La Douane chinoise utilise des équipements d’inspection non intrusive (INI) à grande échelle pour contrôler les conteneurs et les véhicules depuis 1991, ce qui en fait l’une des premières autorités douanières au monde à avoir tiré parti de cette technologie. En 2014, face à la croissance rapide des volumes de fret et aux contraintes en matière de ressources humaines, l’administration a commencé à étudier les possibilités qu’offraient des technologies plus sophistiquées, comme l’intelligence artificielle (IA) et les mégadonnées à l’appui des activités d’analyse des images.

En 2017, elle a lancé un projet d’analyse d’images basée sur l’IA dans le but de mettre au point des outils de détection automatique. Après sept ans de travaux ininterrompus, un Système d’analyse des images basés sur l’IA a vu le jour, devenant un outil indispensable pour les activités de contrôle et de vérification de la Douane.

Le système a déjà été installé sur une centaine de dispositifs d’INI, qu’il s’agisse d’appareils d’inspection à rayons X utilisés pour le contrôle des conteneurs, des camions, des véhicules particuliers et des trains, ou de tomodensitomètres servant au contrôle des bagages, du courrier et des colis entrant et sortant du territoire national.

Le système offre diverses fonctions d’analyse, comme :

• l’identification automatique d’objets interdits – le système peut détecter près de 100 types d’objets prohibés tels que les armes à feu et les munitions, certains types de drogues illicites ou encore des produits d’origine animale comme l’ivoire. Il peut également identifier plus de 2 000 types d’articles tels que des fruits, de la viande et du lait en poudre ;
• la mise en correspondance des résultats des contrôles par imagerie avec les informations apparaissant sur la déclaration en douane ;
• la détection automatique de compartiments cachés dans les véhicules et trains – aux points de passage terrestres, le système envoie des alertes lorsque des articles dissimulés sont détectés dans des zones spécifiques des véhicules, comme dans le moteur ou le châssis.

Depuis 2022, plus de 20 000 tentatives de contrebande ont été déjouées grâce aux alertes générées par le Système d’analyse des images basée sur l’IA, ce qui a permis à la Douane d’améliorer l’efficacité de ses contrôles sans avoir à augmenter ses ressources humaines.

Ces résultats impressionnants sont le fruit des efforts intensifs menés par à la fois au niveau central de la Douane et au niveau de ses bureaux régionaux, ainsi que de la collaboration efficace qui les lie.

Au début, la Douane chinoise a mené ses activités de R&D sur les algorithmes en se basant sur la nomenclature des marchandises à huit chiffres, et elle a installé les algorithmes dits matures (c’est-à-dire ayant un taux de reconnaissance exacte de plus de 95 %) dans tous les appareils d’INI sur tous les sites douaniers nationaux.

Les algorithmes ont été classés grosso modo en deux catégories :

• Les algorithmes d’interdiction qui ciblent les produits prohibés comme les couteaux et les armes à feu et qui sont appliqués à toutes les images de scanographie.
• Les algorithmes de reconnaissance qui sont sélectionnés par le système selon les renseignements tirés de la déclaration en douane. Les algorithmes relatifs aux produits qui ne sont pas en lien avec la déclaration ne sont pas activés.

Au fur et à mesure du développement et du déploiement des algorithmes, certaines difficultés sont apparues. Le principal obstacle était dû au fait que les marchandises couvertes par un même code du SH pouvaient être très différentes et, par conséquent, n’étaient pas toujours reconnues par un même algorithme avec le même niveau de précision. Cependant, l’utilisation de plusieurs algorithmes pour analyser la même image augmentait le taux de fausses alertes.

Afin de résoudre ces difficultés et d’améliorer en continu l’exactitude du Système d’analyse d’images basée sur l’IA, la Douane chinoise a adopté plusieurs mesures. La plus importante a été de permettre aux bureaux de douane régionaux (que nous désignons comme districts douaniers) de choisir les algorithmes à déployer sur leurs équipements d’INI en fonction de leurs propres besoins, leur évitant ainsi de devoir utiliser des algorithmes qui ne sont pas pertinents pour eux.

Ce modèle opérationnel a été baptisé « sélection autonome d’algorithmes ». Il permet aux districts douaniers d’ajuster de manière dynamique la liste des algorithmes utilisés pour l’analyse des images, en se basant sur leurs risques locaux. Ainsi, si un port n’a pas besoin d’un algorithme donné, ce dernier est supprimé. Si un port a besoin d’un algorithme, mais que l’exactitude de l’analyse automatique n’est pas suffisamment élevée, l’algorithme est temporairement supprimé et réinstallé une fois qu’il a été modifié et testé.

La Douane chinoise a développé un système de bases de données à deux niveaux pour gérer le déploiement des algorithmes dans une telle configuration. Il comprend :

• la base de données de l’Administration générale, qui réunit les algorithmes considérés comme matures et qui couvrent les marchandises échangées à tous les points d’entrée ; ces algorithmes doivent donc être déployés et appliqués uniformément sur tout le territoire national ;
• les bases de données des districts douaniers, qui incluent les algorithmes sur mesure mis au point par les districts en fonction de leurs scénarios opérationnels respectifs, dans le respect des exigences de l’Administration générale.

En outre, la Douane chinoise a mis sur pied une base de données des marchandises basée sur une nomenclature à dix chiffres, ainsi que sur des caractéristiques régionales (noms, spécifications et informations fournies par les entreprises).

Le développement du système a exigé un engagement solide et une forte mobilisation de ressources. L’Administration générale a sélectionné dans un premier temps plusieurs districts douaniers pour une expérience pilote du modèle de sélection autonome des algorithmes et elle a établi des groupes de soutien composés d’experts chargés d’aider chacun des districts dans le déploiement, l’ajustement, le suivi et l’évaluation des algorithmes. Les experts se sont assurés que les problèmes soient résolus rapidement et que les pilotes puissent avancer en toute fluidité.

L’Administration générale a également créé une plateforme pour permettre aux districts douaniers de communiquer rapidement avec le siège central et de recevoir une aide en matière de sélection et de déploiement des algorithmes, de l’étiquetage et du téléversement des images, et de l’évaluation des algorithmes. La communication effective a été essentielle pour optimiser et mettre à jour les algorithmes. Si un algorithme générait un taux élevé de fausses alertes, les experts au niveau central le retiraient du système et analysaient les raisons expliquant les fausses alertes, le soumettant ensuite à des équipes techniques chargées de l’optimisation des algorithmes et des mises à jour itératives. Une fois actualisé, l’algorithme était remis dans le système pour y être testé à nouveau.

L’un des premiers effets du déploiement du modèle de sélection autonome des algorithmes a été de libérer de l’espace sur les serveurs informatiques locaux, ce qui a permis de réduire le temps nécessaire aux calculs algorithmiques.

Par ailleurs, les statistiques montrent que le taux d’exactitude de l’analyse automatisée des images sur les appareils d’INI à grande échelle a augmenté de quelque 5 % tandis que le taux de fausses alertes a diminué de près de 8 %. Pour les tomodensitomètres, le taux de précision s’est accru de presque 6 % et celui des fausses alertes a baissé de près de 5 %.

Le fait de pouvoir choisir uniquement les algorithmes qui sont nécessaires au niveau local améliore la performance de l’analyse d’images, tant au niveau de son exactitude que des coûts qui y sont associés.

La Douane chinoise continuera à surveiller le modèle et à optimiser l’analyse d’images basée sur l’IA. Elle entend également approfondir la coopération régionale et bilatérale dans le domaine de l’INI et créer avec d’autres administrations des douanes une communauté de praticiens, le but étant d’améliorer les capacités de supervision de tous.