evidoria

← Retour à la liste

Good practice

Unité IA de la ZRA — Le modèle d'apprentissage automatique de l'Autorité fiscale zambienne pour le risque douanier

Zambie · Lusaka · Voir le profil de Zambie

L'unité IA de la ZRA (Zambie) teste un modèle Random Forest, adapté d'un précédent déploiement douanier au Paraguay, pour signaler les importations à haut risque, face à un écart fiscal douanier estimé à 47-56 % ; les résultats du pilote restent en attente.

Détails

Promoteur
Zambia Revenue Authority (ZRA), AI Unit, with UC Berkeley's Center for Effective Global Action (CEGA)
Période
AI Unit since 2023; ML customs pilot November 2025–ongoing
Mots-clés
customs risk management, tax administration, machine learning, revenue collection, public-private research partnership

Description

Depuis environ 2023, l'Autorité fiscale zambienne (ZRA) exploite une « unité IA » interne chargée de moderniser l'administration fiscale et douanière grâce à l'apprentissage automatique. En partenariat avec le Center for Effective Global Action (CEGA) de l'Université de Californie à Berkeley, l'unité a adapté un modèle Random Forest — précédemment testé sur des données douanières paraguayennes — pour signaler les déclarations d'importation à haut risque en vue d'une inspection physique, dans le but de traiter un écart fiscal douanier estimé entre 47 % et 56 % sur environ un demi-million d'expéditions commerciales traitées chaque année.

Le pilote de notation du risque douanier a débuté vers novembre 2025 et, selon CEGA, est évalué selon un protocole randomisé ; les résultats quantitatifs sur la précision de détection ou les recettes récupérées spécifiquement attribuables au modèle n'avaient pas encore été publiés au lancement du pilote. L'unité IA exploite également des outils connexes, dont un chatbot pour les contribuables, un assistant de recherche de codes tarifaires (SH) et des « rappels » de conformité automatisés.

La ZRA et le ministère zambien de la Technologie et des Sciences ont déclaré publiquement que la modernisation portée par l'IA dans les opérations de l'autorité fiscale avait contribué à une hausse de 60 % des recettes fiscales en deux ans. Ce chiffre décrit le programme d'IA dans son ensemble, sans être isolé au modèle Random Forest douanier, et n'a pas été audité de façon indépendante ; il doit donc être lu comme une déclaration institutionnelle, et non comme un résultat causal vérifié de cette pratique spécifique.

Mise en œuvre

Les détails de mise en œuvre (coût, calendrier, personnel, conditions de réussite) ne sont pas encore disponibles pour cette pratique.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles