Nous étudions des méthodes de traitement automatique des langues (TAL) pour repérer les anomalies textuelles dans le catalogue MCF. Nos travaux évaluent l’impact d’un pré-entraînement spécifique au domaine, d’un affinage et de différentes représentations textuelles sur des tâches comme l’évaluation de similarité, la classification et la détection d’anomalies. Nos résultats montrent que des modèles simples avec des représentations vectorielles bien choisies peuvent surpasser des modèles plus complexes sur certaines tâches, facilitant leur déploiement industriel. Dans des contextes plus complexes, les méthodes lexicales s’avèrent les plus efficaces sans affinage, tandis que les modèles basés sur BERT se distinguent une fois adaptés aux données du domaine. En revanche, les grands modèles de langage (LLM) obtiennent des performances médiocres, limités par la complexité des données et leur vocabulaire spécialisé.

Au-delà des aspects techniques, nous analysons les cadres juridique et organisationnel encadrant le déploiement de l’IA à la CDC, notamment au regard du règlement européen sur l’IA et des exigences réglementaires françaises. Grâce à des entretiens semi-directifs, nous examinons les processus de vérification existants et l’intégration de l’IA dans la lutte contre la fraude, en soulignant les défis persistants en matière de transparence, de coordination entre acteurs et de conformité. Cette recherche interdisciplinaire, menée en partenariat avec la CDC, relie les avancées techniques en TAL aux enjeux concrets des services publics. Elle propose des pistes opérationnelles pour améliorer la détection algorithmique des fraudes dans l’administration.