MDPH : automatiser avant d’expliquer

**L’expérimentation IA lancée dans 11 MDPH ne porte pas encore sur la décision finale d’attribution des droits. Elle intervient pourtant dans un moment plus décisif qu’il n’y paraît : la première qualification des dossiers, la complétude, le classement, la recevabilité documentaire.

La tension tient là : l’administration automatise une partie du back-office des droits avant d’avoir rendu publique une doctrine robuste de contestabilité, d’explicabilité et de mesure des erreurs.

Cette lecture mobilise la bureaucratie de guichet de Michael Lipsky, non pour regretter un guichet mythiquement humain, mais pour montrer comment la discrétion administrative se déplace vers des couches techniques moins visibles.**

Le sujet n’est pas le chatbot, mais le guichet déplacé

La CNSA a annoncé le 11 mars 2026 l’accompagnement de 11 maisons départementales des personnes handicapées dans une expérimentation d’IA en conditions réelles. Vingt-sept MDPH s’étaient portées candidates. Quatre lauréates testeront un agent conversationnel juridique destiné aux professionnels. Sept autres testeront l’automatisation des premières phases d’instruction des demandes, avec découpage de PDF, nommage, classement et contrôle de recevabilité dans une logique de gestion documentaire intelligente. Les dotations annoncées sont de 10 000 ou 35 000 euros selon le cas d’usage, avec une entrée en expérimentation au deuxième trimestre 2026.

Le cadrage institutionnel insiste sur l’amélioration du service rendu, le soutien aux professionnels et la réduction des tâches répétitives. Cette promesse est cohérente avec la feuille de route IA 2025-2026 de la branche Autonomie, qui articule cinq objectifs : gagner du temps pour mieux accompagner, accélérer le traitement des demandes, harmoniser les pratiques territoriales, simplifier les démarches, développer la proactivité et la lutte contre la fraude. La même feuille de route annonce 36 actions à initier sur 18 mois et un bilan semestriel de déploiement.

Le point analytique se situe ailleurs. L’expérimentation ne commence pas au moment spectaculaire où une machine « déciderait » à la place d’une commission. Elle commence au moment beaucoup plus ordinaire où un dossier est rendu lisible par l’organisation. La recevabilité, le classement des pièces, l’identification des manques, l’orientation vers un flux de traitement, tout cela forme le pré-décisionnel administratif. Cette zone produit rarement une décision formelle, mais elle conditionne fortement ce qui pourra être évalué ensuite.

C’est ici que le concept de bureaucratie de guichet devient opératoire. Chez Michael Lipsky, les agents de première ligne ne sont pas de simples exécutants. Ils interprètent des règles, arbitrent sous contrainte de temps, gèrent des cas singuliers avec des ressources limitées, et transforment ainsi la politique publique en actes concrets. Dans une MDPH, cette logique ne se limite pas à l’accueil physique. Elle traverse aussi l’instruction, l’évaluation et la préparation des passages en commission. La numérisation ne supprime pas cette bureaucratie de guichet. Elle la déplace vers un guichet moins visible, composé de formulaires, de référentiels, de workflows, de modèles documentaires et désormais de systèmes d’IA.

La bureaucratie de guichet déplacée

Michael Lipsky définit en 1980 les street-level bureaucrats comme les agents publics en interaction directe avec les usagers, disposant d’une marge d’appréciation dans l’application concrète des politiques publiques. Dans les systèmes numériques, cette marge ne disparaît pas. Elle migre vers des choix de paramétrage, des règles de tri, des écrans de travail, des exceptions reconnues ou ignorées. La question n’est donc pas seulement « que décide l’agent ? », mais « où la discrétion administrative est-elle désormais située ? ».

Automatiser la recevabilité, c’est déjà agir sur les droits

La prudence institutionnelle consiste à rappeler que l’IA ne décidera pas seule. Le communiqué de la CNSA mentionne bien l’expérimentation de cas d’usage en appui des professionnels. La page des 18 mesures MDPH indique aussi que l’automatisation doit vérifier la présence des pièces justificatives et la cohérence des informations, tout en maintenant l’analyse des situations par des professionnels.

Cette distinction est juridiquement et politiquement importante. Elle ne suffit pourtant pas à épuiser le problème. Dans un dossier de droits, les opérations préparatoires ont des effets pratiques. Un document mal classé, une pièce considérée absente alors qu’elle figure dans un PDF composite, une incohérence détectée à tort, une demande orientée vers un flux de traitement inadapté peuvent retarder l’instruction, accroître la charge de preuve de l’usager ou produire une décision implicite de rejet au terme du délai applicable.

Service-Public.fr rappelle que la réponse à une demande de prestations MDPH intervient dans un délai de quatre mois, et qu’en l’absence de réponse à l’issue de ce délai, la demande est considérée comme rejetée. Le Code de l’action sociale et des familles prévoit également que le silence gardé pendant plus de quatre mois par la CDAPH, à partir de la recevabilité de la demande, vaut décision de rejet.

Le back-office n’est donc pas un simple atelier administratif neutre. Il est un lieu où se fabrique le délai, où se distribue l’attention, où s’organise la charge de justification. Dans un service à faible enjeu juridique, l’erreur documentaire peut se corriger par un échange rapide. Dans un service d’accès aux droits pour des personnes vulnérables, elle peut produire un coût social élevé : rupture de prise en charge, retard d’aménagement, incertitude financière, épuisement des aidants, multiplication des relances.

La feuille de route IA assume d’ailleurs que l’IA doit accélérer le traitement et harmoniser les pratiques territoriales. Ces deux objectifs sont légitimes. Ils deviennent toutefois ambivalents lorsque l’indicateur principal de réussite porte sur le flux traité plutôt que sur la qualité des corrections opérées. Une MDPH peut gagner en productivité documentaire tout en rendant moins visibles les cas mal reconnus par le système.

11 MDPH, deux chaînes de traitement

Les 11 MDPH retenues se répartissent entre deux cas d’usage. Quatre testent un agent conversationnel juridique pour les professionnels. Sept testent l’automatisation des premières phases d’instruction, notamment découpage de PDF, nommage, classement et contrôle de recevabilité. Le second cas d’usage est le plus sensible sur le plan organisationnel, car il touche à la structuration du dossier avant l’évaluation humaine formelle.

Le droit existe, mais la doctrine d’usage reste incomplète

Le droit français n’est pas silencieux sur les traitements algorithmiques publics. Depuis la loi pour une République numérique de 2016, le Code des relations entre le public et l’administration impose qu’une décision individuelle prise sur le fondement d’un traitement algorithmique comporte une mention explicite. À la demande de l’intéressé, l’administration doit communiquer les règles définissant le traitement et ses principales caractéristiques. Le même code précise que doivent pouvoir être communiqués le degré et le mode de contribution du traitement, les données traitées et leurs sources, les paramètres appliqués à la situation de l’intéressé et les opérations effectuées par le traitement.

Etalab a depuis plusieurs années formalisé ces obligations dans son guide sur les algorithmes publics. La redevabilité administrative y est traduite en exigences concrètes : signaler, décrire, justifier, expliquer les effets, rendre accessible, permettre la contestation. Cette grammaire est précieuse pour les DSI publiques, car elle évite de réduire la conformité à une case juridique.

Le règlement européen sur l’IA ajoute une couche décisive. Son annexe III classe comme systèmes à haut risque les systèmes d’IA utilisés par des autorités publiques pour évaluer l’éligibilité de personnes physiques à des prestations et services publics essentiels, ou pour accorder, réduire, révoquer ou récupérer de tels bénéfices. Il prévoit aussi des exigences de gestion des risques, de traçabilité, de transparence, de supervision humaine et, pour certains déployeurs publics, d’évaluation d’impact sur les droits fondamentaux.

La difficulté tient au périmètre exact de l’expérimentation. Un outil de classement documentaire ou de contrôle de recevabilité sera aisément présenté comme une tâche préparatoire, et non comme un système évaluant l’éligibilité. Cette qualification peut être juridiquement défendable selon le degré d’influence réel du système. Elle devient fragile si les sorties de l’outil orientent durablement la trajectoire du dossier, si les agents les reprennent sans vérification substantielle, ou si les usagers ne disposent pas d’un moyen clair d’identifier l’intervention algorithmique dans la chaîne.

Le Défenseur des droits a précisément alerté en novembre 2024 sur l’effectivité des garanties dans les services publics algorithmisés. Son rapport insiste sur deux points structurants : la substance de l’intervention humaine et la transparence envers les usagers. L’institution souligne que l’intervention humaine peut devenir inconsistante lorsque les personnes chargées de décider valident les résultats du système sans les questionner.

Point de droit : expliquer ne signifie pas tout publier

Le CRPA ne demande pas nécessairement de publier chaque ligne de code ni chaque détail technique. Il impose une information intelligible sur le rôle du traitement algorithmique, ses règles principales, ses données, ses paramètres et son mode de contribution à la décision. Pour une expérimentation IA en MDPH, l’enjeu opérationnel consiste donc à traduire un workflow documentaire en information compréhensible par un usager qui conteste un retard, une irrecevabilité ou une demande de pièces.

Le précédent APB rappelle que l’explication tardive coûte cher

Le parallèle historique le plus éclairant n’est pas un autre dispositif social. C’est Admission Post-Bac. Le rapprochement ne porte pas sur les publics, les droits ou la nature des décisions. Il porte sur une séquence institutionnelle : un système d’information public traite des situations individuelles à grande échelle, l’organisation insiste sur la rationalité du dispositif, puis la contestation surgit lorsque les usagers ne comprennent plus comment leur situation a été transformée en résultat administratif.

En avril 2017, Etalab a remis un rapport sur les conditions d’ouverture du système Admission Post-Bac. Le rapport indiquait qu’APB concernait plus de 850 000 candidats par an et qu’un sentiment d’opacité s’était installé autour du portail, notamment en raison de la coexistence de modalités d’admission différentes. Etalab présentait alors APB comme un « cas d’école » de la nécessité d’intégrer l’ouverture, l’explication et la redevabilité dès la conception des futurs systèmes publics.

La leçon n’est pas que tout algorithme public produirait mécaniquement une crise. Elle est plus précise. La contestabilité ne se rajoute pas proprement après stabilisation du SI. Lorsque l’architecture applicative, les routines métiers et les indicateurs de pilotage sont déjà installés, l’explication devient coûteuse, défensive et partielle. Le système doit alors être rendu intelligible alors même qu’il n’a pas été conçu prioritairement pour l’être.

L’expérimentation MDPH se situe dans une configuration différente, mais l’analogie structurelle existe. La promesse d’expérimentation en conditions réelles est utile pour mesurer les effets au contact du travail ordinaire. Elle peut aussi installer très vite des routines. Un agent qui reçoit chaque matin une pile de dossiers déjà découpés, nommés et classés par un système n’interagit pas avec l’IA comme avec un prototype abstrait. L’outil devient un ordre de travail. Il donne une forme au dossier avant même que l’agent ne l’examine.

Bovens et Zouridis avaient décrit ce déplacement dès 2002 en parlant de passage de la bureaucratie de guichet vers des system-level bureaucracies (bureaucraties de système), où la discrétion administrative se loge davantage dans la conception et la maintenance des systèmes d’information que dans l’interaction de première ligne. Buffat a ensuite montré que l’e-government ne supprime pas la discrétion des agents, mais la reconfigure selon les dispositifs numériques, les marges locales et les usages professionnels.

L’adoption interne devient un enjeu de gouvernement des droits

Le discours institutionnel présente souvent l’IA comme un outil destiné à libérer du temps agent. La formule est politiquement efficace et probablement sincère. Elle ne dit pas assez ce que l’adoption réelle produit dans les collectifs de travail.

Dans un back-office de droits, l’adoption ne se réduit pas à l’acceptation d’un outil. Elle implique une réorganisation des preuves, des gestes et des responsabilités. Qui vérifie la pièce que l’IA a classée ? Qui documente la correction ? Qui arbitre quand le système signale une incohérence, mais que l’expérience métier indique une situation plausible ? Qui conserve la trace d’un désaccord entre l’agent et la recommandation ? Qui explique à l’usager qu’un retard provient d’un statut documentaire attribué automatiquement ?

Ces questions relèvent moins de l’éthique abstraite que de la gestion publique ordinaire. Elles demandent des consignes, des écrans, des journaux d’événements, des droits de reprise, des métriques d’erreur et des circuits de recours. L’intervention humaine n’est pas un principe si elle ne dispose pas de temps, d’autorité et d’outillage pour contredire le système.

Le Conseil d’État avait posé en 2022 sept principes pour une IA publique de confiance, dont la primauté humaine, la performance, l’équité, la transparence, la sûreté, la soutenabilité environnementale et l’autonomie stratégique. L’enjeu MDPH montre que ces principes doivent être descendus au niveau de la procédure. La primauté humaine ne se prouve pas par la présence finale d’un professionnel dans la chaîne. Elle se vérifie par la capacité effective de ce professionnel à reprendre un classement, à ignorer une suggestion, à corriger une erreur et à rendre cette correction visible.

L’angle mort du discours institutionnel est donc moins l’existence de l’IA que le statut des erreurs préparatoires. Les communiqués mentionnent les avantages et les inconvénients à évaluer, les gains de temps, la modernisation, la qualité de service. Ils disent moins quels types d’erreurs seront suivis, comment seront distinguées les erreurs mineures et les erreurs affectant l’accès aux droits, quelle publicité sera donnée aux reprises manuelles, et si les associations d’usagers pourront discuter les critères d’évaluation.

La conclusion se jouera dans les métriques publiées

Le paradoxe du titre peut maintenant être formulé plus nettement : les MDPH expérimentent une automatisation du guichet invisible avant que l’explication publique de ce guichet soit stabilisée. Ce n’est pas une faute institutionnelle en soi. Une expérimentation sert précisément à apprendre. Mais l’apprentissage peut porter sur deux objets très différents.

Le premier apprentissage mesure la performance administrative : dossiers traités plus vite, pièces mieux classées, homogénéisation territoriale, charge agent réduite. Le second apprentissage mesure la gouvernance des droits : erreurs détectées, reprises humaines, décisions retardées par mauvais classement, contestations liées au traitement algorithmique, compréhension par les usagers, robustesse des voies de recours. La valeur démocratique de l’expérimentation dépendra du poids respectif de ces deux apprentissages.

L’hypothèse vérifiable est la suivante : si l’expérimentation reste gouvernée par une logique de productivité documentaire, le premier bilan semestriel public annoncé par la CNSA fera apparaître des indicateurs de délai, de volume et de satisfaction agent, mais pas d’indicateurs détaillés de contestabilité. L’indicateur observable, à l’horizon du second semestre 2026, sera la présence ou l’absence dans ce bilan de métriques telles que le taux de reprise manuelle des classements, le taux d’erreurs de recevabilité corrigées, le nombre de dossiers réorientés après intervention humaine, les délais imputables à une erreur de classement IA, et les modalités d’information des usagers concernés.

Si ces indicateurs apparaissent, l’expérimentation MDPH pourra devenir un cas intéressant d’IA publique située, prudente et discutable. S’ils n’apparaissent pas, le risque ne sera pas celui d’un robot qui décide. Il sera plus banal et plus profond : une bureaucratie de guichet déplacée dans le back-office, efficace dans ses flux, mais difficilement contestable dans ses effets.

Note méthodologique

Cette version recadre volontairement le sujet sur les MDPH, la CNSA et la gouvernance du back-office des droits, sans traiter les organismes Assurance Maladie, CPAM ou CNAM. Les chiffres centraux proviennent des pages CNSA publiées en 2025 et 2026. Une ambiguïté a été tranchée : l’AMI de novembre 2025 visait 10 MDPH, tandis que le résultat publié le 11 mars 2026 indique 11 MDPH retenues parmi 27 candidates.

Sources

Sources primaires institutionnelles

CNSA, « La CNSA lance une expérimentation avec 11 MDPH pour tester des solutions d’intelligence artificielle (IA) », 11 mars 2026.

URL vérifiée : https://www.cnsa.fr/actualites/la-cnsa-lance-une-experimentation-avec-11-mdph-pour-tester-des-solutions-dintelligence

CNSA, « Expérimentation de l’intelligence artificielle (IA) en MDPH », appel à manifestation d’intérêt, lancement le 17 novembre 2025.

URL vérifiée : https://www.cnsa.fr/appels-projets/experimentation-de-lintelligence-artificielle-ia-en-mdph

CNSA, « Intelligence artificielle : la CNSA publie la feuille de route stratégique IA 2025-2026 de la branche Autonomie », 1er septembre 2025.

URL vérifiée : https://www.cnsa.fr/actualites/intelligence-artificielle-la-cnsa-publie-la-feuille-de-route-strategique-ia-2025-2026-de

CNSA, « Handicap : 18 mesures pour simplifier le parcours usagers et soutenir les agents des MDPH », 11 juillet 2025.

URL vérifiée : https://www.cnsa.fr/actualites/handicap-18-mesures-pour-simplifier-le-parcours-usagers-et-soutenir-les-agents-des-mdph

Service-Public.fr, « Demande de prestations MDPH (AAH, PCH, admission en Ésat, hébergement...) et renouvellement », vérifié le 6 février 2024.

URL vérifiée : https://www.service-public.fr/particuliers/vosdroits/R67285

Légifrance, Code de l’action sociale et des familles, article R241-33, version en vigueur depuis le 1er janvier 2019.

URL vérifiée : https://www.legifrance.gouv.fr/loda/article_lc/LEGIARTI000037551602

Cadres juridiques et doctrine publique

Légifrance, Code des relations entre le public et l’administration, article L311-3-1, version en vigueur depuis le 9 octobre 2016.

URL vérifiée : https://www.legifrance.gouv.fr/codes/article_lc/LEGIARTI000033205535

Légifrance, Code des relations entre le public et l’administration, article R311-3-1-2, version en vigueur depuis le 1er septembre 2017.

URL vérifiée : https://www.legifrance.gouv.fr/codes/article_lc/LEGIARTI000034195881

Etalab, « Guide sur les algorithmes publics à l’usage des administrations », consulté en mai 2026.

URL vérifiée : https://etalab.github.io/algorithmes-publics/guide.html

Union européenne, Règlement (UE) 2024/1689 établissant des règles harmonisées concernant l’intelligence artificielle, Journal officiel de l’Union européenne, 2024.

URL vérifiée : https://eur-lex.europa.eu/eli/reg/2024/1689/oj

Défenseur des droits, « Algorithmes, systèmes d’IA et services publics : quels droits pour les usagers ? Points de vigilance et recommandations », 13 novembre 2024.

URL vérifiée : https://www.defenseurdesdroits.fr/algorithmes-intelligence-artificielle-et-services-publics-2024

Conseil d’État, « Intelligence artificielle et action publique : construire la confiance, servir la performance », 31 août 2022.

URL vérifiée : https://www.conseil-etat.fr/media/le-conseil-d-etat/publications-colloques/etudes/etudes-a-la-demande-du-gouvernement/intelligence-artificielle-et-action-publique-construire-la-confiance-servir-la-performance

Cadres théoriques

Michael Lipsky, Street-Level Bureaucracy: Dilemmas of the Individual in Public Services, Russell Sage Foundation, 1980, édition anniversaire 2010 référencée par JSTOR.

URL vérifiée : https://www.jstor.org/stable/10.7758/9781610446631

Mark Bovens et Stavros Zouridis, « From Street-Level to System-Level Bureaucracies: How Information and Communication Technology Is Transforming Administrative Discretion and Constitutional Control », Public Administration Review, vol. 62, n° 2, 2002.

URL vérifiée : https://doi.org/10.1111/0033-3352.00168

Aurélien Buffat, « Street-Level Bureaucracy and E-Government », Public Management Review, vol. 17, n° 1, 2015.

URL vérifiée : https://doi.org/10.1080/14719037.2013.771699