Depuis 2016, le Département des douanes du Népal (Douane du Népal) utilise SYDONIA World pour automatiser son processus de dédouanement. Si le système est bien équipé d’un moteur de sélection fondée sur le risque, ce dernier repose sur des règles statiques, sur le profilage manuel des risques et sur le pouvoir discrétionnaire des douaniers.

Une analyse des cas de sous-évaluation, de classement incorrect, d’abus des exonérations fiscales et d’autres pratiques contribuant à la perte de recettes a montré que le risque associé à certaines transactions aurait dû être détecté par le système en amont et non après le dédouanement, lors de contrôles a posteriori ou grâce à des « tuyaux » fournis par des informateurs. Tenus de traiter rapidement un nombre croissant de déclarations alors que leur capacité à mener des analyses de risque approfondies restait limitée, les douaniers rataient souvent les signaux d’alerte concernant les envois à haut risque et intervenaient inutilement auprès de commerçants respectueux des règles.

Dans la lignée des objectifs gouvernementaux de modernisation et des principes directeurs de l’OMD, la Douane du Népal a décidé de mettre au point une solution spécifique axée sur l’apprentissage automatique : le Système douanier de gestion automatisée des risques (CRMS de son acronyme anglais). Conçu comme un mécanisme évolutif de gestion des risques dynamique et factuelle, le CRMS est voué à être un module autonome pouvant être intégré à SYDONIA World.

Une équipe d’experts en douane, en gestion des risques et en informatique a tout d’abord été créée pour examiner 30 indicateurs de risque permettant de cibler les risques relatifs aux envois et pour élaborer les modèles de données associés à chaque indicateur. Un entrepôt de données a été mis sur pied pour stocker les données recueillies par SYDONIA World, par la base de données de l’évaluation en douane et par les autorités de surveillance, comme les listes des produits sensibles et des importateurs, exportateurs ou déclarants représentant un risque. Enfin, des modèles analytiques et des algorithmes permettant de relever les tendances et d’établir des liens entre les données ont été développés.

Les principaux composants du CRMS incluent :

1. Une strate d’extraction de données – le processus d’ETL (extract, transform and load, soit extraire, transformer et charger) est utilisé pour extraire les données du SYDONIA et d’autres sources de données ;
2. Un moteur de risque qui établit le profil de chaque transaction, applique les règles de ciblage et analyse les comportements en comparant les nouvelles données avec les données historiques ;
3. Un modèle de notation des risques qui attribue un score composite de risque en utilisant des paramètres pondérés tels que le code dans la nomenclature des marchandises, le pays d’origine, les antécédents de l’importateur ou de l’exportateur, les tendances en matière de déclaration et les anomalies en matière d’évaluation ;
4. Un tableau de bord basé sur le Web qui sert d’interface de l’utilisateur pour les douaniers chargés de la gestion des risques afin qu’ils puissent surveiller les alertes, modifier les profils et visualiser les tendances en matière de risques.

Dans le système actuel, lorsqu’un déclarant soumet une déclaration, le CRMS extrait en temps réel du SYDONIA les informations y figurant et traite les données saisies en appliquant les modèles analytiques. Le CRMS génère alors une série de recommandations qui sont classées, catégorisées et agencées par ordre de priorité. Ces recommandations sont ensuite envoyées aux douaniers à travers SYDONIA World pour qu’ils puissent procéder à leurs vérifications. Les résultats des contrôles a posteriori et des inspections sont systématiquement analysés pour affiner et mettre à jour les paramètres de risque.

Le schéma fonctionnel de l’architecture du CRMS est reproduit ci-après:

Le CRMS a été déployé dans six grands bureaux des douanes traitant près de 90 % de tous les envois commerciaux. Au fur et à mesure que les douaniers se sont familiarisés avec le système, le CRMS a commencé à montrer ses effets positifs, tant sur la performance individuelle que sur la culture organisationnelle.

Une déclaration peut paraître conforme à première vue mais pas pour le CRMS qui, en détectant systématiquement les incohérences dans les comportements commerciaux, par exemple au niveau des itinéraires suivis, renforce la capacité de ciblage des douaniers, en particulier en cas de fausse déclaration, de sous-facturation ou de surfacturation. L’analyse des déclarations d’importation pour un produit spécifique sur une période de trois mois montre une augmentation de la conformité après qu’un ciblage systématique des envois contenant cette marchandise a mis à découvert des pratiques frauduleuses, telles que la déclaration incorrecte de la marque, du modèle et de la taille de l’article en cause. L’amélioration de la qualité des données soumises par les déclarants a sensiblement renforcé la détection d’autres risques afférents à ce produit, comme la sous-évaluation, la surévaluation et la fraude sur les quantités. Le CRMS a détecté des problèmes de classement dans 0,02 % des déclarations pour ces envois, ce qui a permis à la Douane du Népal de recouvrer près de 3,74 % de recettes en plus pour cette marchandise.

En automatisant les évaluations des risques de routine et en offrant des recommandations claires, le système a réduit la charge cognitive et les pressions de temps pesant sur les douaniers de première ligne, qui ont eux-mêmes déclaré qu’ils possèdent à présent de meilleures compétences pour interpréter les données, qu’ils sont plus cohérents dans leur prise de décisions et qu’ils ont davantage confiance dans les résultats de la sélection. Globalement, le CRMS a amélioré la productivité, la qualité des décisions mais aussi la motivation des effectifs, favorisant une culture de la responsabilisation, de la collaboration et de l’apprentissage continu au sein de la Douane du Népal.

À l’avenir, la Douane du Népal entend élargir les capacités du CRMS en y ajoutant les images générées par les systèmes d’inspection non intrusive en tant que source de données et en appliquant des algorithmes d’apprentissage profond pour recenser les tendances, les structures et les réorganisations anormales des marchandises qui apparaissent sur les images, permettant ainsi de détecter les articles illégaux dissimulés dans les envois légitimes. Pour le rendre encore plus efficace, le CRMS sera intégré à d’autres systèmes TI, comme celui de l’Administration fiscale du Népal et d’autres organismes de contrôle, et pourra ainsi accéder aux renseignements générés par les enquêtes menées par ces instances. Les administrations douanières intéressées par le CRMS, en particulier celles qui utilisent SYDONIA, sont invitées à contacter l’auteur.

En savoir +
Contacter l’auteur
www.customs.gov.np