Algorithmes IA de la DGFiP : comment 56 % des contrôles sont déjà décidés par une machine
Six pour cent en 2017. Cinquante-six pour cent en 2023. C’est la progression officielle de la part des contrôles fiscaux ciblés par les algorithmes de la DGFiP. Concrètement, plus d’un contrôle professionnel sur deux est désormais sélectionné par une machine. Le score est calculé sur les données déclaratives, patrimoniales et bancaires du contribuable. Cette IA s’appelle CFVR. Elle traite 1 400 milliards de données dans les serveurs de Bercy et a déclenché 23 612 contrôles sur les seuls professionnels en 2024.
Présenté comme un gain d’efficacité, ce ciblage automatisé soulève une question rarement posée : que se passe-t-il quand l’algorithme se trompe ? Pour comprendre ce qui se joue, replaçons cette mécanique dans son cadre plus large. Celui-ci s’organise autour de la surveillance fiscale massive permise par la remontée systématique des données. La facture électronique de 2026 va décupler la matière première de ces modèles. La logique change : on ne contrôle plus après suspicion, on suspecte après ciblage.
La communication officielle insiste sur la modernisation, sur les 2,1 milliards d’euros rappelés en 2023 grâce à l’analyse de données, sur les piscines non déclarées détectées par drone. Elle minimise systématiquement deux faits documentés : le taux d’erreur réel des modèles, et l’absence d’obligation de transparence vis-à-vis du contribuable ciblé. Notre observatoire restitue ce que les communiqués passent sous silence.
L’enquête mère : la surveillance fiscale massive
Notre dossier de fond sur ce que la réforme transforme dans le rapport contribuable-administration.
I — Le moteurComment la DGFiP cible 56 % de ses contrôles.
Derrière l’expression vague d’« algorithmes IA » se cache une infrastructure technique précise, financée publiquement et opérationnelle depuis dix ans. Trois briques composent ce moteur. Aucune n’est secrète. Aucune n’a fait l’objet d’un débat parlementaire approfondi sur ses conditions d’usage.
CFVR, le data mining qui programme la moitié des contrôles
Le programme CFVR (Ciblage de la Fraude et Valorisation des Requêtes) est lancé en 2014, puis financé par le Fonds de Transformation de l’Action Publique en 2017, à hauteur de 5 millions d’euros. Son objectif officiel : améliorer la phase de ciblage des contrôles fiscaux en croisant les bases de données dont dispose la DGFiP. Concrètement, le data mining analyse des millions de déclarations pour identifier des profils de fraude.
La part des contrôles ainsi sélectionnés est passée de 6 % en 2017 à près de 56 % en 2023. L’objectif de 50 %, fixé en contrepartie du financement public, a été atteint dès 2022. Sur les 42 130 contrôles menés sur les professionnels en 2024, 23 612 ont été ciblés par cette voie. Côté particuliers, 45 % des contrôles sont désormais déclenchés par les détections automatisées.
Depuis le 1ᵉʳ octobre 2024, la mission MRV qui pilotait CFVR est devenue le bureau SJCF-1D, intégré au service de la sécurité juridique et du contrôle fiscal. Le changement administratif n’a pas modifié la trajectoire : le ratio cible monte à 50 % en 2027. Les contrôles issus des analyses de données nationales ont permis de rappeler 2,1 milliards d’euros en 2023, contre 2 milliards en 2022.
Foncier Innovant, le précurseur photo aérienne
Déployé fin 2022, le programme Foncier Innovant illustre la deuxième brique : la vision par ordinateur appliquée aux prises de vue aériennes de l’IGN. Les algorithmes scannent les photos publiques, repèrent les piscines, vérandas, garages ou extensions, puis croisent ces détections avec les déclarations fiscales correspondantes. La phase d’expérimentation de 2022 couvrait neuf départements pilotes. Elle a permis d’identifier et de régulariser plus de 20 000 piscines non déclarées, intégrées dans l’assiette de la taxe foncière l’année même.
Foncier Innovant est techniquement séduisant et politiquement présentable. Il a aussi un défaut peu médiatisé. Le taux d’erreur des modèles atteindrait 55 à 60 % d’après les estimations de la CGT Finances Publiques. La DGFiP a publiquement reconnu qu’une vérification humaine systématique précède toute régularisation. Toutefois, ce filtrage repose alors sur la charge de travail des agents, pas sur la qualité intrinsèque du modèle. Une note interne révélée par le syndicat Solidaires FiPublik est sans ambiguïté : l’administration assume des taux de validation faibles, en contrepartie d’une volonté de ne pas écarter abusivement des détections potentiellement fiscalisables.
La doctrine interne de la DGFiP assume formellement un taux élevé de faux positifs, considéré comme la contrepartie acceptable d’un meilleur taux de détection brut. Source : note Solidaires FiPublik citée dans la presse spécialisée en 2025.
Ces chiffres dessinent la véritable échelle du dispositif. En quelques années, une mécanique expérimentale est devenue le canal principal de programmation du contrôle fiscal français.
par les serveurs DGFiP
ciblés par IA en 2024
de données en 2023
II — L’effet 2026La facture électronique transforme l’algorithme en surveillance continue.
Tant que les algorithmes travaillaient sur les déclarations annuelles et les bases patrimoniales, ils restaient des outils a posteriori. La généralisation de la facturation électronique au 1ᵉʳ septembre 2026 change la nature même du dispositif. CFVR va recevoir une matière première radicalement différente : des données transactionnelles, structurées, en flux quasi-continu.
Le PPF, nouveau gisement de données pour l’IA fiscale
Le Portail Public de Facturation (PPF) centralisera, dès septembre 2026, les e-factures B2B et les e-reportings transmis par les Plateformes Agréées. Chaque facture porte une trentaine de mentions structurées : SIRET, nature de l’opération, taux de TVA, mode de paiement, dates. Pour les algorithmes de la DGFiP, c’est un changement d’échelle. Plus de 10 millions d’assujettis à la TVA vont alimenter ce flux. Le PPF traitera, par effet d’agrégation, des milliards de lignes par an.
Les outils internes vont pouvoir croiser ces flux avec les autres fichiers déjà connectés au data warehouse fiscal qui sert au ciblage des contrôles : déclarations CA3, FEC, fichiers URSSAF, registres bancaires, données patrimoniales. Le rapprochement devient automatique. Chaque vente émise sera confrontée à la déduction de TVA correspondante chez l’acheteur, dans la même base, en quelques minutes. Le pré-remplissage de la déclaration de TVA est annoncé pour 2028 au plus tôt, mais la comparaison algorithmique n’attendra pas cette échéance.
Du contrôle a posteriori au scoring en temps quasi-réel
L’enjeu n’est plus seulement statistique. Avec la facture électronique, l’algorithme passe d’une analyse mensuelle ou annuelle à une détection d’anomalies en temps quasi-réel. Concrètement, si une facture émise par votre fournisseur ne se retrouve pas dans votre comptabilité, ou si vos volumes B2B explosent sans cohérence avec votre CA déclaré, le score de risque attribué à votre dossier monte avant même votre prochaine échéance fiscale.
Ce que tout cela produit, ce n’est pas un contrôle de plus. C’est une posture permanente de surveillance dans laquelle chaque transaction génère sa propre trace exploitable. La DGFiP communique sur le ciblage « plus précis », autrement dit moins d’enquêtes inutiles. Les organisations professionnelles s’inquiètent du même phénomène vu de l’autre côté. On observe davantage de contrôles déclenchés sur des incohérences techniques mineures, comme dans les premiers cas documentés de redressement issu de la chaîne e-facture. Le fardeau de justification est renvoyé en aval, sur la TPE. La logique du droit à l’erreur reste affichée dans les communiqués officiels, mais l’algorithme, lui, signale sans nuance.
Le tableau ci-dessous compare ce que la réforme change concrètement pour la programmation des contrôles.
La colonne de droite n’est ni dystopique ni complotiste. Elle décrit le régime que la DGFiP elle-même documente dans ses rapports d’activité depuis 2022. La rupture ne sera pas visible le 2 septembre 2026 : elle est déjà engagée.
La DGFiP ne contrôle plus après suspicion. Elle suspecte après ciblage.— L’observatoire Stop Facture
III — L’angle mortBiais, faux positifs et contrôle humain factice.
L’argument principal des défenseurs du ciblage algorithmique tient en une phrase : « l’IA n’est qu’un outil d’aide à la décision, la validation finale reste humaine ». Cette présentation a un mérite, celui de la simplicité. Elle a un défaut, celui d’évacuer un siècle de littérature sur les biais cognitifs.
Le contrôle humain, mythe et limite documentée
En 2023, la Cour de justice de l’Union européenne a tranché un cas qui éclaire indirectement la situation française. Dans une affaire de scoring bancaire automatisé, la Cour a jugé que l’intervention humaine n’était pas significative dès lors que les employés se fiaient systématiquement au score algorithmique sans le remettre en question. Le règlement européen sur l’IA, en cours de mise en œuvre, exige explicitement que la personne chargée du contrôle ait conscience de ses propres biais cognitifs, notamment l’excès de confiance dans une décision machine.
Appliqué à la DGFiP, ce critère est rarement vérifié dans les communiqués officiels. Un agent qui reçoit une fiche pré-cotée à fort score de risque a-t-il les marges, le temps et les indicateurs de performance qui lui permettent réellement d’invalider l’alerte algorithmique ? La CNIL et le Défenseur des droits ont publié dès 2020 un rapport conjoint qui alerte sur cette confiance aveugle systémique dans les systèmes de scoring publics. Le rapport est rarement cité dans la presse économique, alors même que l’avis spécifique de la CNIL sur la facturation électronique 2026 en reprend la plupart des conclusions appliquées au cas français.
Le taux d’erreur que personne ne mentionne
Foncier Innovant a fait l’objet d’une publicité élogieuse pour ses 20 000 piscines régularisées. Le même programme a aussi produit un nombre de faux positifs dont l’administration ne communique pas le chiffre officiel. Les seules estimations publiques disponibles viennent de la CGT Finances Publiques : 55 à 60 % des détections initiales s’avéreraient erronées avant validation humaine.
Sur le périmètre fiscal classique, les chiffres sont moins documentés mais le mécanisme reste identique. Un score de risque élevé déclenche un examen humain. Cet examen débouche sur un contrôle dans une fraction des cas seulement. Pour le contribuable, la conséquence est asymétrique. Être ciblé par l’algorithme suffit à entrer dans un processus dont les coûts (justifications, temps, accompagnement comptable) sont supportés en amont, quel que soit le résultat final. L’erreur algorithmique a un prix, et ce prix est facturé au contrôlé, pas au système.
L’administration n’a aucune obligation de vous informer spontanément qu’un contrôle a été déclenché par un algorithme. Vous pouvez en faire la demande via votre droit d’accès RGPD, qui oblige la DGFiP à indiquer les critères et les sources ayant conduit à votre sélection. La CNIL recommande que cette information soit fournie au moment de la notification du contrôle.
IV — Vos réflexesCe que vous pouvez (et ne pouvez pas) faire.
Aucune action individuelle n’arrêtera une trajectoire administrative engagée depuis dix ans et bientôt sanctuarisée par des milliards d’entrées de données par an. En revanche, trois marges de manœuvre concrètes existent pour réduire l’exposition aux faux positifs et exercer les droits que le RGPD maintient encore sur la table.
Demander la transparence des critères de ciblage
L’administration n’a pas d’obligation d’information spontanée, mais elle a une obligation de réponse. En cas de contrôle, le contribuable peut adresser une demande RGPD écrite réclamant les sources, critères et logiques ayant abouti à sa sélection. La CNIL recommande explicitement que cette information soit fournie au moment de la notification. Dans les faits, l’administration répond en termes généraux. L’enjeu n’est pas tant la qualité de la réponse que le principe de traçabilité. Exiger la transparence inscrit la procédure dans une logique de droits, et non d’arbitraire algorithmique.
Le même réflexe s’applique aux personnes qui souhaitent comprendre qui accède concrètement aux données de leurs factures électroniques. La chaîne PA → PPF → DGFiP → administrations partenaires (URSSAF, douanes) crée des points d’accès qu’il vaut mieux cartographier en amont, avant tout contentieux.
Réduire les incohérences exploitables par l’algorithme
Côté pratique, l’angle le plus efficace n’est pas juridique mais technique. Les algorithmes de la DGFiP ciblent les incohérences mesurables : écarts entre CA3 et factures émises, ruptures de séquence de numérotation, taux de TVA inhabituels par rapport au secteur, paiements concentrés sur certaines périodes, écarts entre factures fournisseurs et déductions opérées. Plus la comptabilité courante est cohérente, moins le score algorithmique se déclenche.
Cela ne signifie pas adopter une posture défensive permanente. Cela signifie tenir une Piste d’Audit Fiable à jour, vérifier les paramétrages de TVA dans les ERP avant transmission au PPF ou à la PDP, et anticiper les rapprochements automatiques par des contrôles miroirs internes. Sur cette dimension, le croisement systématique entre fichiers fiscaux, sociaux et douaniers impose un soin nouveau à la cohérence entre les trois mondes. Les anomalies entre URSSAF, TVA et déclarations Douane ressortent désormais en quelques jours.
Le ciblage algorithmique n’est ni illégal ni neutre. Il existe, il monte en puissance, et il sera amplifié par la facture électronique. Les marges de manœuvre du contribuable se réduisent à trois leviers concrets : exiger la transparence RGPD, tenir une comptabilité techniquement irréprochable, documenter en amont les opérations atypiques.
Le ciblage par IA n’est pas un progrès neutre. C’est un déplacement du pouvoir.
La présentation officielle parle d’efficacité et de modernisation. Sur le terrain, le ciblage algorithmique transfère la charge de la preuve sur le contribuable, supprime la transparence sur les critères de sélection, et industrialise un taux d’erreur que personne ne nomme officiellement. La facture électronique de 2026 ne corrige aucun de ces trois biais structurels. Elle les amplifie en raccourcissant le délai entre la transaction et l’alerte. Ce n’est ni un complot ni une dystopie. C’est une réforme dont les conséquences techniques n’ont jamais été soumises à un véritable débat démocratique.
FAQ — Questions fréquentesCe que vous nous demandez le plus.
Comment savoir si mon contrôle fiscal a été déclenché par un algorithme ?
L’administration n’a aucune obligation d’information spontanée. Vous pouvez en revanche exercer votre droit d’accès RGPD en adressant une demande écrite à la DGFiP, qui doit indiquer les critères et sources de votre sélection. La CNIL recommande que cette information soit fournie au moment de la notification. En pratique, la réponse reste souvent générique, mais la traçabilité est acquise.
Le programme CFVR est-il public ?
Oui, dans ses grandes lignes. CFVR a été financé en 2017 à hauteur de 5 millions d’euros par le Fonds de Transformation de l’Action Publique. Les chiffres clés (part des contrôles ciblés, montants rappelés) sont publiés chaque année dans les rapports d’activité de la DGFiP. Les détails techniques (variables, pondérations, seuils) restent en revanche couverts par le secret fiscal et le secret défense.
La facture électronique va-t-elle augmenter le nombre de contrôles ?
Probablement pas en volume brut, mais en précision de ciblage. La DGFiP communique sur des contrôles plus ciblés, autrement dit moins d’enquêtes inutiles. Pour le contribuable, cela signifie un risque accru d’être détecté sur une incohérence mineure, et un fardeau de justification renvoyé en aval. Le taux de contrôles fructueux devrait mécaniquement augmenter.
Quel est le taux d’erreur réel des algorithmes DGFiP ?
Il n’existe pas de chiffre officiel global. La CGT Finances Publiques a estimé le taux d’erreur de Foncier Innovant à 55 à 60 % avant validation humaine. Sur les modèles CFVR appliqués au contrôle fiscal classique, l’administration n’a pas communiqué d’estimation publique. La note interne révélée par Solidaires FiPublik confirme néanmoins que des taux de validation faibles sont assumés en doctrine.
Mon entreprise peut-elle être ciblée même sans avoir fraudé ?
Oui. Le ciblage repose sur un score statistique d’anomalie, pas sur une preuve de fraude. Une rupture de séquence comptable suffit à élever le score. Un changement brutal de volume B2B ou un taux de TVA inhabituel pour le secteur produit le même effet. L’examen humain qui suit n’aboutit pas systématiquement à un redressement, mais le processus est déclenché et les coûts associés sont supportés par le contribuable.