Aux États-Unis, le dĂ©tectage de bĂ©nĂ©ficiaires fictifs d’allocations sociales a rĂ©vĂ©lĂ© une anomalie de grande ampleur. Une rĂ©cente analyse des bases de donnĂ©es de la sĂ©curitĂ© sociale, menĂ©e par le service supervisĂ© par Elon Musk, a mis en lumière l’existence de millions d’identitĂ©s fictives percevant indĂ»ment des aides publiques. Cette situation illustre un problème rĂ©current dans la gestion administrative de nombreux pays, oĂ¹ des lacunes systĂ©miques permettent Ă des entitĂ©s inexistantes de profiter des dispositifs d’assistance sociale.
Selon le DĂ©partement de l’efficacitĂ© gouvernementale (DOGE), près de sept millions d’individus, officiellement recensĂ©s comme vivants et bĂ©nĂ©ficiaires d’allocations, Ă©taient en rĂ©alitĂ© dĂ©cĂ©dĂ©s depuis longtemps. Parmi ces identitĂ©s figurent des personnes thĂ©oriquement Ă¢gĂ©es de 120 Ă 249 ans, et mĂªme un cas extrĂªme d’un « super-centenaire » prĂ©sumĂ© Ă¢gĂ© de plus de 360 ans. Ces incohĂ©rences signalent des failles majeures dans la mise Ă jour des fichiers administratifs et dans les mĂ©canismes de vĂ©rification des bĂ©nĂ©ficiaires.
Face Ă cette situation, le Service de sĂ©curitĂ© sociale des États-Unis a engagĂ© une vaste opĂ©ration de correction de ses donnĂ©es. Au cours des trois dernières semaines, un travail de recoupement et de suppression de ces profils fictifs a Ă©tĂ© menĂ©, aboutissant Ă l’Ă©limination de ces millions d’entrĂ©es frauduleuses des listes de paiement des allocations. Cette intervention, bien que tardive, souligne la nĂ©cessitĂ© de renforcer les contrĂ´les et les procĂ©dures de mise Ă jour des bases de donnĂ©es administratives.
L’affaire a suscitĂ© de nombreuses rĂ©actions, notamment de la part d’Elon Musk, qui, dans une publication sur le rĂ©seau X, a ironisĂ© sur la prĂ©sence supposĂ©e de « vampires » parmi les allocataires. Au-delĂ de l’anecdote, cette dĂ©couverte pose la question de l’efficacitĂ© des systèmes de dĂ©tection des fraudes et de la modernisation des infrastructures numĂ©riques de l’administration publique. L’automatisation et le croisement des donnĂ©es pourraient permettre d’anticiper de telles dĂ©rives et d’éviter que des fonds publics ne soient dĂ©tournĂ©s par des identitĂ©s fictives.
Laisser un commentaire