L'IA de DOZORRO analyse les appels d'offres du système ukrainien Prozorro pour repérer la corruption, détectant 26 % de sélections injustes et 298 % de collusions en plus que les indicateurs fixes en test, et a évité 133 M de hryvnias de dépenses inefficaces au 1er semestre 2025.
+26%
Signalements de sélection infondée du gagnant en test bêta vs système à indicateurs fixes (2018 beta)
+37%
Signalements de disqualification sans fondement en test bêta vs système à indicateurs fixes (2018 beta)
+298%
Signalements de cas de collusion en test bêta vs système à indicateurs fixes (2018 beta)
3,500 tenders assessed by 20 procurement experts
Appels d'offres utilisés pour entraîner le modèle de risque
165
Procédures de marchés publics analysées (July 2025)
10 billion UAH
Valeur des procédures analysées (July 2025)
89 of 165
Procédures présentant des violations constatées (July 2025)
133 million UAH
Dépense inefficace estimée évitée (H1 2025)
Détails
Maturité
Established
Promoteur
DOZORRO civic-monitoring coalition (led by Transparency International Ukraine), with Ukraine's Ministry of Economy, integrated with Prozorro
Période
Model trained from July 2018; operational since Q1 2019
Mots-clés
public procurement, anti-corruption, compliance, AI
Contexte
Prozorro est le système électronique obligatoire de marchés publics de l'Ukraine ; DOZORRO est la couche de surveillance citoyenne construite au-dessus de ce système par une coalition dirigée par Transparency International Ukraine, en coopération avec le ministère de l'Économie.
Objectifs
Utiliser l'apprentissage automatique, entraîné sur la manière dont les experts en marchés publics évaluaient les appels d'offres, pour signaler des schémas de risque de corruption qu'une liste fixe d'indicateurs pourrait voir apprise et contournée par les fonctionnaires.
Activités
À partir de juillet 2018, les développeurs ont entraîné le modèle sur environ 3 500 appels d'offres évalués de manière indépendante par 20 experts en marchés publics. L'outil est entré en version bêta en novembre 2018 et a atteint son plein fonctionnement au premier trimestre 2019. Les appels d'offres à haut risque identifiés par le modèle sont transmis à des observateurs de la société civile, qui décident s'il convient de les transmettre aux auditeurs ou aux autorités chargées de l'application de la loi.
Résultats
Lors des tests bêta, le modèle a signalé 26 % de plus d'appels d'offres avec sélection infondée du gagnant, 37 % de plus avec disqualification sans fondement, et 298 % de plus de cas apparents de collusion que le système distinct du Service national d'audit, composé de 35 indicateurs de risque fixes. Rien qu'en juillet 2025, les observateurs ont analysé 165 procédures d'une valeur de plus de 10 milliards de UAH et ont constaté des violations dans 89 d'entre elles ; sur l'ensemble du premier semestre 2025, les interventions de la coalition ont permis d'éviter une dépense inefficace estimée à 133 millions de UAH.
Conclusions
Les caractéristiques exactes du modèle sous-jacent et son taux de faux positifs ne sont pas documentés publiquement, ce qui limite la vérification indépendante des pourcentages des tests bêta au-delà du seul témoignage des développeurs.
Mise en œuvre
Coût indicatif
Medium (€50k–€500k)
Délai jusqu’aux résultats
Medium (1–3 years)
Personnel et compétences
Procurement experts labelling training tenders, ML developers, Civil-society monitors reviewing flagged tenders
Conditions de réussite
A mandatory, centralised e-procurement system (Prozorro) already generating structured tender data to train on
A defined escalation pathway from flagged tenders to auditors and law enforcement
A named civil-society coalition plus the Ministry of Economy jointly operating the system
Modes d’échec courants
Model features and false-positive rate are not published, limiting independent verification of the reported catch-rate improvements
Sources de données
D'où proviennent les informations de cette pratique, et quand.