Valoriser les données des entreprises publiques et des collectivités locales

Les entreprises publiques et collectivités locales disposent désormais de systèmes informatisés permettant de gagner en efficacité. Les données ainsi générées peuvent alimenter de nombreux programmes d’optimisation, répondant aux objectifs de maîtrise des dépenses, d’augmentation de la productivité et de lutte contre la fraude. Décryptage avec un expert de SAS.

Durant les deux dernières décennies, administrations, organismes publics et collectivités locales se sont fortement équipés de systèmes informatiques pour automatiser la comptabilité, les transferts de données entre administrations, la gestion des commandes, la collecte des paiements, la diffusion d’informations et de services via le Web, etc. A l’instar des entreprises du secteur privé, les gains d’efficacité obtenus par cette automatisation sont tangibles.

Cependant, avec l’accroissement des déficits publics, sont apparus de nouveaux enjeux de réduction des dépenses publiques, d’augmentation de la productivité (dans un contexte de réduction des effectifs) et de lutte contre la fraude. A elle seule, la fraude fiscale représente pour l’Etat français une perte de 60 à 80 milliards € (soit 1 € sur 5 détourné) .

Avec l’informatisation aboutie de la quasi-totalité des activités publiques, l’administration et les collectivités locales disposent d’une matière première brute qui ne demande qu’à être exploitée pour relever ces trois défis : les données ou « Big Data » (bien que la problématique principale liée à l’analytique dans ce secteur se résume moins à la question des volumes des données qu’à la variabilité des formats de ces données et à leur qualité en général). Ceci nécessite de nouvelles technologies et compétences, dont les quelques exemples décrits ci-après nous donnent des illustrations très parlantes.

Au Danemark, l’administration a consolidé et centralisé l’ensemble des bons de commande électroniques dans un système analytique SAS pour analyser ses dépenses et envisager des actions correctives. Le système couvre aujourd’hui une quarantaine de municipalités, deux Universités et une région. Chaque bon de commande est analysé et classé en fonction des libellés. Puis, une opération de réconciliation est effectuée par libellé, sur la base d’une classification internationale, aboutissant à une vue consolidée plus juste des dépenses. Le système repose sur des technologies d’analyse linguistique, de Master Data Management  et de qualité de données.

Dans le domaine des relations citoyens-administration, deux expériences ont été récemment lancées à Hong Kong et à Singapour. Le pouvoir politique cherchait à bien évaluer les besoins et demandes des administrés en mettant en évidence les réclamations les plus nombreuses (entretien des routes, des espaces verts, lutte contre la pollution, services sociaux, etc.). Deux méthodes différentes ont été utilisées : l’administration de Hong Kong  a mis en place un centre d’appels recensant les demandes des citoyens. Chaque appel (environ 3 millions par an) fait l’objet d’un rapport, qui après catégorisation, est intégré dans un reporting consolidé qui donne une image globale très précise. A Singapour, les pouvoirs publics ont choisi d’analyser les contenus des réseaux sociaux et des blogs à l’aide d’une technologie d’analyse textuelle. Les résultats sont également triés et consolidés pour offrir une vue thématique des requêtes des administrés, permettant aux pouvoirs publics d’adopter une attitude proactive vis-à-vis des plaintes des citoyens.

En Suède, l’analyse des comptes rendus des médecins permet de prévoir l’éventualité de l’aggravation d’une pathologie chez un patient particulier. Auparavant, l’hôpital sélectionnait 10% des cas sur un mode manuel. Aujourd’hui, grâce à l’automatisation, 100% des cas pathologiques sont couverts, ce qui lui permet d’attribuer au patient un score qualifiant la possibilité d’aggravation de sa pathologie au niveau individuel. Les technologies utilisées relèvent des domaines de l’analyse textuelle et de l’analyse prédictive. Au-delà de cet exemple, elles ouvrent le champ des possibles pour la santé publique.

Enfin, en Italie, l’Institut national de la prévoyance sociale (INPS) a optimisé ses tournées d’inspection des congés maladie grâce à des techniques d’analyse prédictive. Aujourd’hui, elle analyse une série d’indicateurs pour prioriser les visites aux assurés suspectés de fraude ; avec à la clé d’importants gains financiers.

En France, les exemples se multiplient également. Je citerai par exemple la Caisse nationale d’allocations familiales (CNAF) qui optimise ses contrôles et la lutte contre la fraude grâce à un nouveau modèle analytique réalisé avec SAS. La Caisse Nationale d’Assurance Maladie des Travailleurs Salariés (CNAMTS) a, quant à elle, a bâti un échantillon destiné à l’analyse tant épidémiologique qu’économique, indispensable à la conduite de la politique de santé publique ; sur la base de la collecte de l’ensemble des informations relatives au parcours de soins des patients. Enfin, la Direction Générale des Finances Publiques (DGFiP) analyse l’efficacité de son réseau de trésoreries locales et générales pour améliorer son pilotage via un tableau de bord de référence commun à tout le réseau.

En conclusion, comme le prouvent ces nombreux exemples, les technologies Big Data, de modélisation prédictive et d’analyse textuelle sont aujourd’hui matures et se combinent pour répondre aux trois grands défis  auxquels les entreprises publiques et collectivités locales sont confrontées. Et chaque opération d’optimisation contribue à la modernisation de notre nation.

Marcel Lemahieu, Principal Business Solution Manager SAS EMEA & AP Center Of Excellence

En complément : le détail des expériences de la CNAF, de la CNAMTS et de la DGFiP

Voir l’interview de Marcel Lemahieu par Acteurs Publics TV