02 avril 2019

le robot anti fraude fonctionne FORT bien

 chiens renifleurs.jpgla mission "Requête et Valorisation" est chargée de développer les outils d'analyse permettant une identification plus rapide des situations de fraude intégrée aujourd’hui au service du contrôle fiscal. 

Impôts: pourquoi le logiciel antifraude de Bercy interroge
Par Emmanuel Paquette,
  

mise a jour mars 2019

 Pourquoi décide-t-on de vérifier sur place une entreprise 

Unsa Dgfip - Compte-rendu du groupe de travail contrôle fiscal du 10 ... 

data mining MRV 
– le compte rendu de cgt finances publiques

L’organisation du contrôle fiscal et la lutte contre la fraude fiscale

L'activité de contrôle externe mobilise environ 10 000 agents (programmation, contrôle, recouvrement, contentieux) pour un budget de 1 000 MM€ dont plus de 4 000 vérificateurs (VF et ESFP) qui ont effectué 47900 contrôles externes en 2017 (-2%). Soit 7 710 MM€ de droits nets (-3.5%) et de 3 014 de pénalités (+ 6.5%) encaissés 

Les statistiques officielles du contrôle fiscal 2017

Le répartition du contrôle fiscal externe  par montant de redressements  

PJL Lutte contre la fraude –

Audition de M. Bruno Parent et Mme Maïté Gabet 

lire le compte rendu

Conjuguer vérifications générales et ponctuelles et avoir en amont une programmation plus efficace grâce aux outils de data mining : ce sont les fondamentaux qui structurent l'évolution du contrôle fiscal aujourd'hui. 

Nous cherchons à mieux cibler les contrôles. Cela permet d'obtenir des résultats équivalents en diminuant le nombre de contrôles et en évitant de contrôler une entreprise « à tort ». Cela passe en effet par le recours au big data, au data mining, ou analyse de données de masse, et cela produit des résultats. Cette année,(2018) 20 % des contrôles des brigades territoriales seront effectués à partir d'une programmation issue du data mining.

Dans un contexte d'allocation optimale des ressources qui nous sont allouées, la diversification des modes d'action et l'amélioration des relations avec les entreprises sont compatibles.

Par ailleurs, nous développons les vérifications ponctuelles. Les points qui motivent notre présence et qui feront l'objet d'un contrôle, sont précisés en amont. Cela est beaucoup plus rapide et offre une sécurité juridique plus grande pour l'entreprise.

nous cherchons à mieux cibler les contrôles. Cela permet d'obtenir des résultats équivalents en diminuant le nombre de contrôles et en évitant de contrôler une entreprise « à tort ». Cela passe en effet par le recours au big data, au data mining, ou analyse de données de masse, et cela produit des résultats. Cette année (2018), 20 % des contrôles des brigades territoriales seront effectués à partir d'une programmation issue du data mining. 

Le service public du datamining , Etalab

Installée au sixième étage de l'immeuble Sully du ministère de l'Economie et des Finances depuis 2013, une cellule d'analyse a enfanté et entraîné ces algorithmes voraces. Initialement constituée de quatre personnes, l'équipe dirigée par Philippe Schall  avec Marion Paclot 'cliquez) compte aujourd'hui 22 collaborateurs - ils devraient être une trentaine l'année prochaine. Informaticiens, fiscalistes, spécialistes de la donnée, des profils divers s'y côtoient, y compris, bientôt, des universitaires. "Jusqu'ici, les vérificateurs se penchaient sur certains critères précis pour déceler une fraude, explique Philippe Schall. Notre approche est différente. Entraînés avec les éléments du passé, les algorithmes arrivent par eux-mêmes à identifier de nouveaux critères, qui sont appliqués aux dossiers d'aujourd'hui." 

Les analyses de données permettent actuellement de détecter des fraudes sur 10 000 dossiers professionnels et plusieurs dizaines de milliers de ménages chaque trimestre, détaille-t-il. Ces cas sensibles sont ensuite envoyés à la direction du contrôle, qui décide de donner suite ou non à nos propositions."  

les prestataires de services  de la DGFIP  Neo4j et Linkurious

Un exemple de l efficacite sur les panama papers 

  Êtes-vous fiché ??OFFSHORE LEAKS DATABASE

‘Offshore Magic Circle’ Law Firm

 Et cours d’ utilisation le Text mining

 

mise à jour avril 2018 

 

Lire la suite

06:01 Publié dans Controle fiscal | Tags : data mining fiscal, robot anti fraude fiscale | Lien permanent | Commentaires (0) |  Imprimer | |  Facebook | | | | Pin it! | | |  del.icio.us