Actualités & Datastories
Datastory #11 – Les données pour mieux comprendre le fonctionnement de l’économie numérique et exploiter son potentiel fiscal
10/06/2025
L’an dernier, le Sénégal dévoilait le troisième plan d’actions prioritaires (2024-2028) du Plan Sénégal Émergent (PSE). Depuis 2014, le PSE constitue le référentiel de la politique économique et sociale du pays et vise à l’inscrire dans une trajectoire d’émergence à l’horizon 2035. Parmi les priorités identifiées figure le renforcement de la mobilisation des recettes fiscales nationales. Cet objectif est au cœur des activités de la Direction Générale des Impôts et des Domaines (DGID), et plus particulièrement de la Direction du Renseignement et des Stratégies de Contrôle Fiscal (DRESCOF), Dans ce contexte, la DGID a souhaité s’emparer de l’opportunité du projet Data Governance in Africa* (DATAGOV) afin de développer un cas d’usage dédié à la gestion du risque d’incivisme fiscal. L’équipe DATAGOV est intervenue en appui à la cellule Datamining de la DGID[1], dont l’objectif est de s’appuyer sur les données afin d’identifier des leviers pour élargir l’assiette fiscale.
Le déploiement de ce cas d’usage s’inscrit dans le projet Data Governance in Africa, financé par European Commission, AfricanUnion, Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung (BMZ), Ulkoministeriö, Ministry of Foreign Affairs of Estonia, SPF Affaires étrangères, Commerce extérieur et Coopération au Développement, et Ministère de l’Europe et des Affaires étrangères et mis en oeuvre par HAUS kehittämiskeskus Oy / HAUS Finnish Institute of Public Management Ltd, Estonian Centre for International Development (ESTDEV), GIZ African Union, et Enabel
Comment les techniques de data science permettent-elles de mieux orienter les contrôles fiscaux et in fine de mieux comprendre le fonctionnement de l’activité économique en ligne en vue de sa formalisation ?
[1] Créée en 2022 et rassemblant des experts aux profils variés, la cellule Datamining est le fruit des efforts conjoints de l’Union européenne, de la Direction générale du Trésor français et de la DGID. Elle est appuyée par le projet Datamining, mis en œuvre par Expertise France.
1. Identifier des leviers pour formaliser l’activité économique en ligne
Le Directeur général des impôts et domaines sénégalais a annoncé en avril 2025 que l’État a récolté plus d’un milliard de francs CFA en 2024 grâce à l’application de la taxe sur la valeur ajoutée (TVA) au secteur du numérique. Cette avancée illustre l’efficacité des réformes fiscales engagées par le pays, notamment en vue d’élargir l’assiette fiscale. L’économie numérique connaît une croissance soutenue et constitue une source de revenus potentiels. D’ailleurs, l’administration fiscale ambitionne de porter les recettes issues du numérique à 10 milliards de francs CFA dans les années à venir.
En vue d’atteindre cet objectif, la DGID et plus particulièrement la Direction du Renseignement et des Stratégies de Contrôle Fiscal (DRESCOF) souhaitent mieux appréhender l’économie numérique pour pouvoir en exploiter le potentiel fiscal. Le déploiement du cas d’usage de gestion du risque d’incivisme fiscal dans le cadre du projet Data Governance in Africa a pour objectif d’appuyer la DRESCOF dans la compréhension et l’évaluation de l’activité économique en ligne. Cela devrait permettre d’identifier des leviers d’action qui nourriront l’arsenal législatif de régulation des activités économiques en ligne en cours de construction.
2. Appuyer les agents de la cellule Datamining dans le cadrage et le lancement de l’expérimentation
Au sein de la cellule Datamining de la DRESCOF, une dizaine d’agents publics a pour mission d’améliorer le renseignement fiscal en mobilisant des techniques classiques de datascience comme le machine learning et l’analyse prédictive mais aussi en utilisant le webscraping. Le déploiement du cas d’usage a pu se faire rapidement en s’appuyant sur les connaissances techniques et métiers de ces agents.
💡Pour en savoir plus sur la formation des agents de la cellule Datamining, retrouvez la précédente Datastory sur le sujet : https://datalab.datafid.world/article/datastory_webscraping_datavisualisation_senegal
Il a fallu trouver un terrain de jeu pour l’expérimentation du cas d’usage, suffisamment pertinent en termes de volume d’activité. Deux secteurs de vente en ligne retenaient particulièrement l’attention de la DRESCOF : les ventes immobilières et les ventes de véhicules d’occasion. C’est finalement le marché automobile qui a été retenu. Récemment, ce secteur a été secoué par un scandale financier : un ancien cadre du service transit de la Sénégalaise de l’automobile, un des plus grands concessionnaires du pays, a détourné près de 1,2 milliards de francs CFA. L’ampleur des pertes et la sophistication des pratiques laissent craindre un véritable « carnage financier« . Au-delà de ça, le dynamise du secteur automobile a motivé le choix.
Afin de permettre le bon développement du cas d’usage, la DRESCOF a mobilisé une taskforce composée d’un chef du bureau de gestion, un représentant de la Direction générale des entreprises, un ancien vérificateur et deux contrôleurs. Ces agents, aux profils et compétences variés, ont travaillé en étroite collaboration avec l’équipe mandatée dans le cadre du projet Data Governance for Africa, à distance comme en présentiel. Réunis pour des ateliers de travail, les discussions ont permis de mieux comprendre comment s’opère la formalisation de ce secteur d’activité en s’intéressant aux seuils d’imposition, aux dispositifs déclaratifs, aux difficultés rencontrées dans les déclarations, etc. Ce fut l’occasion pour les experts Numéricité d’apporter leur soutien et expertise technique et juridique, en s’appuyant sur les connaissances du contexte régional héritées de la conduite du projet DATAFID.
Une fois ce cadre d’activité stabilisé, les équipes ont travaillé de concert au déploiement du cas d’usage en utilisant des techniques de webscraping afin d’identifier les situations présentant des risques de fraude fiscale et ainsi équiper les agents de la DRESCOF d’une datavisualisation les aidant dans leurs enquêtes.
3. Construire des faisceaux d’indices du risque d’incivisme fiscal grâce à la science des données
Une fois le cadre d’activité stabilisé, les équipes ont travaillé de concert au déploiement du cas d’usage portant sur le contrôle des déclarations fiscales des activités de vente professionnalisée d’automobiles en ligne. L’enjeu de cette expérimentation était d’identifier les profils de vendeurs réalisant le plus d’activité sur les plateformes de vente en ligne et de mettre le volume d’affaire estimé grâce à l’exploitation des données en regard des déclarations fiscales. En cas d’incohérence, cela pouvait porter à croire à un risque de fraude fiscale et motiver une enquête des services de la DRESCOF.
Pour cela, il fallait disposer de données sur les ventes de voitures à confronter aux données détenues par l’administration fiscale. Sur la base de deux site marchands retenus comme sources de données, notamment en raison de leur notoriété, l’équipe DATAGOV a appuyé les agents de la cellule Datamining afin d’essayer d’automatiser une collecte de données grâce aux méthodes de webscraping auxquelles ils étaient préalablement formés.
Une fois collectées, les données extraites des deux sites ont été versées dans une base de données, ce qui a permis d’obtenir une première visualisation et faciliter le travail de nettoyage. D’une part, la visualisation a mis en lumière la présence de doublons, étant donné qu’une même annonce peut être mise en ligne sur chacune des plateforme – et parfois en raison d’erreurs de manipulation de l’utilisateur sur une même plateforme. D’autre part, la visualisation a permis de déceler des incohérences dans les données, principalement entre le chiffre d’affaires et le nombre de véhicules vendus. Il s’agissait de réussir à identifier les vraies activités économiques des ventes particulières.
4. Des agents outillés pour enquêter et mieux orienter la programmation des contrôles fiscaux
À l’aide de ces données, les équipes ont reconstruit les profils des vendeurs dans un tableau de bord sur Metabase, solution hébergée sur le Datalab DATAFID. Le tableau de bord se compose de deux interfaces :
- Une première servant au pilotage général, avec une approche macro. On y retrouve le total du nombre de véhicules considérés comme vendus au regard des données pour chacun des vendeurs identifiés, le chiffre d’affaires reconstruit pour chaque vendeur, le classement des plus gros vendeurs, les autres catégories d’articles vendus, et ce pour chacune des plateformes étudiées.
- Une seconde permettant de rentrer dans le profil reconstruit de chacun des vendeurs. On y retrouve des détails sur les véhicules vendus (marques, caractéristiques techniques, prix de vente, répartition géographique des annonces, etc.), le détail des informations d’identité et de contacts disponibles, le chiffre d’affaire estimé sur chaque plateforme ainsi qu’une estimation de la TVA due.
Afin de mieux évaluer les situations des vendeurs ayant un important volume d’affaires, les agents ont rassemblé différentes sources externes leur permettant d’étoffer le faisceau d’indices d’un risque d’incivisme fiscal. Il s’agissait de mieux comprendre leur activité : ont-ils une concession ? sont-ils courtiers en vente ? ont-ils d’autres catalogues que ceux reconstruits à partir des deux plateformes ? Dans le même temps, les données du tableau de bord étaient confrontées à celles présentes dans l’ensemble des bases de données fiscales du pays afin de voir s’il y avait un différentiel entre le chiffre d’affaires déclaré et celui reconstruit.
Parmi l’ensemble des profils suspectés d’un risque d’incivisme fiscal, 5 ont été isolés pour faire l’objet d’un contrôle dans le cadre de la prochaine programmation. Les résultats des contrôles renseigneront la pertinence de la méthode proposée et la possibilité de l’étendre à d’autres domaines. L’objectif sera toujours le même : mieux comprendre le fonctionnement et isoler de leviers de structuration.