En 2017, la lutte contre la fraude fiscale a moins rapporté (avec un total de 17,9 milliards d'euros, selon un rapport publié ce mardi). Difficile de dire si elle est moins efficace, ou si les cas de fraude sont moins nombreux. Mais depuis 2017, la DGFiP mise sur de nouveaux outils pour mieux cibler les contrôles.

Ministère des Finances à Bercy, Paris
Ministère des Finances à Bercy, Paris © Maxppp / allOver/picture alliance/blickwinkel/a/Newscom

Comment détecter plus efficacement ceux qui pratiquent la fraude fiscale ? Avec 3 millions d'entreprises pour "seulement" 50 000 contrôles fiscaux externes chaque année, la Direction générale des finances publiques (DGFiP) doit bien choisir où envoyer ses contrôleurs. Cela passe notamment par l'exploitation via des algorithmes des données disponibles à Bercy. Depuis un an, ce type de procédure peut être utilisée sur les données de particuliers, et plus seulement des entreprises. Philippe Schall est responsable de la cellule analyse de données au service du contrôle fiscal, il nous explique son fonctionnement.

Le "data mining", en quoi ça consiste ?

"La DGFiP utilise depuis des années des techniques d'analyse de données pour cibler le contrôle fiscal, mais elle faisait ce travail dans des applications informatiques cloisonnées. Les données des entreprises ne pouvaient pas être croisées avec celles des particuliers, qui elles-mêmes ne pouvaient pas être croisées avec les données patrimoniales ou financières, etc. Le 'data mining', c'est un lac de données décloisonnées, et l'utilisation de techniques innovantes : on va demander à des algorithmes d'apprendre des contrôles réalisés dans le passé, et de faire ressortir des entreprises qu'il serait utile d'aller vérifier. Il va comparer les personnes sur lesquels on a trouvé des redressements, et celles qui ont été contrôlées mais où il n'y a pas eu de fraude, et regarder les caractéristiques qui distinguent les fraudeurs des non-fraudeurs. Ce profil-type va nous permettre de cibler les contrôles à réaliser."

Un contrôle plus fin

"L'algorithme va comparer les revenus par rapport aux acquisitions, mais il va aussi intégrer dans l'analyse la tranche d'âge, les donations effectuées, les successions reçues, la situation professionnelle... Et dire qu'une personne dans ce contexte-là, avec ce statut, c'est normal qu'elle ait fait ces acquisitions même si ses revenus ne correspondent pas. Parce qu'elle a une épargne, une héritage, toute une série d'éléments qui lui permettent ces acquisitions."

Une partie seulement du travail

"Un vérificateur des impôts va se baser sur son expérience personnelle, celle de ses collègues et ce qu'il aura appris lors de sa formation. Il aura une expérience riche, et plus de bon sens que l'algorithme. Ce dernier va travailler sur l'expérience des 50 000 contrôles réalisés chaque année pendant 20 ans, il va intégrer une expérience de travail beaucoup plus importante. Il va permettre de faire du ciblage, de dire que telle personne correspond, au vu de telles caractéristiques, à un profil potentiel de fraudeur. Mais pour être sûr qu'il y a une fraude, il faut qu'un agent, un être humain, se saisisse du dossier et aille discuter avec le contribuable ou corroborer les éléments. La réalité ne se limite pas à ce qu'il y a dans les données."

Ce contenu n'est pas ouvert aux commentaires.