Technologie anti-corruption au Cameroun : après Yaoundé

Ce qui a été proposé à Yaoundé

Du 4 au 8 mai 2026, Yaoundé a accueilli la 16e Conférence régionale du Commonwealth des dirigeants des agences anti-corruption d'Afrique, organisée par le gouvernement du Cameroun en partenariat avec le Secrétariat du Commonwealth, autour d'un thème sans ambiguïté : le déploiement de l'intelligence artificielle dans la lutte contre la corruption en Afrique du Commonwealth. Pour qui suit la technologie anti-corruption au Cameroun, l'événement marque un déplacement qu'il faut consigner : la question posée n'était plus de savoir si l'analyse automatique a sa place dans l'arsenal anti-corruption, mais comment la déployer.

Les sessions ont été concrètes sur les usages visés. Selon le compte rendu du Secrétariat du Commonwealth, les délégués ont examiné comment des outils fondés sur l'IA peuvent appuyer les enquêtes, affiner l'analyse des données, améliorer la détection des risques et renforcer le contrôle du secteur public, des études de cas nationales portant sur les garde-fous éthiques qu'exige un déploiement responsable. Le Dr Roger Koranteng, de la direction Gouvernance et Paix du Secrétariat, a posé la condition qui compte : l'IA offre de nouveaux outils, de nouvelles perspectives et de nouvelles possibilités — mais seulement si elle est mise en œuvre avec intégrité.

L'ampleur du problème a été chiffrée par le pays hôte lui-même. Comme rapporté depuis la conférence, la Commission nationale anti-corruption (CONAC) a reçu 10 520 signalements de corruption en 2024, la perte subie par l'État étant estimée à un peu plus de 4 milliards de francs CFA ; le Commonwealth a rappelé avoir formé plus de 7 000 agents dans ses 21 États membres africains depuis 2011.

La conférence s'est conclue sur des recommandations pratiques, non sur une déclaration de victoire. La couverture des sessions de clôture fait état de plus de 200 participants et de trois demandes récurrentes : le partage de données entre États membres, la formation soutenue des agents, et l'harmonisation des cadres juridiques. Le Secrétariat a indiqué que les conclusions nourriraient les discussions des chefs de gouvernement du Commonwealth sur la réforme de la gouvernance et l'ODD 16.

L'ambition est la bonne, et cette note la prend au sérieux. Précisément pour cette raison, la question utile qui suit est sans éclat. Entre une recommandation de conférence et un système de détection qui fonctionne se trouve une couche que personne ne photographie : les données de la commande publique elles-mêmes, et les propriétés du système qui les lit. C'est cette couche qui décide si l'IA contre la corruption devient un instrument ou un communiqué de presse.

Ce que la technologie anti-corruption exige des données

La détection des schémas de corruption n'est pas d'abord un problème de modèle ; c'est d'abord un problème de publication. Un algorithme ne trouvera pas une entente sur les offres dans le PDF scanné d'un avis d'attribution. Il lui faut des enregistrements structurés — qui a acheté, qui a soumissionné, qui a gagné, à quel prix, à quelles dates, avec quels avenants — publiés en données sur l'ensemble du cycle contractuel, de la planification à l'exécution en passant par l'appel d'offres, l'attribution et le contrat. C'est ce que le standard de données sur la commande publique ouverte (OCDS) existe pour rendre possible : un modèle de données commun et ouvert couvrant tout le cycle de vie, afin que l'analyse ne soit prisonnière ni des habitudes de classement d'un acheteur, ni du schéma d'un fournisseur.

La complétude compte davantage que la sophistication. Les schémas caractéristiques de la fraude aux marchés publics — un délai de soumission trop court pour être réel, des attributions répétées à soumissionnaire unique, des avenants qui doublent discrètement la valeur d'un contrat après signature — vivent exactement dans les champs qu'une publication partielle omet. Un modèle entraîné sur des enregistrements incomplets apprend la forme du trou, pas la forme de la fraude. Et la discipline a un corollaire que tout système honnête doit énoncer clairement : dans un jeu de données troué, l'absence de signal d'alerte n'est pas la preuve d'un processus sain. Ce n'est la preuve de rien.

Résolution d'entités : savoir qui soumissionne réellement

L'unité de la corruption dans les marchés publics est rarement un appel d'offres isolé ; c'est un réseau. Le même fournisseur sous trois orthographes. Deux soumissionnaires « concurrents » partageant un dirigeant, une adresse ou un propriétaire. Une entreprise attributaire liée au responsable qui a signé l'attribution. Rien de tout cela n'est visible dans les seules données d'appels d'offres ; cela ne devient visible que lorsque les enregistrements relatifs aux entreprises et aux personnes sont résolus en identités stables et reliés entre les sources.

La résolution d'entités est donc l'endroit où l'analyse des marchés publics réussit ou échoue en silence, et elle doit être construite comme une preuve, non comme une devinette. Une correspondance entre deux noms est une affirmation dotée d'une confiance mesurable, jamais un fait par défaut. Fusionner trop vite, et le système accuse des innocents — deux entreprises réellement distinctes fondues en un seul profil suspect. Fusionner trop timidement, et un réseau coordonné apparaît comme des inconnus sans lien. Un système sérieux quantifie l'incertitude de chaque lien, consigne le fondement de chaque fusion, et renvoie les cas ambigus à un examinateur humain au lieu de les trancher par défaut.

Le système d'analyse doit lui-même supporter l'audit

Un système qui signale une entreprise pour enquête exerce un fragment de puissance publique. Cela emporte une conséquence que le thème de Yaoundé, à son crédit, a reconnue par son attention aux garde-fous : un outil anti-corruption inauditable est une nouvelle autorité opaque — précisément ce que le travail anti-corruption existe pour éliminer.

L'auditabilité, ici, est précise, non rhétorique. Pour tout signalement émis par le système, il doit être possible d'établir après coup : quelle version de quelles données il a lue ; quelle règle ou quel modèle s'est déclenché, et pourquoi ; quelles preuves soutiennent le constat ; qui l'a vu, et quand ; et ce qui a été décidé. Les constats doivent être re-vérifiables hors de l'outil qui les a produits — portés avec leurs preuves, afin qu'un inspecteur, un juge ou un avocat de la défense puisse ré-exécuter la vérification sans croire la plateforme sur parole. Un constat qui ne survit pas à la sortie du système qui l'a produit n'est pas encore un fait ; c'est une piste, et il doit être étiqueté comme telle.

C'est aussi ce qui protège l'analyse de ses propres opérateurs. Des journaux infalsifiables et des constats signés ne prouvent pas seulement ce que le système a fait ; ils rendent détectable toute tentative de faire « dé-voir » quelque chose au système.

La décision reste humaine

La dernière exigence est celle qui s'érode le plus facilement en déploiement : aucune sortie de modèle ne devrait, à elle seule, ouvrir une enquête, déférer une entreprise ou déclencher une sanction. La machine rassemble des preuves et énonce sa confiance ; une institution responsable décide. La distinction n'est pas une politesse — c'est un contrôle d'intégrité. La capacité de signaler n'est pas l'autorisation d'agir, et une chaîne qui laisse la première devenir discrètement la seconde a recréé, en logiciel, le pouvoir discrétionnaire sans comptes à rendre qu'elle devait supprimer.

L'autorité humaine doit elle-même être structurée pour résister à la pression : des décisions conséquentes prises à plusieurs, avec justification écrite, consignées. Cela protège les citoyens des erreurs du modèle — et cela protège aussi les agents publics. Une décision prise par des personnes nommées sur des preuves enregistrées survit au contrôle ; « le système l'a dit » n'y survit pas.

Ce que cela signifie pour l'Afrique centrale

Il compte que cette conversation ait eu lieu à Yaoundé. La couverture de la conférence a rappelé l'étendue des institutions de contrôle existantes du Cameroun — la CONAC, l'Agence nationale d'investigation financière (ANIF), la Chambre des comptes, le Contrôle supérieur de l'État (CONSUPE). La machinerie du contrôle existe ; la question posée par la conférence est ce que cette machinerie peut voir. Pour l'Afrique centrale, la réponse dépendra moins du modèle qu'un pays licencie que des données que son processus de commande publique produit.

L'occasion pratique est une affaire de séquence. Publication structurée, entités résolues, analyse auditable, autorité humaine : le premier chantier est le moins coûteux et le moins spectaculaire, et tout le reste en dépend. Une juridiction qui investit d'abord dans des données de commande publique complètes, structurées et au standard ouvert constatera que même des analyses simples se mettent à fonctionner — et que les outils sophistiqués ont enfin quelque chose de réel à lire. Nous cartographions les institutions et les cadres de ce terrain dans notre page intégrité des marchés publics au Cameroun.

Où en est SIGIL

SIGIL est une entreprise camerounaise, à Buea, qui construit exactement dans cet espace — et qui en est au début. APEX, notre système de renseignement anti-corruption pour la commande publique, est conçu selon les exigences décrites dans cette note : il lit des données publiques, détecte des schémas définis de fraude aux marchés publics, évalue chaque constat au moyen d'un moteur de certitude calibré, et laisse chaque décision conséquente à une institution humaine — aucune personne seule, et aucun modèle, ne peut escalader une affaire. APEX est en pré-déploiement : sans client, sans pilote et sans déploiement, et nous le disons clairement. Notre règle constante est celle à l'aune de laquelle le thème de Yaoundé sera finalement jugé : l'institution détient les clés ; les données restent sous le contrôle de l'institution ; chaque action conséquente est autorisée, bornée et prouvée.