evidoria

← Retour à la liste

Bonne pratique Importée

Triage IA de la NACC — système automatisé de traitement des plaintes anticorruption en Thaïlande

Thaïlande · Bangkok · Voir le profil de Thaïlande · Voir le profil de Bangkok

Preuves: Observationnel / avant-après Top 83% 40/100 · Demandez à Evidence Copilot à propos de cette pratique

La NACC thaïlandaise déploie un système OCR-NLP-ML pour pré-trier les plaintes de corruption, réduisant le temps de traitement de 78,6 %. Une étude 2025 avec comité de lecture a documenté un F1 de 81,8 % pour l'OCR ; les réviseurs humains conservent l'autorité de décision finale.

81.8 %
Score F1 du module OCR (2025 study)
84.2 %
Précision de l'OCR (2025 study)
79.6 %
Rappel de l'OCR (2025 study)
57.5 %
Précision de classification des documents (2025 study)
78.6 %
Réduction moyenne du temps de traitement des plaintes (2025 study, vs manual baseline)
Triage IA de la NACC — système automatisé de traitement des plaintes anticorruption en Thaïlande

Détails

Maturité
Établie
Promoteur
National Anti-Corruption Commission (NACC)
Période
2024–present
Mots-clés
anti-corruption, complaint management, document processing, public integrity

Contexte

La Commission nationale anticorruption (NACC) de Thaïlande a déployé un pipeline de tri des plaintes alimenté par l'IA, combinant reconnaissance optique de caractères (OCR), traitement du langage naturel (NLP) et apprentissage automatique supervisé, pour automatiser la segmentation initiale des documents, la classification des allégations et l'acheminement des flux de travail pour les plaintes de corruption entrantes — des tâches auparavant traitées manuellement. Les relecteurs humains conservent l'entière autorité sur les décisions finales de tri ; l'IA gère l'étape de prétraitement, chronophage.

Résultats

Une étude évaluée par des pairs publiée en 2025 dans PubMed Central a documenté la performance du système en conditions opérationnelles : un score F1 du module OCR de 81,8 % (précision 84,2 %, rappel 79,6 %), une précision de classification des documents de 57,5 %, et une réduction moyenne du temps de traitement des plaintes de 78,6 % par rapport à la référence manuelle. La précision de classification de 57,5 % est signalée de manière transparente par les auteurs comme une limite actuelle ; le système est explicitement présenté comme une aide au tri, et non comme un décideur final. L'adoption de l'IA par la Thaïlande pour le traitement des plaintes est mentionnée dans le chapitre thaïlandais de l'OECD Anti-Corruption and Integrity Outlook 2026.

Mise en œuvre

Coût indicatif
Moyen (50 k€–500 k€) — OCR-NLP-ML pipeline built for a single agency's complaint intake; no published budget figures.
Délai jusqu’aux résultats
Moyen (1–3 ans) — Operational since 2024; 2025 peer-reviewed evaluation published documenting performance under live conditions.
Personnel et compétences
Thailand's National Anti-Corruption Commission (NACC) operates the pipeline; human reviewers retain full authority over final screening decisions

Conditions de réussite

  • Human-in-the-loop design preserves final decision authority for staff while automating pre-processing
  • Transparent academic disclosure of the 57.5% classification-accuracy limitation supports credible, incremental adoption

Modes d’échec courants

  • 57.5% document classification accuracy is an acknowledged current limitation
  • No external algorithmic audit or redress mechanism is documented
  • No replication of the architecture in another jurisdiction is documented

Où cela s’applique

Type de gouvernance
national anti-corruption agency
Échelle
single national agency
Niveau de revenu
upper-middle-income

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