« En Dieu nous croyons ; que tous les autres apportent des données ». Cette formule, largement attribuée au statisticien et théoricien du management W. Edwards Deming, illustre bien l’importance des données dans la prise de décisions. À une époque où les technologies servant à extraire, collecter, stocker et traiter les données ne cessent d’évoluer, cette affirmation est plus vraie que jamais.

Il ne faudrait pas en conclure pour autant que les connaissances et les informations acquises à travers l’interaction humaine, l’élaboration de scénarios et l’expérience ne sont pas importantes quand on analyse une situation. Il s’agit plutôt de reconnaître que les données améliorent nos capacités cognitives et qu’elles offrent parfois même une perspective opposée qui nous permet de remettre en cause ou de valider un parti pris initial, selon les cas. Le résultat final, tout bien considéré, n’en est que meilleur.

La Douane indienne a adopté diverses mesures pour exploiter les données, non sans un certain succès. En tant qu’administration de grande taille couvrant un vaste territoire, elle a adopté un modèle d’analyse des données à deux niveaux. Le premier niveau est constitué par une équipe d’agents hautement qualifiés qui dirige le programme d’analytique avancée des impôts indirects (ADVAIT) au siège central de la Douane. Le deuxième niveau est composé des équipes déployées dans les bureaux régionaux qui amènent leurs connaissances spécifiques et leur savoir-faire sur certaines problématiques. Nous passerons en revue ci-après quelques exemples qui illustrent comment les données sont recueillies et analysées en vue de prendre des décisions raisonnées.

L’Étude de l’OMD sur le temps nécessaire pour la mainlevée des marchandises (étude TRS) est un outil accepté au niveau international pour mesurer le temps réel que prend la mainlevée, depuis le moment de l’arrivée des marchandises jusqu’à leur libération matérielle, ainsi que l’efficacité et le rendement des procédures aux frontières relatives au mouvement des marchandises à l’importation, à l’exportation et en transit. La TRS est considérée comme un instrument utile pour procéder à une évaluation globale et détaillée des besoins et des priorités en matière de facilitation des échanges, ainsi que pour suivre et mesurer régulièrement les résultats de la mise en œuvre de mesures spécifiques. Une étude sur le temps nécessaire pour la mainlevée des marchandises devrait être menée périodiquement et ses résultats devraient être diffusés sur l’espace public.

Il convient de noter que les données et les résultats tirés de la TRS sont plus fiables pour évaluer la performance des processus de dédouanement et en tirer des constatations que d’autres indicateurs de performance ou indices internationaux mis au point par des institutions telles que l’Organisation de Coopération et de Développement Économiques (OCDE) ou la Banque mondiale qui recueillent les données par voie de questionnaires. Dans un document intitulé Measuring trade facilitation: evidence from India[1], les douaniers Vijay Singh Chauhan et Sruti Vijayakumar comparent les divers indicateurs disponibles dans l’espace public et en concluent que les données sur le temps nécessaire pour la mainlevée sont plus solides et pertinentes pour évaluer la performance des agences chargées de la gestion des frontières et leurs pratiques que les données tirées des enquêtes.

La Douane indienne utilise les statistiques générées par la TRS pour améliorer ses procédés, pour décider des changements éventuels à apporter à sa politique et pour alimenter ses discussions avec les partenaires commerciaux. Par exemple, une TRS a montré que les négociants prenaient un peu trop de temps pour régler l’apurement de leurs marchandises, ce qui avait pour effet de diminuer l’efficacité des ports. Il a donc été décidé d’exiger, passé un certain délai, des intérêts en sus de ces paiements, pour pousser les importateurs et les courtiers en douane à accélérer la procédure. De même, les données TRS ont été la pierre angulaire des changements qui ont été apportés pour favoriser le dépôt préalable des déclarations et promouvoir les agréments OEA. L’étude a également permis d’éliminer certaines procédures devenues redondantes avec le temps ou qui pouvaient être automatisées grâce à la technologie. Les effets de toutes ces interventions politiques ont été évalués à leur tour lors d’une TRS ultérieure.

L’OMD recommande fortement aux administrations des douanes de mener une TRS en étroite collaboration avec les autres services gouvernementaux concernés et avec les parties prenantes du secteur privé. La Douane de l’Inde a progressivement élargi sa TRS en recueillant des données générées non seulement par les systèmes douaniers mais aussi par les partenaires logistiques, les autorités portuaires et les services gouvernementaux partenaires.

L’analyse des données d’importation et d’exportation permet aux pouvoirs publics de surveiller les niveaux d’activité économique et de vérifier s’il est nécessaire de prévoir une intervention économique ou de mettre sur pied des infrastructures. En Inde, la cartographie des volumes d’exportation en fonction des districts[2] a permis aux législateurs de déterminer les domaines pour lesquels des mesures s’imposent afin de donner un coup d’élan à la production et promouvoir les exportations. Elle a aussi fourni des informations précieuses pour optimiser les coûts de transport et d’entreposage.

Les produits partageant le même code du SH peuvent avoir des valeurs en douane différentes, en fonction de leurs caractéristiques et spécifications. Pour pouvoir les regrouper et déceler les anomalies d’évaluation, une possibilité consiste à analyser la description de chaque article inscrit dans la déclaration de marchandises. La Douane indienne utilise des algorithmes de fouille de textes (en particulier Text Clustering) à cette fin. Il a fallu dans un premier temps créer des groupes d’articles en fonction des données historiques. Un logiciel compare ensuite le texte des descriptions au texte utilisé pour chaque groupe et détermine celui qui correspond le mieux. Les valeurs des produits appartenant à un même groupe peuvent alors être comparées.

Disposer de données sur l’usage des traitements préférentiels établis par les accords de libre-échange

Les négociateurs commerciaux ont besoin de données douanières lorsqu’ils envisagent de passer un accord de libre-échange (ALE), par exemple, ou lorsqu’ils souhaitent évaluer l’effectivité des engagements pris au titre d’un ALE existant et les avantages que cet accord a apportés aux entreprises. La Douane indienne analyse donc les tendances au niveau des importations pour lesquelles un traitement préférentiel a été demandé. Elle examine aussi les facteurs qui peuvent empêcher l’application effective des ALE.

Une requête douanière est une demande d’information introduite par un douanier à l’adresse d’un opérateur commercial à l’occasion d’une activité d’importation ou d’exportation. Le douanier transmet sa requête à l’opérateur par le biais du système automatisé de la Douane qui lui permet de saisir du texte non structuré, et l’opérateur est censé y répondre moyennant ce même système. Parfois, les requêtes doivent faire plusieurs allers-retours avant que la question ne soit tranchée. Un outil baptisé le Query Classifier a été mis au point pour générer des données sur les types de requêtes émises par période, par point d’entrée, en fonction de la fréquence des interactions, par type de clarification exigée, par type de négociant impliqué, etc.

Ces données permettent de tirer certaines constatations, qui peuvent déboucher sur des actions de suivi. Par exemple, une fois identifiés les domaines pour lesquels des clarifications sont souvent demandées, la Douane peut offrir une formation ciblée au personnel impliqué et améliorer la cohérence du processus de prise de décisions. Elle peut également aider les parties prenantes du commerce à améliorer leur niveau de conformité en leur offrant une formation sur les démarches et les procédures qu’elles ne semblent pas bien comprendre. Par ailleurs, l’apparition récurrente d’un même problème peut signifier qu’une intervention politique s’impose.

La Douane a élaboré plusieurs modèles prévisionnels en matière de recettes en se basant sur les données relatives aux droits de douane et à la taxe sur les produits et les services (TPS). Nous appliquons trois types de modèles prévisionnels : sur une base mensuelle, trimestrielle et annuelle. Les prévisions annuelles en matière de recettes sont mises à jour régulièrement.

La TPS est une taxe sur la valeur ajoutée perçue sur les biens et les services consommés sur le marché national. Elle est acquittée par les consommateurs mais elle est reversée aux pouvoirs publics par les entreprises qui vendent ces mêmes biens et services. Ces entreprises doivent s’enregistrer en ligne. Comme celles qui sont susceptibles de frauder sur la TPS sont aussi celles qui vont probablement tenter de frauder sur les biens à l’importation ou à l’exportation, une application a été mise au point afin d’identifier les entités dont le comportement est jugé suspect lorsqu’elles introduisent une demande d’enregistrement et lorsqu’elles apparaissent dans les rapports des agents chargés de la lutte contre la fraude en matière de TPS. L’outil recourt à la technologie de l’apprentissage automatique et ressemble à ceux qui sont utilisés pour évaluer les risques en lien avec les demandes de cartes de crédit.

Les processus administratifs internes génèrent également de gros volumes de données exploitables. Avec plus de 45 000 fonctionnaires, la Douane de l’Inde essaie d’utiliser les données pour guider sa politique de planification des ressources humaines, gérer les vacances, organiser les rotations de postes sur la base des profils d’emploi, ainsi que pour attribuer des promotions et planifier les activités de formation et de renforcement des capacités.

Très souvent, les administrations des douanes ne comptent qu’une poignée de fonctionnaires possédant des compétences en science des données et ces derniers constituent de véritables « îlots d’excellence » dans le domaine de l’analyse des données. Mais cette expertise ne suffit pas. Les connaissances sur les données doivent être mieux partagées à travers toute l’organisation et il est essentiel d’adopter une démarche à plusieurs niveaux à cet égard. Il faut d’abord comprendre le comportement des agents vis-à-vis des données et de l’analytique, pour offrir ensuite des activités de formation personnalisées qui tiennent compte de leurs capacités. La Douane de l’Inde a également organisé des ateliers intensifs pour former des formateurs en données et créer un vivier de formateurs capables de transmettre leurs connaissances et leurs compétences à un groupe plus large de personnes. Elle organise aussi des hackathons tous les ans ; il s’agit d’activités où des équipes (composées notamment de développeurs mais aussi parfois de concepteurs et de chefs de projet) collaborent sur un projet informatique qui vise généralement à développer un logiciel. Les solutions qui sont trouvées par ce biais sont ensuite mises à l’échelle dans toute l’organisation.

Enfin et surtout, la dynamique créée en faveur d’une culture de la prise de décisions axées sur les données au sein de la Douane indienne est soutenue et promue par l’équipe de direction. Elle exige des informations factuelles étayées par les données avant de prendre des décisions et soutient inconditionnellement toute initiative judicieuse impliquant l’utilisation de données.

En savoir +
indiawco-cbec@nic.in

[1]https://carnegieendowment.org/files/Chauhan_Vijayakumar_India_Measuring_Trade_FINAL.pdf

[2] Un district est une juridiction administrative d’un état ou d’un territoire en Inde