Une nouvelle technologie pourrait contribuer à renforcer la lutte contre la fraude fiscale au Cameroun. Des chercheurs affiliés aux universités de Ngaoundéré et de Dschang, ainsi qu’à l’ESSCA School of Management en France, affirment avoir développé un système d’intelligence artificielle capable d’identifier les opérations susceptibles de relever de la fraude fiscale avec une précision de 97,2 %.Baptisée dans leurs travaux Optimizing Tax Revenue Through Machine Learning-Driven Fraud Detection: An Explainable Approach for Cameroon, cette solution s’appuie sur des techniques de machine learning et d’intelligence artificielle explicable. Elle aurait été testée sur 3,2 millions d’enregistrements de transactions fiscales, bancaires et douanières collectés entre mai et novembre 2025.Les résultats sont présentés par Moïse Demlegue Frina, Jean Robert Kala Kamdjoug et Donald Richie Kuete Menou dans un chapitre de conférence publié en ligne le 2 août 2026 par Springer Nature, dans les actes de WorldCIST 2026.
Une IA entraînée sur 3,2 millions de transactions
Pour parvenir à identifier les comportements considérés comme suspects, les chercheurs ont combiné plusieurs modèles d’intelligence artificielle. Parmi eux figurent XGBoost, Random Forest et les machines à vecteurs de support, auxquels s’ajoutent des méthodes non supervisées telles qu’Isolation Forest et les autoencodeurs.Le meilleur modèle aurait atteint une précision de 97,2 %, un rappel de 94,8 % et un score F1 de 96 %. Ces indicateurs permettent d’évaluer la capacité d’un algorithme à identifier correctement les cas de fraude tout en limitant les fausses alertes.
Le système serait également capable de traiter plus de 10 000 transactions par seconde, avec une latence inférieure à 100 millisecondes et la génération d’un score de risque en moins de deux secondes. Les chercheurs ont par ailleurs recours aux méthodes SHAP et LIME afin de rendre les décisions de l’algorithme plus compréhensibles pour les utilisateurs.Toutefois, le chiffre de 97,2 % doit être interprété avec prudence. Il ne signifie pas que l’IA détecte 97,2 % de toutes les fraudes fiscales existantes. La précision d’un modèle dépend notamment de la qualité des données utilisées, de la proportion de fraudes dans l’échantillon et de la manière dont les cas ont été identifiés et étiquetés.
Un premier déploiement annoncé dans trois centres fiscaux
Au-delà des tests effectués sur les données, les chercheurs affirment avoir expérimenté leur solution dans trois centres fiscaux camerounais. Selon leurs résultats, le dispositif aurait permis de réduire de 67 % le temps consacré au traitement des dossiers et de générer des recettes fiscales supplémentaires.Ces résultats constituent l’un des aspects les plus importants de l’étude, mais plusieurs informations restent à préciser.
Le résumé public ne mentionne ni le nom des centres concernés, ni la durée du pilote, ni le nombre de dossiers examinés. Le montant des recettes supplémentaires générées n’est pas non plus communiqué.Ces données manquantes empêchent pour l’heure de mesurer précisément l’impact budgétaire de la solution. Pour déterminer son efficacité économique, il serait notamment nécessaire de comparer les recettes effectivement recouvrées avec les coûts liés à l’installation, à la maintenance, à la sécurisation des données, à la formation des agents et au fonctionnement de la plateforme.
Au 25 août 2026, aucun document public de la Direction générale des impôts (DGI) retrouvé lors de la vérification ne permettait de confirmer cette expérimentation spécifique. Les résultats opérationnels annoncés restent donc, à ce stade, ceux rapportés par les auteurs de l’étude.
Une innovation qui s’inscrit dans la transformation numérique de la fiscalité
Le développement de cette technologie intervient dans un contexte où la DGI cherche déjà à moderniser ses méthodes de contrôle et de recoupement des données. Dans son Plan triennal de modernisation du système fiscal 2023-2025, l’administration fiscale avait identifié le besoin d’un outil centralisé capable de réaliser des recoupements à grande échelle.Le Plan stratégique 2026-2028 prévoit également une utilisation accrue de l’intelligence artificielle, de la Business Intelligence et de systèmes prédictifs. La DGI envisage par ailleurs la mise en place d’une unité chargée des recoupements massifs de données internes et externes.
Au 15 décembre 2025, 45 % de la programmation des contrôles était effectuée dans FUSION, alors que l’objectif fixé était de 90 %. L’administration faisait également état du développement d’un lac de données et de l’optimisation de ses outils de contrôle.
Dans ce contexte, l’IA développée par les chercheurs pourrait répondre à une problématique déjà identifiée par l’administration fiscale : exploiter de grands volumes de données pour mieux cibler les contrôles et détecter les opérations présentant un risque élevé.Mais avant d’en faire un outil de référence dans la lutte contre la fraude fiscale, ses performances devront être confirmées par des évaluations indépendantes, des tests sur des données nouvelles et, surtout, par une expérimentation opérationnelle suffisamment documentée.
Si ces résultats sont confirmés à plus grande échelle, cette technologie pourrait constituer une avancée dans la modernisation du contrôle fiscal au Cameroun et contribuer à améliorer le ciblage des fraudes, tout en réduisant le temps consacré à l’analyse des dossiers.
