e-Trésorerie de Géorgie — 42 modèles d'IA pour la détection des anomalies dans 7 millions de transactions publiques annuelles

Le ministère des Finances de la Géorgie, par l'intermédiaire du LEPL Financial-Analytical Service, a intégré des modèles d'apprentissage automatique dans son système de gestion des finances publiques (PFMS) afin de réduire les erreurs de paiement et les anomalies dans les décaissements du Trésor public, traitant plus de 7 millions de transactions de paiement par an via le module e-Treasury (l'une des quatre composantes intégrées du PFMS). Le développement et la validation ont été soutenus par le Département des affaires fiscales du FMI et financés par le Secrétariat d'État suisse à l'économie (SECO).

Réduire les erreurs de paiement et les anomalies dans les décaissements du Trésor grâce à l'apprentissage automatique.

Deux canaux fonctionnent au sein du système : un Canal Vert où 42 modèles supervisés apprennent des schémas à partir de données historiques pour détecter automatiquement les anomalies dans les ordres de paiement, et un Canal Rouge où un modèle entraîné sur les décisions de rejet passées des agents du Trésor signale les ordres problématiques pour un examen humain.

Les tests ont montré que le système a correctement identifié 6 des 8 ordres de paiement erronés déjà connus et a atteint une précision de plus de 80 % pour prédire quels ordres les agents rejetteraient ; le déploiement opérationnel complet était encore en cours de finalisation au moment du rapport, il s'agit donc de résultats de tests plutôt que d'un audit post-déploiement.

Le FMI a publié un compte-rendu technique détaillé (septembre 2024) présentant cette approche comme un modèle transposable pour la consolidation du compte unique du Trésor dans d'autres économies émergentes ; le système est conçu pour absorber une augmentation de 33 % du volume de transactions résultant de l'expansion en cours du TSA.