evidoria

← Retour à la liste

Bonne pratique Importée

Algorithmes et Bureaucrates : le DGID du Senegal Teste la Selection des Controles Fiscaux par Apprentissage Automatique Face aux Inspecteurs Humains

Sénégal · Dakar · Voir le profil de Sénégal · Voir le profil de Dakar

Preuves: Quasi expérimental Top 47% 60/100 · Demandez à Evidence Copilot à propos de cette pratique

La DGID senegalaise et des chercheurs de la Banque mondiale ont partage le programme national de controle entre inspecteurs et un algorithme transparent de notation du risque. Les controles de l'algorithme ont detecte 89 % de fraude en moins : l'expertise humaine l'a emporte.

-89%
Évasion détectée, contrôles sélectionnés par algorithme vs inspecteur (study cycle)
-18 percentage points
Baisse de la probabilité de contrôle, dossiers sélectionnés par algorithme
~500
Contrôles complets réalisés annuellement
Algorithmes et Bureaucrates : le DGID du Senegal Teste la Selection des Controles Fiscaux par Apprentissage Automatique Face aux Inspecteurs Humains

Détails

Maturité
Pilote
Promoteur
Direction Generale des Impots et des Domaines (DGID), with the World Bank Development Research Group
Période
2018-2025
Mots-clés
taxation, revenue administration, compliance analytics

Contexte

L'administration fiscale sénégalaise, la DGID, en partenariat avec le groupe de recherche sur le développement de la Banque mondiale, a mené une expérimentation de terrain à grande échelle intégrant un algorithme d'apprentissage automatique directement dans le programme national de contrôle fiscal des entreprises.

Activités

La moitié des dossiers de contrôle a été sélectionnée par des inspecteurs fiscaux expérimentés selon leur jugement habituel ; l'autre moitié par un algorithme transparent de notation du risque entraîné sur les déclarations et résultats de contrôles antérieurs, comparés sur un cycle complet de contrôle.

Résultats

Les dossiers sélectionnés par l'algorithme avaient 18 points de pourcentage de moins de chances d'être réellement contrôlés, ont détecté 89 % d'évasion en moins que les dossiers sélectionnés par les inspecteurs, et étaient moins rentables ; l'algorithme n'a pas non plus réduit le risque de corruption.

Conclusions

Le Sénégal ne réalise qu'environ 500 contrôles complets par an, des données insuffisantes pour entraîner un modèle égalant le jugement d'un inspecteur expérimenté — un résultat d'alerte pour d'autres administrations fiscales.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€) — Not disclosed; a research collaboration rather than a large capital deployment.
Délai jusqu’aux résultats
Moyen (1–3 ans) — Comparison ran across one full annual audit cycle; published November 2025.
Personnel et compétences
DGID tax inspectors, World Bank Development Research Group researchers

Conditions de réussite

  • Sufficient historical audit-outcome data to train a competitive model
  • Transparent, auditable risk-scoring methodology

Modes d’échec courants

  • Data-constrained tax administration (~500 audits/year) limited model training quality
  • Algorithmic selection underperformed experienced human inspectors on every measured dimension

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles