Les cas d'accords sur les prix dans les appels d'offres publics suscitent régulièrement l'indignation du public et menacent, selon la loi sur les cartels, «la concurrence dans l'intérêt d'une économie de marché fondée sur un régime libéral». Un algorithme de comparaison développé par l'Université de Fribourg et la Commission de la concurrence COMCO offre désormais aux autorités un soutien dans la détection et la lutte contre les accords illégaux.

Le bon fonctionnement d'une économie de marché dépend d'une concurrence honnête entre les acteurs du marché. Or, les entreprises tentent régulièrement de contourner la concurrence saine en s'entendant sur les prix. Les victimes ne sont pas seulement les mandataires, mais aussi - dans le cas des appels d'offres publics - la société en général. La découverte de tels cartels est extrêmement laborieuse et nécessite l'expertise de dizaines de juristes et d'économistes de la COMCO.

Un taux de réussite de plus de 90 pour cent
Afin d'aider les spécialistes de la COMCO dans ce travail exigeant en ressources, le Prof Martin Huber de l'Université de Fribourg et le Dr David Imhof de la COMCO ont développé une méthode basée sur l'intelligence artificielle qui détecte les accords lors des offres de prix dans les appels d'offres publics. Les chercheurs utilisent des algorithmes de Deep Learning pour analyser le comportement d'offre commun des entreprises et faire la distinction entre entente illégale et concurrence. La méthode a identifié correctement 19 entreprises sur 20 comme membres d'un cartel ou concurrents. Des appels d'offres suisses et japonais ont servi de base de données, ce qui montre que la méthode peut également être appliquée au-delà des frontières.

L'intelligence artificielle apprend des modèles dans les accords de prix
La méthode se base sur une comparaison des prix indiqués par les soumissionnaires et les enchérisseurs, car les montants proposés trahissent souvent une entente. Une entreprise donnée remportera par exemple un appel d'offres si son offre de prix est nettement inférieure à celle de la «concurrence». C’est en se basant sur des exemples de collusion avérés que l'intelligence artificielle apprend à repérer les cas problématiques et à distinguer les cas avec et sans entente. Après une phase d'apprentissage, l'algorithme est en mesure d'identifier les offres suspectes présentant un risque accru d'entente sur les prix. «Cela donne aux autorités de la concurrence un point de référence précieux sur les cas où il vaut la peine d'y regarder de plus près et soutient ainsi une détection efficace des infractions à la concurrence», conclut Martin Huber.

Huber M, Imhof D: Flagging cartel participants with deep learning based on convolutional neural networks, publiée dans l'International Journal of Industrial Organization