Operação Serenata de Amor : l'IA open source Rosie audite les dépenses du Congrès brésilien

La loi brésilienne rend publiques les demandes de remboursement des membres du Congrès, mais la Chambre en reçoit plus de 20 000 chaque mois — trop pour que les citoyens, les journalistes ou les auditeurs les vérifient à la main, ce qui est précisément la façon dont les abus passaient inaperçus.

Une IA open source apprend les règles de remboursement du Brésil, examine chaque demande d'un membre du Congrès et tweete les dépenses suspectes au public et aux politiciens eux-mêmes.

Le data scientist Irio Musskopf a financé par crowdfunding environ 80 000 R$ en septembre 2016, et une équipe centrale d'une dizaine de personnes, épaulée par plus de 600 bénévoles, a transformé les règles écrites de remboursement en logiciel. Rosie, un bot d'apprentissage automatique open source, signale des anomalies telles que des repas à prix excessif ou des demandes montrant un membre dans deux villes à la fois ; elle publie ses soupçons sur Twitter depuis 2017, et sa plateforme compagne Jarbas permet à chacun de parcourir et de vérifier les reçus signalés via un site web et une API.

Début 2018, plus de 9 000 remboursements avaient été signalés comme suspects ; Rosie avait tweeté 967 fois fin 2019, date à laquelle la recherche du groupe a constaté que les dépenses de repas du Congrès avaient chuté d'environ 10 % depuis son introduction. La couverture a atteint plus de 90 médias, dont les plus grands du Brésil — mais l'application des sanctions est restée le maillon faible, avec seulement des dizaines de politiciens ayant remboursé de l'argent.

La loi brésilienne donnait déjà aux citoyens la matière première de la redevabilité : chaque remboursement demandé par un membre du Congrès fédéral est public. Mais la Chambre des députés traite plus de 20 000 demandes par mois, et les données vivaient dans des portails officiels denses et pleins de jargon — si bien qu'en pratique presque personne ne les auditait. Operação Serenata de Amor, lancée en 2016, était une tentative de rendre cette transparence lisible et continue plutôt qu'occasionnelle.

Le projet est né de hackers civiques qui ont trouvé l'histoire irrésistible : le nom fait un jeu de mots sur l'« affaire Toblerone » suédoise qui a mis fin à la carrière d'un vice-Premier ministre à cause d'une barre de chocolat sur une carte officielle, sur une friandise brésilienne appelée Serenata de Amor, et sur les noms grandiloquents des opérations de la police fédérale brésilienne. Irio Musskopf a partagé l'idée, une campagne de crowdfunding a récolté environ 80 000 R$ en septembre 2016, et une équipe d'une dizaine de personnes soutenue par plus de 600 bénévoles a converti la réglementation sur les remboursements en code.

Le logiciel est devenu Rosie, une application d'apprentissage automatique open source qui étudie chaque demande et lui attribue une probabilité d'irrégularité — signalant, par exemple, des repas à prix excessif ou des reçus qui placent un membre du Congrès à deux endroits en même temps. Depuis 2017, Rosie publie ses soupçons sur Twitter, s'adressant aux citoyens comme au politicien accusé, tandis que Jarbas, un site web et une API compagnons, rassemble les données officielles dispersées dans un tableau de bord consultable afin que chacun puisse vérifier ou écarter chaque alerte lui-même.

Les chiffres montrent un outil qui a fonctionné comme un dissuasif plutôt que comme un procureur : début 2018, plus de 9 000 remboursements avaient été signalés, Rosie avait tweeté 967 fois fin 2019, et la recherche du groupe a constaté que les dépenses de repas des membres du Congrès avaient baissé d'environ 10 % depuis son introduction. Plus de 90 médias ont couvert le projet, mais les remboursements effectifs sont restés de l'ordre de quelques dizaines — preuve que le problème le plus difficile n'était pas la détection mais d'amener l'institution à agir sur ce qu'un robot construit par des citoyens avait trouvé.

Le projet a inversé la logique habituelle de la surveillance : au lieu d'attendre un scandale, il a rendu l'examen continu, automatique et gratuit pour tous.

Traduire la réglementation sur les remboursements en code a rendu les règles elles-mêmes testables et a permis au projet de détecter des schémas de contournement que les humains avaient peu de chances de repérer à grande échelle.

Tweeter chaque soupçon au politicien accusé a rendu la dissuasion publique — la redevabilité a fonctionné par la visibilité plutôt que par les poursuites.

L'ouverture du code de Rosie et la construction de Jarbas ont transformé une campagne ponctuelle en infrastructure civique réutilisable que d'autres pays pouvaient copier.

Le financement participatif des 90 premiers jours et le recours à 600 bénévoles ont prouvé qu'une véritable machine de surveillance pouvait être construite par des citoyens, et pas seulement par des institutions.

Quand la surveillance est automatique et publique, la dissuasion réside dans l'exposition elle-même : un bot qui tweete chaque demande signalée a changé le comportement des politiciens, même là où une sanction formelle suivait rarement.

En 2018, le projet a été institutionnalisé au sein d'Open Knowledge Brasil, et les fondateurs se sont tournés vers des rôles dans la civic tech — deux ont rejoint la Banque mondiale comme fellows. L'équipe a transformé les mêmes données en Perfil Político, une plateforme de profilage des candidats avant les élections brésiliennes de 2018. Ses bilans ont été francs : le Congrès pouvait refuser d'enquêter sur les demandes de faible montant (jusqu'à environ 20 000 US$), et les captchas des portails officiels ralentissaient le scraping de Rosie. Rosie reste une preuve largement citée que l'IA peut transformer des données ouvertes en action citoyenne — même lorsque l'institution surveillée résiste.