« Fraude sociale » : comment la France s’acharne sur les pauvres

Les travaux sociologiques sur la surveillance et le contrôle des pauvres dans le contexte français sont nombreux, mais ceux analysant ces dynamiques en lien avec les évolutions technologiques et managériales le sont moins. Ce Contrôler les assistés, Genèses et usages d’un mot d’ordre que publie le sociologue Vincent Dubois (@DuboisV66421183) aux éditions Raisons d’Agir ce mois d’avril ne comble pas seulement un vide, il propose une avancée de taille pour comprendre le rôle des techniques et technologies dans le “gouvernement  des pauvres”. 

Un texte proposé par Anne-Charlotte Oriol (@Toutetlereste).

C’est d’ailleurs peut-être en ne parlant pas principalement de technologies qu’il en parle le mieux. En disséquant (le livre fait plus de 440 pages !) les mécanismes qui s’enchevêtrent depuis les années 1990 dans une “course sans ligne d’arrivée” pour renforcer la lutte contre la “fraude sociale”, il contextualise le développement massif de certaines technologies et souligne la manière dont elles sont instrumentalisées sous couvert de neutralité et d’impartialité. 

Les choix terminologiques sont particulièrement importants pour aborder ce domaine qui ne lésine pas sur les glissements sémantiques et autres euphémisations. Si le sociologue fait le choix de parler des “assistés”, terme retenu “malgré la forte connotation dépréciative de son usage politique, médiatique et social”, il en déplace l’usage pour proposer une “définition relationnelle des pauvres à partir non de leur état, mais des rapports sociaux dans lesquels ils s’inscrivent“ (p. 13).

Le mot “contrôle” vise, lui, à “rendre compte empiriquement de la façon dont la société, via ses institutions, applique les normes à ses pauvres.“ (p. 14). Si le contrôle “ne se résume pas à la lutte contre la fraude, celle-ci en représente un élément essentiel, tout particulièrement depuis l’intensification des débats et investissements politiques sur ces questions à partir du milieu des années 2000” (p. 14). Et de préciser que derrière une apparente évidence, la notion de fraude renvoie en fait à des pratiques très variées.

Spirale rigoriste

Jamais depuis l’institutionnalisation des politiques sociales après la Seconde Guerre mondiale, les thématiques de l’assistanat et de la fraude aux prestations sociales n’avaient été aussi présentes dans le débat public. Jamais le contrôle des allocataires destiné à lutter contre leurs potentiels abus n’avait été aussi systématiquement organisé. Jamais les bénéficiaires d’aides sociales, et parmi eux surtout les plus précaires, n’avaient été aussi rigoureusement surveillés, ni leurs illégalismes ou leurs erreurs si sévèrement sanctionnés. (p. 9)

Si les pratiques de contrôle sont intrinsèquement liées aux politiques d’assistance, leur importance actuelle est inédite. S’attachant plus spécifiquement aux prestations sociales opérées par la CAF, et en particulier le Revenu de Solidarité Active (RSA) entré en vigueur en 2009 et allocation la plus contrôlée.

Pour Vincent Dubois, la situation actuelle s’explique par une “spirale de la rigueur” multifactorielle dont il va décrire les ressorts avec précision. Cette spirale rigoriste s’engage d’abord dans le champ politique, se conforte par une couverture médiatique renforcée jusqu’à un durcissement de l’opinion publique. Ce sont ensuite les relations institutionnelles, l’évolution des pratiques managériales, les positionnements des agent·es et les progrès technologiques qui ont ancré et normalisé des modalités de contrôle d’une sévérité croissante.

Quel rôle jouent les outils et dispositifs technologiques (technologies de l’information et statistiques) dans cette spirale rigoriste ? Pour Vincent Dubois, ils n’ont pas seulement permis de massifier le contrôle opéré, ils en ont changé la nature, opérant une véritable “révolution du contrôle” (chapitre 6). 

Quantophrénie et pifomètre

Ce n’est plus la norme et les écarts à la norme qu’il s’agit de calculer, mais les comportements individuels qu’il s’agit de prédire, marquant « un nouveau rapport aux données et à la quantification », qui vise une connaissance des populations à gouverner non plus en fonction de catégories collectives prédéfinies, mais en fonction de pratiques individuelles observées et anticipées sur cette base. (p. 248)

Cette “gouvernance par les nombres” (selon l’expression d’Alain Supiot) passe par plusieurs étapes, de la mise en chiffre pour faire exister – pour ne pas dire créer – un problème à la mise en place d’indicateurs de contrôle des assistés ou encore d’efficacité des politiques de contrôle pour donner à voir que l’on surveille et punit bien.

Multiplier les indicateurs ne servirait pourtant à rien sans la capacité technique et technologique de les rendre opératoires. C’est là qu’entre en jeu le data mining. Importé du monde de la finance et des assurances, le data mining est une évaluation statistique des risques combinant quatre caractéristiques : 1) utilisation de méthodes statistiques, 2) mobilisation de vastes bases de données personnelles, 3) détermination de différents niveaux de risques corrélés à des caractéristiques construites comme facteurs de risque et enfin 4) prédictions établies sur la base de ces corrélations qui déterminent le traitement différencié des individus.

Pour Vincent Dubois, “la promotion de cette manière de voir et du data mining qui l’incarne s’articule ainsi avec les représentations culpabilisantes des assistés sociaux. L’usage de cette technique constitue, avec les échanges automatisés de données, l’une des principales réponses techniques à l’injonction politique au renforcement du contrôle”. (p. 253)

Il montre bien dans son analyse que la rationalité affichée de ces techniques mathématiques comme les euphémisations (on ne parle pas de contrôle des allocataires mais de “maîtrise des risques”) cachent mal le ciblage idéologique des plus précaires, les injonctions politiques qui le sous-tendent et la politique des nombres (l’expression est, elle, empruntée à Alain Desrosières). Derrière le vernis de rationalité, apparaît également une certaine forme de pifométrie. L’auteur cite par exemple cet objectif de “25% de contrôle” fixé sur un coin de table à 22 heures lors de la Convention de gestion et d’objectifs de la CAF en 1997 – moment charnière de l’évolution de la politique de contrôle. 

Sous couvert de “rationalisation”, le data mining (et la statistique prédictive) ont largement participé au durcissement des politiques de contrôle. Articulé à un double mouvement institutionnel et managérial de centralisation de parcellisation des tâches, le data mining contribue à la diffusion de la culture du contrôle et d’une approche strictement gestionnaire. 

Mais le pifomètre n’est pas sans effets concrets et la rationalisation n’a pas seulement conduit à un contrôle plus “efficace” (selon les critères de l’Institution à tout le moins) mais à un contrôle plus sévère pour les personnes concernées.

Ce dont parle Vincent Dubois ne manque pas de renvoyer aux travaux de la philosophe Antoinette Rouvroy, non citée dans l’ouvrage, sur la gouvernementalité algorithmique, ce “type de rationalité (a)normative ou (a)politique reposant sur la récolte, l’agrégation et l’analyse automatisée de données en quantité massive de manière à modéliser, anticiper et affecter par avance les comportements possibles”. Et pour le dire avec elle, ce gouvernement sans sujet n’est tout de même pas sans cible.

Surcontrôle et stigmatisation des pauvres

Cet impressionnant arsenal qui n’a cessé de se développer au cours des trois dernières décennies a considérablement augmenté le nombre et le type d’informations disponibles, multiplié les sources possibles, facilité l’accès aux données et la fiabilité de leur recoupement.” (p. 244)

Au-delà des discours et rouages politico-administratifs, Vincent Dubois s’intéresse également – et c’est un apport majeur de son travail – à ce que fait le contrôle aux groupes sociaux concernés (chapitre 10). Il montre alors que l’exposition à la surveillance et aux sanctions est non seulement croissante mais qu’elle est socialement différenciée. Plus encore, il souligne “la manière dont le contrôle contribue à la régulation et la domination des assistés” (p. 408).

Cette “course sans ligne d’arrivée” aboutit à un “surcontrôle des plus précaires” : les “individus sans emploi ou travaillant irrégulièrement, isolés, dépendant entièrement ou essentiellement de l’assistance pour subvenir à leurs besoins ont statistiquement plus de chances que les autres d’être contrôlés” (p. 414). 

Le sociologue montre comment ce ciblage social s’appuyant sur des représentations négatives de certains groupes sociaux s’est particulièrement renforcé grâce au data mining. La rationalité technologique des modèles algorithmiques mis en place ne vient pas, surprise, neutraliser ces biais mais tend plutôt à reproduire les inégalités sociales face à la surveillance, qui augmente de manière quasi linéaire avec le niveau de précarité.

La “perception du RSA, l’inactivité, la monoparentalité sont ainsi parmi les caractéristiques qui augmentent le plus la probabilité du contrôle.” (p.415) alors que d’autres facteurs semblent diminuer cette probabilité (les personnes âgées sont plutôt sous-contrôlées). Tout en indiquant que les écarts ne seraient pas du même ordre que ceux observés outre Atlantique par exemple, il souligne aussi que, même en l’absence de statistiques disponibles, le genre est probablement un facteur de surcontrôle, les femmes étant davantage marquées par la précarité et la monoparentalité qui sont deux facteurs déterminants de surcontrôle (p. 416). Il considère que ce raisonnement pourrait également s’appliquer aux populations étrangères qui elles aussi tombent sous le coup de facteurs augmentant la probabilité des contrôles (p. 418). On ne saura rien de l’impact de la racialisation, puisque la race n’existe pas en France évidemment. 

L’absence de certains indicateurs statistiques dans un système qui les affectionne pourtant tellement pourrait étonner, alors même que certains groupes sociaux sont surreprésentés parmi les populations les plus contrôlées. Cela vient contrecarrer les tentatives de faire passer la massification technologique pour une forme de rationalité neutralisant biais et discriminations. 

Ce contrôle témoigne – autant qu’il renforce dans un même mouvement – de la “stigmatisation des assistés” (p. 32), de leur précarisation (plus contrôlés, les plus pauvres sont également plus sanctionnés) mais aussi de leur “gouvernement”. Si la relation entre assistance et coercition est originelle, on observe un glissement de la prévention de la récidive à la volonté de contrôler – et de rectifier – les comportements considérés comme déviants. On observe par ailleurs une véritable intrusion dans la vie privée des assistés, en particulier lors des entretiens effectués dans le cadre de procédures de contrôle dont Dubois parle comme des sortes d’ “épreuve de moralité” (p. 354). 

Mais il ne faudrait pas faire reposer sur le seul zèle des agent·es le caractère moralisateur de la politique de contrôle et l’intrusion dans la vie privée des individus par laquelle il se traduit. En vérité, l’intrusion dans la vie privée opère déjà largement – et peut-être principalement – par le croisement des fichiers de différentes administrations. Et, comme le souligne Vincent Dubois, les atteintes à la leur vie privée ne sont pas considérées par les premier·es concerné·es comme une source de préoccupation tant ils / elles sont habitué.es à ce que leur intimité soit exposée au traitement des institutions. On peut ici s’interroger, avec Ruha Benjamin : “Que veut dire la vie privée (privacy) à l’ère des big data pour les personnes qui sont déjà très exposées ?” Et de qui se permet-on de bafouer la vie privée sans s’inquiéter que cela ne les inquiète pas ?

Vincent Dubois souligne qu’il est difficile de mesurer le caractère discriminatoire des politiques sociales par manque de données permettant de l’objectiver. Un constat également établi par Eubanks et Benjamin pour ce qui concerne les Etats-Unis. La situation française est encore loin de la “criminalisation de la misère” observable aux Etats-Unis. Les deux autrices pointent néanmoins deux aspects corrélés qui doivent attirer notre vigilance quant à la massification de la collecte de données et, surtout, l’interconnexion entre les bases de données. Il y a d’abord les “boucles de rétroaction de l’injustice” que décrit Virginia Eubanks dans Automating Inequality et qui font que « cette collecte de données renforce [la] marginalité » de certains groupes sociaux. Dans un registre similaire, Ruha Benjamin souligne le caractère éminemment pernicieux du danger que fait peser l’interconnexion des données sur les personnes ciblées : « dès que quelqu’un est marqué à risque dans un domaine, cette stigmatisation le suit bien plus efficacement qu’avant », ce qui revient à rationaliser la marginalisation en faisant des signes de la pauvreté ou de l’identité (Benjamin étudie en l’occurrence les populations noires aux Etats-Unis) des “signaux plus visibles et déterminants que jamais”. La visibilité est un piège comme dirait l’autre.  

Le contrôle des assistés fait ressortir avec force un paradoxe inhérent à des systèmes socio-techniques dont les fondements idéologiques ne sont pas questionnés et qui rend hypervisibles certaines caractéristiques cependant qu’il invisibilise un certain nombre de discriminations et de biais qui ont pourtant des conséquences bien concrètes pour les personnes qui les subissent.

D’autres choix étaient / sont / seraient possibles 

Le volume des fraudes identifiées augmente quant à lui de façon rapide et continue, particulièrement depuis la mise en place de la politique de « maîtrise des risques » à partir de 2005. […] La proportion des fraudes s’établit ainsi en 2017 à 0,36 % des allocataires et 0,34 % du montant total des prestations versées. (pp. 411-412)

Après une forte augmentation de la détection de la fraude, on aboutit donc, en 2017, à une proportion des fraudes de 0,34 % sur le montant total des prestations versées. Car oui, “la fraude des pauvres est une pauvre fraude” et l’on peut s’interroger sur l’adéquation des efforts entrepris pour contrôler les plus précaires en termes de rentabilité.

Si l’on peut parler sans ambage d’acharnement, c’est que le coût de la fraude sociale pour l’Etat est sans commune mesure avec celui de la fraude fiscale comme le montrent les graphiques ci-dessous. Mais “alors que l’importance accordée au contrôle décline à partir du milieu des années 1980 en matière fiscale, c’est au contraire à cette période qu’il commence à être investi en matière sociale.” (p. 151). Dès lors, le contrôle des contribuables des classes supérieures ne cesse de se relâcher et l’on préfère négocier plutôt que de sanctionner. Au même moment, il s’opère avec une sévérité croissante pour les allocataires sociaux. Ainsi, la fraude au RSA détectée représenterait environ 324 millions d’euros et celle estimée serait de 766 millions environ. De l’autre côté du spectre, la fraude fiscale détectée serait autour de 13,7 milliards d’euros cependant que la fraude fiscale estimée se situerait entre 80 et 100 milliards d’euros.

Source : Fraude fiscale, fraude sociale : ne pas se tromper de cible !

Si l’on voit bien comment les outils existants sont mobilisés pour lutter contre la fraude, les efforts menés pour éviter le non-recours sont moins probants alors qu’ils semblent pourtant correspondre à des montants bien plus élevés que la fraude aux prestations sociales : l’ODENORE estimait, en 2011,  un taux de 36% de non-recours pour le RSA et un montant du non-recours au RSA à plus de 5 milliards d’euros.

A titre d’exemple, comme le souligne justement Vincent Dubois, le data mining pourrait être mobilisé pour “faciliter l’accès aux droits sociaux et lutter contre le non-recours, en ciblant les populations à partir des facteurs prédictifs de la non-demande” comme cela a d’ailleurs été fait en Grande-Bretagne ou au Pays-Bas. Mais, en France, cette idée qui serait un pas franc vers une “juste prestation” est restée à l’idée de proposition parlementaire. Qu’on ne se méprenne pas, “comme la politique de « maîtrise des risques » dont il constitue un instrument privilégié, le data mining se confond essentiellement avec le contrôle des allocataires” (p. 255).

Conclusion

C’est un livre riche, tant dans l’analyse qu’il offre des mécanismes de la spirale rigoriste qui a massifié, renforcé et durci le contrôle des plus précaires dans des proportions inédites que dans les perspectives qu’il ouvre pour la réflexion sur la manière dont les technologies sont utilisées, politiquement et institutionnellement. 

La “fraude sociale” n’est ni un phénomène massif ni même un phénomène en forte augmentation. C’est un chiffon rouge agité pour légitimer le durcissement du contrôle des assistés, comme l’ “insécurité” l’est pour les politiques sécuritaires. 

Redéfinissant “l’espace du pensable”, la spirale rigoriste dont rend compte Vincent Dubois est certes largement imputable à la classe politique et aux évolutions institutionnelles. Elle questionne aussi une société qui a laissé s’affaiblir ses “défenses immunitaires” en l’espace d’une trentaine d’années. Dans les années 1970, c’est un projet de croisement et de centralisation des informations personnelles détenues par les différentes administrations qui avait largement présidé à l’adoption de la Loi Informatique et Libertés. A l’aube du 21e siècle, des fichiers présentant un risque de “surveillance des personnes en difficulté” (p. 130) sont mis en place sans véritables obstacles – et parfois dans un certain flou concernant leur légalité – au-delà des réserves sur leur bien-fondé. 

Cet “essaimage des mécanismes disciplinaires” pour le dire avec Michel Foucault n’a pas seulement permis d’imposer la “raison du plus dur” de manière partiellement irréversible. La continuité des mécanismes de surveillance qui s’opère tend, plus largement, vers une généralisation de la suspicion à l’endroit des plus précaires où l’intention de fraude rejoint la fraude. On s’interroge alors sur la manière sera pris en compte le principe de droit à l’erreur face à l’administration introduit en 2018 dans les politiques sociales. 

Vincent Dubois, Contrôler les assistés, Genèses et usages d’un mot d’ordre, Editions Raisons d’Agir, 2021

Anne-Charlotte Oriol s’intéresse aux enjeux socio-politiques posés par le numérique et prépare une thèse en sociologie sur le mouvement maker en Seine-Saint-Denis. Elle est membre du Mouton numérique.

S’abonner
Notifier de
guest
1 Commentaire
Inline Feedbacks
View all comments
trackback

[…] « Fraude sociale » : comment la France s’acharne sur les pauvres (maisouvaleweb.fr) […]