Académique Documents
Professionnel Documents
Culture Documents
Bertrand Laporte
Contexte
• L’analyse du risque (AR) en douane : une recommandation de
l’OMD (Convention de Kyoto révisée, cadre des normes) et de
l’OMC (facilitation des échanges) pour la sélectivité des
contrôles afin de les rendre plus efficaces et moins
contraignants.
• L’AR est basée sur l’information. Celle-ci doit être : (1)
disponible; et (2) correctement traitée.
• L’analyse et la gestion du risque (AGR) concernent tous les
niveaux de contrôles : 1ière et 2ième lignes.
Contexte
• La relation importateur-douane est une relation déséquilibrée.
• Afin de réduire l’avantage informationnel de l’importateur, la douane est
en perpétuelle recherche d’information.
• De l’information pertinente peut être disponible :
A l’intérieur de l’organisation (système informatique de dédouanement);
A l’extérieur de l’organisation (sites marchands, places de marché, bases de
données internationales).
• La problématique de l’accès aux données varie selon la nature du bien :
Bien homogène : existence d’un prix/cours mondial, de prix de référence…;
Bien différencié : bien non côté en bourse, absence de prix de référence (cas
de nombreux biens manufacturés).
L’analyse des données internes à
la douane
Le contrôle de première ligne
L’existant
• Des systèmes informatiques douaniers qui
prévoient la sélectivité mais pas l’AR.
• Des critères essentiellement qualitatifs et duals.
• Des sociétés privées de vérification des
importations qui offrent des services d’AR basés
sur leurs propres informations.
• Peu d’utilisation effective de ces services par les
douanes concernées pour organiser la sélectivité
des contrôles.
L’existant
• Pas ou peu de feedback entre ces sociétés et les
douanes, donc pas d’appropriation du concept
d’AR et de la méthode d’AGR utilisée par ces
administrations.
• … et en parallèle, une pression de plus en plus
forte (institutions internationales, secteur privé)
pour améliorer la sélectivité des contrôles.
• D’où le besoin ressenti par les administrations
douanières de développer à l’interne des
systèmes d’AGR modernes, performants et basés
sur l’information douanière.
Systèmes d’AGR proposés
Méthode traditionnelle
Méthode plus sophistiquée : le ciblage des
déclarations grâce à la boîte à outils statistiques.
Systèmes d’AGR proposés
Méthode traditionnelle de sélectivité
• En dehors des contrôles systématiques suite à des
informations particulières sur certains courants
de fraude, la sélectivité est faite en utilisant des
critères de risque déterminés par un « Comité de
sélectivité » chargés de les identifier et de les
valider.
• Les critères de sélectivité, une fois validés, sont
paramétrés dans le module de sélectivité du
système informatique. L’information est
organisée sous forme de listes de produits,
origines, régimes, importateurs… Celles-ci sont,
en principe, réétudiées périodiquement.
Systèmes d’AGR proposés
Fréquence de
fraude = 1/5 = 0,2
nif_import nomenc pays_orig infraction
082200347G 1704900000 CI 0
Calcul de la fréquence de
082103468N 1704900000 GH 1
fraude pour le produit
082213064W 1704900000 EU 0 « 1704900000 »
084114676P 1704900000 LB 0
082200347G 1704900000 CI 0
Nombre d’articles
082103468N 1704900000 TG 0
082103468N 1704900000 GH 1
avec contentieux : 5
083103288W 1704900000 CN 0
087800301Y 1704900000 CN 1
Nombre total
082101514M 1704900000 TG 0 d’articles : 18
087800207G 1704900000 FR 0
084108081P 1704900000 EU 0
Fréquence de
083315848N 1704900000 CN 0
082103468N 1704900000 GH 1
fraude = 5/18 = 0,28
082103468N 1704900000 GH 0
082200065D 1704900000 EU 0
082103468N 1704900000 TG 1
082200065D 1704900000 EU 0
Table 1 - Profils de risque Table 2 - Profils de risque
importateurs produits
Importateur Fréquence de Produits Fréquence de
fraude fraude
031003624B 0,20 1104900000 0,05
987325680Z 0,00 1355320000 0,16
693982601S 0,75 1704900000 0,28
889340236P 1,00 5789120000 0,18
560247211X 0,22 6245670000 0,09
… … … …
Module Gestion
Intégration des résultats du contrôle du risque
Base de données
« informations douanières » Circuit Rouge,
Nouvelle déclaration Vert,…
Importateur n°213064564R ;
Table des profils de en fonction des
risque « importateur » Pays Russie ; code sh 39220000 seuils d’orientation
213064564R : 0,21 retenus
154767658Z : 0,6
023898923P : 0,01 critère 1
critère 1 : … n°213064564R
importateur fq = 0,21
« Tables des profils de risque »
par critère potentiel de risque critère 2 : Table des profils de
origine risque « origine »
critère 2
Analyse statistique : calcul des fréquences de
Belgique : 0,2 pays : Russie
fraude (fq) pour chaque critère Côte d’Ivoire : 0,6
critère 3 : fq= 0,59
produit Russie : 0,59 Score de la
… déclaration
critère 4 : = 0,54
critère 3
… Table des profils de code sh : 39220000
risque « produit »
fq= 0, 32
39220000 : 0,32
58630000 : 0,58
79250000 : 0,09
…
Modèle économétrique ou statistique simple
… … … … … …
a, b,….n : les pondérations des critères (coefficients des variables de l’équation) pour le
calcul du score (probabilité de fraude) de la déclaration « i ».
• Ces méthodes relativement simples, une fois
maitrisées par l’administration des douanes, peuvent
être développées afin de prendre en compte la
nature de la fraude.
• Mais est-ce nécessaire ?
Tester la performance du
système
• Il faut toujours s’assurer que le système mis en place
permette de prédire correctement le risque de fraude.
• Un test simple consiste à appliquer le système sur un
historique de déclarations pour lequel le résultat des
contrôles est connu, par exemple les déclarations des 12
derniers mois.
• Le système est bon (a un bon pouvoir prédictif) si toute
déclaration ayant fait l’objet d’une irrégularité dans le
passé est associée à un score calculé élevé (une
probabilité de fraude élevée).
• Dans l’exemple qui suit, le score de la déclaration a été
calculé comme la moyenne pondérée de 4 critères.
L’information peut être ordonnée de telle sorte à déterminer le seuil
à partir duquel la déclaration est jugée risquée.
En contrôlant
toutes les Nombre de Nombre de Nombre de
Nombre de Nombre de Nombre de déclarations déclarations déclarations
déclarations qui Nombre de déclarations déclarations déclarations irrégulières Taux d'irrégularité irrégulières (en irrégulières
présentent un Intervalle de score déclarations cumulées cumulées (en %) irrégulières cumulées par intervalle %) cumulées (en % )
score supérieur à [ 0,5 ; 1 ] 120 120 0,13 98 98 81,67 8,96 8,96
0,01, soit 19% [ 0,1 ; 0,5 ] 2050 2170 2,38 539 637 26,29 49,27 58,23
des déclarations, [ 0,07 ; 0,1 ] 1151 3321 3,64 141 778 12,25 12,89 71,12
514 40
le système cible [ 0,06 ; 0,07 ] 3835 4,20 818 7,78 3,66 74,77
[ 0,05 ; 0,06 ] 768 4603 5,04 62 880 8,07 5,67 80,44
près de 98 % des
[ 0,04 ; 0,05 ] 1183 5786 6,33 41 921 3,47 3,75 84,19
déclarations qui [ 0,03 ; 0,04 ] 1603 7389 8,09 54 975 3,37 4,94 89,12
ont fait l’objet [ 0,02 ; 0,03 ] 2812 10201 11,17 56 1031 1,99 5,12 94,24
d’une [ 0,01 ; 0,02 ] 7091 17292 18,93 38 1069 0,54 3,47 97,71
irrégularité dans [ 0 ; 0,01 ] 74063 91355 100,00 25 1094 0,03 2,29 100,00
le passé. Total 91355 1094
• Ces méthodes statistiques ne sont qu’un des
éléments du système d’analyse et de gestion
des risques.
• Le contrôle aléatoire, la sélectivité sur de
nouveaux circuits de fraude détectés par les
services de renseignement, la sélectivité dès
lors qu’une caractéristique de la déclaration
n’est pas renseignée dans la base de
données, sont complémentaires de l’analyse
statistique.
Volume 5, Number 1, March 2011
http://worldcustomsjournal.org/archive/volume-5-number-
1-march-2011/
Mise en application
Principales difficultés
• Nouveauté de la démarche : peu d’expériences dans les PED
et peu de littérature sur le sujet.
• Besoin d’appropriation par les douanes de ces nouvelles
méthodes très loin des préoccupations habituelles des
douaniers et réticences à l’abandon des méthodes
traditionnelles.
• Manque de compétence en douane dans les domaines
spécifiques nécessaires à l’analyse statistiques.
• Et surtout : absence de données fiables sur la fraude
douanière (faiblesse du contentieux douanier, pas de
traçabilité des données relatives au contentieux douanier).
Mise en application