SAT du Mexique — Apprentissage automatique et analytique de graphes pour la détection des contribuables à haut risque (Plan Maestro 2024)

Le Servicio de Administración Tributaria (SAT) mexicain a progressivement intégré le machine learning et l'analytique de graphes dans son processus d'audit depuis 2020. Le Plan Maestro 2024 a formalisé cette approche selon quatre piliers : Surveillance de la conformité, Surveillance approfondie, Recouvrement forcé et Assistance aux contribuables. Des modèles de graphes cartographient les réseaux transactionnels entre 80 millions de contribuables dans la base de données CFDI — l'un des plus grands référentiels mondiaux de facturation électronique — pour exposer les structures d'actionnariat cachées et les chaînes de fausses factures liées aux Empresas Facturadoras de Operaciones Simuladas (EFOS, « sociétés fantômes »).
Des modèles d'apprentissage statistique entraînés sur des cas historiques d'évasion sont appliqués en temps réel à neuf secteurs prioritaires : automobile, boissons alcoolisées, construction, pharmacie, hydrocarbures, logistique, plateformes technologiques, immobilier et services financiers. Le système détecte les incohérences entre revenus déclarés, données bancaires de tiers, registres douaniers et flux CFDI. Le SAT a collecté 4 517 milliards de pesos en 2023 avec un coût de collecte de 28 centimes pour 100 pesos. La liste noire des EFOS cumulait plus de 14 000 entités à mi-2026.
Des chercheurs académiques ont identifié des risques de biais algorithmique et un manque de transparence sur l'architecture des modèles. La chute des nouvelles entrées EFOS de plus de 3 000 (2018) à 47 (2023) est interprétée soit comme un effet dissuasif, soit comme un relâchement de l'application. Aucun audit algorithmique indépendant n'a été publié.