L'algorithme d'appariement Gale-Shapley des lycées new-yorkais — Ampleur, audits et lacunes d'équité non résolues

Le Department of Education (DOE) de la ville de New York utilise depuis 2003–2004 un système d'appariement algorithmique centralisé — fondé sur l'algorithme d'acceptation différée de Gale-Shapley (« mariage stable »), conçu par les économistes Atila Abdulkadiroğlu, Parag Pathak et Alvin Roth — pour affecter les élèves aux lycées. Les élèves classent les établissements souhaités ; les établissements fixent des critères de priorité (zone géographique, épreuves académiques, auditions) ; l'algorithme itère jusqu'à ce qu'aucun binôme élève-établissement ne préfère mutuellement se retrouver ensemble plutôt que de conserver son affectation actuelle.

Le système traite aujourd'hui environ 900 000 élèves répartis dans quelque 1 600 établissements, avec plus de 70 000 élèves de troisième candidats chaque année aux programmes de lycée — environ 75 000 pour le cycle 2026–2027.

Pour 2026–2027, le DOE a annoncé que 92 % des candidats avaient reçu une proposition figurant parmi leurs cinq premiers vœux, contre 90 % lors du cycle précédent — un bilan constant depuis que le mécanisme d'appariement sous-jacent a été récompensé par le prix Nobel Memorial d'économie 2012 (attribué à Alvin Roth et Lloyd Shapley).

Un audit publié en juillet 2025 par le Comptroller de l'État de New York a mis au jour d'importantes lacunes de gouvernance derrière ce taux d'appariement affiché. Le DOE ne disposait d'aucune politique écrite encadrant un processus concernant des centaines de milliers d'élèves. Environ 7 000 élèves en hébergement temporaire n'ont pas systématiquement bénéficié de la prise en compte prioritaire, pourtant exigée par la loi, de leur adresse actuelle et précédente lors du cycle 2023–2024. Sur un échantillon de 39 élèves, 31 étaient probablement à faibles revenus sans avoir été correctement identifiés à des fins de priorité. Plus de 200 dérogations manuelles d'affectation cette année-là ont été mal documentées, voire absentes de toute trace, et le DOE n'a pas respecté son obligation, au titre de la Local Law 72 (2018), de publier en temps voulu les données d'admission.

Ce cas illustre un schéma récurrent dans l'administration publique algorithmique à grande échelle : l'algorithme d'appariement fonctionne lui-même comme prévu et à une échelle réelle, mais les flux de données, les procédures de dérogation manuelle et les obligations de transparence qui déterminent si les élèves vulnérables sont traités équitablement ont fait l'objet de bien moins de rigueur — un écart révélé uniquement par un audit indépendant, et non par les propres rapports du DOE.