Réformes : ce que le guichet sait et que l’exposé des motifs ignore

Une réforme peut être irréprochable dans son exposé des motifs et se défaire au guichet. La France dispose pourtant des outils pour l’éprouver avant de la généraliser, et même d’un article de la Constitution prévu pour cela. Elle ne s’en sert presque jamais.

Une réforme peut être cohérente dans son exposé des motifs et devenir incohérente au guichet. Une aide atteint mal ses bénéficiaires, une procédure simplifiée reporte du travail sur les entreprises, une économie budgétaire déplace une dépense vers les communes. Ces difficultés ne prouvent pas que l’action publique serait condamnée à échouer. Elles rappellent que la qualité d’une intention ne renseigne guère sur les réactions qu’elle provoquera. Au moment où les outils numériques permettent de multiplier les simulations, une question mérite davantage de place dans le débat : comment organiser la contradiction avant que les coûts d’une réforme deviennent difficiles à corriger ?

Les outils existent, les réactions leur échappent

Les instruments existent déjà. OpenFisca, un logiciel libre, permet de représenter les règles fiscales et sociales et de calculer les conséquences d’une modification sur différentes situations. LexImpact, à l’Assemblée nationale, s’appuie sur cet environnement pour éclairer le travail parlementaire. L’ESCB Network on Microsimulation Modelling, créé en 2023 au sein du Système européen de banques centrales, étudie de son côté la manière dont les politiques économiques affectent les différents groupes de ménages. Ces outils rendent visibles des effets qu’une moyenne nationale dissimule. Leur existence interdit de présenter toute simulation comme une promesse futuriste.

Mais calculer les effets d’une règle et anticiper les réactions à cette règle sont deux opérations différentes. Un barème permet de déterminer combien un ménage recevrait à revenu inchangé. Il ne dit pas si ce ménage demandera effectivement la prestation, modifiera son activité ou renoncera devant la complexité du dossier. Certains modèles intègrent des comportements ; leurs résultats dépendent alors des hypothèses retenues et des données disponibles. Une estimation sérieuse doit permettre de distinguer ce qui résulte du calcul et ce qui dépend d’une conjecture.

Prenons un exemple. Une collectivité veut accélérer le paiement d’une aide aux petites entreprises. Le nouveau dispositif remplace plusieurs formulaires par une déclaration unique. Sur le papier, le gain paraît évident. Pourtant, une pièce justificative difficile à obtenir peut bloquer l’ensemble du dossier. Une entreprise disposant d’un service administratif s’adaptera rapidement ; un artisan qui gère seul ses démarches rencontrera une autre difficulté. Enfin, une réduction du contrôle initial peut déplacer la charge vers les vérifications ultérieures. Aucun de ces effets ne justifie automatiquement l’abandon du projet. Tous méritent d’être examinés avant son extension.

Réunir ceux qui savent

Nous proposons de compléter le calcul par une simulation contradictoire. Les concepteurs du dispositif présenteraient la procédure à un petit groupe comprenant agents de terrain, entreprises, usagers et évaluateurs. Chaque participant disposerait d’une situation précise et devrait accomplir les démarches prévues, avec un temps limité et des informations parfois incomplètes. L’objectif serait concret : identifier où l’on hésite, où l’on attend, où l’on doit demander de l’aide et qui supporte le coût de cette aide. Il ne s’agirait pas de voter à nouveau sur le principe de la réforme.

Ce travail mettrait au jour une connaissance dispersée. Hayek l’avait établi dès 1945 dans « L’utilisation de la connaissance dans la société » : le savoir qui compte pour l’action n’existe nulle part sous forme concentrée, il est éclaté entre des milliers d’individus qui connaissent chacun les circonstances particulières de temps et de lieu. Le concepteur connaît les objectifs et les contraintes budgétaires. L’agent connaît les erreurs fréquentes. L’entrepreneur sait à quel moment une formalité devient incompatible avec son activité. L’usager connaît les obstacles que l’organisation ne voit pas. Aucun ne détient à lui seul la description complète du problème. Les réunir autour d’un cas oblige à rendre les désaccords précis : quelle information manque, quelle étape bloque, quelle solution ferait disparaître une difficulté en en créant une autre ?

Ni salle de simulation, ni profils synthétiques

Il faut toutefois se garder d’une nouvelle illusion. Une salle de simulation reste un environnement artificiel. Ses participants peuvent être plus disponibles et plus informés que les personnes concernées. L’administration qui conduit l’exercice peut privilégier les cas faciles. Un prestataire peut retenir les hypothèses qui valorisent son outil. Le dispositif doit donc accueillir des cas défavorables, documenter les objections et distinguer les conclusions partagées des points encore incertains. La publication d’un résultat unique, sans les conditions qui le produisent, donnerait au calcul une autorité qu’il ne possède pas.

L’intelligence artificielle peut faciliter la préparation de ces exercices : varier les situations, proposer des objections, reformuler une notice pour plusieurs publics. Elle ne transforme pas les personnages qu’elle génère en citoyens observés. Cent profils synthétiques peuvent reproduire cent fois le même présupposé, et il serait trompeur de présenter leur accord comme une consultation. Le rôle utile de l’IA consiste ici à élargir les questions posées, sous le contrôle de personnes capables de repérer les situations oubliées.

L’expérimentation est dans la Constitution depuis 2003

L’étape suivante serait une expérimentation limitée. Le droit français la permet depuis longtemps : l’article 37-1 de la Constitution autorise depuis 2003 des dispositions à caractère expérimental, et la loi organique du 19 avril 2021 a assoupli les expérimentations des collectivités territoriales. L’outil existe ; il est peu employé. Encore faut-il définir à l’avance ce que l’on cherche à améliorer : délai réellement constaté, coût complet de traitement, taux d’erreur, accessibilité ou satisfaction. Un projet ne devrait pas être déclaré réussi parce qu’il a été déployé dans le calendrier prévu. Comparer avec une situation de référence, observer les différences entre publics et annoncer les conditions d’arrêt donnerait un contenu vérifiable à l’évaluation. La simulation prépare cette épreuve ; elle n’en tient pas lieu.

Cette méthode a un coût, et l’objection est légitime. Soumettre chaque ajustement mineur à un programme d’évaluation complet ralentirait inutilement la décision. L’exigence doit être proportionnée au nombre de personnes concernées, à l’argent engagé et à la difficulté de revenir en arrière. Un exercice court peut suffire pour une procédure réversible. Une transformation nationale qui engage durablement les finances publiques appelle une instruction plus exigeante. L’enjeu consiste à dépenser un peu pour apprendre lorsque cet apprentissage peut éviter une erreur beaucoup plus coûteuse.

Rendre la correction politiquement possible

Il reste surtout à rendre la correction politiquement possible. Une expérimentation perd sa valeur si son succès est annoncé avant son commencement. Les responsables devraient pouvoir modifier une mesure sans transformer cette modification en aveu d’incompétence. En contrepartie, ils devraient expliquer les résultats obtenus, y compris lorsqu’ils contredisent leur préférence initiale. Le contrôle parlementaire, les évaluateurs indépendants et l’accès aux hypothèses sont ici aussi importants que le choix du logiciel.

La portée libérale de cette démarche tient à la place accordée aux connaissances locales, à la responsabilité et à la contestation des certitudes. Elle ne suppose ni que toute initiative publique soit utile, ni que toute solution privée soit efficace. Elle demande que les promoteurs d’une décision, quels qu’ils soient, exposent leurs hypothèses et acceptent l’épreuve des effets produits. Une société libre a intérêt à permettre l’initiative. Elle a aussi intérêt à rendre les erreurs visibles assez tôt pour qu’il soit encore possible de les réparer.

Christophe Gaie est Directeur adjoint du pôle Opérations numériques à l’AP-HP

Jean Langlois-Berthelot coordonne le module « Technologies et Innovations Duales » du Master MTI, INSTN-CEA/École des Mines, Paris Dauphine