6. Gestion des vérifications et de la discipline fiscale
Évaluer l’exactitude et l’exhaustivité des informations déclarées par le contribuable est l’une des principales fonctions des administrations fiscales. Ce chapitre examine de plus près les activités des administrations fiscales dans ce domaine, notamment la manière dont elles gèrent le respect des obligations fiscales.
La fonction de contrôle, de vérification et d’enquête évalue l’exactitude et l’exhaustivité des informations déclarées par le contribuable. Elle mobilise en moyenne trente pour cent des effectifs de l’administration fiscale et vérifie que les obligations fiscales ont été respectées. Bien qu’elle consiste généralement à mener des vérifications fiscales sur place ou sur pièces, le recours aux contrôles, validations et croisements automatisés des informations des contribuables est de plus en plus fréquent. L’exécution et la visibilité de ces mesures et des autres activités liées à la discipline fiscale sont essentielles pour favoriser le respect volontaire des obligations fiscales, notamment grâce à leurs effets sur la perception de l’équité du système fiscal et à leur caractère dissuasif. Ce chapitre examine donc :
Comment les administrations fiscales gèrent les risques d’indiscipline fiscale, notamment l’utilisation d’ensembles de données à la fois vastes et intégrés ;
Les activités liées à la discipline fiscale entreprises par les administrations fiscales, notamment pour basculer leurs vérifications sur place vers un environnement virtuel ; et
Le rapport de l’OCDE The Changing Tax Compliance Environment and the Role of Audit (OCDE, 2017[1]) analyse les changements successifs intervenus au sein des administrations fiscales qui, pris dans leur ensemble, ont changé la nature de l’environnement de respect des obligations, et ont ainsi permis une gestion plus ciblée de la discipline fiscale.
Ils reposent en grande partie sur l’amélioration de la disponibilité des données. Avec la montée en puissance continue du numérique, les données fiscales des contribuables et de tiers seront encore plus accessibles (données de facturation électronique, des caisses enregistreuses en ligne et informations sur les états financiers), ce qui contribuera à mieux comprendre les déficits fiscaux. La plupart des administrations fiscales appliquent désormais des techniques fondées sur la science des données et utilisent des outils analytiques pour leurs procédures visant à améliorer la discipline fiscale (voir le tableau 6.1) ; cette question est abordée de façon plus approfondie plus loin dans ce chapitre. L’encadré 6.1 contient également des exemples des diverses techniques d’exploration de données employées par les administrations fiscales, notamment l’analyse de données non structurées.
On observe également une tendance croissante à associer l’analyse et l’étude comportementale afin d’avoir une compréhension plus globale des risques, des modèles de comportement et des activités propices à la discipline fiscale Le graphique 6.1 ci-après indique le pourcentage d’administrations fiscales qui utilisent ces approches comportementales pour leurs travaux. Cette proportion est passée de 62 % des administrations en 2018 à 76 % en 2021 (voir également le tableau A.89).
Source : Tableau A.89.
Canada : Modèles prédictifs
L’Agence du revenu du Canada (ARC) recherche sans cesse de nouveaux moyens innovants pour mieux cibler le non-respect des obligations déclaratives. L’analytique avancée, notamment l’apprentissage automatique et l’apprentissage profond, sont actuellement mis à l’essai pour repérer les petites et moyennes entreprises à haut risque potentiel afin de les contrôler.
Des systèmes de gestion de base de données orientées graphe et des algorithmes sont utilisés pour relier automatiquement tous les contribuables en fonction de leurs intérêts communs et pour repérer les entités économiques à des fins d’analyse de la population, d’évaluation des risques et de sélection de la charge de travail.
L’analyse des réseaux sociaux en fait partie afin de discerner les entités juridiques influentes au sein des structures organisationnelles et de mettre au jour différents modèles et caractéristiques de ces entités en vue d’améliorer l’évaluation des risques.
La détection d’anomalies dans un ensemble (forêt d’isolement [« isolation forest »]), facteur local d’anomalie, regroupement par décalage moyen) et les méthodes d’apprentissage non supervisées (k-moyennes, modèle de mélange gaussien, regroupement agglomératif) sont employées pour repérer les segments à haut risque et anormaux parmi la population des petites et moyennes entreprises.
Des techniques avancées sont utilisées pour générer de puissants prédicteurs, en intégrant notamment des méthodes d’auto-encodage de l’intelligence artificielle pour compresser des données en grande dimension et un réseau neuronal à mémoire à court terme pour extraire des informations provenant de données financières et économiques longitudinales (séquence) sur les entités et de la structure des entités économiques, qui sont utilisées par la suite pour améliorer la prédiction relate au non-respect des obligations.
L’analytique avancée, notamment l’apprentissage profond et les réseaux neuronaux graphiques, est utilisée pour repérer les petites et moyennes entreprises à haut risque ainsi que leurs entités économiques liées.
Ces modèles prédictifs complèteront les outils que l’ARC utilise déjà pour mettre au point l’analyse du volume de travail et l’évaluation des risques, en y intégrant notamment des facteurs liés aux conséquences de la pandémie.
Suède : Analyse de données non structurées
En Suède, les particuliers et les entreprises peuvent déposer leur déclaration de revenus par voie électronique ou sur papier. Bien que l’administration fiscale suédoise (Swedish Tax Agency [STA]) cherche à encourager les déclarations numériques, les formulaires sur papier seront encore nécessaires pendant les années à venir. La STA reçoit près de 150 000 déclarations annuelles sur papier, qui contiennent des textes libres manuscrits. Ce service analyse et classe les informations contenues dans les textes libres des déclarations de revenus et améliore ainsi la capacité de la STA à traiter des données non structurées pour différents types d’analyses (évaluation des risques, vérifications, etc.).
Le service utilise l’intelligence artificielle de deux manières. Premièrement, pour interpréter et convertir le texte manuscrit en texte numérique et deuxièmement, pour classer le texte dans l’une des 60 catégories thématiques. Le texte est interprété à l’aide d’un modèle d’apprentissage profond qui a été mis au point et expérimenté par la STA. Des modèles d’intelligence artificielle existent sur le marché, mais ils sont peu nombreux à intégrer la langue suédoise ou à être capables d’interpréter des millions d’échantillons manuscrits différents.
La capacité à interpréter un texte manuscrit peut également être utile à diverses applications de la STA, mais aussi des autres autorités publiques, municipalités, etc.
Principaux avantages de l’interprétation et de la catégorisation automatisées d’un texte manuscrit :
Les informations atteignent la compétence concernée beaucoup plus rapidement qu’auparavant.
Capacité accrue à quantifier et à analyse le contenu d’un texte libre.
Source : Canada (2023) et Suède (2023).
Améliorer la disponibilité des données
Face au nombre croissant de données stocké par voie électronique et au recours à de nouveaux processus et techniques pour faciliter le transfert, le stockage et l'intégration des données, la quantité de données dont disposent les administrations fiscales pour faire respecter les obligations a considérablement augmenté. Les sources de données fréquemment utilisées sont notamment :
Les données provenant de dispositifs : Les données peuvent être recueillies auprès de dispositifs qui enregistrent les transactions comme les caisses enregistreuses en ligne et les ordinateurs de bord des taxis et poids lourds ainsi que les enregistrements des barrières et ponts-bascules.
Les données des banques, commerçants ou services de paiement intermédiaires et prestataires de services : Elles permettent de vérifier directement les revenus ou actifs déclarés par le contribuable. Certains pays reçoivent déjà régulièrement les détails ou les totaux des transactions des contribuables.
Les données des fournisseurs : La collecte de données auprès des fournisseurs, directement ou par l’intermédiaire du contribuable, permet de dresser un tableau plus complet des activités et revenus du contribuable. Cela est rendu possible grâce à l’utilisation accrue de systèmes de facturation électronique qui, ainsi que le souligne le chapitre 4, permettent à certaines administrations fiscales de préremplir les déclarations.
Les données des clients : Cette démarche est plus facile dans les circonstances où le nombre de clients est limité et connu, mais des mécanismes pour stimuler la discipline fiscale des clients sont de plus en plus souvent utilisés, notamment pour la vérification des recettes en espèces.
Les données non structurées relatives au contribuable : On observe sur Internet et sur les réseaux sociaux un nombre croissant de traces électroniques relatives à des activités et transactions d’entreprises.
Les données d’autres organismes publics : Les données détenues par d’autres organismes publics, notamment pour l’octroi de permis, à des fins réglementaires ou de sécurité sociale peuvent être utiles pour vérifier les déclarations fiscales ou évaluer les risques.
Les données des partenaires internationaux : Les nouveaux échanges internationaux de données, entamés dans le cadre de la Norme commune de déclaration (NCD) et des déclarations pays par pays, augmentent considérablement la quantité de données disponibles sur les activités internationales, procurent des informations utiles pour les processus de sélection des dossiers et de vérification et, dans certains cas, pour préremplir les déclarations.
Chili : Tableau de bord pour l’impôt sur le revenu
Le volume important de données disponibles représente un défi de taille pour les administrations fiscales, en particulier lorsqu’il s’agit de mettre au point des indicateurs pertinents et des mécanismes de suivi. Le suivi des indicateurs pertinents et de leur évolution a son importance, car il permet de mieux utiliser les ressources disponibles en les concentrant sur les activités de contrôle de la discipline fiscale qui présentent le plus de risques de perte de recettes fiscales.
L’administration fiscale (Servicio de Impuestos Internos [SII]) a mis au point des rapports interactifs permettant l’analyse du comportement du contribuable à partir des informations détenues par le SII, des incohérences relevées dans les déclarations de revenus et des attestations sur l’honneur de tiers reçues pendant le processus déclaratif. Ces rapports permettent aux agents de l’administration de suivre et d’appréhender un grand nombre de questions sous plusieurs angles, notamment les incohérences les plus fréquentes, les montants concernés, l’emplacement géographique, la catégorie du contribuable et son évolution au cours des trois dernières années fiscales.
La visualisation des déclarations de revenus et des incohérences relevées permet de concevoir des mesures correctives à appliquer en fonction du degré d’indiscipline fiscale. Ces actions peuvent inclure des mesures préventives visant à garantir l’exactitude du processus de déclaration de revenus dans le futur.
La plateforme choisie pour mettre en œuvre cet outil de déclaration interactif garantit sa disponibilité à l’échelle de l’ensemble de l’institution, les informations pouvant être échangées entre les agents de l’administration et consultées simultanément par plusieurs utilisateurs, ce qui améliore le processus décisionnel.
Finlande : Le « Registre des revenus »
Le « Registre des revenus » est une base de données nationale centralisée qui renferme des informations sur les revenus au niveau individuel. Elle contient des données exhaustives sur les revenus, pensions et prestations perçus et met en œuvre le principe de la déclaration unique.
Après chaque paiement, le « Registre des revenus » reçoit des informations sur les salaires payés par les employeurs, les pensions, les prestations versées par les organismes payeurs, etc. Les informations communiquées au « Registre des revenus » sont ensuite accessibles en temps réel lorsqu’un salarié demande une nouvelle carte d’imposition et lorsque le « National Pension Institute » (régime de retraite national) et d’autres organismes accordent des prestations et des pensions. Ces données servent de base au traitement des demandes d’assurance. Elles sont également utilisées dans le domaine de la santé et de la sécurité au travail, des statistiques et pour déterminer les divers montants à acquitter par les contribuables.
Du côté du contribuable, une déclaration unique suffit et il a la certitude que les données sont parvenues à toutes les parties concernées. Quant aux utilisateurs des données, ils ont accès en temps réel à des informations plus précises.
En 2021, près de 50 millions de déclarations de revenus/paiements contenant les montants des salaires, 2 millions de déclarations d’employeurs et 65 millions de déclarations de prestations ont été enregistrées par le « Registre des revenus ». Au total, 250 000 organismes payeurs différents ont communiqué des renseignements sur les salaires. Quelque 400 organismes payeurs ont déclaré des prestations. Des renseignements sur les revenus ont été partagés plus de 800 millions de fois avec les 380 utilisateurs autorisés à accéder à ces informations. Les informations sur les salaires sont stockées dans le « Registre des revenus » depuis 2019 et celles qui concernent les pensions et prestations depuis 2021. Les données concernant les salaires et les prestations de 4,7 millions de personnes au total ont été transmises au « Registre des revenus ».
Pologne : Système de facturation électronique national
Depuis le 1er janvier 2022, les entrepreneurs polonais peuvent utiliser le système de facturation électronique national (KSeF). Le KSeF est une plateforme d’échange de factures aisément accessible qui permet aux contribuables d’émettre, d’envoyer, de recevoir et de sauvegarder des documents électroniques (factures électroniques) dans un format structuré. À ce jour, le recours à la facturation électronique est facultatif, mais il deviendra obligatoire en Pologne à partir du 1er janvier 2024.
La plateforme KSeF accélèrera les échanges de données dans le cadre des relations entre les entreprises et des règlements mutuels. Elle facilitera nettement les opérations de facturation, la facture étant mise à la disposition du bénéficiaire quasiment en temps réel, ce qui permet d’automatiser les processus de comptabilité. Par ailleurs, elle permettra aux contribuables de réduire les erreurs de saisie manuelle des données et de gagner du temps. Les entreprises économiseront également les coûts liés au traitement du processus de facturation. La plateforme KSeF améliorera également les processus analytiques utilisés par l’administration fiscale pour lutter contre la fraude fiscale.
Suède : Impôt sur la propriété
L’administration fiscale suédoise (Swedish Tax Agency [STA]) s’emploie constamment à améliorer et à simplifier les méthodes de calcul de la valeur de la propriété. L’analyse des évaluations antérieures de la propriété agricole montre que les des stocks de bois ont été l’un des éléments dont l’estimation s’écartait le plus de la réalité.
Pour remédier à cette situation, les données proviennent désormais de cartes qui procurent diverses informations, notamment sur les stocks de bois. Ces cartes sont réalisées en combinant les données provenant de l’Autorité suédoise de cartographie, de cadastre et d’enregistrement foncier (« Lantmäteriet ») et les données de terrain extraites de l’Inventaire forestier national suédois (« Riksskogstaxeringen »).
Cette nouvelle méthode permettra de garantir une estimation plus juste et plus équitable des propriétés forestières, tout en améliorant la qualité des registres de la STA. Cette analyse est réalisée en continu, car il faut près de sept ans pour numériser toutes les forêts de la Suède. Selon la STA, cette nouvelle méthode contribuera à optimiser le service fourni aux propriétaires fonciers en améliorant la qualité des données.
Lorsqu’elle a mis au point cette méthode, la STA a constaté qu’elle pourrait être appliquée à d’autres domaines où l’utilisation de données externes permettrait d’accroître l’efficacité et la simplicité du processus d’évaluation pour les propriétaires. C’est le cas, par exemple, du type de terrain associé à un bien immobilier.
Voir les documents de référence à l’annexe 6.A.
Source : Chili (2023), Finlande (2023), Pologne (2023) et Suède (2023).
L’accès à de vastes ensembles de données s’accompagne cependant de quelques risques nouveaux. Il est notamment de plus en plus probable que des données intéressant l’administration fiscale d’une juridiction soient détenues sur le territoire d’une autre juridiction. Dans ces circonstances, il est parfois difficile de se procurer automatiquement les données auprès de leur détenteur situé dans une autre juridiction. Cela complique parfois l’évaluation des risques, ainsi que le préremplissage des déclarations ou l’élaboration plus poussée de processus mettant la discipline fiscale au cœur du système.
Prenons, par exemple, la croissance de l’économie du partage et à la demande que facilitent les plateformes en ligne dont le fonctionnement dépasse les frontières. Ce risque peut croître parallèlement au développement de l’économie en ligne, en particulier s’il va de pair avec le remplacement de l’emploi salarié (et de la déclaration des revenus par les employeurs) par le travail indépendant. Le rapport de l’OCDE The Sharing and Gig Economy : Effective Taxation of Platform Sellers se penche sur cette question (OECD, 2019[2]). Il examine un certain nombre de stratégies adoptées actuellement par les administrations fiscales ainsi que leurs limites et recommande de définir un cadre normalisé de déclaration pour faciliter à l’avenir les éventuels échanges automatiques de renseignements entre les administrations fiscales. Il s’est également concrétisé par l’élaboration des documents suivants :
Un ensemble de règles types qui, une fois transposées dans le droit, imposent aux plateformes numériques de recueillir des informations sur les revenus perçus par ceux qui utilisent ces plateformes pour proposer des services personnels, d’hébergement et de transport, et de communiquer ces informations aux administrations fiscales (OCDE, 2020[3]).
Un code de conduite pour faciliter l’adoption d’une approche standard de la coopération entre les administrations et les plateformes en vue de fournir des informations aux vendeurs en ligne et de leur procurer un soutien pour les aider à se conformer à leurs obligations fiscales tout en minimisant la charge liée à la discipline fiscale (OCDE, 2020[4]).
Un rapport qui examine les questions pratiques posées par les connexions en temps réel entre les administrations fiscales et les plateformes d’économie du partage et à la demande (OCDE, 2022[5]).
Un autre risque relevé a trait aux actifs financiers numériques comme les cryptomonnaies. Il peut être très difficile de retrouver les propriétaires d’actifs numériques même s’ils ont un lien avec la création d’un portefeuille numérique spécifique (sensiblement similaire à un compte en banque). Retrouver les personnes ou les entités qui se cachent derrière certaines adresses de portefeuilles numériques est difficile, voire impossible et mobilise des ressources importantes. En août 2022, l’OCDE a approuvé le Cadre de déclaration des crypto-actifs (CDC) qui prévoit la déclaration des informations fiscales sur les transactions employant des crypto-actifs de manière standardisée, en vue d’échanger ces informations automatiquement. (OCDE, 2022[6])
Bien qu’il ne s’agisse pas d’un risque en tant que tel, il convient de noter que les règles de protection des données pourraient limiter les circonstances dans lesquelles il est possible de conserver, traiter ou partager des données. Les administrations doivent tenir compte de cet aspect crucial lorsqu’elles conçoivent des systèmes qui reposent sur de vastes ensembles de données et sur la conservation des données.
Ciblage plus précis des risques
Science des données
Ces dernières années, l’application de l’analyse avancée à la gestion des risques s’est beaucoup développée et le ciblage des risques est de plus en plus utilisé.
Le graphique 6.3 indique que 80 % des administrations fiscales déclarent utiliser les données massives dans le cadre de leurs activités et que celles qui les utilisent le font la plupart du temps pour améliorer leurs activités liées à la discipline fiscale.
Sur les 58 administrations fiscales couvertes par ce rapport, 55 déclarent utiliser la science des données/des outils analytiques, tandis que les administrations restantes se préparent actuellement à les utiliser à l’avenir (voir le tableau 6.1).
De même, la plupart des administrations couvertes par cette publication ont déjà adopté l’intelligence artificielle, notamment l’apprentissage automatique pour l’évaluation des risques ou la détection des fraudes, ou sont en train de le faire (voir le tableau 6.1 et le graphique 6.4).
Le recours à des techniques analytiques de plus en plus sophistiquées pour développer les ensembles de données permet une gestion plus ciblée des risques et l’élaboration de mesures d’intervention, y compris par des processus automatisés. L’encadré 6.3 présente quelques exemples. Par ailleurs, le rapport de l’OCDE Advanced Analytics for Better Tax Administration : Putting data to work (OCDE, 2016[7]) donne des orientations pratiques sur la manière dont les administrations fiscales peuvent utiliser l’analyse pour favoriser la discipline fiscale et la prestation de services publics.
L’analytique de données est de plus en plus couramment employée et fait partie intégrante des administrations fiscales à travers le monde, tant dans les pays développés que dans les pays en développement, étant appliquée dans des domaines d’utilisation stratégiques et opérationnels. Le Forum sur l’administration fiscale de l’OCDE a donc mis au point le Modèle de maturité de l’analytique de données (OCDE, 2022[8]). Il permet aux administrations fiscales d’auto-évaluer leur niveau actuel de maturité en matière d’utilisation et de capacité d’analyse, en les éclairant sur leur situation actuelle et en identifiant leurs points faibles ainsi que leurs points forts. Comme l’indique le graphique 6.2, plus de 40 administrations fiscales ont effectué cette auto-évaluation et ses résultats orientent et soutiennent les administrations dans le cadre de leurs stratégies d’analyse.
Source : OCDE (2022), Modèle de maturité de l’analytique de données, https://www.oecd.org/tax/forum-on-tax-administration/publications-and-products/analytics-maturity-model.htm (consulté le 22 mai 2023).
Note : Ce graphique repose sur les données de l’Inventaire des initiatives technologiques en matière fiscale (ITTI) portant sur 52 juridictions qui sont couvertes par ce rapport et ont répondu à l’enquête mondiale sur la numérisation.
Source : OECD et al. (2023), Inventaire multipartenaires des initiatives sur l’utilisation de la technologie à des fins fiscales, https://www.oecd.org/tax/forum-on-tax-administration/tax-technology-tools-and-digital-solutions/, tableau DM3 (consulté le 22 mai 2023).
Note : Ce graphique repose sur les données de l’Inventaire des initiatives technologiques en matière fiscale (ITTI) portant sur 52 juridictions qui sont couvertes par ce rapport et ont répondu à l’enquête mondiale sur la numérisation.
Source : OECD et al. (2023), Inventaire multipartenaires des initiatives sur l’utilisation de la technologie à des fins fiscales, https://www.oecd.org/tax/forum-on-tax-administration/tax-technology-tools-and-digital-solutions/, tableau TRM3 (consulté le 22 mai 2023).
Australie : Recours à la science des données et à la modélisation analytique
La pandémie de COVID-19 a donné lieu à un contexte économique difficile qui a eu des conséquences sur de nombreuses entreprises et communautés en Australie. Entre 2019 et 2022, l’administration fiscale australienne (Australian Taxation Office [ATO]) a enregistré une hausse de 16 % des comptes débiteurs et une augmentation substantielle de 70 % des créances à recouvrer. Après avoir suspendu plusieurs activités pendant la pandémie, l’ATO a repris ses activités de recouvrement en 2022.
Les modèles analytiques et les enseignements tirés des données font partie intégrante de la mise en œuvre des stratégies et des traitements différenciés de l’ATO. En 2022, l’administration a :
amélioré la série de modèles analytiques sur les Enseignements de la résilience financière (FRI) afin de mieux regrouper les contribuables semblables et de prendre en compte leurs actifs et flux de revenus ;
déployé des gadgets informatiques sur le « profil de l’entreprise contribuable » qui présentent ces informations analytiques sur la résilience financière au personnel et leur permettent de connaître la santé financière des contribuables. Les contribuables en bonne santé financière qui sont mieux à même d’alléger leur dette sont invités à s’en acquitter en totalité ou à conclure des plans de paiement optimaux (plus courts) tandis que ceux qui sont moins à l’aise financièrement peuvent bénéficier de délais de remboursement plus longs que l’analytique estime plus tenables ;
repensé la combinaison des modèles analytiques qui signalent au personnel les contribuables pour lesquels des mesures plus fermes peuvent être justifiées, en renonçant à certains modèles dont la performance s’était dégradée (précision des prédictions), faute de données d’entraînement suffisantes en raison de la suspension des mesures plus fermes ;
évalué les perspectives de recouvrement de plusieurs groupes présentant un intérêt particulier, comme les contribuables qui n’ont pas acquitté les cotisations de retraite, les petites entreprises débitrices et les demandes de remboursement frauduleuses.
Chili : Risque de fraude : Contribuables disposant de dossiers fiscaux ou de documents justificatifs
Un « contribuable au comportement fiscal agressif » désigne un contribuable qui, après avoir informé le SII du début de son activité et avoir été autorisé par la suite à émettre des documents mentionnant la TVA, fait naître des doutes quant à la réalisation effective des opérations commerciales correspondantes. Afin de remédier à cette situation, le SII a lancé une initiative pour repérer, à partir d’un modèle prédictif, les contribuables qui peuvent se livrer à de telles pratiques et pour élaborer des mesures de traitement préventives, correctives ou structurelles.
Des modèles de ce type sont utilisés dans le cadre de la stratégie de l’administration fiscale pour lutter contre les comportements non respectueux des obligations au cours des trois premiers mois suivant l’enregistrement du contribuable, et ils emploient différents types d’algorithmes pour détecter les anomalies. Les données utilisées sont extraites des déclarations fiscales, des documents fiscaux relatifs aux achats et aux ventes et des relations avec les autres acteurs associés aux opérations commerciales du contribuable.
Israël : Centre d’analytique
Le Centre d’analytique est une plateforme qui optimise le rendement horaire d’un processus de l’administration fiscale en donnant accès à plusieurs produits facilitant l’analytique. Il est constitué de deux éléments clés innovants :
Un atelier d’analytique pour créer rapidement divers modèles d’analyse tels que des modèles d’IA, des modèles d’analytique graphique, des moteurs de règles, des générateurs de rapports statistiques, etc. et
Un modèle de nuage pour le déploiement évolutif de ces modèles.
Après avoir été généré dans l’atelier et enregistré dans le nuage, un modèle est prêt à être utilisé simultanément par plusieurs utilisateurs par le biais d’applications dédiées, quelle que soit la personne qui en est à l’origine. Cette plateforme globale favorise la progression continue du recours à l’analytique en l’étendant à l’ensemble de l’entreprise, et améliore ainsi la productivité globale des organisations. Ce système a notamment créé des modèles pour sélectionner les dossiers de vérification fiscale des entreprises, des particuliers ou de la TVA.
Au début de l’année 2022, ce modèle de sélection a fourni une liste de 131 entreprises pour lesquelles une vérification était recommandée. À la fin de l’année, le processus de vérification fiscale de 43 entreprises était achevé. Ce processus direct s’est traduit, en moyenne, par une augmentation de l’impôt à payer par chaque entreprise.
Un modèle d’intelligence artificielle utilisé pour repérer les propriétaires de biens immobiliers qui ne déclarent pas leurs revenus locatifs a été également mis au point. Ce modèle a recensé un ensemble de 425 contribuables soupçonnés pour lesquels le taux de précision était de 50 %, 227 personnes soupçonnées ayant répondu en moins de deux mois et généré un impôt annuel supplémentaire.
Suède : Améliorer l’identification et l’appariement
La STA a mis en place un service chargé d’identifier les particuliers et les entreprises enregistrées dans le registre fiscal suédois et de les mettre en correspondance avec des données incomplètes communiquées dans le cadre des initiatives d’échange automatique de renseignements. L’objectif de ce service est le suivant :
Accroître la capacité à repérer des correspondances éventuelles ;
Augmenter le degré de sécurité juridique quant à l’exactitude d’une correspondance, et
Améliorer la capacité à gérer les changements apportés aux données et les évolutions technologiques afin de préserver la qualité des données dans le temps.
Pour y parvenir, la STA a mis au point un outil s’appuyant sur la technologie des moteurs de recherche, qui permet :
Une meilleure efficacité des recherches par le biais de l’indexation des données de la source, ce qui permet d’indexer des termes isolés ou des variantes de termes ;
L’utilisation de requêtes complexes sans passer l’opération laborieuse de création manuelle d’un index ;
Une méthode avancée d’attribution d’un score pour classer les résultats de recherche.
Cette méthode s’est révélée très efficace, le pourcentage de contribuables identifiés étant passé de 75 % à 90 % et la précision des identifications ayant progressé de 95.2 % à 99.9 %.
Source : Australie (2023), Chili (2023), Israël (2023) et Suède (2023).
Programmes d’éducation des contribuables
Une autre approche de la gestion ciblée des risques consiste à créer des unités chargées d’examiner les dossiers fiscaux de certains segments de contribuables. Les deux domaines dans lesquels l’administration fiscale a jugé utile de gérer certains groupes de contribuables de manière segmentée sont les grandes entreprises et les contribuables fortunés. La concentration des ressources de l’administration sur la gestion de ces catégories s’explique par les raisons suivantes :
Importance des risques d’indiscipline fiscale : en raison de la nature et du type de transactions, des activités à l’étranger, des possibilités et stratégies visant à réduire les créances fiscales et, dans le cas des grandes entreprises, des différences entre les bénéfices comptables et les bénéfices calculés à des fins fiscales.
Complexité des transactions et de la fiscalité : compte tenu, en particulier, de l’importance des intérêts en jeu et, dans le cas des contribuables fortunés, de la combinaison entre leurs affaires publiques et privées.
Intégrité du système fiscal : importance de pouvoir donner aux parties prenantes des garanties sur les activités entreprises à l’égard de ces groupes de contribuables.
En outre, en ce qui concerne les gros contribuables, un petit nombre d’entre eux sont généralement redevables d’une part disproportionnée des recettes fiscales recouvrées. Selon les données collectées, entre 30 % et 60 % des recettes totales nettes collectées par la plupart des juridictions, y compris les retenues à la source sur les revenus des employés, proviennent de contribuables concernés par les programmes dédiés aux gros contribuables (voir le graphique 6.5). En moyenne, 2.4 % environ des entreprises concernées par ces programmes représentent 44 % des recettes totales recouvrées (voir le tableau 6.2).
Si la gestion de ces groupes de contribuables est souvent prise en charge dans le cadre d’un programme, bon nombre de juridictions les intègrent dans une structure, qui nécessite un service dédié aux gros contribuables ou une unité responsable des contribuables très fortunés. Le périmètre d’activité de ces unités varie considérablement et va des activités traditionnelles de contrôle aux approches multiservices (voir le graphique 6.6). Cependant, en moyenne, les deux tiers des membres du personnel de l’administration fiscale employé dans les services ou par les programmes dédiés aux gros contribuables effectuent des travaux de contrôle, d’enquête et d’autres missions de vérification (voir le tableau 6.2).
Chine (République populaire de) : Système informatique intégré pour les grandes entreprises
Auparavant, les services provinciaux et municipaux de l’Administration d’État des impôts (STA) de la République populaire de Chine avaient accès exclusivement aux informations sur les entreprises relevant de leur juridiction et ne disposaient donc pas d’une vision d’ensemble d’une entreprise exerçant ses activités dans plusieurs provinces ou municipalités. La STA met en place actuellement un système d’information intégré concernant les grandes entreprises, afin de surveiller les sources de revenus imposables, de mieux contrôler les risques, de fournir des services mieux adaptés et d’améliorer l’analyse économique.
Les services des impôts aux niveaux central, provincial et municipal peuvent ainsi dûment accéder aux informations sur une entreprise, lesquelles sont regroupées en 11 catégories, notamment les impôts acquittés, les cotisations de sécurité sociale, les états financiers, etc. En quelques clics seulement, le système est capable de générer automatiquement 7 rapports thématiques comprenant une vue d’ensemble, la répartition géographique, le paiement des impôts et des cotisations, les activités de l’entreprise, le dossier sur le respect des obligations fiscales, la situation relative à la source de l’imposition et les demandes de renseignements particuliers. À partir d’une combinaison différente de jeux de données et de logique d’administration, la STA peut également élaborer 24 scénarios pour une entreprise, qui couvrent les principaux risques possibles. Le système permet également d’utiliser un ensemble spécial d’indicateurs de risque afin de repérer un groupe de grandes entreprises à examiner de plus près.
Il s’agit d’un outil d’analyse économique performant. À partir de données et d’informations présentant différents niveaux de granularité, les analystes peuvent observer la situation économique dans différents domaines, secteurs et industries et ainsi apporter leur concours à l’élaboration et l’ajustement des politiques.
Géorgie : Administration des gros contribuables
Les gros contribuables apportent une contribution importante au budget national de la Géorgie, mais les risques fiscaux qui leur sont associés sont beaucoup plus élevés et complexes que ceux des autres catégories de contribuables, et peuvent donc mettre en péril les recettes fiscales. Leurs activités nécessitent donc une étroite surveillance.
À cet effet, un service dédié aux gros contribuables a été créé au sein de l’administration fiscale géorgienne (Georgia Revenue Service). En proposant des services hautement qualifiés et une réponse rapide aux risques fiscaux, il s’efforce de favoriser au maximum le respect spontané des obligations fiscales par les contribuables.
La Stratégie de gestion des gros contribuables a été actualisée pour la période 2022-2024 afin d’améliorer la gestion de cette catégorie de contribuables. Elle s’appuie sur un système normalisé de notification grâce auquel un suivi de différents types d’informations est assuré sur une base quotidienne. Cette stratégie vise à améliorer l’administration fiscale des gros contribuables en adoptant des approches centralisées, équitables et transparentes. Pour réaliser cet objectif, les tâches suivantes ont été prévues :
Développer des services adaptés aux besoins des gros contribuables ;
Renforcer le processus de gestion des risques de non-respect des obligations fiscales ; et
Source : Chine (République populaire de) (2023) et Géorgie (2023).
Source : Tableau D.17.
Source : Tableaux A.32 et A.34.
Source : Tableau A.38.
Planification des risques futurs
S’il est essentiel que les administrations fiscales soient conscientes des risques actuels d’indiscipline fiscale et préparent des stratégies de réponse appropriées, il est également important qu’elles comprennent quels peuvent être les risques futurs et qu’elles les préviennent. L’accès accru aux données et les capacités dont disposent les administrations fiscales pour les traiter et les analyser leur permettent d’évaluer les risques futurs avec plus de fiabilité. Le graphique 6.3 montre qu’un grand nombre d’administrations fiscales se livrent à des prévisions, ce qui leur permet d’évaluer où de nouveaux risques d’indiscipline fiscale peuvent se poser et d’élaborer en temps utile les stratégies requises pour les atténuer. En effet, la capacité à repérer, comprendre et gérer les risques dans un environnement en mutation rapide est essentielle à l’efficacité et à la résilience de l’administration fiscale.
Elle mène à la création de programmes de gestion des risques perfectionnés qui permettent d’intégrer la gestion des risques dans l’ensemble de l’organisation plutôt que de la cloisonner. Elle favorise également l’édification d’une culture du risque au sein des administrations fiscales, comme le montre l’encadré 6.5.
Brésil : Programme intégré de gestion des risques
Dans le passé, l’administration fiscale brésilienne (Receita Federal do Brasil [RFB]) gérait les risques institutionnels sur la base de sa structure organisationnelle et de son cadre de fonctionnement alors que les risques liés à l’indiscipline fiscale étaient abordés de manière cloisonnée par les différents services en fonction de leurs propres critères et de leurs connaissances en la matière.
Depuis 2021, avec l’appui technique des organisations internationales, un programme stratégique a été mis sur pied afin de restructurer le modèle de gestion des risques de l’institution selon une approche intégrée et multidimensionnelle. Les étapes du programme comprenaient une nouvelle politique de gestion des risques, la création d’un Bureau national de gestion des risques avec l’appui de points de contact régionaux et la révision des rôles, des responsabilités, des délégations de pouvoir et des structures de gouvernance.
Le nouveau modèle sera appliqué dans tous les domaines d’activité et à tous les niveaux de l’organisation. Il a pour objet de mieux coordonner les initiatives de la RFB en matière de gestion des risques, ces derniers étant recensés à l’aide un système intégré d’évaluation des risques faisant appel à des outils technologiques avancés. Les résultats produits par ce cadre sont totalement intégrés dans les rapports de performance en temps réel.
L’analytique avancée des données est utilisée pour recueillir, traiter et convertir les grandes quantités de données stockées dans les bases de données de l’administration en informations claires et aisément compréhensibles sur la gestion des risques, et ainsi éclairer en amont le processus décisionnel. L’enjeu est de faire en sorte que ces informations soient de plus en plus accessibles en temps réel au personnel de l’ensemble de l’institution. L’objectif ultime de la RFB est d’ancrer son modèle de gestion des risques dans les valeurs fondamentales de l’administration et d’en tenir compte dans ses comportements au jour le jour et sa culture institutionnelle.
Nouvelle-Zélande : Risque d’entreprise
L’administration fiscale de la Nouvelle-Zélande (New Zealand Inland Revenue [IR]) a simplifié le langage et la méthode employée pour gérer les risques au sein de l’organisation, en commençant par renforcer les contrôles des risques stratégiques et en veillant à leur appropriation claire – une approche conforme aux responsabilités fonctionnelles.
Les contrôles mis en œuvre pour gérer les risques stratégiques ont été simplifiés afin de les aligner sur les responsabilités fonctionnelles et la structure organisationnelle, les lignes de responsabilité et d’action étant ainsi clairement délimitées. La garantie de l’efficacité et de la mise en œuvre des mesures correctrices dépend alors des programmes de travail existants et fait l’objet d’un suivi. Les responsables du contrôle peuvent ajouter des niveaux de définition supplémentaires afin de définir les contrôles ou des éléments précis qui sont efficaces ou en cours d’amélioration. Lorsqu’une action correctrice est entamée, elle est généralement liée à des initiatives approuvées dans le cadre du portefeuille d’entreprises.
L’établissement de rapports sur les risques et les contrôles est géré au moyen d’un ensemble d’outils centralisés, de telle sorte qu’il existe une source unique de vérité sur l’efficacité d’un contrôle ou le niveau de risque. Les actions et le responsable de la tâche sont visibles et gérés par le même ensemble d’outils, comportant des liens d’accès aux activités de gestion de portefeuille, de projet et de planification d’entreprise. Les services de l’IR peuvent ajouter leurs propres risques et contrôles dans cet outil et les rattacher à leurs risques et contrôles stratégiques. Cette méthode commence à donner une vision plus complète des risques gérés par l’organisation et de leurs conséquences sur ses activités opérationnelles.
Le changement d’approche au profit d’un cadre de contrôle centralisé et transparent a permis à l’IR d’entamer une gestion coordonnée des risques stratégiques, en lien avec les activités opérationnelles et une amélioration des contrôles.
Source : Brésil (2023) et Nouvelle-Zélande (2023).
La planification des risques futurs est particulièrement importante alors que juridictions prennent en considération les répercussions actuelles des défis mondiaux et la manière dont ils influencent le comportement des contribuables en matière de discipline fiscale. Cette situation relèvera probablement du défi, car les juridictions sortent de la pandémie, période au cours de laquelle elles ont réduit ou suspendu les activités liées à la discipline fiscale, ce qui a eu des répercussions sur les données disponibles pour évaluer correctement les risques. Les compétences spécialisées dans le domaine de la modélisation et de l’analyse que les administrations fiscales ont acquises avant la pandémie ont permis de réagir à ces défis et de tenir compte des changements de comportement des contribuables.
Il est intéressant de noter une évolution au sein de l’administration fiscale : la reconnaissance que la fonction d’analyse des données doit être décentralisée et répartie plus largement au sein de l’organisation. Les administrations fiscales peuvent ainsi se préparer à repérer plus rapidement les risques émergents et à définir les actions précoces possibles. Elles réfléchissent donc désormais à la manière d’intégrer l’intelligence artificielle dans les procédures visant à améliorer la discipline fiscale et cette démarche devrait être au centre de la transformation numérique dans le domaine de la gestion future de la discipline fiscale et des risques. L’encadré 6.6 présente des exemples de cette démarche.
Irlande : Preuve de concept de l’intelligence artificielle
Dans le but de simplifier l’expérience du contribuable et de supprimer l’obligation qui lui est faite de classer lui-même sa demande dans une catégorie, l’intelligence artificielle (IA) a été utilisée pour automatiser le processus de classement et d’acheminement des demandes adressées aux experts compétents en la matière pour qu’ils y répondent.
Pour y parvenir, des preuves de concept ou pilotes ont été élaborés et déployés afin de déterminer ce qui convient le mieux dans les différents scénarios. Les équipes commerciales et informatiques ont œuvré de concert pour définir un ensemble de demandes de renseignements des contribuables et elles les ont utilisées pour entraîner les modèles technologiques à automatiser les tâches. Grâce à une série d’examens itératifs des données, un modèle utilisant la technologie la mieux adaptée a été établi. En conséquence, l’interface utilisateur en ligne a été radicalement simplifiée en vue de supprimer les menus déroulants complexes. La technologie et les modèles d’IA d’origine sont actuellement copiés et affinés pour intégrer d’autres cohortes de contribuables et d’autres types de demandes.
Ces travaux ont permis une progression du niveau de précision des catégories sélectionnées par les contribuables eux-mêmes de 70 % à 97 % pour les demandes de renseignements relevant de la catégorie supérieure. En moyenne, le classement automatique a permis de réduire le délai d’acheminement vers des experts en la matière de plus de 24 heures. Grâce à l’interface utilisateur simplifiée, un contribuable peut désormais soumettre une demande de renseignements en format texte libre sans avoir à tenir compte des catégories et sous-catégories fiscales. Ce dispositif a incité les contribuables à utiliser prioritairement les canaux numériques lorsqu’ils contactent l’administration fiscale en simplifiant ainsi nettement la soumission d’une demande. L’affectation plus précise des demandes de renseignements dans les différentes catégories permet à l’administration de mieux appréhender les besoins des contribuables et, de ce fait, de mieux cibler les réponses.
Israël : Projet d’estimation logique automatisée
En Israël, l’administration fiscale utilise des outils numériques avancés pour promouvoir et simplifier ses activités. C’est ainsi qu’un projet d’estimation automatisée de l’impôt sur la propriété immobilière combine des éléments de l’IA stimulant le travail des inspecteurs chargés de l’estimation de l’impôt sur la propriété immobilière avec les capacités informatiques des systèmes en ligne. Ce système réduit la durée de l’estimation et permet aux agents de l’administration de se concentrer sur les dossiers les plus complexes ayant un potentiel de recettes fiscales important.
Le projet a été dicté par un changement rendant obligatoire le remplacement de la déclaration manuelle par le dépôt en ligne des actes d’achat et de vente de biens immobiliers. Le projet d’estimation automatisée de l’impôt sur la propriété immobilière a démarré progressivement en 2022, par l’examen de chaque étape de la programmation et l’amélioration du mécanisme logique en fonction des besoins. Au cours de l’année 2022, des estimations logiques informatisées ont été utilisées dans 30 500 transactions immobilières (environ 34 % de l’ensemble des transactions de ce type).
La durée normale de l’estimation d’une transaction immobilière par un inspecteur des impôts est d’une heure. En 2022, le système automatisé a donc permis d’économiser 30 500 heures de travail. En outre, 30 500 vendeurs et acheteurs ont contacté l’administration fiscale immédiatement après avoir soumis la déclaration en ligne par eux-mêmes ou par l’intermédiaire d’un représentant. Les parties à la transaction ont également reçu sur-le-champ les agréments fiscaux et les documents nécessaires.
Les estimations automatiques réalisées en 2022 ont porté sur des transactions exonérées de l’impôt sur les plus-values. Les transactions faisant l’objet d’un contrôle logique et présentant une anomalie ont été transmises à l’inspecteur des impôts en les accompagnant d’une explication sur l’anomalie. En 2022, le nombre moyen de déclarations de revenus traitées par heure de travail dans le service chargé d’évaluer les exonérations de l’impôt sur la propriété immobilière a augmenté de 48 % par rapport à 2021.
Singapour : Plateforme de paiement unique
En 2022, l’administration fiscale de Singapour (Inland Revenue Authority of Singapore [IRAS]) a mis au point la plateforme de paiement unique, une solution d’analyse intelligente pour l’aider à mieux détecter les tentatives de contournement du système et les paiements à risque. Cette plateforme a pour but de fournir une solution à « guichet unique » afin de simplifier l’évaluation des risques de paiement et d’aider les agents de l’IRAS à repérer les contribuables susceptibles d’abuser de divers dispositifs de paiement.
La plateforme, qui intègre des fonctions d’analytique de données et d’apprentissage automatique, comporte les principaux éléments suivants :
Divers modèles de données et anti-détournement sont regroupés et intégrés dans la plateforme afin de permettre une analyse rapide et performante. Les agents peuvent interagir directement avec les modèles afin de sélectionner les dossiers en temps voulu et, si nécessaire, modifier les paramètres du modèle pour effectuer une simulation des risques en temps réel.
Le moteur d’évaluation des risques basé sur des règles applique une logique métier pour l’évaluation des risques, tandis que les modèles prédictifs (apprentissage automatique) évaluent la gravité des risques posés par les nouveaux dossiers. En combinant les deux moteurs de notation des risques, il est possible d’obtenir une évaluation plus efficace et fiable permettant un meilleur classement des dossiers par priorité.
Grâce à des interfaces utilisateurs intuitives, les agents bénéficient d’une auto-assistance et ils peuvent effectuer l’analyse et sélectionner facilement les dossiers. Le regroupement des informations pertinentes et des représentations visuelles au sein d’un portail unique permet aux agents de consulter les détails d’un dossier en un seul coup d’œil et de prendre des décisions rapides lors de leur vérification.
La plateforme de paiement unique permet ainsi une détection rapide et performance des fraudes potentielles liées aux nouveaux dispositifs de paiement, qui se traduit par une réduction des délais d’intégration des nouveaux dispositifs.
Suède : Évaluation des risques
En ayant recours à l’IA pour faire la part entre les dossiers à faible risque et ceux à risque élevé, la STA a pu repérer et rejeter des demandes de déduction fiscale abusives à hauteur de la somme de 300 millions SEK (correspondant à un montant d’impôts de 42 millions SEK). La combinaison de l’IA avec d’autres techniques a permis d’obtenir ce résultat sans mobiliser d’importantes ressources supplémentaires.
La STA a mis en place un système automatisé et un modèle d’IA est utilisé pour recenser les demandes de déduction pour lesquelles, selon toute vraisemblance, le contribuable ne pourra pas apporter d’éléments probants à l’appui de sa demande.
Le modèle d’IA est entraîné avec des données provenant de vérifications antérieures, ce qui lui permet de détecter les caractéristiques communes des contribuables qui ne répondent pas aux demandes de justificatifs. Un exemple typique est celui de la présence d’informations contradictoires telles que la demande de déduction des frais de déplacement d’une personne vers son lieu de travail alors que cette personne est sans emploi.
Le système automatisé de la STA est à l’origine de 19 000 demandes de justificatifs qui, sans cela, n’auraient pas été émises. Il envoie automatiquement les demandes à partir des résultats générés par le modèle d’IA. L’absence de réponse entraîne le rejet automatique de la déduction demandée. Si le STA reçoit une réponse, le dossier est traité manuellement selon la méthode habituelle.
Source : Australie (2023), Chili (2023), Israël (2023) et Suède (2023).
Les « activités liées à la discipline fiscale » entreprises par les administrations fiscales pour déterminer si les contribuables ont correctement déclaré l’impôt dû évoluent. Comme on l’a vu plus haut, l’accès accru aux données et l’adoption de modèles analytiques sophistiqués permettent aux administrations fiscales de mieux repérer les déclarations, demandes ou transactions qui peuvent nécessiter un examen plus approfondi ou être frauduleuses. En outre, ces modèles, dont bon nombre peuvent fonctionner en temps réel, permettent aux administrations d’effectuer des vérifications électroniques automatisées de toutes les déclarations ou de certaines transactions.
Vérifications électroniques de la discipline fiscale
Si les vérifications traditionnelles (notamment les vérifications complètes, d’un point précis ou sur pièces) représentent toujours les principales activités de vérification, le recours aux vérifications électroniques automatisées à partir d’approches fondées sur des règles pour traiter certains risques définis (comme le rejet automatique d’une demande, l’émission d’une lettre ou l’appariement d’une transaction) dote les administrations de moyens plus efficaces et efficients pour effectuer certaines activités de vérification. L’encadré 6.6 présente des exemples de travaux réalisés dans ce domaine.
Néanmoins, dans le cadre de ces approches, il y a lieu de se demander comment tenir compte de ces vérifications électroniques automatisées dans les informations sur les performances communiquées par les administrations dans l’enquête ISORA. La prise en compte de l’ensemble des vérifications est susceptible d’entraîner une distorsion des taux de couverture, de redressement et de rendement. Toutefois, lorsqu’elles remplacent les vérifications manuelles effectuées autrefois, il semblerait approprié de tenir compte de ce que font les administrations dans ce domaine.
À cet égard, l’Enquête ISORA invite les administrations fiscales participantes à ventiler le montant total des redressements supplémentaires résultant des activités liées au contrôle et à la vérification en (i) vérifications et (ii) vérifications électroniques du respect des obligations (au sens des vérifications électroniques, de la validation et de l’appariement des informations sur le contribuable). Seules quelques administrations ont été en mesure de communiquer des informations sur les vérifications électroniques du respect des obligations. Toutefois, pour certaines d’entre elles, les vérifications électroniques du respect des obligations représentent une part importante des redressements supplémentaires effectués dans le cadre de l’ensemble des activités de contrôle et de vérification. (Voir le tableau D.39)
Grâce au volume croissant de données et à des ressources technologiques plus puissantes, on observe une tendance de plus en plus marquée à mettre en place des vérifications en temps réel de la discipline fiscale, ce qui se traduit par une détection plus précoce des erreurs, comme l’illustre l’encadré 6.7.
Inde : Vérifications électroniques
Le système de vérifications électroniques lancé par le département de l’impôt sur le revenu en Inde procure aux contribuables toutes les informations financières électroniques les concernant que l’administration fiscale a recueillies auprès de diverses sources. Ils peuvent ensuite les vérifier afin de déterminer, de manière exacte et exhaustive, leur revenu.
Trois situations sont alors possibles. Dans un premier cas, ils peuvent accepter les informations et les intégrer dans leur déclaration. Dans un autre, s’ils estiment que les informations sont incorrectes et considèrent qu’il existe une discordance, les données sont vérifiées une nouvelle fois. Enfin, en l’absence de réponse du contribuable, les données déclarées sont considérées comme des revenus.
En cas de discordance, une communication électronique est établie avec les sources de l’information, comme les banques, les services qui gèrent les transactions relatives à la propriété immobilière, etc. Ces sources tiers peuvent rectifier les informations ou valider une nouvelle fois l’exactitude des informations. Si la discordance persiste, le dossier fait l’objet d’une évaluation des risques. Si les données présentent un risque faible ou nul, le dossier est clos. En revanche, si le risque est considéré comme élevé, l’administration fiscale procède à une vérification préliminaire et le rapport qui en résulte est comparé à la déclaration de revenus afin d’établir le rapport de vérification final.
Si, dans le cadre du rapport de vérification final, le risque encouru est considéré comme faible ou nul, le dossier est refermé. En revanche, en cas de risque élevé, les informations sont transmises à l’équipe de vérification fiscale (lorsqu’un contrôle est encore en cours) ou le service des impôts prend la mesure qui s’impose.
Irlande : Tableau de bord de suivi des risques en temps réel
Lorsqu’une demande de remboursement était émise, l’administration fiscale utilisait auparavant un moteur basé sur des règles pour analyser les risques liés aux contribuables dont l’impôt est retenu à la source. Cette analyse des risques consistait en un processus de traitement par lots effectué le soir, en appliquant un ensemble de règles prédéfinies aux données de contribuables prélevés à la source afin de déterminer s’ils présentaient un risque. En cas de risque élevé, le remboursement était bloqué et un élément de travail relatif au risque était généré en vue d’approfondir les recherches.
Le cadre de gestion des risques en temps réel mis en œuvre récemment comporte trois modules différents : un tableau de bord de suivi des risques en temps réel, un gestionnaire de règles et un simulateur de règles. Le tableau de bord de suivi des risques en temps réel donne accès à des statistiques et à des fonctionnalités d’exportation afin de présenter les informations à utiliser dans le cadre des processus informatiques de gestion des risques et potentiellement de l’IA. Le gestionnaire de règles permet aux entreprises de gérer les règles relatives aux risques et ainsi à l’équipe de s’approprier totalement l’application. Le simulateur de règles donne aux entreprises la possibilité de mettre à l’essai et de simuler des règles nouvelles ou existantes avant de les autoriser concrètement.
La nouvelle application examine en temps réel les demandes de remboursement de trop-perçu soumises par les contribuables et bloque les paiements à risque en utilisant les règles élaborées par l’équipe affectée au respect des obligations fiscales. L’administration fiscale est désormais en mesure de réagir immédiatement aux nouvelles tendances en simulant de nouvelles règles, puis en les autorisant. Cette application est dynamique et l’équipe responsable de la discipline fiscale peut activer et désactiver les règles dans l’environnement réel. Il existe une option d’analyse des données antérieures et actuelles en utilisant le simulateur de suivi en temps réel. D’autres fonctionnalités sont en cours de développement afin de permettre à l’équipe affectée en première ligne au respect des obligations de gérer et d’élaborer des règles par elle-même et de disposer, en toute indépendance, d’une solution en temps réel pour les comportements à risque.
Lituanie : Contrôle des risques en temps réel
Le sous-système intelligent de l’administration fiscale (i.KON) mis en œuvre en 2020 permet de repérer les discordances en temps réel, assurant un traitement plus rapide et plus efficace des données entrantes et d’évaluer les risques fiscaux plus rapidement. i.KON sélectionne automatiquement les payeurs sur la base de divers critères de risque.
L’efficacité du sous-système i.KON et la capacité de l’administration fiscale lituanienne (State Tax Inspectorate [STA]) à exploiter et à gérer correctement les processus automatisés réalisés dans le sous-système se traduisent par des performances élevées et en progression. Sur la base de l’analyse des risques i.KON, les contribuables ont déclaré 21 millions EUR supplémentaires en 2021 et 59 millions supplémentaires en 2022. Il convient de noter que ces résultats significatifs et en progression ont été obtenus moyennant des investissements relativement modestes - le coût du développement du sous-système i.KON n’a pas dépassé 1.5 million EUR. Depuis son lancement, les résultats des actions entreprises sur la base de l’analyse des risques du système i.KON représentent la majeure partie des résultats des actions de suivi.
Pour une explication plus détaillée, voir l’annexe 6.A.
Source : Inde (2023), Irlande (2023) et Lituanie (2023).
Vérifications
En moyenne, les taux d’ajustement des vérifications par type de vérification sont restés stables sur la période de 2018 à 2021 (voir le tableau 6.3). Cependant, comme le montre le graphique 6.8, les taux varient sensiblement selon les administrations prises en compte dans ce rapport. Les taux d’ajustement élevés peuvent bien sûr résulter de vérifications très ciblées, en particulier pendant la pandémie de COVID-19, période au cours de laquelle les administrations ont axé leurs activités de vérification sur les dossiers à haut risque comme les activités frauduleuses (OCDE, 2021[9]).
L’ampleur des vérifications ressort également de l’examen des redressements supplémentaires effectués. En moyenne, les redressements supplémentaires effectués à la suite de vérifications représentent environ 4 % des recettes totales collectées. Ils sont demeurés relativement stables au cours des années 2018 à 2021 (voir le tableau 6.3). Si l’on examine les données au niveau de chaque juridiction, on constate des écarts significatifs entre les 52 administrations qui ont été en mesure de fournir des données (voir le graphique 6.9).
La ventilation par type d’impôt montre que le ratio entre les redressements supplémentaires effectués et les impôts recouvrés est plus élevé dans le cas de l’impôt sur les sociétés (IS). En moyenne, les redressements supplémentaires de l’IS en pourcentage de l’IS recouvré s’élèvent à 8.8 %, soit un pourcentage plus de deux fois supérieur au pourcentage de la taxe sur la valeur ajoutée (3.6 %) et plus de quatre fois supérieur à celui de l’impôt sur le revenu des personnes physiques (2.4 %). (Voir le graphique 6.10).
Dans un grand nombre de juridictions, les redressements supplémentaires effectués par les services/programmes dédiés aux plus gros contribuables représentent une part importante des redressements supplémentaires liés aux vérifications (voir le graphique 6.11). En moyenne, les services/programmes dédiés aux gros contribuables représentent environ 30 % du total des redressements supplémentaires liés aux vérifications (voir le tableau 6.2).
Source : Tableau D.38.
Source : Tableau D.39.
Source : Tableau D.17.
Basculement des activités de vérification vers un environnement virtuel
Par tradition, les administrations emploient différents types de vérifications, notamment des vérifications complètes ou d’un point précis, l’examen de la comptabilité et des enquêtes approfondies en cas de suspicion de fraude fiscale. Ces vérifications obligent généralement l’administration fiscale à se rendre dans les locaux du contribuable (vérifications sur place).
Les progrès technologiques ont amené les administrations à envisager de nouvelles méthodes pour dialoguer avec le contribuable lors d’un processus de contrôle, notamment la communication par voie électronique des documents relatifs à la vérification. Cette tendance s’est accentuée depuis la crise du Covid-19, car la fermeture des centres des impôts et le passage au télétravail d’un grand nombre de fonctionnaires des services fiscaux ont modifié la façon dont les vérifications sont menées.
Le rapport de 2021 de l’OCDE intitulé Administration fiscale : la résilience numérique dans le contexte du COVID-19 (OCDE, 2021[9]) en fait état également et fait observer que sur les 32 administrations fiscales prises en compte dans le rapport, près de quatre-vingt-dix pour cent ont opéré un basculement de certaines composantes de l’activité de vérification sur place vers un mode virtuel/numérique. En outre, 76 % de ces administrations envisagent de continuer de mener leurs activités de vérification sur place sur un mode virtuel/numérique à l’avenir. Cette évolution est favorisée par l’utilisation accrue de la technologie dans les vérifications, ce qui contribue à améliorer l’efficacité. L’encadré 6.8 met en lumière certaines pratiques exemplaires dans ce domaine.
Australie : Recours à l’automatisation pour influer sur les agents à haut risque
L’Australie compte près de 46 000 agents agréés par l’administration fiscale qui déposent les déclarations de revenus annuelles de quelque 6 millions de contribuables. La stratégie de l’ATO à l’égard de ces agents consiste à repérer ceux qui présentent un comportement à haut risque. À partir de processus automatisés, un projet pilote a permis de repérer les dépôts de déclarations à haut risque, puis d’envoyer à l’agent agréé et au contribuable une mise en demeure leur demandant de justifier leurs demandes de remboursement de frais professionnels dans un délai de 28 jours. L’absence de réponse entraîne l’ajustement automatique de la demande sans qu’une vérification soit nécessaire. Cette méthode a permis le doublement effectif du nombre d’ajustements réalisés..
Chine (République populaire de) : Contrôle interne de la plateforme « Smart Tax Inspection »
« Smart Tax Inspection » (contrôle fiscal intelligent) est une plateforme intégrée qui couvre à la fois les aspects du contrôle liés à la gestion administrative et à l’application de la loi. Le système est capable de détecter des problèmes opérationnels courants au niveau de l’agent de l’administration et de bloquer activement le processus s’il ne respecte pas la procédure de travail établie. Il est également doté de 37 indicateurs d’analyse et de suivi automatiques a posteriori, couvrant les principales concentrations de risques en matière de sélection des dossiers, d’inspection, d’examen et d’application de la loi. Lorsqu’un risque est relevé, une tâche est créée et affectée à la personne concernée pour qu’elle la traite et formule ses commentaires.
Le système dispose également d’un dispositif de contrôle interne automatique et efficace du contrôle fiscal fonctionnant en boucle fermée. Ainsi, si des risques liés à l’application de la loi surviennent fréquemment dans le même service de contrôle local pendant trois mois consécutifs, sans aucun signe d’amélioration, le système émettra automatiquement un rappel à l’attention du responsable de ce service de contrôle. De même, lorsque l’échéance de la tâche liée au risque est dépassée, il génèrera automatiquement des rappels et les enverra au service de contrôle fiscal du siège de la STA, afin d’accélérer le processus.
En outre, il est possible de procéder à une analyse intelligente et multidimensionnelle reposant sur des indicateurs de contrôle interne, ce qui permet d’aider la STA à recenser les risques de gestion et à y répondre. Les risques significatifs qui surviennent fréquemment à une période donnée peuvent être également mis en évidence et diffusés afin de prendre des mesures en temps voulu.
Mexique : Vérifications virtuelles/numériques et salles de données
L’administration fiscale mexicaine (Mexican Tax Administration Service [SAT]) utilise la vérification à distance (vérification électronique) qui permet au vérificateur et à l’entité vérifiée de communiquer par voie électronique. Les signatures électroniques des représentants des entités juridiques contrôlées sont vérifiées par le biais de procédures telles que la validation de l’identité et le service d’accréditation biométrique. Le département informatique de la SAT autorise l’identité des membres de l’équipe de vérification en tant que membres de son propre personnel ou personnes agréés, et ils utilisent tous le service d’accréditation biométrique pour leurs signatures électroniques. Les restrictions légales et réglementaires en matière d’accès à l’information sont respectées lors des vérifications et des protocoles et contrôles spécifiques portant sur la sécurité de l’information sont appliqués aux vérifications électroniques. Différentes procédures sont utilisées, notamment des listes de référence, des questionnaires et des entretiens afin d’examiner les éléments probants, qui peuvent être présentés dans différents formats (documents, enregistrements vidéo et audio).
République slovaque : Soutien d’experts pour les vérifications fiscales
Un nouveau système a été mis au point pour permettre la gestion centralisée des vérifications fiscales et des enquêtes sur place. Grâce à l’enregistrement centralisé de toutes les demandes de vérification fiscale, le cycle de vie complet de l’information est saisi, depuis son intégration dans le plan d’action de la vérification jusqu’aux commentaires sur les actions menées par le vérificateur.
Le système fournit également une assistance automatisée aux vérificateurs afin qu’ils puissent mener à bien leur mission rapidement et dans le respect de la procédure établie (comprenant une aide aux nouveaux vérificateurs ou aux moins expérimentés) ainsi que des informations détaillées sur l’entité fiscale en provenance de toutes les bases de données disponibles.
Il est capable de recommander au vérificateur un plan d’action précis dans le cadre du processus de contrôle (arbre de décision expert), notamment les normes juridiques en vigueur, la jurisprudence applicable sous la forme de sous-tâches recommandées auxquelles le vérificateur est tenu de répondre, et de générer des alertes en cas de changements dans les entités vérifiées ou les vérifications s’y rattachant, ce qui permet de respecter les délais.
De cette façon, il est possible d’établir des rapports et statistiques jusqu’au niveau des conclusions tirées des actions recommandées, car le personnel d’encadrement a une meilleure vue d’ensemble des activités et des résultats de son service de vérification, de la charge de travail de chaque vérificateur, de son taux de réussite concernant les produits de base, des types de fraudes, etc. L’administration financière dans son ensemble a ainsi accès à des informations plus détaillées sur l’activité de vérification, notamment à une vision en temps réel de la performance des indicateurs suivis.
Source : Australie (2023), Chine (République populaire de) (2023), Mexique(2023) et République slovaque (2023).
L’expression « délinquance fiscale » désigne tout comportement constitutif d’une infraction au droit fiscal et susceptible de faire l’objet d’une enquête, de poursuites et de sanctions en vertu des procédures pénales prévues par le système de justice pénale. Il existe diverses démarches organisationnelles de la réalisation d’enquêtes sur les délits fiscaux et l’enquête ISORA 2021 s’est penchée sur la responsabilité de diriger et de mener ces enquêtes.
Les informations rassemblées dans le cadre de l’enquête ISORA 2021 montrent que 55 % des administrations fiscales prises en compte dans cette publication prennent part à la réalisation d’enquêtes sur des délits fiscaux (tableau A 36). La plupart de ces administrations fiscales ont la double responsabilité de mener et de diriger des enquêtes sur les délits fiscaux tandis que les autres ont la responsabilité exclusive de mener les enquêtes, mais sous la direction ou l’autorité d’une autre instance comme la police ou le ministère public (voir le graphique 6.11).
Dans les circonstances où les administrations fiscales n’ont pas la responsabilité de mener les enquêtes, elles sont confiées à une autre autorité, comme la police ou le ministère public. Il peut s’agir également d'un organisme fiscal spécialisé, établi en dehors de l’administration fiscale.
Note : Dans certaines juridictions, l’approche organisationnelle en matière d’enquête sur les délits fiscaux peut dépendre du délit fiscal ou des poursuites pénales en matière fiscale. Dans ces circonstances, une administration peut avoir sélectionné plusieurs réponses possibles. C’est la raison pour laquelle les pourcentages dépassent 100 %.
Source : Tableau A.69.
Le tableau 6.4. indique le nombre total de dossiers déférés pour poursuites durant l’année fiscale dans les 32 administrations qui ont la responsabilité de mener des enquêtes sur les délits fiscaux. Alors que le nombre de dossiers déférés pour poursuites était le même en 2018 et 2019, un recul significatif a été enregistré en 2020 et 2021.
Cela ressort également des données par juridiction qui montrent que près de 70 % des administrations qui ont la responsabilité de mener des enquêtes sur les délits fiscaux ont déféré moins de dossiers pour poursuites en 2021 (voir le tableau A 69).
Cette baisse peut s’expliquer par plusieurs raisons. Il peut s’agir notamment d’un recul véritable des dossiers, les administrations réduisant les effectifs dans ce domaine dans le cadre d’une réaffectation plus générale des ressources en raison de la pandémie ou bien la pandémie peut avoir imposé des restrictions à la capacité de déférer des dossiers pour poursuites. Les futures éditions de cette série permettront de déterminer si la baisse de cette année était un phénomène passager lié à la pandémie ou bien l’amorce d’une tendance de longue durée.
La recherche de meilleures solutions pour combattre la délinquance fiscale est une priorité absolue, car le blanchiment de capitaux, la corruption, le financement du terrorisme et d’autres délits à caractère financier menacent les intérêts stratégiques, politiques et économiques de tous les pays. Les administrations fiscales, en tant que « gardiennes » d’un système financier solide, jouent un rôle crucial dans la lutte contre ces activités et sont en possession d’informations qui peuvent être décisives pour mener à bien une enquête pénale en matière fiscale.
Le volet Enquêtes pénales de l’initiative Inspecteurs des impôts sans frontières (IISF-EP) est une initiative conjointe de l’OCDE et du PNUD, qui apporte un soutien bilatéral au renforcement des capacités des pays en développement dans le domaine des enquêtes sur les délits fiscaux, en prenant pour fondement la Recommandation du Conseil de l’OCDE sur les Dix principes mondiaux pour lutter contre la délinquance fiscale (OCDE, 2022[10]). Le programme bilatéral sur mesure IISF-EP combine l’expérience technique du Groupe d’action de l’OCDE sur les délits à caractère fiscal et autres délits et la présence sur le terrain du PNUD, en complément d’autres initiatives multilatérales de l’OCDE en matière de délinquance fiscale comme l’Académie de l’OCDE pour les enquêtes en matière de délinquance fiscale.
Le programme IISF-EP suit un processus de mise en œuvre en trois étapes commençant par une auto-évaluation selon le Modèle de maturité de l’OCDE pour les enquêtes sur les délits fiscaux afin de mettre en évidence les déficits de capacités (OCDE, 2020[11]) Durant la deuxième phase, le processus de mise en œuvre réelle démarre par l’élaboration d’un plan de travail définissant la portée du programme en fonction de l’auto-évaluation, et devant être achevé dans un délai de 18 à 24 mois, avec le concours d’un expert issu d’une administration partenaire ou du vivier d’experts géré par le PNUD. Un cadre de suivi et d’évaluation complété par des indicateurs de résultats sert de guide au processus de mise en œuvre.
Compte tenu des liens étroits entre la délinquance fiscale et les autres délits financiers, le programme IISF-EP s’attache à imposer une approche mobilisant toutes les sphères de l’action publique en rassemblant l’ensemble des organismes chargés de faire appliquer la loi. En outre, le programme IISF élabore actuellement un nouveau Modèle de maturité de la confiance afin de déterminer, avec l’aide d’un baromètre, le niveau actuel de la confiance dans les différentes parties prenantes concernées par les enquêtes en matière de délinquance financière et de définir les obstacles à la confiance, l’objectif étant d’élaborer une politique volontariste en la matière mettant en pratique cette démarche à l’échelle de l’ensemble de l’administration. Cet outil en ligne aidera les organismes chargés de faire appliquer la loi au sein d’une juridiction à acquérir une compréhension commune des défis posés par les flux financiers illicites et à définir une stratégie conjointe pour les combattre par la mise en commun des ressources disponibles.
Les programmes IISF-EP sont mis en œuvre actuellement dans huit pays en développement.
Note : Pour des informations complémentaires sur l’Académie de l’OCDE pour les enquêtes en matière de délinquance fiscale, voir le site : https://www.oecd.org/tax/crime/tax-crime-academy/ (consulté le 22 mai 2023).
Bibliographie
[8] OCDE (2022), Modèle de maturité de l'analytique de données, OCDE, Paris, https://www.oecd.org/tax/forum-on-tax-administration/publications-and-products/modele-de-maturite-analytique-de-donnees.pdf (consulté le 22 mai 2023).
[6] OCDE (2022), Cadre de déclaration des Crypto-actifs et modifications de la Norme commune de déclarationhttps://www.oecd.org/fr/fiscalite/echange-de-renseignements-fiscaux/cadre-de-declaration-des-crypto-actifs-et-modifications-de-la-norme-commune-de-declaration.pdf, OCDE, Paris, https://www.oecd.org/fr/fiscalite/echange-de-renseignements-fiscaux/cadre-de-declaration-des-crypto-actifs-et-modifications-de-la-norme-commune-de-declaration.htm (consulté le 22 mai 2023).
[10] OCDE (2022), Recommandation du Conseil sur les Dix principes mondiaux pour lutter contre la délinquance fiscale, OCDE, Paris, OECD/LEGAL/0469.
[5] OCDE (2022), Tax Administration 3.0 and Connecting with Natural Systems: Initial Findings, OECD Forum on Tax Administration, Éditions OCDE, Paris, https://doi.org/10.1787/53b8dade-en.
[9] OCDE (2021), « Tax Administration: Digital Resilience in the COVID-19 Environment », Les réponses de l’OCDE face au coronavirus (COVID-19), Éditions OCDE, Paris, https://doi.org/10.1787/2f3cf2fb-en.
[4] OCDE (2020), Code of Conduct: Co-operation between tax administrations and sharing and gig economy platforms, OCDE, Paris, http://www.oecd.org/tax/forum-on-tax-administration/publications-and-products/code-of-conduct-co-operation-between-tax-administrations-and-sharing-and-gig-economy-platforms.pdf (consulté le 22 mai 2023).
[3] OCDE (2020), Règles types de déclaration à l'intention des vendeurs relevant de l'économie du partage et de l'économie à la demande, OCDE, Paris, https://www.oecd.org/fr/fiscalite/echange-de-renseignements-fiscaux/regles-types-de-declaration-a-l-intention-des-vendeurs-relevant-de-l-economie-du-partage-et-de-l-economie-a-la-demande.htm (consulté le 22 mai 2023).
[11] OCDE (2020), Modèle de maturité en matière d’enquêtes sur les délits fiscaux, OCDE, Paris, https://www.oecd.org/fr/fiscalite/delits/modele-de-maturite-en-matiere-d-enquetes-sur-les-delits-fiscaux.pdf (consulté le 22 mai 2023).
[2] OCDE (2019), The Sharing and Gig Economy: Effective Taxation of Platform Sellers: Forum on Tax Administration, Éditions OCDE, Paris, https://dx.doi.org/10.1787/574b61f8-en.
[1] OCDE (2017), The Changing Tax Compliance Environment and the Role of Audit, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264282186-en.
[7] OCDE (2016), Advanced Analytics for Better Tax Administration: Putting Data to Work, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264256453-en.
Encadré 6.2. – Chili : Lien vers des informations complémentaires sur le tableau de bord pour l’impôt sur le revenu : https://www.oecd.org/tax/forum-on-tax-administration/database/b.6.2-chile-income-tax-dashboard.pdf
Encadré 6.2. – Finlande : Lien vers des informations complémentaires sur le Registre des revenus : https://www.vero.fi/en/incomes-register/about-us/
Encadré 6.7. – Lituanie : Lien vers une description détaillée du système i.KON : https://www.oecd.org/tax/forum-on-tax-administration/database/b.6.7-lithuania-controlling-risk-in-real-time.pdf
Encadré 6.8. – Australie : Lien vers des informations complémentaires sur le programme pilote pour la vérification active des agents agréés par l’ATO : https://www.oecd.org/tax/forum-on-tax-administration/database/b.6.8-australia-tax-agent-pilot.pdf