Dans de nombreuses institutions publiques, la productivité dépend non seulement de la charge de travail, mais aussi de l'adéquation des tâches aux compétences et à la spécialisation des agents publics. Ce document présente les résultats d'un essai contrôlé randomisé (ECR) mené par les chercheurs Alipio Ferreira et Sandra Cermeño León, en partenariat avec l'IPA et l'Organismo de Evaluación y Fiscalización Ambiental (OEFA). 

L'étude a évalué si l'attribution automatisée des dossiers d'infractions environnementales améliore la performance des analystes chargés des procédures de sanctions administratives. L'hypothèse était que, en tenant compte de variables telles que la complexité de chaque dossier, le risque de prescription, les délais de traitement estimés et la capacité disponible des analystes, l'algorithme optimiserait la productivité attendue en répartissant la charge de travail de manière équilibrée et en réduisant l'accumulation des dossiers proches de la prescription. L'étude a évalué deux interventions : la première remplaçait l'attribution discrétionnaire des dossiers par les superviseurs par des listes générées par un algorithme ; la seconde maintenait l'attribution des dossiers par les superviseurs, mais y ajoutait des dates limites de traitement suggérées afin de faciliter l'organisation du travail. 

Les résultats montrent que l'attribution automatisée des tâches par un algorithme a réduit la probabilité de réalisation dans les délais de 5 points de pourcentage par rapport à une moyenne de 40 % dans le groupe témoin. En revanche, l'affichage de dates suggérées a augmenté cette probabilité d'environ 4 points de pourcentage. Aucune amélioration n'a été constatée concernant les amendes ou les recours. En résumé, le remplacement du pouvoir discrétionnaire des gestionnaires par l'attribution automatisée a diminué la productivité, tandis qu'un outil d'organisation du travail simplifié a permis d'obtenir des gains.

Partenaires d'exécution