Classification de sous-graphes pour la détection de fraude dans les marchés publics

Lucas Potin (), Vincent Labatut (), Rosa Figueiredo (), Christine Largeron () and Pierre-Henri Morand ()
Additional contact information
Lucas Potin: LIA - Laboratoire Informatique d'Avignon - AU - Avignon Université - Centre d'Enseignement et de Recherche en Informatique - CERI
Vincent Labatut: LIA - Laboratoire Informatique d'Avignon - AU - Avignon Université - Centre d'Enseignement et de Recherche en Informatique - CERI
Rosa Figueiredo: LIA - Laboratoire Informatique d'Avignon - AU - Avignon Université - Centre d'Enseignement et de Recherche en Informatique - CERI
Christine Largeron: LabHC - Laboratoire Hubert Curien - IOGS - Institut d'Optique Graduate School - UJM - Université Jean Monnet - Saint-Étienne - UJM EPE - Université Jean Monnet (EPSCPE) - CNRS - Centre National de la Recherche Scientifique
Pierre-Henri Morand: •JPEG - Laboratoire des sciences Juridiques, Politique, Economiques et de Gestion - AU - Avignon Université

Post-Print from HAL

Abstract: Le projet interdisciplinaire ANR DeCoMaP (ANR-19-CE38-0004) a réuni des économistes, des juristes et des informaticien·nes, avec pour objectif d'étudier la corruption et la fraude dans les marchés publics français. Cette présentation s'attardera plus spécifiquement sur le travail mené par les informaticien·nes du projet, dont le but était de proposer une méthode de détection automatique de fraude. L'idée originale était de ne pas se limiter à l'information individuelle disponible (i.e. red-flags basés sur les caractéristiques des agents économiques et des contrats), comme c'est le cas dans la littérature en économie et économétrie, mais d'exploiter aussi et surtout l'information relationnelle (i.e. l'interconnexion entre agents induite par les contrats). Cette approche a nécessité de constituer dans un premier temps une base de données adaptée, avant de pouvoir proposer une méthode à base de recherche de sous-graphes discriminants. Outre un taux de succès supérieur, l'intérêt de l'approche relationnelle est sa robustesse, puisqu'elle est applicable dans des situations où l'information nécessaire au calcul des red-flags n'est pas disponible.

Keywords: Données publiques ouvertes; Classification de graphes entiers; Détection de fraude; Marchés publics (search for similar items in EconPapers)
Date: 2026-06-02
Note: View the original document on HAL open archive server: https://hal.science/hal-05639555v2
References: Add references at CitEc
Citations:

Published in 8e Symposium du GDR MaDICS - Atelier GRASP Effet de pairs dans les graphes de données sociales, GDR MaDICS, Jun 2026, Avignon, France

Downloads: (external link)
https://hal.science/hal-05639555v2/document (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:hal:journl:hal-05639555

Access Statistics for this paper

More papers in Post-Print from HAL
Bibliographic data for series maintained by CCSD ().