La Caisse nationale des allocations familiales (Cnaf) déploie le modèle de datamining « données entrantes » (DMDE) 2026. Cet outil statistique attribue à chaque foyer un score de risque CAF afin d’optimiser le ciblage des contrôles et de garantir le versement du juste droit. Face aux interrogations légitimes des allocataires sur ce dispositif, la transparence s’impose.
Comment est calculé le score de risque CAF ? La mécanique du DMDE 2026
Sur le plan technique, le dispositif repose sur une régression logistique. Cette méthode produit un score compris entre 0 et 1. Plus cet indicateur grimpe, plus la probabilité d’un trop-perçu (indu) augmente.
En effet, le système cible spécifiquement les dossiers présentant un risque d’indu d’au moins 600 euros sur une période minimale de 6 mois. Néanmoins, contrairement à une idée reçue, aucun outil en ligne ne permet aux allocataires de calculer eux-mêmes leur score de risque. Bien que la Cnaf ouvre désormais son code source, ses serveurs automatisent le calcul en interne. Pour cela, ils croisent des données officielles (impôts, Déclaration sociale nominative (DSN), France Travail).
En cas d’interrogation sur vos déclarations, consultez nos conseils pour sécuriser vos données via notre article comment éviter un trop-perçu de la CAF et adopter les bons réflexes.
Par ailleurs, pour gérer la transition avec la solidarité à la source, l’algorithme s’appuie sur deux modèles distincts de régression logistique, dont l’exécution s’orchestre via quatre programmes informatiques :
- Le Modèle 1 (période avant solidarité à la source) : Il s’appuie sur 17 variables historiques. Il analyse les revenus (convertis en multiples du SMIC ou de la Base mensuelle des allocations familiales (BMAF)), la composition familiale et l’évolution des prestations sur les 24 derniers mois.
- Le Modèle 2 (période après solidarité à la source) : Il s’appuie sur 11 variables seulement, s’adaptant ainsi au nouveau contexte des déclarations trimestrielles pré-remplies.
- L’orchestration informatique : Quatre programmes en code PySpark pilotent le traitement. Ils font tourner successivement le modèle 1 et le modèle 2, appliquent les corrections nécessaires, puis pondèrent et fusionnent les scores pour toute la période de transition.
Quels facteurs font varier votre niveau de vigilance ?
Plusieurs critères font mécaniquement grimper l’indicateur de risque dans le modèle de datamining :
- La complexité et l’instabilité des revenus : Des ressources très modestes associées à des prestations élevées font réagir l’algorithme. De même, les variations fréquentes de revenus chez les travailleurs non salariés attirent l’attention. Pour ces derniers, nous conseillons de suivre des règles de déclaration spécifiques, détaillées pour la prime d’activité des auto-entrepreneurs.
- Les mouvements dans les droits : Les changements répétés de situation concernant le Revenu de solidarité active (RSA), ou les allers-retours dans le versement des aides, accentuent la vigilance.
- Les modifications de structure familiale : La présence d’enfants de plus de 19 ans au foyer ou les modifications de la composition déclarée modifient le score.
- Les corrections répétées : Des signalements fréquents rectifient à la baisse les montants pré-remplis lors des déclarations trimestrielles.
En somme, pour éviter les alertes injustifiées, privilégiez la rigueur et mettez immédiatement à jour votre situation sur votre espace personnel.
L’algorithme décide-t-il seul de vos versements ?
L’angoisse majeure des allocataires concerne la crainte d’une sanction aveugle. Pourtant, la machine ne prend aucune décision automatique de coupure. Le score de risque CAF sert uniquement de filtre d’orientation pour les agents, qui gardent systématiquement le dernier mot.
En revanche, le datamining constitue aujourd’hui le principal levier de ciblage des contrôles approfondis. Si le modèle détecte une anomalie, un agent examine le dossier. Toutefois, en cas de fort soupçon de fraude ou de documents manquants, la CAF peut suspendre vos versements à titre conservatoire le temps des vérifications.
Heureusement, face à une erreur de bonne foi, le droit à l’erreur s’applique pleinement. Il permet de régulariser la situation ou d’échelonner un remboursement sans retenir une suspicion de fraude.
Enfin, si vous affrontez des difficultés financières suite à un indu, vous pouvez solliciter une aide auprès de l’organisme ou consulter nos indications sur la remise de dette CAF.
Transparence et garanties éthiques de l’organisme
Pour désamorcer les critiques sur les biais discriminatoires, la Cnaf applique des règles strictes :
- Des exclusions drastiques : L’organisme exclut totalement de ses variables la nationalité, le genre, l’adresse, l’historique des contentieux et les données de navigation en ligne.
- Un encadrement éthique : Un comité d’éthique indépendant accompagne l’organisme. Vous pouvez consulter les détails sur la présentation du comité d’éthique sur l’usage des algorithmes et de l’IA.
- La vérifiabilité : L’accès au code source en open source garantit la traçabilité des méthodes.
Comment réagir en cas de contrôle ou pour contester un indu ?
Si votre dossier déclenche un contrôle sur pièces ou à domicile, le contrôleur assermenté doit présenter sa carte professionnelle. D’ailleurs, vous pouvez anticiper cette visite grâce à notre guide dédié pour préparer un contrôle CAF à domicile. Rassemblez rapidement vos justificatifs (bulletins de paie, quittances, attestations).
Ensuite, en cas de désaccord persistant sur un indu notifié, vous disposez d’un délai de deux mois pour saisir la Commission de recours amiable (CRA). Notre modèle de référence pour le recours CAF vous accompagne dans cette démarche.
Enfin, pour toute question spécifique liée à votre dossier, trouvez immédiatement l’antenne compétente grâce à notre annuaire des agences CAF par département.
En somme, l’algorithme de la CAF ne remplace pas l’humain : il oriente simplement les contrôles. Pour les allocataires, la meilleure protection reste la déclaration immédiate de tout changement de situation et l’exercice du droit à l’erreur en cas d’incompréhension.
