Fraude tarifaire dans les transports publics : pourquoi le taux que vous mesurez est probablement faux ?

Tout réseau de transport équipé d’une billettique fait face à un problème de fraude tarifaire. Presque aucun n’est capable de dire, avec une réelle certitude, quelle est l’ampleur exacte du phénomène. C’est le constat de départ, un peu inconfortable, d’un récent webinaire d’experts Acorel, « Solutions pour réduire la fraude dans les transports publics », au cours duquel l’analyste indépendante en politiques tarifaires Véronique AMOURETTE et Vanessa KARABETIAN, d’Acorel, ont expliqué pourquoi les chiffres de fraude généralement communiqués par les autorités organisatrices sont structurellement peu fiables, et ce que font, à la place, plusieurs opérateurs dans le monde.

Nous avons croisé cette intervention avec des audits publics, des données d’autorités de transport et des retours d’expérience technologiques dans six pays. Le résultat : un rapport de 14 pages, The Global Transit Fraud Benchmark, téléchargeable gratuitement en bas de cet article. En voici la synthèse.

Demandez son taux de fraude à une autorité de transport : vous obtiendrez un seul chiffre. Ce chiffre repose généralement sur l’une de ces trois méthodes, et une seule d’entre elles est vraiment fiable :

Le taux apparent : ce que les contrôleurs constatent lors de contrôles manuels. Il reflète où et quand les agents ont été envoyés, pas l’ampleur réelle du phénomène. Montez dans un bus aux heures de pointe dans un quartier aisé et les chiffres sont propres ; contrôlez une ligne de tramway de nuit et ils s’envolent.

Le taux déclaré : issu d’enquêtes de terrain courtes, généralement menées sur une seule semaine. Une donnée déclarative, déjà obsolète dès que le calendrier scolaire change.

Le taux mesuré : un croisement continu et automatisé entre le comptage des voyageurs et les validations billettiques. C’est la seule approche objective, précise par ligne et par créneau horaire, et actualisée en temps réel.

En France, l’écart est considérable : la moyenne nationale se situe entre 8 et 10 %, mais ce chiffre masque un écart de 1 à 10. Certains réseaux urbains du sud de la France affichent une fraude supérieure à 20 %, et certaines lignes de nuit ou de banlieue atteignent 60 %. Une moyenne unique ne dit rien à une autorité sur où agir en priorité.

La fraude tarifaire coûte en France environ 700 millions d’euros par an, l’équivalent de 1 500 bus neufs, dont les trois quarts sont concentrés en Île-de-France. Le même schéma, une moyenne trompeusement calme au-dessus d’une réalité très volatile, se retrouve partout où nous avons vérifié :

New York (MTA) : environ 1 milliard de dollars perdus en 2024 à cause de la fraude sur les tickets et les péages, avec une fraude sur le métro passant de 14 % à 10 % et sur les bus de 50 % à 45 % en seulement six mois, dès que l’agence a commencé à mesurer en continu (CBC / MTA Blue-Ribbon Panel).

Toronto (TTC) : 123,8 millions de dollars perdus en 2023, avec un taux de fraude pondéré de 11,9 % masquant un écart considérable entre les tramways (29,6 %) et les stations de métro (6,3 %) (étude TTC 2023 sur la fraude tarifaire).

San Francisco (BART) : un audit indépendant de 2025 a révélé que l’estimation de 25 millions de dollars de pertes avancée par l’agence était probablement gonflée. Le chiffre réel se rapprocherait plutôt de 5,7 à 9,5 millions de dollars, tandis que le coût du contrôle dépassait largement ce qu’il permettait de récupérer (Center for Policing Equity).

Melbourne et Singapour : l’Auditeur général de l’État de Victoria a mesuré une fraude de 13,5 % sur l’ensemble du réseau à Melbourne (rapport complet), tandis que le Public Transport Council de Singapour a recensé 7 618 cas de fraude en 2017 : 62 % de non-paiement pur, 26 % de sous-paiement, 12 % d’usage abusif de cartes à tarif réduit (Torque).

Sur les cinq réseaux cités ci-dessus, les pertes annuelles déclarées dépassent 1,2 milliard de dollars, auxquelles s’ajoutent 130 à 190 millions de livres sterling par an à Londres, et dans la moitié de ces cas, le chiffre officiel de l’agence a ensuite été revu ou contesté une fois décomposé par mode de transport de façon indépendante.

La typologie présentée par Véronique Amourette pendant le webinaire est un bon antidote au contrôle uniforme. Les voyageurs qui ne paient pas se répartissent globalement en cinq profils : les involontaires (bloqués par un valideur en panne ou une carte oubliée), les opportunistes (qui calculent le risque d’être contrôlés), les économiques (qui arbitrent entre un ticket et une autre dépense essentielle), les politiques (qui refusent de payer par contestation) et les systématiques, le groupe le plus restreint, mais aussi le plus coûteux.

Traiter ces cinq profils de la même façon ne se contente pas de gaspiller des ressources : les audits suggèrent que cela peut même être contre-productif. L’étude du Center for Policing Equity sur BART a montré que les amendes civiles n’étaient réglées que dans 6 à 12 % des cas, tandis que 43,5 % des personnes contrôlées pour suspicion de fraude étaient des voyageurs noirs, une surreprésentation que le rapport juge disproportionnée par rapport à la fréquentation réelle. Une étude académique de 2024 sur le contrôle du métro new-yorkais n’a par ailleurs trouvé aucun lien statistiquement significatif entre les arrestations pour fraude tarifaire et une baisse de la délinquance environnante. Le contrôle manuel et uniforme ne cible pas fiablement le profil qui coûte réellement le plus cher au réseau.

Face à des taux de fraude élevés, certains élus locaux sont tentés par une solution en apparence simple : supprimer le ticket. La Cour des comptes a examiné les données disponibles et est parvenue à une conclusion plus nuancée : la gratuité totale ne provoque pas de report massif depuis la voiture individuelle. Elle génère surtout des trajets courts et marginaux, effectués auparavant à pied, tout en augmentant le risque de saturation sur les lignes déjà les plus fréquentées. La gratuité n’est d’ailleurs jamais vraiment gratuite : la perte de recettes commerciales doit être compensée par les contribuables locaux ou par une hausse du versement mobilité auprès des employeurs.

Un problème pratique se cache aussi derrière ce débat de politique publique : quand le ticket disparaît, le signal statistique que les autorités utilisaient pour planifier leur capacité disparaît avec lui. Nous avons déjà expliqué comment l’analyse automatique des flux de passagers permet de conserver ce signal sur les réseaux en accès gratuit, notamment comment Rio de Janeiro a équipé sa ligne de tramway olympique en accès libre de plus de 500 capteurs de comptage, avec une précision vérifiée de façon indépendante de 99 %, prouvant que fréquentation et attractivité peuvent rester mesurées avec confiance même après la disparition de la billettique.

Aucune mesure isolée ne suffit à résoudre la fraude tarifaire. Le durcissement physique des portillons, remplacer les tourniquets bas par des portes pneumatiques hautes, a permis à BART de diviser par deux, en un an, la fraude constatée par les voyageurs eux-mêmes (projet de portillons BART). La vidéo intelligente appliquée aux caméras de vidéosurveillance existantes progresse le plus vite : à Barcelone, le système développé par AWAAIT pour l’opérateur ferroviaire FGC a réduit la fraude de plus de 70 % dans une station en quelques semaines seulement, sans ajouter le moindre nouvel équipement physique (étude de cas AWAAIT / FGC), et l’expérimentation « Smart Station » de Willesden Green à Londres a généré 44 000 alertes comportementales à partir des caméras existantes du métro, tout en floutant en temps réel le visage de chaque personne non fautive (déclaration TfL). Les portillons biométriques, testés sur le réseau Metbus de Santiago, ont atteint environ 98 % de précision de reconnaissance (Innovatrics), une performance réelle, mais avec des enjeux de gouvernance des données que la mesure anonyme ne pose pas.

C’est précisément l’espace dans lequel s’inscrit l’approche d’Acorel. Notre plateforme Vision Mobility croise en temps réel un comptage anonyme et conforme au RGPD des voyageurs avec les validations billettiques, sans reconnaissance faciale, sans donnée personnelle stockée, pour identifier précisément quelle ligne, quel arrêt et quel créneau horaire nécessitent un contrôle, au lieu d’en envoyer un au hasard. C’est cette même approche de mesure qui sous-tend deux cas concrets détaillés dans le rapport complet : Grenoble, où un système à 1 million d’euros par an sécurise 45 millions d’euros de recettes commerciales, et un réseau de métro nord-européen de 44 stations où la technologie de comptage Acorel maintient une précision de 99,2 % sur 125,6 millions de voyageurs annuels.

Ce même principe de mesure continue dépasse largement le seul cadre de la lutte contre la fraude : à travers les mobilités urbaines et le transport ferroviaire au sens large, l’analyse des flux de passagers dans les transports est ce qui transforme une estimation approximative des performances du réseau en une donnée réellement exploitable par l’exploitant.

La plateforme Vision Mobility d’Acorel croise en temps réel le comptage anonyme RGPD et les validations billettiques pour cibler vos contrôles là où ils sont vraiment efficaces.

Demander une démonstration personnalisée de la solution

Le rapport complet The Global Transit Fraud Benchmark, 14 pages, entièrement sourcées, détaille les six études de cas internationales, la typologie complète des cinq profils de fraudeurs, le fonctionnement de la plateforme Vision Mobility d’Acorel, et un plan d’action en cinq points pour les autorités organisatrices de transport.

Téléchargez le PDF ou contactez notre équipe pour évoquer ce à quoi pourrait ressembler une mesure fiable de la fraude sur votre propre réseau.

Sources : Webinaire Acorel « Solutions pour réduire la fraude dans les transports publics » ; Union des Transports Publics (UTP) ; Cour des comptes ; Citizens Budget Commission of New York ; MTA Blue-Ribbon Panel on Fare and Toll Evasion ; Transport for London ; Toronto Transit Commission ; Center for Policing Equity ; Victorian Auditor-General’s Office ; Singapore Public Transport Council / Torque ; AWAAIT Artificial Intelligence ; Axis Communications ; BART ; Innovatrics ; Data Collaborative for Justice.