O uso de algoritmos de machine learning se torna crescentemente presente no ciclo das políticas públicas. Operando grandes bases de dados, estes algoritmos produzem novas formas de racionalização do processo decisório, do desenho, da implementação e da avaliação dessas políticas, otimizando diversas facetas do seu processo mais amplo. Um dos argumentos em que se assenta o uso desses algoritmos na condução das políticas é o fato de eles facilitarem o trabalho com evidências, uma vez que operam grandes bases de dados. Neste artigo nós argumentamos que a crescente aplicação de machine learning no ciclo das políticas públicas não é condição suficiente para ampliar práticas baseadas em evidências. Dada a natureza e os atributos das dinâmicas de desenho de algoritmos de machine learning, defendemos que eles não produzem evidências, mas figurações do mundo baseadas em dados. Assim, traçamos uma conclusão sobre que tipos de capacidades são requeridas para o trabalho com inteligência artificial e seus desdobramentos na gestão pública.