Datastory #8 : Webscraping, datavisualisation et orientation des contrôles

2. Une formation sur mesure via le datalab DATAFID

Pour former les membres de la cellule Datamining, les experts se sont appuyés sur les modules de formation proposés dans le cadre du projet DATAFID et ont proposé un parcours de formation en deux étapes :

• une première en juillet 2023 visant à prendre en main le datalab DATAFID, suivre les modules de formation en python et réaliser un TP de webscraping sur un site de vente de gré à gré,
• une seconde en octobre 2023 afin de consolider les acquis en Python, en webscraping et sensibiliser l’administration fiscale aux enjeux de la datavisualisation.

💡 Pour en savoir plus sur les modules de formations et travaux pratiques proposés dans le cadre du projet DATAFID, (re)découvrez la datastory sur le sujet : https://datalab.datafid.world/article/datastory_formations_tp

La première étape de la formation, en juillet 2023, a débuté avec l’exploration et la prise en main du datalab DATAFID. L’objectif était de renforcer les compétences des membres de la cellule en matière d’analyse, de traitement et de visualisation des données fiscales en proposant des modules de formation en Python adaptés aux besoins de la DGID et dispensés sur le datalab.

 

Dans la perspective d’une mise en pratique concrète, les équipes se sont exercées grâce à un cas d’usage à l’aide d’un script développé par les experts DATAFID : le webscraping d’un site de vente en ligne de gré à gré largement utilisé au Sénégal. Disposer de données de vente en ligne permettrait à l’administration fiscale de potentiellement détecter des contribuables qui ne déclarent pas la totalité de leurs transactions. À la fin de cette première phase, le script a été mis à disposition des équipes. Il restait à automatiser la récupération de données pour s’assurer que les ventes soient bien déclarées, et au besoin d’orienter un contrôle fiscal.

💡 Comment fonctionne le script pour webscraper un site de vente en ligne ?

Le script récupère l’ensemble des catégories de produits proposés sur le site. Il explore ensuite les catalogues correspondants et récupère le nombre de pages existantes pour chacun d’eux. Il examine et récupère les informations (données) de chaque page correspondant à un article (nom du vendeur, les informations générales sur la vente comme le prix, la localisation, les caractéristiques de l’article). L’ensemble de ces informations sont rassemblées dans un dataframe par produit, une fois les balises HTML identifiées afin de récupérer les bonnes données.

Lors de la seconde étape, en octobre 2023, la formation à Python s’est poursuivie, et un nouveau TP sur le scraping de données a été proposé. L’objectif : être en capacité de scraper des données tabulaires au format PDF avec des librairies python comme Tabula ou Pandas, et mettre en qualité les données.

A cette occasion, des outils de datavisualisation (Tableau et Apache Superset) ont été présentés. Cécile Albet, data analyst de la Direction générale des finances publiques (DGFiP) française, a partagé les résultats de ses travaux, les difficultés qu’elle a rencontrées et les différents types de tableaux de bord existants. Elle a ensuite accompagné les agents dans un TP leur permettant de construire leur premier tableau de bord.

En clôture de cette seconde étape, une session spéciale a été organisée pour présenter aux directeurs de la DGID les enjeux de la datavisualisation. L’objectif était de les sensibiliser à l’utilisation des outils de visualisation dans le suivi quotidien de l’activité de la DGID et des tableaux de bord décisionnels pour aider les agents dans l’orientation des contrôles. A l’issue de cette session, les agents ont pu présenter la première version opérationnelle du tableau de bord réalisé au cours du TP. Enfin, les solutions construites par les pays du projet DATAFID ont été présentées. Il s’agissait entre autres, des travaux conduits avec les administrations douanières et fiscales ivoiriennes, reposant sur des données agrégées et anonymisées.

💡 Pour en savoir plus sur la datavisualisation construite sur la notation des contribuables en Côte d’Ivoire, (re)découvrez la datastory sur le sujet : https://datalab.datafid.world/article/datastory_notation_contribuables

💡 Pour en savoir plus sur la datavisualisation construite sur l’orientation des contrôles douaniers en Côte d’Ivoire, (re)découvrez la datastory sur le sujet : https://datalab.datafid.world/article/datastory_loi_benford

Ce large panorama a permis d’illustrer les bonnes pratiques de datavisualisation au sein d’une administration fiscale, afin d’encourager l’intégration de cette solution et moderniser les pratiques de l’administration fiscale sénégalaise.

“Ces sessions de formation ont permis la montée en compétences de la cellule datamining de la DGID. Les méthodes et techniques de webscraping et de fiabilisation des données apprises lors des formations ont été appliquées dans d’autres projets, notamment un lié aux visas d’exonération. La seconde étape de la formation a été l’occasion de passer du théorique au concret, et de sensibiliser les fiscalistes à l’intérêt des outils de datavisualisation. Les retours d’expérience de projets conduits par d’autres pays dans la région dans le cadre de DATAFID ont convaincu les directeurs de la DGID des enjeux autour de la donnée. Tout cela pousse à réfléchir et échanger au sujet de la fonction d’administration des données au sein de la direction, afin de propulser l’exploitation et la circulation des données à un niveau plus stratégique et structurel.” Henri Ghrissi, Expert technique international, Chef de projet Datamining

💡 Quelles sont les prochaines étapes ?

Les retours sur la formation ont été extrêmement positifs. La mission a permis de renforcer les compétences techniques des participants et de proposer une approche plus stratégique de l’utilisation de la data science dans la gestion des risques fiscaux.

Le scraping est une solution coûteuse pour obtenir des données externes, et difficilement applicable à une grande échelle. Ces travaux mettent en lumière les réflexions que l’administration fiscale doit avoir pour obtenir des données qu’elle n’émet pas. De nombreuses solutions plus viables existent, à commencer par la négociation de cadres de partenariat avec les acteurs économiques du pays afin de procéder à des échanges de données.

Forts des retours d’expérience des administrations fiscales de sous-région et française, la DGID envisage maintenant d’intégrer des solutions de visualisation de données telles que Apache Superset ou Tableau, pour assurer une meilleure analyse et suivi des activités fiscales. De nouvelles activités sont en réflexion autour de chantiers liés à l’automatisation des remontées d’informations, la construction d’indicateurs, la coordination entre acteurs et la stratégie de la direction en matière de données.