evidoria

← Retour à la liste

Bonne pratique Importée

Le Comité des recettes de l'État arménien teste l'IA pour lire les factures et détecter des réseaux de fraude fiscale, résultats encore non mesurés

Arménie · Yerevan · Voir le profil de Arménie · Voir le profil de Yerevan

Preuves: Descriptif / auto-déclaré Top 97% 20/100 · Demandez à Evidence Copilot à propos de cette pratique

Le Comité des recettes de l'État arménien teste un outil d'IA, conçu par Interpretable AI et Daniam LLC avec l'Université américaine d'Arménie et financé par la Banque mondiale, pour lire les factures et repérer des réseaux de fraude. Mi-2025, seuls des gains de conformité projetés (10 à 20 %) avaient été publiés.

10-20 %
Hausse projetée de la conformité fiscale volontaire et forcée (pas encore mesurée en Arménie)
Le Comité des recettes de l'État arménien teste l'IA pour lire les factures et détecter des réseaux de fraude fiscale, résultats encore non mesurés

Détails

Maturité
Pilote
Promoteur
State Revenue Committee of Armenia, with the World Bank Public Sector Modernization Project and American University of Armenia
Période
2025–ongoing (pilot)
Mots-clés
tax administration, fraud detection, natural language processing, public sector AI

Contexte

Le Comité des recettes de l'État (SRC) d'Arménie teste un système d'IA pour aider à détecter la fraude fiscale, développé par Interpretable AI (Boston) et Daniam LLC (Erevan), avec le soutien académique de l'Université américaine d'Arménie (AUA) et un financement de la Banque mondiale.

Objectifs

L'outil est conçu pour lire les factures par traitement du langage naturel, appliquer une analyse de réseau pour identifier les réseaux de fraude, et signaler des anomalies telles que des déclarations en double ou des incohérences d'identité, avec des projets futurs de chatbot destiné aux citoyens et de traitement plus rapide des remboursements.

Activités

Le président du SRC, Eduard Hakobyan, et le président de l'AUA, Bruce Boghosian, ont signé un protocole d'accord le 17 avril 2025, lors d'un atelier auquel ont assisté le responsable GovTech de la Banque mondiale, Khuram Farooq, et le professeur du MIT Dimitris Bertsimas, cofondateur d'Interpretable AI.

Résultats

La Banque mondiale et le FMI ont chacun publié des comptes rendus du projet pilote, mais tous deux précisent que les chiffres cités — des estimations prudentes d'une hausse de 10 à 20 % de la conformité fiscale, fondées sur des résultats comparables en Inde et au Brésil — sont des projections, et non des résultats mesurés dans le déploiement arménien lui-même.

Conclusions

Les publications elles-mêmes identifient les biais, la protection des données, la sécurité et les pertes d'emplois comme des risques bien réels, et décrivent des garanties telles que l'explicabilité, une cybersécurité alignée sur les normes ISO et une future évaluation d'impact algorithmique comme encore à mettre en place plutôt que déjà effectives, soulignant qu'il s'agit d'un projet pilote à un stade précoce, dont les résultats restent à vérifier.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€)
Délai jusqu’aux résultats
Moyen (1–3 ans)
Personnel et compétences
State Revenue Committee of Armenia (chair Eduard Hakobyan), Interpretable AI (Boston), Daniam LLC (Yerevan), American University of Armenia (president Bruce Boghosian), World Bank GovTech lead Khuram Farooq, MIT professor Dimitris Bertsimas

Conditions de réussite

  • Formal memorandum of understanding between SRC and AUA
  • World Bank financing under a Public Sector Modernization Project
  • Academic partnership providing technical and oversight capacity

Modes d’échec courants

  • Bias, data privacy, security and job displacement named as live risks by the publishers themselves
  • Explainability and ISO-aligned cybersecurity safeguards not yet built
  • Algorithm Impact Assessment still planned, not in place

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