Des chercheurs zimbabwéens en fiscalité exhortent les administrations fiscales africaines à adopter des solutions numériques pratiques afin d’améliorer l’échange transfrontalier d’informations, de renforcer les contrôles fondés sur les risques et de rendre la collecte des impôts plus efficace. Cet appel a été lancé lors de deux présentations de travaux de recherche organisées dans le cadre des sessions parallèles du 11ᵉ Congrès annuel du Réseau africain de recherche fiscale (ATRN), à Kigali.
Jeremiah Makumba, chef de projet à la Division des impôts nationaux de l’Autorité fiscale du Zimbabwe, a examiné les obstacles techniques qui entravent l’échange automatique d’informations entre les administrations fiscales africaines. Le Dr Gift Mupunga, Directeur de la recherche et du développement au sein de la même autorité, a montré comment les modèles d’apprentissage automatique peuvent aider à identifier les entreprises présentant un risque élevé et à améliorer la sélection des contrôles fiscaux. Bien que leurs travaux portent sur des domaines différents, les deux experts ont souligné la nécessité de disposer de technologies abordables et adaptées aux réalités institutionnelles et économiques de l’Afrique.
Connecter les systèmes fiscaux pour renforcer la transparence
Les travaux de M. Makumba ont analysé les raisons pour lesquelles l’échange automatique d’informations fiscales reste limité en Afrique, malgré les engagements internationaux en faveur de la transparence et de la coopération fiscales. Il a relevé plusieurs obstacles, notamment le coût élevé des infrastructures informatiques, la fragmentation des anciens systèmes, les lacunes juridiques et institutionnelles ainsi que l’absence d’identifiants fiscaux communs entre les différentes juridictions.
Certaines administrations ont également développé des systèmes distincts dans le cadre de projets soutenus par des bailleurs. Lorsque ces projets prennent fin, les systèmes peuvent continuer à fonctionner de manière indépendante, ce qui rend difficile l’échange d’informations selon une procédure commune et harmonisée. Selon M. Makumba, le principal obstacle à l’échange automatique d’informations est désormais davantage d’ordre technique que politique. Bien que les pays africains aient souscrit aux normes fiscales internationales, de nombreuses administrations ne disposent toujours pas des systèmes nécessaires pour relier leurs bases de données nationales aux réseaux mondiaux d’échange d’informations.
Un adaptateur africain d’interopérabilité pour un échange fluide des données fiscales
Pour répondre à ce problème, M. Makumba a proposé un Adaptateur africain d’interopérabilité, ou AIA, qui permettrait aux administrations fiscales d’échanger des informations sans remplacer leurs systèmes existants. L’adaptateur proposé extrairait les données d’un système fiscal national, les convertirait dans un format commun, les validerait et les transmettrait par l’intermédiaire de la passerelle internationale appropriée. Il recevrait également les réponses, traiterait les retours et permettrait de soumettre à nouveau les informations corrigées.
M. Makumba a expliqué que le système servirait de couche de traduction numérique entre différents systèmes nationaux. Chaque administration fiscale continuerait à conserver et à contrôler ses propres données, tandis que l’adaptateur relierait les systèmes nationaux aux réseaux internationaux d’échange d’informations fiscales.
Cette approche pourrait réduire le coût de la création de multiples connexions bilatérales. Au lieu de développer des interfaces distinctes avec chaque pays partenaire, les administrations pourraient se connecter à un cadre africain commun. M. Makumba a indiqué que le modèle avait été simulé dans un environnement de laboratoire à l’aide d’ordinateurs représentant différentes juridictions. La simulation a montré comment les informations pouvaient circuler entre les systèmes au moyen d’une interface de programmation d’applications.
Le cadre proposé comprendrait l’extraction, la transformation, la validation et la transmission des données. Il établirait également un lien entre la conformité technique et les obligations juridiques. Lorsque les pays sont tenus d’échanger des informations en vertu d’accords internationaux, les défaillances techniques pourraient compromettre leur capacité à respecter ces engagements.
L’apprentissage automatique au service de contrôles fiscaux ciblés
La présentation du Dr Mupunga a porté sur l’utilisation de l’apprentissage automatique pour améliorer la sélection des contrôles fiscaux. Ses travaux ont présenté un modèle prédictif conçu pour identifier les entreprises et les exploitations agricoles susceptibles de déclarer des pertes. Le modèle analyse notamment le ratio entre les coûts et le chiffre d’affaires, les dépenses administratives, les charges d’exploitation, le secteur d’activité et la taille de l’entreprise.
L’analyse a montré que les entreprises susceptibles de déclarer des pertes tendent à déclarer des coûts anormalement élevés par rapport à leur chiffre d’affaires. Les dépenses administratives élevées ont également été identifiées comme un indicateur important, suivies des charges d’exploitation. Le niveau de risque variait selon les secteurs. L’industrie manufacturière, l’hébergement et l’immobilier figuraient parmi les domaines nécessitant une attention accrue, les entreprises qui y opèrent présentant une probabilité plus élevée de déclarer des pertes.
La taille de l’entreprise constituait également un facteur pertinent. Les petites entreprises pouvaient présenter une probabilité plus élevée d’être classées à haut risque, tandis que les grandes entreprises affichaient généralement une proportion plus faible de cas à risque élevé. Le Dr Mupunga a souligné qu’un modèle prédictif ne devient réellement utile que lorsqu’il est testé et déployé à partir de données réelles de contribuables.
Le système présenté pouvait analyser un grand nombre de déclarations et produire des synthèses indiquant le nombre réel d’entreprises déclarant des pertes, le taux de pertes prévu par le modèle et le nombre d’entreprises classées à haut risque. Il pouvait également classer les entreprises selon leur probabilité de déclarer des pertes et identifier les indicateurs financiers à l’origine de chaque classification de risque.
Cette méthode permettrait aux administrations fiscales de concentrer leurs ressources limitées en matière de contrôle sur les dossiers présentant une probabilité plus élevée d’informations inexactes ou un risque important pour les recettes publiques. « Si vous avez un million de déclarations que vous ne pouvez pas contrôler, parce que vous ne disposez pas des ressources nécessaires, le modèle peut vous aider », a déclaré le Dr Mupunga.
La réforme fiscale numérique exige de garanties solides
Les deux présentations ont également mis en évidence les risques liés aux réformes fiscales numériques. Le cadre d’interopérabilité proposé par M. Makumba nécessiterait des normes communes, des protocoles de transmission sécurisés, une validation fiable des données et des règles juridiques claires régissant l’échange d’informations.
L’approche fondée sur l’apprentissage automatique du Dr Mupunga dépendrait, quant à elle, de données exactes et de fonctionnaires possédant les compétences nécessaires pour en interpréter les résultats. Une classification à haut risque ne devrait pas être automatiquement considérée comme la preuve d’une infraction. Elle devrait plutôt indiquer qu’un contribuable pourrait nécessiter un examen plus approfondi. Les agents fiscaux devraient toujours vérifier les documents pertinents, prendre en considération les explications du contribuable et respecter la législation avant toute mesure coercitive.
Les administrations fiscales doivent également protéger les informations relatives aux contribuables, suivre les performances des modèles prédictifs et veiller à ce que les systèmes numériques ne produisent pas de résultats injustes ou inexpliqués.Ensemble, les deux présentations ont montré que les administrations fiscales africaines ont besoin à la fois de systèmes interconnectés et de meilleures capacités d’analyse. L’interopérabilité peut faciliter la circulation des informations au-delà des frontières, tandis que l’apprentissage automatique peut aider les autorités à utiliser ces informations plus efficacement.
Les présentations ont été faites dans le cadre des sessions parallèles de recherche du Congrès de l’ATRN, organisé sous le thème « Les enjeux contemporains de la fiscalité en Afrique ». Elles ont mis en évidence le rôle croissant de la technologie dans l’administration fiscale, tout en soulignant que la réussite des réformes dépendra d’infrastructures solides, de personnels qualifiés, de lois claires et d’une utilisation responsable des données des contribuables.
#ATRN2026
Marie-Louise Félicité BIDIAS
Commentaires
Enregistrer un commentaire