BgGPT à la NRA — IA souveraine bulgare pour l'administration fiscale

L'Agence nationale des recettes de Bulgarie (NRA) a déployé BgGPT, un grand modèle de langage souverain à poids ouverts développé par l'INSAIT (Institute for Computer Science, Artificial Intelligence and Technology) de l'université de Sofia, en mars 2026 — décrit comme le premier déploiement administratif public à grande échelle d'un LLM souverain national dans le pays. BgGPT s'appuie sur la série de modèles à poids ouverts Gemma 3 de Google et fonctionne sur le matériel propre de la NRA plutôt que chez un fournisseur cloud, afin d'éviter toute fuite de données. Par ailleurs, la NRA exploite depuis au moins 2016 un système de notation du risque fiscal fondé sur l'apprentissage automatique (ML).

BgGPT permet au personnel de la NRA de rechercher la législation fiscale et de sécurité sociale ainsi que des documents administratifs internes, avec des réponses en temps réel ; le système distinct de notation du risque par ML vise à hiérarchiser les ressources d'audit en classant les déclarations fiscales comme présentant un risque élevé ou faible.

À la suite d'un projet pilote interne réussi, la NRA a étendu BgGPT à son siège central et à ses sept directions territoriales, l'intégrateur national Information Services assurant le déploiement technique ; le déploiement vise une utilisation active quotidienne par plus de 7 000 employés de la NRA.

Des travaux académiques publiés en 2024 documentent que le système de notation du risque par ML de la NRA audite environ 15 000 déclarations fiscales par mois, à l'aide d'une classification algorithmique risque élevé/risque faible. En mars 2026, BgGPT était encore en cours de déploiement élargi au sein de l'agence, le chiffre de plus de 7 000 utilisateurs quotidiens étant présenté comme un objectif de déploiement plutôt que comme un niveau d'utilisation confirmé.

Le matériel source précise explicitement qu'aucune métrique de productivité du personnel ni de réduction des erreurs n'est disponible pour BgGPT, et qu'aucune métrique publiée de précision ou d'impact sur les recettes n'existe pour le système de notation de la fraude par ML.