Pourquoi utiliser l’intelligence artificielle dans les marchés publics ?

Un marché public est une transaction économique entre un acheteur public (état, collectivités ou organisations publiques) et un prestataire pour satisfaire des besoins en matière de travaux, de fournitures ou de services. Les marchés publics représentent entre 8 % et 25 % du Produit Intérieur Brut en fonction des pays, et 16 % pour l’Europe. En France, il y a chaque année, plus d’une centaine de milliers de transactions entre des donneurs d’ordre publics et leurs fournisseurs.

L’attribution d’un marché à l’un des candidats est une décision stratégique que prennent les pouvoirs publics, sur la base de l’offre considérée économiquement la plus avantageuse. La décision d’attribution d’un marché public est influencée par l’environnement réglementaire, mais également par le comportement des fournisseurs et celui de l’acheteur. En effet, pour obtenir un marché public, les entreprises soumissionnaires doivent avoir la position concurrentielle qui leur permettra de proposer l’offre la plus avantageuse, par rapport à leurs concurrents directs au sein de l’appel d’offres, et par rapport au cadre fixé par l’acheteur.

Prévoir l’attribution d’un marché public permet donc à une entreprise de s’engager ou non (go/no go) à répondre à un appel d’offre. Cela permet également au donneur d’ordre de savoir si l’appel d’offres sera fructueux et s’il y a des irrégularités dans la procédure (MAMAVI & MORIN, 2014).

Comment utiliser l’intelligence artificielle pour prévoir l’attribution des marchés publics ?

La loi oblige de diffuser les appels d’offres et les résultats de marchés de l’État, des collectivités locales et des établissements publics. Ces données sur les marchés publics sont libres d’accès (open data) et fournissent chaque année une masse considérable d’informations. En exploitant ces données avec les outils d’intelligence artificielle, il devient possible de pouvoir prédire l’attribution des marchés publics.

Pour le scientifique américain Marvin Lee Minsky (considéré comme le père de l’IA), l’intelligence artificielle renvoie à « une application capable de traiter des tâches qui sont, pour l’heure, réalisées de manière plus satisfaisante par des êtres humains dans la mesure où elles impliquent des processus mentaux de haut niveau comme l’apprentissage perceptuel, l’organisation de la mémoire et l’esprit critique« .

Dans les faits, une des branches de l’IA consiste surtout à faire de l’analyse prédictive. L’analyse prédictive englobe les techniques statistiques (par exemple: régression ou apprentissage automatique) qui permettent d’associer une probabilité à un événement ou une décision future. C’est-à-dire qu’un phénomène va pouvoir être expliqué et prévu, en fonction de variables corrélées ou indépendantes.

Découvrez dans le numéro 6 volume 4 de la revue Management & Datascience, deux articles sur l’exploitation de l’intelligence artificielle pour prévoir les décisions dans les marchés publics européens.

L’article de TANKEU & al., (2020) montre comment il est possible d’exploiter la puissance du machine learning pour dégager un avantage concurrentiel considérable dans l’attribution des marchés publics européens. Cet article présente une méthode efficace, déployée dans le cadre d’un data challenge, pour prédire le nombre de candidature à un appel d’offre et le montant du marché qui sera attribué.

L’article d’AINOUCHE & al., (2020) présentent les résultats obtenus par des modèles entraînés sur des données issues de la commande publique de l’Union Européenne. L’objectif est de produire des prédictions permettant de savoir si un marché public peut-être remporté par une petite ou moyenne entreprise. Pour cela, un modèle de Machine Learning a été construit pour prévoir l’attribution des marchés publics. Différentes techniques de préparation de données, comme l’imputation des valeurs manquantes par la moyenne ou encore par la mode, ont été utilisées. L’algorithme de classification Random Forest a été déployé pour obtenir un résultat très satisfaisant de 0,90 en termes d’AUC (aire sous la courbe ROC).