
(...) Contrairement aux promesses d’automatisation libératrice qui présentent ces outils comme permettant aux agent·es de réduire leur charge de travail et de se concentrer sur leur cœur de métier en se déchargeant des tâches répétitives, on observe, au contraire, que ces dispositifs peuvent alourdir leur activité, sans que ce processus soit forcément visible, ni évident à mesurer. En fait, on constate qu’au mieux, les algorithmes ne font pas gagner de temps, et au pire, ils en font perdre. De plus, ces outils pourraient à terme conduire à déléguer au robot le travail d’analyse, ce qui ne laisserait aux agent·es que la charge de valider une décision prise par la machine ; sur la caractérisation des sanctions par exemple, les agent·es se trouvent dépossédés par l’algorithme.
(...) Nos demandes d’observations du travail réalisé sur les plateformes de contrôle, par exemple, n’ont jamais abouti.