SRC d'Arménie — IA pour la conformité fiscale et l'estimation de l'écart d'IS

Le Comité des recettes de l'État (SRC) d'Arménie a lancé en 2024 une réforme de la conformité fiscale pilotée par l'IA, avec le soutien de la Banque mondiale dans le cadre du Projet de modernisation du secteur public (Phase 4), en partenariat avec l'Université américaine d'Arménie (AUA) pour développer les capacités gouvernementales en apprentissage automatique.

L'application centrale est un modèle d'estimation de l'écart d'impôt sur les sociétés (CIT), destiné à remplacer la sélection d'audits par échantillonnage aléatoire, moins précise, par un ciblage des entreprises à haut risque fondé sur l'apprentissage automatique.

L'assistance technique du FMI a estimé l'écart de CIT de l'Arménie entre 26,4 % et 35,2 % de l'obligation fiscale potentielle, fournissant la référence que le modèle de ML vient traiter ; le système de ML combine cette analyse de l'écart avec les données de transactions des contribuables pour sélectionner les cibles d'audit. Un protocole d'accord formel entre le SRC et l'AUA a été signé le 17 avril 2025, et les principes de conception incluent l'explicabilité du modèle, la transparence des critères de risque et l'alignement sur les normes ISO de cybersécurité. Le système a également orienté des projets d'extension de l'IA à la gestion des risques douaniers et à l'analyse d'images radiographiques aux points de passage frontaliers.

Le SRC a intensifié la sélection d'audits fondée sur le risque en 2025, les inspections d'entreprises étant de plus en plus pilotées par des outils analytiques. Sur la base de comparaisons internationales — l'Inde et le Brésil sont cités comme ayant obtenu des gains de recouvrement de 10 à 30 % grâce à des approches similaires —, le gouvernement arménien projette une amélioration de 15 à 20 % de la conformité volontaire et forcée, bien qu'aucune mesure post-pilote des résultats propres à l'Arménie n'ait été publiée.

Il s'agit de l'un des premiers déploiements substantiels de l'IA dans l'administration fiscale de la région du Caucase, avec une collaboration académico-gouvernementale formalisée et des engagements explicites de conception en matière d'explicabilité et de transparence, mais ses chiffres d'amélioration de la conformité restent des projections et non des résultats mesurés.