evidoria

← Back to browse

Good practice

PACC — Détection de fraude fiscale par IA en Autriche

Austria · Vienna · See the Austria profile

Le PACC autrichien utilise le machine learning pour détecter fraude et évasion fiscales. En 2023, il a analysé 6,5 M de dossiers, récupérant 185 M€ ; en 2024, 6,6 M de dossiers fiscaux et 23,4 M de contrôles ont généré 354 M€ supplémentaires.

€185 million
Recettes fiscales recouvrées (2023)
€354 million
Recettes fiscales recouvrées (2024)
6.5 million
Dossiers fiscaux examinés (2023)
6.6 million
Dossiers fiscaux examinés (2024)
27.5 million
Dossiers de conformité évalués (2023)
23.4 million
Registres de conformité évalués (2024)

Details

Maturity
Established
Promoter
Austrian Federal Ministry of Finance (BMF) — Predictive Analytics Competence Centre (PACC)
Period
2016-present
Keywords
tax fraud detection, VAT fraud, predictive analytics, machine learning, supervised learning, text mining, revenue compliance

Context

Le PACC est une unité spéciale du ministère fédéral des Finances de l'Autriche, créée en 2016–2017, qui utilise des modèles d'apprentissage automatique supervisé et d'exploration de texte au sein de quatre équipes d'analyse (Predictive Analytics, Advanced Analytics, Tax Analytics, Customs Analytics) pour établir des scores de risque sur les dossiers d'impôt sur le revenu, d'impôt sur les sociétés, de TVA et de douane ; les scores de risque orientent les équipes d'audit humaines, qui conservent le pouvoir de décision final.

Results

En 2023, les modèles du PACC ont examiné environ 6,5 millions de dossiers fiscaux et 27,5 millions de dossiers de conformité, générant environ 185 millions € de recettes fiscales recouvrées. En 2024, 6,6 millions de dossiers fiscaux et 23,4 millions de registres de conformité ont été évalués, générant 354 millions € de recettes fiscales supplémentaires.

Implementation

Implementation detail (cost, timeline, staffing, conditions for success) is not yet available for this practice.

Data sources

Where this practice's information was retrieved from, and when.

Similar practices you may find useful