L’intelligence artificielle et le data mining au service du contrôle fiscal des entreprises
p. 167-178
Texte intégral
1« Si l’on commence à considérer que l’individu peut être résumé à des algorithmes, l’idée que chaque personne est unique ou imprévisible en prend un coup. L’attention et le respect qu’on lui porte aussi ». Cette expression du prix Nobel de littérature Kazuo Ishiguro pose toutes les craintes, les ambiguïtés et les peurs relatives à la question de l’intelligence artificielle1. C’est souvent un autre auteur qui est évoqué lorsque l’on évoque cette question : Georges Orwell et son inquiétant « Big brother » tiré du roman 1984. Cette figure maléfique incarne le risque de la surveillance globale et permanente de la société2. L’administration fiscale n’échappe naturellement pas à cette peur. Par son rôle et ses fonctions l’administration fiscale provoque la peur d’une surveillance trop importante depuis longtemps, avant même, peut-être, l’avènement de la digitalisation de la société. Les administrations financières ont été pionnières en matière de numérisation, d’informatisation et d’automatisation3. L’informatisation avancée a d’abord concerné le calcul des impôts. Mais depuis 2014, c’est le contrôle fiscal qui a fait l’objet d’importantes avancées sur l’utilisation de l’intelligence artificielle et particulièrement des outils de datamining. On reprendra ici la définition donnée par Catherine Arnaud de l’intelligence artificielle : « L’intelligence artificielle désigne un ensemble de techniques et d’outils qui visent à imiter les activités intellectuelles humaines. (…). Il s’agit ni plus ni moins que de reproduire le mécanisme de la pensée et de la réflexion4 ». En matière de contrôle fiscal, la question centrale est celle du croisement automatisé des données, le traitement et l’exploitation de celles-ci par des ordinateurs. C’est un mouvement international permis par les révolutions digitales récentes. De plus, les contribuables sont amenés à fournir de plus en plus de données à l’administration fiscale5. Il n’est évidemment pas envisageable du point de vue technique (pour l’instant) mais aussi juridique d’envisager des contrôles entièrement dématérialisés et confiés à des ordinateurs si puissants soient-ils. En effet, la question de l’utilisation des outils de l’intelligence artificielle a suscité des craintes et corrélativement l’aménagement de principes et de règles visant à garantir les droits fondamentaux du contribuable. Il n’existera pas en l’état actuel du droit des contrôleurs fiscaux dématérialisés ou holographiques ! L’une des questions centrales qui se pose ici est de savoir si la fin justifie les moyens. On le sait la lutte contre la fraude fiscale est un objectif de valeur constitutionnelle6. Pour autant l’administration peut-elle utiliser tous les moyens permis par la technologie de l’intelligence artificielle ? Il conviendra ici de montrer l’émergence des moyens liés à cette dernière mis à disposition de l’administration fiscale pour améliorer l’efficacité de ses contrôles (I). Le conseil constitutionnel mais aussi la Commission nationale de l’informatique et des libertés ont posé un certain nombre de limites et de garde-fous afin de protéger les droits des personnes vérifiées (II).
I. L’émergence de l’exploration des données et de l’intelligence artificielle dans les procédures de contrôle fiscal
2La lutte contre la fraude fiscale passe par l’amélioration des procédures de contrôle fiscal. Il s’agit d’une part de permettre un recouvrement optimal des impôts indument éludés mais aussi de sanctionner les auteurs d’infraction par des sanctions fiscales voire pénales. Le législateur est intervenu à de multiples reprises pour trouver des solutions en la matière pour finalement faire application de l’objectif de valeur constitutionnelle de lutte contre la fraude fiscale. Le Gouvernement se trouve ainsi placé dans une obligation de moyens mais aussi de résultats. Partant, la tentation d’utiliser toutes techniques offertes par la digitalisation était réelle. Les obligations déclaratives et de fourniture d’information se sont considérablement développées depuis une quinzaine d’années. Ainsi, parmi de nombreuses obligations, on peut citer, notamment les échanges automatiques d’information que l’Administration fiscale va devoir traiter. Face à la masse de données à traiter cette dernière a développé considérablement ses moyens d’investigations.
A. Les enjeux de l’utilisation des moyens de l’intelligence artificielle
3Il est nécessaire de rappeler que l’administration ne contrôle pas les entreprises au hasard. Le contrôle fiscal exige une phase préalable de recueil d’informations. Elle dispose pour cela de diverses procédures et techniques pour collecter et traiter ces très nombreuses informations. Il s’agira de déterminer les entités qui feront l’objet des contrôles à venir. Il s’agit notamment de faire émerger les insuffisances de déclaration de recettes, les domiciliations fictives, les fraudes à la TVA (Carrousels), etc. Différents services ont la charge de cette fonction de renseignement. Ils peuvent utiliser plusieurs types de de procédures de collecte d’informations : le droit de communication qui permet d’obtenir des documents auprès d’entreprises, d’administrations ou d’organismes divers et le relevé d’informations comptables ; le droit d’enquête qui permet de rechercher les infractions aux règles de facturation auxquelles sont soumis les assujettis à la TVA ou encore la procédure de visite et de saisie. La mission de recherche de l’information est donc primordiale7.
4C’est dans le cadre de cette lutte contre la fraude et afin d’améliorer l’efficacité des contrôles fiscaux que des moyens beaucoup plus élaborés ont été mis en œuvre. Il s’agit essentiellement de recourir à l’intelligence artificielle pour exploiter les données grâce aux techniques dites de datamining. Littéralement cette expression signifie « forage de données » et peut être entendue généralement comme « exploitation de données ». Les principes et techniques de cette exploitation de données doivent être précisées8.
5Il est donc surtout question pour l’administration de faire du datamining. Il apparait que les techniques utilisées par la direction générale des finances publiques (DGFiP) sont fondées sur le « développement du deep learning, une technique d’apprentissage automatique sans intervention humaine, basée sur des réseaux de neurones artificiels9 ». Les machines informatiques apprennent à détecter les mécanismes de fraude. Cela implique qu’elles puissent apprendre au regard des données collectées. Elles vont utiliser pour cela des algorithmes de plus en plus sophistiqués. Un algorithme est selon le dictionnaire Larousse un « ensemble de règles opératoires dont l’application permet de résoudre un problème énoncé au moyen d’un nombre fini d’opérations. Un algorithme peut être traduit, grâce à un langage de programmation, en un programme exécutable par un ordinateur ». La technique des algorithmes est de plus en plus utilisée par l’administration10. On se rappela notamment l’utilisation de ces derniers dans le cadre du système d’attribution de places dans l’enseignement supérieur appelé « Parcours Plus ». Le croisement de données multiples doit permettre à l’administration fiscale de déterminer de façon plus fiable et plus systématique le profil de profils de fraude. On devrait ainsi aboutir à l’établissement de modélisation prédictive. La capacité de stockage des ordinateurs n’a cessé de progresser. Dès lors le stockage de données est facilité mais il faut pour traiter ces données multiples pouvoir faire confiance à la machine là où l’humain serait trop long dans leur analyse. L’administration fiscale dispose de la capacité de croiser plusieurs fichiers généraux (organismes sociaux, entreprises, échanges d’information entre États, fichiers immobiliers, etc.). Mais aussi de multiples données personnelles (civiles, bancaires, fiscales, professionnelles, etc.)11. Ainsi, l’administration devrait pouvoir identifier et établir au moyen d’outils mathématiques et statistiques, des profils types. L’administration a dû mettre des moyens financiers et humains importants au service de cette politique de datamining.
B. Les outils et structures de l’administration fiscale
6L’intégration d’outils de datamining contre les comportements fiscaux déviants a vraiment pris corps en 2013. En effet, c’est dans cette période que la « Mission requêtes et valorisation (MRV) » a été instituée. Elle visait d’abord les suspicions de fraude des professionnels, puis a été étendue à celle des particuliers en 2017. Cette mission a nécessité la création d’un traitement automatisé de données appelé « Ciblage de la fraude par la valorisation des requêtes » (CFVR)12. On parle d’intelligence artificielle dans ce cas car l’on a affaire un système dit apprenant. Par l’analyse des comportements frauduleux constatés et la modélisation de ces derniers le but est d’identifier des critères caractérisant une personne ayant des comportements à risque de fraude. Des profils types seront déterminés donc et applicables à des populations cible afin de détecter des comportements (relativement) similaires13. Le CFVR est financé par le Fonds pour la transformation de l’action publique (FTAP), de la mission « Action et transformation publiques » du budget de l’État. Le FTAP a été mis en place par le gouvernement dans le cadre d’un grand plan d’investissement annoncé par le Premier ministre le 25 septembre 2017. Le FTAP a alors été doté d’une enveloppe budgétaire inédite : 700 millions d’euros sur 5 ans pour accompagner les administrations publiques, de l’échelon nationale ou déconcentré, dans leurs projets de transformation. Il s’agissait d’investir dans les projets visant à améliorer la qualité du service délivré aux citoyens et aux entreprises ainsi que l’environnent des agents et l’efficacité des services publics. Le CFRV est rentré dans ce cadre. L’administration fiscale se trouve face à un problème majeur cependant qui tient dans l’ancienneté et l’obsolescence de ses outils informatiques. Il y a dès lors d’importantes difficultés techniques à surmonter. Il n’en reste pas moins que le CFRV exploite les informations de 11 bases de données14. Une trentaine d’agents servent la MRV. En 2019, on pouvait estimer à 200 téraoctets le volume des données traitées par la MRV. 22 % des contrôles des entreprises étaient fondées sur les traitements automatisés de données. L’objectif de l’Administration est de porter, à terme, ce chiffre à 50 %.
7L’Administration fiscale a aussi mis en œuvre le projet Pilat (pilotage et analyse du contrôle). Il s’agit de refondre le système d’information du contrôle fiscal. Selon un rapport sénatorial : « La direction générale des finances publiques gère aujourd’hui plus de 700 applications, dont une grande partie est obsolète15 ». Le bureau SJCF-1D de la DGFiP fonde ses nouvelles méthodes sur le décloisonnement autorisé grâce à l’existence d’un entrepôt de données unique pour détecter des anomalies simples : incohérences entre différentes déclarations, erreurs, etc. L’entrepôt de données permet évidemment un meilleur croisement des données avec des outils apprenants adéquats16.
8Les directions régionales du contrôle fiscal (DIRCOFI) sont associées à ce travail. En effet, il s’agit d’améliorer dans toute la mesure du possible la programmation des contrôles fiscaux qui restent basés sur l’intervention humaine des agents notamment dans le cadre des vérifications de comptabilité des entreprises. Il apparaît que « S’agissant des fraudes relatives aux professionnels, cette coopération a permis de construire plus d’une centaine de modèles statistiques ou des requêtes correspondant à autant de risques fiscaux ». L’ouverture, depuis le 1er septembre 2020, de la plateforme informatique du bureau SJCF-1D aux pôles de programmation des DIRCOFI, permet également d’approfondir la coordination des travaux et d’augmenter la volumétrie des productions issues du datamining17 ».
9Les sénateurs auteurs du rapport précité sur la fraude fiscale ont cependant apporté un bémol à cet engouement technologique, en effet, selon eux : « le ratio de rentabilité reste bien moindre pour les contrôles ciblés par intelligence artificielle ou datamining et ayant donné lieu à rectification18 ». En 2019, la DGFiP a pu récupérer 785 millions d’euros (sur 12,1 milliards d’euros) grâce à la MVR et au datamining. Les résultats semblent donc possiblement améliorables.
10Dans le cadre du développement de l’utilisation des moyens issu de l’intelligence artificielle, le législateur a été plus loin dans l’article 154 de la loi de finances pour 202019. A titre expérimental, les administrations fiscales et douanières ont été autorisées à collecter des données personnelles rendues publiques par les utilisateurs de certaines plateformes en ligne. Cette expérimentation est prévue pour une période de trois ans. Il s’agit d’aller toujours plus loin dans la lutte contre la fraude fiscale mais aussi douanière. Désormais, les publications ou encore les photos manifestement rendues publics par leurs utilisateurs et librement accessibles sur les plateformes en ligne et les réseaux sociaux peuvent désormais être collectées et exploitées par l’administration fiscale et douanière. En matière fiscale, il s’agit plus spécifiquement de traquer l’activité occulte et la fausse domiciliation à l’étranger. L’article 154 de la loi de finances pour 2019 prévoyait initialement que la collecte de données était aussi autorisée pour établir le défaut ou le retard de production d’une déclaration fiscale dans les trente jours suivant la réception d’une mise en demeure. Le Conseil constitutionnel a censuré cette disposition. Il a, en effet, considéré que l’administration n’avait nul besoin de croiser des données puisqu’elle connaissait déjà le manquement aux obligations déclaratives20. Selon le document de politique transversale annexé au projet de loi de finances pour 2021 consacré à la lutte contre l’évasion fiscale et la fraude en matière d’impositions de toutes natures (…), « le premier semestre 2020 a permis d’étudier la faisabilité technique et les cas métier pertinents mais aussi de travailler au cadrage juridique de ces nouvelles pratiques21 ». Le décret n° 2021-148 du 11 février 2021 portant « modalités de mise en œuvre par la direction générale des finances publiques et la direction générale des douanes et droits indirects de traitements informatisés et automatisés permettant la collecte et l’exploitation de données rendues publiques sur les sites internet des opérateurs de plateforme en ligne »22 a donc complété les dispositions de la loi de finances pour 2020. Ce dispositif vise clairement à compléter et enrichir le CFVR. Ce mécanisme devra faire l’objet d’une étude d’impact à terme afin de mesurer les techniques utilisées, les atteintes aux libertés fondamentales et les risques sur la sécurité des données. Une première évaluation devrait être faite à mi-parcours avant le bilan définitif23.
II. La protection des droits du contribuable face à l’exploration des données et l’intelligence artificielle
11À l’examen des mécanismes numériques d’investigation de l’administration fiscale, on s’aperçoit que les systèmes utilisés par cette dernière sont surtout destinés à croiser des données de plus en plus nombreuses. Le datamining a ici pour objectif d’améliorer l’efficacité du croisement de données en renforçant le côté « deep learning ». Certains ont pu parler « d’administration fiscale 2.0 » ou de « contrôle fiscal 2.024 ». En réalité, les garanties accordées au contribuable freinent malgré tout une extension tous azimuts des procédés de l’intelligence artificielle applicables au contrôle fiscal.
A. La limitation des champs d’investigation par le data mining et l’IA
12Les deux séries de mécanismes que nous avons évoqués plus haut à savoir le ciblage de la fraude par la valorisation des requêtes et la surveillance des plateformes numériques ont un champ d’application limité. Dans tous les cas, le but de l’administration est d’améliorer sa programmation. Il ne saurait être question de faire du contrôle fiscal automatisé. L’utilisation de ces techniques est d’apporter de l’information à l’appui des futures procédures de contrôles qui devront être mises en œuvre par l’administration fiscale.
13Cette dernière ne peut pas tout collecter et tout croiser même au nom de l’objectif constitutionnel de lutte contre la fraude. On peut s’en convaincre en examinant la nécessité d’accorder des garanties accordées rappelée par le Conseil constitutionnel lors de son examen de l’article 154 de la loi de finances pour 202025. Seuls les contenus rendus manifestement publics par les utilisateurs des plateformes en ligne peuvent être traités. Sont visés les opérateurs de plateforme en ligne dont une définition est donnée par l’article L111-7 du code de la consommation. Sont concernées par cette définition : « toute personne physique ou morale proposant, à titre professionnel, de manière rémunérée ou non, un service de communication au public en ligne reposant sur : 1° Le classement ou le référencement, au moyen d’algorithmes informatiques, de contenus, de biens ou de services proposés ou mis en ligne par des tiers ; 2° Ou la mise en relation de plusieurs parties en vue de la vente d’un bien, de la fourniture d’un service ou de l’échange ou du partage d’un contenu, d’un bien ou d’un service.
14L’administration ne peut avoir accès aux profils protégés par un mot de passe ou par une inscription spécifique sur ces plateformes. Les collectes d’informations ne peuvent pas non plus porter sur les commentaires lors de conversations sur les réseaux sociaux. Comme nous l’avons indiqué le champ d’application de cette collecte ne peut porter que pour rechercher des manquements et infractions à l’aide d’activités occulte et de fausse domiciliation à l’étranger. Concrètement et plus précisément ne sont visés que les comportements suivants : le défaut ou le retard de production d’une déclaration en cas de découverte d’une activité occulte26. En ce qui concerne les fausses domiciliations, sont traquées les inexactitudes ou les omissions qui sont relevées dans une déclaration ou un acte comportant l’indication d’éléments à retenir pour l’assiette ou la liquidation de l’impôt. Sont visées également les restitutions de créance de nature fiscale dont le versement a été indûment obtenu de l’État en cas de manquement délibéré, d’abus de droit ou de manœuvres frauduleuses ou de dissimulation d’une partie du prix stipulé dans un contrat dès lors que les inexactitudes ou omissions découlent d’un manquement aux règles de domiciliation fiscale27. Ce sont donc des séries de cas relativement circonscrites qui sont offertes aux investigations des algorithmes de l’administration.
B. Le maintien des droits des contribuables au regard du data mining
15La Commission nationale informatique et libertés a constaté dans sa délibération n° 2019-114 du 12 septembre 2019 « qu’au regard de l’ampleur du dispositif projeté, tant au niveau du nombre de personnes concernées que du volume de données collectées, qu’une atteinte particulièrement importante au droit au respect de la vie privée et à la protection des données à caractère personnel est susceptible d’être caractérisée ». Le Conseil constitutionnel a également soulevé les risques d’atteinte aux droits fondamentaux dans sa décision n° 2019-796 DC du 27 décembre 2019. Il a donc rappelé la nécessité de conciliation de la protection des droits fondamentaux (notamment du droit au respect de la vie privée protégé par l’article 2 de la déclaration des droits de l’Homme et du citoyen) et de l’objectif constitutionnel de lutte contre la fraude fiscale. Il a donc rappelé qu’il appartenait au pouvoir réglementaire de veiller, sous le contrôle du juge, à ce que les algorithmes utilisés par ces traitements ne permettent de collecter et de conserver que les données strictement nécessaires à ces finalités.
16Les procédures de contrôle fiscal sont très strictement encadrées par un ensemble de garanties offertes aux contribuables (personnes physiques ou morales). L’utilisation des technologies de datamining ou issues de l’intelligence artificielle ne remet pas en cause les garanties traditionnelles du contribuable. De plus, les contribuables bénéficient de garanties spécifiques contenues dans la loi Informatique et Libertés n° 78-17 du 6 janvier 1978 qui a créé la Commission nationale de l’informatique et des libertés (CNIL) Cette dernière a été amenée à se prononcer sur les traitements de données mis en place par l’administration fiscale28. En effet, la loi de 1978 prévoyait que tout traitement de données devait faire expressément l’objet d’une autorisation légale ou réglementaire. Un avis conforme de la CNIL devait de plus accompagner ces autorisations. La Directive européenne n° 95/46/CE du 24 octobre 1995 a mis en place un régime plus souple de déclaration simple29. Il est expressément mentionné dans l’article 154 de la loi de finances pour 2020 que le droit d’opposition prévu à l’article 110 de la loi informatique et libertés ne s’applique pas aux traitements réalisés par l’administration fiscale. En effet, si tel était le cas, le recours au datamining n’aurait plus aucun intérêt. Cependant, il reste la possibilité, pour les personnes concernées, d’avoir accès aux informations collectées auprès du service qui a le droit de traiter ces données. Les contribuables ont notamment le droit de connaître les finalités du traitement juridique.
17Les garanties accordées aux contribuables tiennent notamment dans la durée de conservation des données recueillies par l’administration fiscale. Le datamining a pour intérêt de recueillir des données et de les traiter en permanence. Le droit de contrôle ou droit de reprise est cependant encadré dans des délais de prescription. L’administration ne peut conserver des données ad vitam aeternam. Il s’agit d’une garantie essentielle pour les contribuables. Les informations qui ont pour objet de constater une activité occulte ou une fausse domiciliation à l’étranger ne peuvent être stockées dans les entrepôts de données en vue d’un examen approfondi que pour une période maximale d’un an. Cependant, si ces données sont utilisées dans le cadre d’une procédure pénale ou simplement de rectification fiscale, elles pourront être conservées durant toute sa durée. Les autres informations conservées doivent détruites dans un délai maximum de 30 jours à compter de leur collecte. Certaines données personnelles particulièrement sensibles devront être détruites au plus tard cinq jours après leur collecte. Il s’agit des données concernant l’origine raciale ou ethnique, les opinions politiques, l’appartenance à un syndicat, les convictions religieuses ou philosophiques, l’état de santé ou encore l’orientation sexuelle.
18L’intelligence artificielle peut servir la lutte contre la fraude et l’évasion fiscale. L’automatisation du traitement des données des contribuables est bien une avancée technologique majeure dans la conception du contrôle fiscal. L’accès aux informations utiles à la détection des comportements permet une amélioration de l’efficacité de la programmation des contrôles fiscaux. Les perspectives sont prometteuses pour l’Administration fiscale30 mais le système de garanties des droits n’autorise pas tout. Dès lors, le développement de l’intelligence artificielle dans les procédures de contrôle pourrait trouver sa limite rapidement.
Notes de bas de page
1 Cité par Michel Schneider, Le grand roman de l’intelligence artificielle. Le Point, 12 août 2021, p. 62.
2 Voir C. Lequesne-Roth, La lutte contre la fraude à l’ère digitale. Les enjeux du recours à l’intelligence artificielle par l’administration financière, Revue de droit fiscal, n° 5, 4 février 2021. N° 120-§1 ; Voir également, J. Sayag, L’entreprise à l’épreuve de l’évolution des outils du contrôle fiscal, Revue de droit fiscal n° 5, 4 février 2021, n° 125-§2, P. Pin, La lutte contre la fraude fiscale à l’heure de Big brother, Les nouvelles fiscales, n° 1213, 2018, p. 3 ; P. Sugy, Lutte contre la fraude fiscale : en marche vers la surveillance digitale généralisée ? : Interview de Charles Prats et Virginie Pradel. Le Figaro, 16 novembre 2019, https://www.lefigaro.fr/vox/economie/la-lutte-contre-la-fraude-fiscale-en-marche-vers-la-surveillance-digitale-generalisee-20191116.
3 Voir. L. Ploquin, Numériques et administrations financières in Numérique, action publique et démocratie, sous la direction de P. Bance et J. Fournier, Presses universitaires de Rouen et du Havre, 2021, p. 314.
4 C. Arnaud, L’intelligence artificielle et les données : retour sur la pratique du croisement de données, Droit et patrimoine, n° 298, 1er janvier 2020.
5 Que ce soit la Direction générale des finances publiques ou la Direction générale des douanes et des droits indirects. Voir J. Sayag, art. précité, N° 123-§2 ; C. Arnaud, art. précité.
6 Cons. Const. 29 décembre 1999, n° 99-424 DC, RJF, 2000, n° 3, §248.
7 T. Lambert, Contribution à la définition des nouvelles problématiques du contrôle fiscal, REIDF, n° 2018/1, p. 8.
8 S. Creange, Le datamining et le ciblage des opérations de contrôle fiscal à la DGFiP, RFFP, n° 153, p. 21.
9 F. Perrotin, Ciblage des contrôles fiscaux et datamining, LPA 20 mai 2020, n° 152h3, p. 8.
10 M. Kimri et P. Legros, Le régime juridique du contrôle fiscal algorithmique, Revue de droit fiscal, n° 5, 4 février 2021, §122.
11 C. Arnaud, Art. précité.
12 Voir arrêté du 21 février 2014 portant création 8 août 2017 modifiant l’arrêté du par la DGFiP d’un traitement automatisé de lutte contre la fraude dénommé « ciblage de la fraude et valorisation des requêtes ». Ce texte a été modifié par l’arrêté du 28 août 2017.
13 C. Nougein et T. Carcenac, Rapport d’information sur les moyens du contrôle fiscal, Sénat – Commission des finances, n° 668, 22 juillet 2020, p. 11.
14 F. Perrotin, Ciblage des contrôles fiscaux et datamining, Les petites affiches, n° 101, 20 mai 2020, p. 10.
15 C. Nougein et T. Carcenac, Rapport d’information sur les moyens du contrôle fiscal, Sénat – Commission des finances, n° 668, 22 juillet 2020, p. 12.
16 Voir e-fip, le e-journal de la DGFiP, novembre 2020, https://www.bercynumerique.finances.gouv.fr/vivre-le-numerique-a-bercy/le-data-mining-a-la-dgfip.
17 Voir e-fip, le e-journal de la DGFiP, novembre 2020, https://www.bercynumerique.finances.gouv.fr/vivre-le-numerique-a-bercy/le-data-mining-a-la-dgfip.
18 C. Nougein et T. Carcenac, Rapport d’information sur les moyens du contrôle fiscal, Sénat – Commission des finances, n° 668, 22 juillet 2020, p. 12.
19 Loi n° 2019-1479 du 28 décembre 2019 de finances pour 2020. JO, n° 302 du 29 décembre 2019.
20 Cons. Const. 27 décembre 2019, n° 2019-796 DC points 75 et s. Voir le commentaire du Conseil sur la décision et sur l’article 154 plus particulièrement. https://www.conseil-constitutionnel.fr/sites/default/files/as/root/bank_mm/decisions/2019796dc/2019796dc_ccc.pdf ; Voir également A. Bachert-Peretti, Article 154 (traitement automatisé des contenus accessibles publiquement sur les sites Internet) : libres propos sur l’office du Conseil constitutionnel à l’heure numérique, Revue française de droit constitutionnel, Juin 2020, n° 122, p. 459 à 466. voir F. Douet, Utilisation des données ouvertes des plateformes en ligne dans le cadre de contrôles fiscaux et douaniers, Dalloz IP/IT, 2020, p. 197.
21 Document de politique transversale projet de loi de finances pour lutte contre l’évasion fiscale et la fraude en matière d’impositions de toutes natures et de cotisations sociales, 2020, p. 85. https://www.budget.gouv.fr/documentation/documents-budgetaires/exercice-2021?docuement_dossier%5B0%5D=typologie%3A76.
22 JO n° 38 du 13 février 2021.
23 Sur ce dispositif, voir F. Douet, Utilisation des données ouvertes des plateformes en ligne dans le cadre de contrôles fiscaux et douaniers, Dalloz IP/IT, 2020, p. 195 et s. ; L. Ladoux, Collecte massive de données numériques : le datamining au service du contrôle fiscal, Les nouvelles fiscales, n° 1287, 1er mai 2021, p. 6 et s.
24 Par exemple, G. Macke, Le fisc passe à l’intelligence artificielle pour traquer les fraudeurs, Challenges, 10 février 2019, https://www.challenges.fr/economie/fiscalite/le-fisc-passe-a-l-ia-pour-traquer-les-fraudeurs_641400.
25 Cons. Const. 27 décembre 2019, n° 2019-796 DC points 75 et s.
26 Article 1728, 1-c du Code général des impôts.
27 Feuillets rapide Francis Lefebvre, 2/20, Spécial loi de finances pour 2020, 21 décembre 2019. §87.
28 Voir notamment CNIL, délibération n° 2013-302 du 15 octobre 2013, délibération n° 2016-286 du 20 septembre 2016, délibération n° 2017-226 du 20 juillet 2017, délibération n° 2019-079 du 20 juin 2019, délibération n° 2019-115 du 12 septembre 2019, délibération n° 2020-123 du 10 décembre 2020.
29 C. Arnaud, L’intelligence artificielle et les données : retour sur la pratique du croisement de données. Droit et patrimoine, n° 298, 1er janvier 2020.
30 F. Perrotin, Contrôle fiscal et intelligence artificielle : des résultats prometteurs, LPA, 20 janvier 2021, n° 157h8 p. 4 et s.
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
Qu’en est-il du code du commerce 200 ans après ?
États des lieux et projections
Corinne Saint-Alary-Houin (dir.)
2008
Qu'en est-il de la simplification du droit ?
Frédérique Rueda et Jacqueline Pousson-Petit (dir.)
2010
La réorientation européenne de la TVA à la suite du renoncement au régime définitif
Francis Querol (dir.)
2014
Regards critiques sur quelques (r)évolutions récentes du droit
Tome 1 : Bilans et Tome 2 : Réformes-Révolutions
Maryvonne Hecquard-Théron et Jacques Krynen (dir.)
2005