evidoria

← Retour à la liste

Bonne pratique Importée

Publican AI — Système de machine learning du Ghana pour l’application douanière au port de Tema

Ghana · Accra · Voir le profil de Ghana · Voir le profil de Accra

Preuves: Descriptif / auto-déclaré Top 93% 27/100 · Demandez à Evidence Copilot à propos de cette pratique

La GRA du Ghana a déployé Publican AI au port de Tema en février 2026 pour filtrer les déclarations d’importation. Les recettes douanières mensuelles sont passées de GH₵2,4 Mdà GH₵3,6 Md en quelques semaines ; les allégations de 3 M USD/jour de recettes supplémentaires sont contestées par des analystes indépendants et un audit formel est en attente.

2.4 GH₵ billion
Recettes douanières mensuelles avant le déploiement (pre-deployment baseline)
3.6 GH₵ billion
Recettes douanières mensuelles après le déploiement (first weeks after 1 Feb 2026 deployment)
3 USD million/day
Recettes supplémentaires prétendument générées par le système (as of April 2026)
25 %
Déclarations d'importation signalées pour un contrôle supplémentaire
from ~2 hours to ~5 minutes
Temps de traitement manuel par déclaration
11 GH₵ billion/year
Estimation des recettes annuelles historiquement perdues en raison de la fraude à l'évaluation et de la sous-facturation (2020–2024)
Publican AI — Système de machine learning du Ghana pour l’application douanière au port de Tema

Détails

Maturité
Pilote
Promoteur
Ghana Revenue Authority (GRA)
Période
2026–present
Mots-clés
customs enforcement, import valuation, machine learning, anomaly detection, trade compliance

Contexte

L'Autorité fiscale du Ghana (GRA) a déployé Publican AI au port de Tema, la principale porte d'entrée des importations du Ghana, à partir du 1er février 2026. Le système utilise des modèles d'apprentissage automatique pour analyser les déclarations d'importation et comparer les valeurs déclarées aux bases de données mondiales des prix du commerce.

Objectifs

Publican AI est présenté par la GRA comme une technologie d'aide à la décision : il attribue un score de risque à chaque déclaration d'importation et signale les anomalies pour un examen humain avant le dédouanement, dans le but de réduire la fraude à l'évaluation et la sous-facturation et d'accélérer le traitement.

Activités

Le système signale environ 25 % des déclarations pour un contrôle supplémentaire et aurait réduit le temps de traitement manuel d'environ deux heures à environ cinq minutes par déclaration. La GRA cite des estimations historiques de 11 milliards de GH₵ de recettes annuelles perdues en raison de la fraude à l'évaluation et de la sous-facturation entre 2020 et 2024 comme le problème que le système vise à résoudre.

Résultats

Au cours de ses premières semaines, les données de la GRA ont montré que les recettes douanières mensuelles étaient passées de 2,4 milliards de GH₵ à 3,6 milliards de GH₵, une hausse de près de 50 % attribuée en grande partie par la GRA à l'amélioration de l'évaluation des importations. En avril 2026, la GRA a affirmé que le système générait environ 3 millions d'USD par jour de recettes supplémentaires.

Conclusions

Des analystes indépendants ont publiquement mis en doute le fait que la hausse des recettes soit causalement attribuable au système d'IA plutôt qu'à d'autres facteurs de mise en application, jugeant les preuves trop précoces pour être vérifiées et demandant un audit indépendant formel, qui n'avait pas été achevé en juin 2026. Les commerçants indiquent qu'ils ne comprennent pas comment les valeurs douanières sont déterminées, les litiges sont escaladés vers un secrétariat qui ne se réunit que deux fois par semaine, et aucune transparence algorithmique n'a été publiée. Le ministère des Finances a réuni un comité technique multipartite en avril 2026 en réponse. Il s'agit d'un déploiement en phase précoce aux résultats prometteurs mais contestés et aux lacunes de gouvernance documentées, pas encore un succès vérifié.

Mise en œuvre

Coût indicatif
Moyen (50 k€–500 k€)
Délai jusqu’aux résultats
Court (< 1 an)
Personnel et compétences
Ghana Revenue Authority (GRA) customs and IT staff operating and reviewing flagged declarations, Multi-party technical committee convened by the Ministry of Finance (from April 2026) to oversee the system

Conditions de réussite

  • A completed, independent audit verifying the causal link between the system and the revenue increase
  • Published algorithmic transparency on how customs values are determined
  • A dispute-resolution mechanism responsive enough to match the volume of contested valuations

Modes d’échec courants

  • Revenue increase attributed to the system by GRA but publicly contested by independent analysts as unverified
  • Traders report they cannot understand how customs values are determined
  • Dispute secretariat meets only twice weekly, creating a bottleneck for contested cases
  • No published algorithmic transparency and no completed independent audit as of June 2026

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