evidoria

← Retour à la liste

Bonne pratique Importée

DNA Paraguay — Apprentissage automatique pour la détection de fraude douanière

Paraguay · Asunción · Voir le profil de Paraguay · Voir le profil de Asunción

Preuves: Essai contrôlé randomisé Top 62% 53/100 · Demandez à Evidence Copilot à propos de cette pratique

La DNA du Paraguay a déployé la notation de risque douanier par ML, portant la détection de fraude de 18 % à 73 % avec 70 % d'inspections en moins. Un ECR UC Berkeley/IGC valide ces gains; le déploiement complet pourrait récupérer plus de 200 M USD annuellement.

73 %
Taux de détection de fraude, inspections sélectionnées par le ML
18 %
Taux de détection de fraude, inspections sélectionnées par des humains (référence)
70 %
Réduction des expéditions inspectées pour une couverture d'audit équivalente
200 million USD (researcher projection, not RCT-measured)
Potentiel de récupération annuel estimé en cas d'extension à tous les ports
DNA Paraguay — Apprentissage automatique pour la détection de fraude douanière

Détails

Maturité
En expansion
Promoteur
Dirección Nacional de Aduanas (DNA)
Période
2015–2022
Mots-clés
customs, tax administration, trade, public finance

Contexte

La Direction nationale des douanes (DNA) du Paraguay a instauré un système de sélectivité fondé sur le risque pour les inspections à l'importation via la Décision n° 643/2015, remplaçant un processus d'affectation des inspections entièrement manuel. La DNA s'est associée au Center for Effective Global Action (CEGA) de l'UC Berkeley, à l'Université du Wisconsin-Madison et à l'Université Harvard, avec un financement de l'International Growth Centre (IGC), pour développer et évaluer un algorithme d'apprentissage automatique destiné à cibler les expéditions les plus susceptibles de contenir des marchandises non déclarées ou sous-évaluées.

Objectifs

L'objectif était de remplacer le jugement des inspecteurs par un score de risque fondé sur les données, capable d'accroître le taux de détection de fraude des inspections douanières tout en réduisant le nombre d'expéditions physiquement inspectées.

Activités

L'algorithme de ML a été testé dans le cadre d'un essai contrôlé randomisé (RCT) intégré directement aux opérations réelles de la DNA, en utilisant des données administratives structurées — valeurs déclarées, codes tarifaires, historique de l'importateur et pays d'origine — plutôt que des données biométriques ou sociales.

Résultats

Le RCT a montré que l'algorithme de ML atteignait un taux de détection de fraude de 73 %, contre 18 % pour les inspections sélectionnées par des humains — soit une amélioration d'un facteur quatre — tandis que les inspecteurs traitaient 70 % d'expéditions en moins pour une couverture d'audit équivalente. Extrapolés à l'ensemble des ports douaniers paraguayens, les chercheurs ont estimé que le système pourrait permettre de récupérer plus de 200 millions d'USD par an de droits de douane impayés.

Conclusions

Il s'agit de l'un des systèmes de ML douaniers les plus rigoureusement évalués de manière externe dans un contexte de pays à revenu intermédiaire de la tranche inférieure, mais aucune documentation officielle sur le suivi continu des performances, l'audit des biais ou le contrôle parlementaire n'a été rendue publique, laissant le cadre de responsabilisation opaque au-delà de la période d'évaluation académique.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€) — No public budget figures disclosed; estimated as medium given the multi-university research partnership and the operational integration required to embed the algorithm in live customs inspection workflows.
Délai jusqu’aux résultats
Moyen (1–3 ans) — Built on a 2015 legal mandate; the RCT evaluation and multi-institution partnership represent a multi-year research-to-operations timeline.
Personnel et compétences
DNA customs inspectors implement risk-based selection informed by the model, Research/technical partnership: UC Berkeley CEGA, University of Wisconsin-Madison, Harvard University, funded by the International Growth Centre (IGC), IDB has separately supported Paraguay's broader customs and tax modernisation via technical cooperation

Conditions de réussite

  • Legal mandate for risk-based selectivity already in place via Decision No. 643/2015 before the ML evaluation
  • Reliance on structured administrative data (declared values, tariff codes, importer history, origin) rather than biometric or social data, limiting certain fairness risks
  • Embedding the RCT directly in live operations rather than a simulated/offline test

Modes d’échec courants

  • No public documentation of ongoing performance monitoring, bias auditing, or parliamentary oversight after the academic evaluation period
  • The USD200m+ recovery figure is an extrapolation to full national deployment, not an RCT-measured outcome

Où cela s’applique

Type de gouvernance
national customs agency
Échelle
national, extrapolated from a subset of live operations to all ports
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