DNA Paraguay — Apprentissage automatique pour la détection de fraude douanière

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.

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.

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.

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.

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.