Recourir à l’apprentissage automatique pour détecter les entreprises fictives

Nous étudions l’usage d’un algorithme d’apprentissage automatique pour identifier les entreprises inexistantes, frauduleuses, servant à la fraude fiscale. À partir d’une riche base de déclarations fiscales d’un État indien couvrant plusieurs années, nous entraînons un modèle d’apprentissage automatique à prédire les entreprises frauduleuses. Nous utilisons ensuite ses prédictions pour mener des contrôles de terrain auprès des entreprises signalées comme suspectes. Nous constatons que le modèle est précis, en simulation comme sur le terrain, pour identifier les entreprises inexistantes. En écartant du contrôle un groupe d’entreprises choisi au hasard, nous estimons l’effet causal des contrôles guidés par l’apprentissage automatique. Malgré une forte performance prédictive, ces contrôles ne produisent pas de hausse significative de l’application de la loi, mesurée par les radiations d’entreprises frauduleuses et les recouvrements. Nous avançons deux explications de cet écart, à partir d’une analyse fine des protocoles de travail de l’administration fiscale : un biais de sélection et des frictions institutionnelles dans l’intégration du modèle aux systèmes administratifs existants. Notre étude est un avertissement quant à l’application de l’apprentissage automatique aux politiques publiques et au fait de s’appuyer sur la seule performance en échantillon de test comme indicateur d’efficacité. Les évaluations de terrain sont essentielles pour apprécier l’effet réel des modèles prédictifs.