From 2022, Australia's ATO deployed ML to detect a large-scale GST refund fraud scheme: 57,000+ alleged offenders identified, A$2.7 billion in additional suspect refunds prevented, A$123 million recovered, and 126 convictions — with ANAO identifying significant governance gaps.
2.7 A$ billion
Remboursements de TPS suspects supplémentaires évités (2022-2025)
123 A$ million
Fonds récupérés
57,000+
Auteurs présumés visés par des mesures d'application
En mai 2022, l'Australian Taxation Office (ATO) a lancé l'Operation Protego à la suite d'une hausse rapide des demandes frauduleuses de remboursement de TPS/GST promues sur les réseaux sociaux, où des particuliers créaient des Australian Business Numbers pour des entreprises fictives et déposaient de fausses Business Activity Statements afin de réclamer des remboursements, pour un montant estimé à 2 milliards de dollars australiens obtenus frauduleusement.
Activités
L'ATO a déployé des modèles d'apprentissage automatique pour signaler les demandes de remboursement suspectes en quasi temps réel et identifier des réseaux de fraudeurs liés entre eux, permettant une détection à une échelle impossible à atteindre par un échantillonnage d'audit manuel, avec un score de risque piloté par l'IA utilisé pour prioriser les dossiers à traiter.
Résultats
Les résultats documentés, confirmés par l'Australian National Audit Office, comprennent la prévention de 2,7 milliards de dollars australiens supplémentaires de remboursements de TPS suspects, la récupération de 123 millions de dollars australiens, des mesures d'application visant plus de 57 000 auteurs présumés, 126 condamnations pénales avec des peines allant jusqu'à 7 ans et 6 mois, et environ 300 millions de dollars australiens de pénalités et d'intérêts perçus d'ici juillet 2025.
Conclusions
L'audit de performance 2024-25 de l'ANAO a jugé la détection de la fraude 'largement efficace' dans un domaine, mais 'partiellement efficace' dans trois autres, ne trouvant aucune stratégie de mise en œuvre de l'IA adaptée, des rôles liés à l'IA mal définis à l'échelle de l'organisation, et aucun dispositif de gestion des risques spécifique à l'IA — illustrant à la fois la capacité de l'IA à détecter la fraude à grande échelle et les lacunes de gouvernance pouvant apparaître en l'absence d'une supervision proportionnée.
Mise en œuvre
Coût indicatif
High (€500k–€5M)
Délai jusqu’aux résultats
Long (> 3 years)
Personnel et compétences
ATO investigators using AI-driven risk scoring to prioritise cases, ANAO auditors performing independent governance review
Conditions de réussite
Real-time or near-real-time fraud flagging at scale
Clear AI governance framework with defined roles and risk management (identified as missing)
Modes d’échec courants
No fit-for-purpose AI implementation strategy
Unclear enterprise-wide AI roles and responsibilities
No AI-specific risk management arrangements (per ANAO audit)
Où cela s’applique
Type de gouvernance
national tax administration
Échelle
national
Niveau de revenu
high-income
Sources de données
D'où proviennent les informations de cette pratique, et quand.
L'Agenzia delle Entrate italienne déploie VeRa, un algorithme d'IA croisant les déclarations fiscales avec données bancaires, registres fonciers et paiements …