1

Document de recherche de l’OMD no. 35

Analyse miroir et fraude douanière

(Avril 2015)

Thomas Cantens

2

Résumé Ce document résume et propose une méthodologie destinée à appuyer les analyses de risque et les politiques de lutte contre la fraude douanière, fondée sur l’usage des données miroir. L’analyse miroir consiste à comparer les importations (ou exportations) d’un pays aux exportations (ou importations) déclarées vers celui-ci par ses pays partenaires, afin de détecter des écarts entre les données de quantité, de poids ou de valeur qui peuvent révéler des courants et des pratiques de fraude. Ce document synthétise les résultats d’une recherche dans des pays membres et décrit comment cette méthode peut être mise en œuvre. Mots clés Recettes douanières, données miroir, fraude Remerciements Cet article a été écrit par Thomas Cantens, unité recherche, Bureau du Secrétaire général de l'OMD. L'auteur remercie Sergio Mujica, Cédric Chalendard, Ian Cremer et Robert Ireland pour leurs collaborations et suggestions. Clause de non-responsabilité Le document de recherche de l'OMD diffuse les résultats des travaux en cours pour encourager l'échange d'idées sur les questions douanières. Les vues et opinions exprimées dans ce document sont celles de l'auteur et ne reflètent pas nécessairement les vues ou la politique de l'OMD, fonctionnaires de l'OMD, ou membres de l'OMD. Remarque Tous les documents de recherche de l'OMD sont disponibles sur le site Web public de l'OMD: www.wcoomd.org. L'auteur peut être contacté à communication@wcoomd.org.

Copyright © 2015 Organisation mondiale des douanes. Tous droits réservés.

Toute demande concernant la traduction, la reproduction ou l’adaptation du présent document doit être adressée à copyright@wcoomd.org.

3

Liste des acronymes

CNUCED : Conférence des Nations Unies pour le Commerce et le Développement

OCDE : Organisation de Développement et de Coopération Economiques

OMC : Organisation Mondiale du Commerce

OMD : Organisation Mondiale des Douanes

SH : Système harmonisé de désignation et de codification des marchandises

UNSD : Division statistique des Nations Unies

WITS : World Integrated Trade Solution

4

L'analyse miroir (ou les données miroir / "mirror analysis" or "mirror data") désigne la

comparaison entre les données d'importation (ou d'exportation) d'un pays X et les

données d'exportation (ou d'importation) de un ou plusieurs pays vers le pays X (ou en

provenance de celui-ci).

Ce document est élaboré à la suite d’une recherche menée avec l’Ecole d’Economie de

l’Université de Clermont-Ferrand (France) en coopération avec les douanes du Cameroun

et d’Equateur1. Le document propose un premier retour d'expériences sur l'usage de cette

méthode pour lutter contre la fraude en matière de recettes.

Du point de vue douanier, l'analyse miroir s'inscrit la problématique suivante. Les

douanes savent :

(i) comment sélectionner des cargaisons à partir de critères de risques ou de

profils de fraude (les administrations douanières ont des systèmes informatiques

douaniers disposant de module de sélectivité2),

(ii) élaborer des critères de risques ou des profils de fraude à partir d’analyses (de

plus en plus d'administrations ont des équipes dédiées à l'analyse de risque, au

ciblage ou plus généralement à la planification des enquêtes).

La question qui se pose est de savoir comment réaliser, concrètement, des analyses de

risque ou plus exactement comment choisir de conduire une analyse dans un domaine

plutôt qu’un autre. Le choix résulte d’une combinaison (i) de critères subjectifs ou

externes à l'administration (demande politiques, intuition et expérience des fonctionnaires

des douanes), (ii) de renseignement, et (iii) d’approches plus objectives. S’agissant de ces

méthodes « objectives », les recommandations de l’OMD en matière d'analyse de risque

constituent un cadre intellectuel global, qui, concrètement pour la partie décisionnaire,

repose essentiellement sur l’analyse des fraudes constatées (au niveau national et au

niveau international) et l’échange d’informations avec les autres administrations

répressives. D'autres méthodes existent, à partir de modèles statistiques pour automatiser

ces traitements et affecter un « coefficient de risque » à chaque déclaration douanière

(Geourjon et al., 2013).

Toutes ces méthodes sont efficaces. Néanmoins trois questions demeurent.

1. Que se passe-t-il dans un environnement où la corruption pose problème ?

Comment être sûr que (i) toutes les fraudes constatées sont sanctionnées et portées

à la connaissance de l’administration pour alimenter l'analyse de risque et (ii) que

1 L’OMD remercie les douanes camerounaises et équatoriennes pour leur coopération à ce travail et pour y

avoir consacré des ressources humaines compétentes et particulièrement motivées. 2 que ces modules de sélectivité soient opérationnels ou non, les douanes en connaissent la fonction et

l'usage. Leur caractère opérationnel dépend de la capacité des douanes à définir sa politique de risque par

exemple.

5

les directives de contrôle produites par l’analyse de risque sont respectées sur le

terrain ?

2. Comment découvre-t-on « objectivement » de nouvelles fraudes ? Sur quoi se

fonder pour conduire une analyse de risque dans un domaine plutôt que dans un

autre ? L’intuition, l’expérience, le renseignement, le hasard sont des méthodes

efficaces mais peut-on les compléter par une méthode objective ?

3. Comment classer des risques dès lors que les risques sont « classables » ou

quantifiables ? Par exemple, le risque induit par l’importation de stupéfiants n’est

pas quantifiable : toute saisie de stupéfiants est importante, au sens social ou

politique, et il est difficile de prévoir l’impact d’une absence de saisie. En

revanche, en cas de fraude commerciale, il est possible d'établir des rapports

quantitatifs entre les fraudes : une fraude se mesure quantitativement à son impact

sur les recettes. Comment optimiser les moyens dont on dispose pour orienter

l’analyse ?

L'analyse miroir propose des réponses à ces questions. Elle ne se substitue pas à

l'expérience des agents en charge de la lutte contre la fraude, ni à d'autres méthodes

statistiques, elles les complètent.

Le document est organisé comme suit. Une première section rappelle quelques points

théoriques sur l'usage des données miroirs par les économistes. Il s 'agit principalement

de présenter les analyses miroirs dans une perspective historique et de montrer les débats

d'ordre méthodologiques auxquels elles ont donné lieu. Une deuxième section présente

globalement ce que l'analyse miroir peut et surtout ne peut pas faire. Par expérience,

l'analyse miroir suscite beaucoup d'enthousiasme mais aussi quelques malentendus. Une

troisième section expose la phase de préparation des données : où trouver les données et

comment les mettre en forme de telle sorte qu'elles soient facilement exploitables. Il s'agit

d'une phase cruciale, au cours de laquelle de nombreuses erreurs peuvent être faites qui

ont pour conséquence de fausser l'ensemble des analyses, sans qu'il soit toujours possible

de les détecter de façon évidente et rapide. Une quatrième section décrit les étapes

possibles de l'analyse. S'agissant de lutte contre la fraude, il convient d'être très flexible

dans le cheminement de l'analyse. Une cinquième section présente les usages potentiels,

concrets, de l'analyse miroir. Enfin, une bibliographie pourra être utile aux lecteurs qui

sont déjà au fait de la technique elle-même et entendent poursuivre la réflexion sur ses

usages.

1. L'analyse miroir en théories

Les analyses miroir ont été utilisées - à notre connaissance, exclusivement - par les

économistes suivant quatre grandes problématiques ou usages.

La première est la précision des données du commerce international. Ces données sont

utilisées dans de nombreuses modélisations et les économistes se sont interrogés, à partir

des analyses miroirs, sur les critères d'opportunité pouvant guider l'usage de ces données

et les raisons des imprécisions (Allen, 1960, 2012 ; Makhoul et Otterstrom, 1998 ;

Barbieri et al., 2009 ; Guo, 2009 ; Hamanaka et Tafgar, 2010 ; Hamanaka, 2011). Ainsi,

6

les analyses miroir ont été utilisées pour contester la validité des données de certains pays

au regard des trop grands écarts avec des données statistiques considérés comme fiables

d'autres pays (Yeats, 1990). Gaulier et Zignago (2010) ont proposé une méthode et créé

une base de données pour harmoniser les données du commerce international en

réconciliant les données des pays.

La deuxième usage des données miroir est la reconstitution de données manquantes :

lorsque des données sur un pays X ne sont pas disponibles ou considérées comme fausses

ou douteuses, on les calcule à partir à partir des données d'importation et d'exportation

des pays qui sont ses partenaires économiques (Yeats, 1995 ; Choo, 2008 ; Barbieri et al.,

2009).

Le troisième usage des analyses miroir est l'approximation de la fraude : l'écart mesuré

entre les données d'un pays X et les données de ses partenaires économiques est

considéré - parfois moyennant quelques ajustements - comme une approximation de la

fraude. La mise à disposition des données internationales du commerce a représenté une

avancée importante pour les recherches sur la fraude liée au commerce. Bhagwati (1967)

a souligné qu'une méthode des économistes - en 1967 - était d'estimer la fraude par des

entretiens avec des professionnels, mais que celle-ci avait d'importantes et évidentes

limites. L'analyse miroir pour approximer la fraude a été utilisée dans de nombreux

contextes d'étude : produire des évaluations globales du "commerce informel" (Carrère et

Grigoriou, 2014), comprendre les incitations à la fraude des politiques monétaires,

fiscales ou douanières (Bhagwati, 1964 ; Mc Donald, 1985 ; Fisman et Wei, 2004 ; De

Boyrie et al., 2005a, Mishra et al., 2008 ; Kubo, 2012), modéliser les différents types de

fraude et leur détection statistique (Bhagwati, 1981), évaluer les fuites de capitaux au

moyen du commerce international (Boyce et Ndikumana, 2001 ; De Boyrie et al., 2005b).

Enfin, certains travaux combinent les analyses miroirs à d'autres méthodes statistiques :

analyse miroir et données de rapports globaux sur les obstacles au commerce (par

exemple Doing Business) pour évaluer les coûts du commerce par type de marchandises

(Hamanak et Domingo, 2012) ; analyse miroir et données de consommation pour des

marchandises fortement taxées telles que les cigarettes (Nguyen et al., 2014) ;

comparaison des données nationales à des moyennes internationales pour détecter les

valeurs anormales laissant suspecter une opération de blanchiment (Zdanowicz, 2009).

Les analyses miroir ou l'usage de données miroir ont été critiqués pour leurs

approximations, le manque de données3

ou encore le fait que certains chercheurs

interprétaient trop rapidement et de manière trop restrictive les écarts mesurés alors que

de nombreux facteurs peuvent expliquer en partie les écarts (Nitsch, 2012) et que

l'hypothèse suivant laquelle les pays partenaires ont des données justes n'est pas toujours

valide (Hamanaka, 2012).

De fait, l'écart mesuré par l'analyse miroir peut avoir d'autres explications que la fraude :

3 Lorsque ces techniques ont été utilisées pour la première fois dans les années 60-70, les données du

commerce extérieur n'étaient pas publiquement disponibles, ou alors uniquement pour les pays de l'OCDE

(Bahgwati, 1967). Ce n'est plus le cas aujourd'hui avec la base de données UN-COMTRADE.

7

- l'erreur de classification tarifaire mais il est possible de la détecter pour autant

qu'elle soit systématique (Bhagwati, 1964) ;

- le décalage temporel, des exportations d'une année qui arrivent dans le pays X

l'année suivante, mais il est fort probable que ce décalage affecte dans le sens

inverse l'année en cours (Bhagwati, 1964) ;

- l'erreur de provenance, l'importation dans le pays X est attribuée au pays

exportateur Y alors que le pays exportateur est Z, mais cette erreur n'est

importante que dans le cas où les flux bilatéraux sont analysés, dans le cas d'une

analyse miroir pour la fraude à l'import dans le pays X, la provenance n'est qu'un

élément secondaire qui va guider les analyses plus fines ;

- l'erreur dans les déclarations d'exportation vers le pays X ;

- les erreurs de conversion de monnaies et les effets des dévaluations (De Wulf,

1981);

- la comptabilisation des frais de transport et d'assurance si la comparaison porte

entre des valeurs CIF et des valeurs FOB4 ;

- une prise en compte différente par les pays rapporteurs des données relatives

au transit ou au transbordement ou plus généralement aux échanges via des pays

tiers (Ferrantino et Wang, 2008 ; Barbieri et al., 2009).

Cette littérature économique fournit une somme d'exemples d'usages de l'analyse miroir,

mais son intérêt principal, pour les douanes, réside dans les débats méthodologiques et

théoriques sur l'utilisation possible des données du commerce international. Outre qu'elles

rendent compte d'explications potentielles d'écarts entre données miroir, les critiques des

économistes montrent qu'il n'est pas possible de connaître l'étendue exacte de la fraude, ni

par analyse miroir ni par une autre méthode. En revanche, tout l'intérêt de l'analyse

miroir, parce qu'elle est quantitative, empirique et non spéculative comme peut l'être une

analyse de risques fondée uniquement sur une somme d'expériences individuelles, est

qu'elle permet de classer l'importance présumée des fraudes. Pour orienter les contrôles,

ne pas pouvoir évaluer précisément en valeur absolue la quantité de fraude est moins

important que pouvoir évaluer la quantité de fraude relative par type de flux

commerciaux et entre fraudes potentielles.

2. Ce qui peut (et ne peut pas) être fait par analyse miroir

D'une manière générale, toute fraude qui porte sur l'espèce, la quantité, la valeur et

l'origine est potentiellement détectable par analyse miroir, pour autant que les données

soient disponibles et justes.

En revanche, l'analyse miroir ne peut pas :

4 néanmoins cette erreur ne devrait pas excéder un faible pourcentage de la valeur.

8

(i) comparer des données de déclaration à déclaration ou d'entreprise à entreprise, les

données publiques disponibles sont des données agrégées par produit et pays (au niveau

SH6 pour le système harmonisé) ;

(ii) être conduite sur l'année en cours, car généralement les données de l'année N sont

disponibles à l'année N+1. Toutefois, il est recommandé de suivre les développements de

la base COMTRADE. En effet, l'une des évolutions annoncées est la mise à disposition,

par certains pays, de données mensuelles.

3. Préparation des données

L'analyse miroir nécessite une préparation des données : collecte et mise en forme des

données externes et des données locales sur un même système qui en permette la

comparaison et l'exploitation. Cette phase est délicate : elle conditionne l'exactitude des

analyses, or les corpus de données sont importants (les données locales sont de plusieurs

gigabits) et les traitements d'analyse sont automatisés, ce qui amplifie les conséquences

d'une mauvaise collecte ou d'erreurs de mise en forme initiale des données.

3. 1. Téléchargement des données des pays partenaires

Les données du commerce extérieur des pays partenaires sont disponibles sur la base de

données COMTRADE de la division statistique des Nations Unies (UNSD). Les données

sont collectées annuellement par l'UNSD auprès des pays membres. L'accès aux données

est public et gratuit.

Remarque importante : en accès gratuit, le téléchargement de données est limité à 50 000

lignes. Il est possible de contracter un abonnement particulier, ou de fractionner son

téléchargement (par exemple par années ou par groupes de positions tarifaires).

La base COMTRADE est accessible depuis deux sites Internet :

- le site des Nations Unies - http://comtrade.un.org

Ce site dispose d'informations sur la disponibilité des données, la méthodologie de leur

collecte, etc..

- le site WITS - http://wits.worldbank.org

Le site WITS est développé par la Banque Mondiale, la CNUCED, l'UNSD et l'OMC.

Les données brutes sont identiques à celles du site de UN-COMTRADE. WITS propose

des outils de visualisations, des bases de données sur les tarifs nationaux et les accords

commerciaux internationaux ainsi que des outils de simulation macro-économique.

L'accès au téléchargement se fait à partir d'un compte individuel sur le site, gratuit et

obtenu sur simple demande par courrier électronique.

Les champs d'interrogation de la base sont identiques sur les deux sites.

9

Classification choix de la

nomenclature SH

Remarques

Reporter Pays qui a reporté

ses données dans la

base

UNCOMTRADE (à

ne pas confondre

avec "Partner")

Dans le cas d'une analyse miroir sur les importations,

les "reporters" sont les pays exportateurs vers le pays

considéré.

Partner Pays objet de

l'analyse miroir

Periods (years) Années d'étude Il faut, au préalable, consulter les données disponibles.

Bien souvent, les données de l'année précédant l'année

en cours ne sont toutes disponibles que vers la fin du

premier semestre de l'année en cours.

Il peut être utile de consulter les informations sur la

disponibilité des données pour les années et les pays

partenaires. En effet, il est possible que tous les pays

n'aient pas reporté leurs données au moment de l'étude

mais certains pays peuvent ne pas être des partenaires

habituels ou majeurs du pays étudié ; la non-

exhaustivité des reports n'est alors pas une entrave

majeure.

http://comtrade.un.org/db/mr/daReportersResults.aspx

Products /

Products groups

Produits suivant la

nomenclature

tarifaire

Il est possible de choisir différents regroupements par

chapitre, position ou sous-position tarifaire. Le

maximum de précision pour le système harmonisé est la

sous-position à 6 chiffres.

Imports/ Gross

Imports /

Exports / Gross

Exports ...

Choix du flux

commercial vu du

pays "Reporter"

Dans le cas d'une analyse miroir sur l'importation, on

choisira "Exports" ou "Gross Exports".

Exemple d'utilisation dans WITS :

- sélectionner Advanced Query-Trade Data (UNCOMTRADE);

-choisir new query pour une nouvelle requête et entrer un nom de requête (l'intérêt est que

cette requête sera sauvegardée et pourra être utilisée à nouveau, éventuellement en

modifiant des paramètres) ;

- choisir les pays reporters - qui sont les pays partenaires du pays étudié - et de

préférence sélectionner tous les pays ;

- choisir les produits: choisir la nomenclature utilisée puis, par exemple pour le SH,

choisir dans "clusters" le niveau de précision (chapitre, position, sous-position, ALL1,

ALL2, ALL3) ;

10

- choisir le pays étudié comme pays partner, l'année ou les années étudiées et le flux

(d'exportation pour une analyse miroir sur les importations, d'importation pour une

analyse miroir sur les exportations) ;

- demander le téléchargement des résultats de la requête ;

- choisir le format d'exportation (généralement CSV) et les champs à exporter (qui se

trouveront en colonnes dans le fichier résultat) : les champs relatifs aux pays reporters,

aux produits et aux années ainsi que les champs relatifs aux valeurs et quantités (les

quantités sont disponibles à la fois en unités et en poids, parfois les deux champs sont

identiques lorsque l'unité est l'unité de poids). Les valeurs sont exprimées en milliers

dollars américains (USD) et les poids en kilogrammes (KGM).

- procéder au téléchargement. ATTENTION : consulter le dernier champ du tableau

d'affichage des téléchargements "Total Rows". S'il indique que le nombre de lignes

téléchargées est de 50 000, il est fort probable que la limite ait été atteinte et que le

nombre de lignes résultats soit supérieur à cette limite. Il faut donc recommencer la

requête en la fractionnant (par année, ou par groupes de produits par exemple).

3. 2. Téléchargement des données locales

Par données locales, il est entendu les données disponibles dans les déclarations en

douane. Lorsqu'on télécharge ces données locales, il s'agit, bien entendu, de disposer des

mêmes champs essentiels pour l'analyse (pays d'exportation, date d'importation, code SH

de la marchandise, valeur (si possible en détaillant la valeur facture de la marchandise et

la valeur des coûts de transport et d'assurance), quantité en masse nette, unités

supplémentaires.

Une attention particulière doit être apportée aux différents régimes douaniers, afin de ne

pas comptabiliser plusieurs fois l'entrée d'une même marchandise : le principe est

d'obtenir une table décrivant tout ce qui est entré sur le territoire pendant une période

donnée (et non, par exemple, uniquement ce qui a été mis à la consommation).

En plus des données spécifiquement miroirs des données COMTRADE, d'autres données

locales peuvent être téléchargées qui serviront à des analyses complémentaires : par

exemple le bureau d'entrée, une information sur le fait que la déclaration a fait ou non

l'objet d'un redressement, les références des exportateurs et des importateurs, des

déclarants, le régime douanier, les dates de traitement de la déclaration, etc... Certaines

données devraient en revanche ne pas être téléchargées, notamment les champs texte qui

décrivent les marchandises. Il est préférable de télécharger un nombre important de

champs afin de faciliter les analyses, tout en gardant à l'esprit que la taille de table

obtenue pèsera sur le temps des traitements : un fichier trop volumineux entraînera des

temps de traitement informatique plus longs. Il s'agit donc de trouver un équilibre entre

les champs pouvant être intéressants pour les analyses, la capacité de traitement

informatique à disposition et la taille de la table de données finale.

3. 3. Construction d'une base de données

A l'issue des deux téléchargements, on dispose donc de deux fichiers :

11

- l'un de COMTRADE avec des données agrégées (pays partenaire, produit SH6, valeur

USD, quantités en unités, poids net) ;

- l'autre extrait des déclarations en douane avec des données par opération de

dédouanement, qui devront être agrégées pour être comparables avec les données

COMTRADE mais qu'il faudra aussi conserver sous leur forme originale pour faire des

analyses complémentaires.

Les deux fichiers doivent pouvoir être traités sur un même système. Initialement, il est

recommandé d'avoir donc deux tables sur un même système, une table correspondant à

l'importation du fichier des données des pays partenaires et une table correspondant à

l'importation du fichier des données locales. Il est recommandé de disposer de toutes ses

données (externes et locales) sur un même système, quitte à créer des tables expurgées

pour des traitements rapides.

Il existe deux types de solutions. La première solution consiste à utiliser des logiciels à

vocation statistique5, la seconde des logiciels de gestion de base de données

6.

Il est fortement déconseillé d'utiliser des solutions type tableurs, au risque d'avoir à

multiplier les traitements préalables pour chaque analyse.

Aucune recommandation particulière ne peut être formulée sur le choix des solutions

entre logiciels statistiques et logiciels de base de données. Dans les deux cas, il est

possible de trouver des logiciels gratuits et puissants. La solution adoptée dépend des

capacités et des connaissances des personnels qui réalisent les traitements. L'avantage des

logiciels statistiques est qu'ils facilitent les traitements mathématiques, voire qu'ils

peuvent inspirer des analyses économétriques par la suite. Certains logiciels statistiques

présentent l'inconvénient d'une vitesse de manipulation de données moins élevée que les

logiciels de gestion de base de données.

L'importation des deux fichiers originaux (fichier des données des pays partenaires et

fichier des données locales) est une phase extrêmement délicate. Il est fortement

recommandé, pour éviter de perdre du temps, de se livrer à des tests préalables à partir de

fichiers de faible taille, en important, par exemple, uniquement un mois de données

locales.

Trois points en particulier sont à vérifier impérativement, car ils occasionnent des erreurs

d'importation sans bloquer le processus d'importation, ce qui les rend difficilement

détectables sauf à les examiner en particulier :

- le respect des formats dates des données locales ;

- les données manquantes et la façon dont elles sont importées pour être prises en compte

dans les opérations mathématiques (une donnée manquante n'est pas une quantité nulle) ;

- le signe décimal change d'une région géographique à l'autre et, sur certains systèmes, un

signe pour les milliers peut être ajouté.

5 A titre d'exemple, R est un logiciel gratuit et téléchargeable sur http://www.r-project.org/

6 A titre d'exemple, MySQL Community Edition est gratuit et téléchargeable sur http://www.mysql.com/

12

Après l'importation des fichiers originaux, il est recommandé de construire des ensembles

de données agrégées pour accélérer les traitements. Par exemple, pour une comparaison

directe entre exportations SH6 et importations SH6, la table des données locales doit être

travaillée : agréger les données sur la base du SH6 (et de l'année s'il y a plusieurs années)

pour obtenir une table comparable à la table exportations de COMTRADE (SH6, année,

pays d'exportation, valeur FOB, quantité, poids). Les valeurs des champs doivent être

exprimées dans les mêmes unités : USD, kgm ou tonnes.

4. Etapes possibles d'une analyse miroir

L'analyse miroir a pour objectif de produire un classement quantitatif des produits ou des

flux à risque. Il s'agit donc d'estimations de fraude et, à ce titre, il n'y a pas de

méthodologie particulière qui, en étant suivie pas à pas, donnerait un résultat type et sûr.

L'analyse miroir ne peut être qu'un processus empirique, parfois intuitif et mettant en jeu

une connaissance douanière et une connaissance de terrain pour que l'analyste puisse

"s'orienter" dans le corpus de données. Il serait dangereux et improductif de s'enfermer

dans un schéma d'analyse valable pour toutes les situations. Néanmoins, il est possible de

dégager quelques approches qui ont donné lieu à des résultats sur le terrain.

4. 1. Une analyse globale des données

- nombre et proportions de produits SH6 qui apparaissent dans les deux sous-corpus de

données (données des pays partenaires et données locales),

- nombre et proportions de couples (produits SH6, pays partenaire) qui apparaissent dans

les deux sous-corpus de données (données des pays partenaires et données locales),

- un classement par chapitres ou par types de produits, ou encore par positions ou sous-

positions tarifaires, en fonction de la valeur, du nombre d'opérations ou de la part relative

de la valeur du produit dans la valeur totale importée (en utilisant les données locales et

les données COMTRADE ou uniquement les données locales),

- un classement identique sur les pays partenaires pour détecter les partenaires majeurs.

Cette première analyse est nécessaire à plusieurs titres :

(i) détecter des erreurs (par exemple un grand nombre de produits qui ne figureraient que

dans un seul corpus ; l'absence ou la trop faible part d'un pays partenaire connu comme

majeur) dues au processus de collecte (absence de données dans la base COMTRADE)

ou de mise en forme des données (erreurs d'importation des données locales) ;

(ii) détecter des anomalies qui peuvent déjà orienter les recherches (par exemple

lorsqu'un flux commercial est présent dans les données COMTRADE et non dans les

données locales) ;

(iii) surtout se familiariser avec les grandes caractéristiques des flux commerciaux

(principaux produits, principaux pays partenaires) afin d'être sensible aux anomalies dès

qu'on passera à un niveau plus précis d'analyse des flux.

4.2. Calculer les écarts entre données locales et données COMTRADE

13

L'analyse miroir proprement dite consiste à évaluer des écarts entre les données locales et

les données COMTRADE.

Sur quoi ces écarts sont calculés ?

- les valeurs, les masses nettes, les quantités, les densités de valeur par masse

et par quantité (valeur au poids, valeur à l'unité).

Comment ces écarts sont-ils exprimés ?

- en valeurs absolues (USD, poids, nombre, USD/kg, USD/unité),

- en valeurs relatives, par exemple pourcentage de l'écart en valeur FOB par

rapport à la valeur FOB importée.

A quels niveaux d'agrégation ces écarts sont-ils calculés ?

- Pays partenaire x Année/Période,

- SH6 (ou SH2 ou SH4) x Année/Période,

- SH6 (ou SH2 ou SH4) x Pays partenaire x Année/Période.

Il est recommandé de préparer les différents niveaux d'analyse au préalable.

Enfin, il est recommandé de séparer, a priori, les produits pour lesquels les écarts sont

négatifs (donnée COMTRADE > donnée locale) des produits pour lesquels les écarts sont

positifs (donnée COMTRADE < donnée locale). En effet, en cas de glissement tarifaire

par exemple, un calcul d'écart au niveau SH4 ou SH2 pourrait donner un écart nul. Il est

donc important de commencer à travailler au niveau le plus désagrégé possible (SH6

voire couple (SH6, pays partenaire)) pour détecter tous les écarts, et de distinguer

l'ensemble des écarts négatifs et celui des écarts positifs avant de remonter à des niveaux

plus agrégés.

4.3. Réaliser des études de cas approfondies

Les deux précédentes étapes ont permis de détecter les écarts les plus importants, en

valeur, quantité, masse, densité de valeur, globalement ou par pays partenaire. On dispose

alors d'un premier classement sur l'ampleur des fraudes potentielles. Il s'agit alors de

choisir des cas spécifiques (produits ou couples (produits, pays)) parmi les écarts

constatés les plus importants en fonction des connaissances de terrain et des données

tarifaires et réglementaires (valeurs minimales, pression fiscale, secteur sujet à

exonérations ou à des restrictions de quantité ou des licences particulières). L'étude de

chaque cas doit conduire à l'élaboration d'une hypothèse de fraude ou au rejet de cette

hypothèse si l'écart est explicable autrement.

14

Il est complexe d'établir une typologie des cas et quand bien même celle-ci existerait elle

n'aiderait pas les analystes qui doivent de toutes les façons examiner en profondeur

chaque cas particulier. La liste suivante des situations rencontrées n'est pas exhaustive7 :

(i) un écart négatif important de quantité et de valeur pour un produit SH6 (plus de

quantités déclarées exportées vers le pays concerné que de quantités déclarées à

l'importation dans ce pays). Il est alors intéressant de chercher un glissement tarifaire :

des produits similaires au produit ciblé mais moins taxés que celui-ci (au sein de la même

position ou du même chapitre par exemple) et qui bénéficient d'un écart équivalent mais

positif (la quantité de produit déclarée à l'importation est plus importante que la somme

des quantités déclarées exportées par les pays partenaires). Le cas type est celui des

véhicules de tous les types importés soi-disant en pièces détachées. Dans le cas où aucun

glissement tarifaire n'est constaté, il peut s'agir de contrebande. Un indice peut être la

conservation de l'écart négatif lorsqu'on calcule l'écart au niveau du chapitre : si l'écart au

niveau du chapitre est équivalent à l'écart négatif détecté, alors il est probable qu'il n'y a

pas de glissement tarifaire, si, en revanche, l'écart au niveau du chapitre est nul, alors il

est probable que l'écart négatif du produit a été compensé par un écart positif d'un autre

produit8.

(ii) un écart négatif de valeur mais pas d'écart significatif dans les quantités. Dans ce

cas, il peut être intéressant de revenir au niveau des déclarations locales et de calculer les

densités de valeur par importateur afin de détecter des disparités importantes qui

pourraient signifier des sous-évaluations par quelques importateurs. Si toutes les densités

de valeur à l'importation sont proches ou identiques, il peut y avoir une entente entre

quelques importateurs majeurs pour procéder à ces sous-évaluations. Le même calcul

peut être conduit par bureau de douane ayant servi de points d'entrée, afin de détecter des

mauvaises pratiques locales qui ont pour but d'attirer le trafic. Le même calcul peut

également être conduit par pays partenaire - certains importateurs sont particulièrement

liés à des exportateurs spécifiques opérant dans des pays précis - pour examiner

l'hypothèse que les produits importés sont de qualité très différente.

(iii) un écart positif de valeur (la valeur déclarée à l'importation dans le pays

concerné est plus élevée que la somme des valeurs déclarées à l'exportation par les

pays partenaires). Ce cas peut être lié à des prix de transfert manipulés, couvrant un

blanchiment de fraude fiscale. Il peut être exploré en comparant les densités de valeurs

par importateur afin de détecter un importateur majeur qui importe à des valeurs très

élevées.

(iv) un écart positif de quantités. Les explications peuvent être nombreuses : transit,

réglementation du pays d'importation qui n'accorde aucune franchise aux voyageurs

résidents ou encore utilisation de ce produit pour couvrir des faits de contrebande.

(v) un rapport élevé entre de frais de transport et d'assurance et valeur de la

marchandise. Les données COMTRADE étant FOB, elles peuvent servir à évaluer la

7 Voir Raballand et al. (2013) pour une étude de cas publiée.

8 Il ne s'agit là que d'illustrer un mode de recherche. Chaque cas est distinct, mais cette méthode qui fait

varier les niveaux d'agrégation entre SH6, SH4 et SH2 a donné des résultats positifs.

15

part des frais de transport et d'assurance dans les valeurs déclarées à l'import, lorsque les

données locales sur ces frais ne sont pas ou plus disponibles ou qu'elles sont suspectes.

Il n'est pas possible de détailler tous les cas dont l'interprétation dépend du contexte local

(régimes douaniers, législations particulières sur les valeurs, les quotas, les exemptions et

exonérations). L'analyse doit être flexible, d'où la nécessité d'avoir les données sources

préservées et d'effectuer les traitements sur des tables séparées.

4.4. Proposer une évaluation des pertes potentielles de recettes

Enfin, pour chaque cas, les pertes potentielles de recettes sont estimées. Cette étape est

importante car les écarts les plus importants en valeurs ou quantités ne conduisent pas

nécessairement aux pertes de recettes les plus importantes. .

Il est recommandé de proposer des intervalles des pertes de recettes, en prenant les

valeurs limites des données COMTRADE et des données locales. Par exemple, dans le

cas d'un écart négatif de quantité X sur un produit P1, il faut reconstituer une valeur et

une pression fiscale qui lui est applicable :

- on peut appliquer à la quantité manquante X les densités de valeur minimale, moyenne,

médiane et maximale,

- de la même manière, on peut calculer une pression fiscale moyenne, médiane, minimale

ou maximale à partir des données locales.

En cas de glissement tarifaire, il faut déduire des pertes de recettes estimées les recettes

apportées par le produit sur lequel ont été reportées les quantités manquantes, qui sont

des recettes effectivement perçues.

5. Usages de l'analyse miroir

L'objectif de l'analyse miroir n'est pas la production d'un document mais bien la lutte

contre la fraude. A ce titre, elle doit être intégrée au dispositif de lutte contre la fraude.

Cela peut prendre plusieurs formes :

(i) l'analyse miroir est utilisée dans les discussions entre la douane, le secteur privé et le

gouvernement, afin de proposer une évaluation quantitative de la fraude dans un ou

plusieurs secteurs ;

(ii) l'analyse miroir fournit les axes principaux d'un plan annuel de lutte contre la fraude ;

(iii) l'analyse miroir est directement utilisée pour définir les critères de risque en première

ligne ou orienter les enquêtes et le contrôle expost ;

(iv) l'analyse miroir est mobilisée pour limiter les mauvaises pratiques des enquêteurs. En

effet, les responsables de services d'enquête peuvent imposer à leurs enquêteurs qu'ils

réalisent une analyse miroir simple pour constituer un dossier préalable à l'ouverture

d'enquêtes. Dans ce dossier figurent les pertes potentielles de recettes estimées. Cela

présente deux avantages pour un responsable de service d'enquête : avant le contrôle, le

responsable peut évaluer la pertinence du contrôle qui lui est proposé au regard des autres

16

contrôles possibles et, après le contrôle, il peut évaluer l'efficacité du contrôle en

confrontant les redressements effectués aux redressements potentiels annoncés par son

enquêteur9.

(v) l'analyse miroir peut donner lieu à un dispositif de lutte contre la fraude expérimental

c'est-à-dire concentré sur les cas majeurs identifiés et dont l'efficacité est mesurée au

cours du temps. Ce dispositif expérimental peut être utile pour mesurer les efforts des

agents chargés du contrôle. Après discussion des cas présentés, enrichissement par de

nouveaux cas proposés par les services de lutte contre la fraude, quelques flux

commerciaux (produits ou produits-pays) sont choisis pour faire l'objet de contrôles

renforcés pendant une période de temps limitée (quelques mois). Au cours de cette

période, l'équipe en charge de l'analyse miroir continue de mesurer les valeurs, quantités,

et surtout densités de valeur, sur les marchandises dédouanées, ainsi que les contentieux

réalisés. A l'issue de la période, un bilan peut être dressé à la fois sur la pertinence des

hypothèses de fraude, l'efficacité des services de contrôle (au moins à diligenter des

contrôles sur les produits ciblés) et l'adaptation éventuelle des importateurs (qui, par

exemple, ont pu relever leurs valeurs ou réduire leurs fraudes suite à des contentieux ou

suivant leur perception de l'accroissement des contrôles).

Dans tous les cas, une fois les cas et hypothèses élaborés, il est important de les

confronter à l'expérience des agents en charge du contrôle et des enquêtes. Il peut être

tentant de tenir compte de leur expérience dès le début de l'analyse miroir et d'orienter les

recherches suivant leurs indications. Il n'est pas recommandé de procéder ainsi, pour

deux raisons. La première est que la confrontation entre l'analyse miroir et l'expérience de

terrain est toujours possible, à n'importe quel moment de l'analyse ; les deux approches ne

sont pas exclusives l'une de l'autre. La deuxième raison est que, justement, l'analyse

miroir est le pendant objectif de l'expérience humaine en matière de lutte contre la fraude.

En revanche, à l'issue de l'analyse, il est absolument nécessaire de confronter les études

de cas et les hypothèses de fraude à l'expérience des agents sur le terrain.

9 L'enquêteur peut ainsi soit avoir réalisé une mauvaise analyse, sciemment ou non, soit avoir exécuté un

mauvais contrôle. Dans les deux cas, l'analyse miroir fournit une référence pour évaluer le travail des

enquêteurs et leurs pratiques.

17

6. Bibliographie

Allen, Robert Loring. 2012. Soviet Economic Warfare. Literary Licensing, LLC.

Barbieri, Katherine, Omar M. G. Keshk, and Brian M. Pollins. 2009. “Trading Data

Evaluating Our Assumptions and Coding Rules.” Conflict Management and Peace

Science 26 (5): 471–91. doi:10.1177/0738894209343887.

Bhagwati, Jagdish. 1964. “On the Underinvoicing of Imports1.” Bulletin of the Oxford

University Institute of Economics & Statistics 27 (4): 389–97. doi:10.1111/j.1468-

0084.1964.mp27004007.x.

———. 1967. “Fiscal Policies, the Faking of Foreign Trade Declarations, and the Balance of

Payments.” Bulletin of the Oxford University Institute of Economics & Statistics 29 (1):

61–77.

———. 1981. “Alternative Theories of Illegal Trade : Economic Consequences and Statistical

Detection.” Weltwirtschaftliches Archiv 117 (3): 409–27. doi:10.1007/BF02706100.

Boyce, J.K., and L. Ndikumana. 2001. “Is Africa a Net Creditor? New Estimates of Capital

Flight from Severely Indebted Sub-Saharan African Countries, 1970-96.” The Journal of

Development Studies 38 (2): 27–56. doi:10.1080/00220380412331322261.

Carrère, Céline, and Christopher Grigoriou. 2014. Can Mirror Data Help To Capture Informal

International Trade?. UNCTAD Blue Series Paper 65. United Nations Conference on

Trade and Development. https://ideas.repec.org/p/unc/blupap/65.html.

Choo, Jaewoo. 2008. “Mirroring North Korea’s Growing Economic Dependence on China:

Political Ramifications.” Asian Survey 48 (2): 343–72. doi:10.1525/as.2008.48.2.343.

De Boyrie, Maria E., Simon J. Pak, and John S. Zdanowicz. 2005. “The Impact of

Switzerland’s Money Laundering Law on Capital Flows through Abnormal Pricing in

International Trade.” Applied Financial Economics 15 (4): 217–30.

doi:10.1080/0960310042000313200.

De Boyrie, Maria E., Simon J. Pak, and John S. Zdanowicz. 2005. “Estimating the Magnitude

of Capital Flight due to Abnormal Pricing in International Trade: The Russia–USA

Case.” Accounting Forum, Tax avoidance and global development, 29 (3): 249–70.

doi:10.1016/j.accfor.2005.03.004.

De Wulf, Luc. 1981. “Statistical Analysis of under- and Overinvoicing of Imports.” Journal of

Development Economics 8 (3): 303–23. doi:10.1016/0304-3878(81)90018-3.

Ferrantino, Michael J., and Zhi Wang. 2008. “Accounting for Discrepancies in Bilateral

Trade: The Case of China, Hong Kong, and the United States.” China Economic Review

19 (3): 502–20. doi:10.1016/j.chieco.2008.02.002.

Fisman, Raymond, and Shang-Jin Wei. 2004. “Tax Rates and Tax Evasion: Evidence from

‘Missing Imports’ in China.” Journal of Political Economy 112 (2): 471.

Gaulier, Guillaume, and Soledad Zignago. 2010. BACI: International Trade Database at the

Product-Level (the 1994-2007 Version). SSRN Scholarly Paper ID 1994500. Rochester,

NY: Social Science Research Network. http://papers.ssrn.com/abstract=1994500.

Geourjon, Anne-Marie, Bertrand Laporte, Ousmane Coundoul, and Massène Gadiaga. 2012.

“Inspecting Less to Inspect Better.” In Reform by Numbers: Measurement Applied to

Customs and Tax Administrations in Developing Countries, 83–102. World Bank

Development Series. Cantens, T., Ireland, R., Raballand, G.

18

Guo, Dong. 2009. Mirror Statistics of International Trade in Manufacturing Goods: The Case

of China. Working Paper 19/2009. UNIDO.

Hamanaka, Shintaro. 2011. “Quality of the Trade Statistics of the Lao PDR Incompatibility

with International Standards and Inaccuracies due to Smuggling.” South East Asia

Research 19 (3): 595–633. doi:10.5367/sear.2011.0057.

———. 2012. “Whose Trade Statistics Are Correct? Multiple Mirror Comparison Techniques:

A Test Case of Cambodia.” Journal of Economic Policy Reform 15 (1): 33–56.

doi:10.1080/17487870.2012.657827.

Hamanaka, Shintaro, and Romana Domingo. 2012. “Measuring Long-Term Commodity-Level

Trade Costs: The Case of Asia.” Journal of International Commerce, Economics and

Policy 03 (02): 1250014. doi:10.1142/S1793993312500147.

Hamanaka, Shintaro, and Aiken Tafgar. 2010. Usable Data for Economic Policymaking and

Research? The Case of Lao PDR’s Trade Statistics. 87. Asia-Pacific Research and

Training Network on Trade Working Paper Series.

http://www.econstor.eu/handle/10419/64284.

Kubo, Koji. 2012. “Trade Policies and Trade Misreporting in Myanmar.” ASEAN Economic

Bulletin 29 (2): 146–59.

Makhoul, Basim, and Samuel M. Otterstrom. 1998. “Exploring the Accuracy of International

Trade Statistics.” Applied Economics 30 (12): 1603–16. doi:10.1080/000368498324689.

McDonald, Donogh C. 1985. “Trade Data Discrepancies and the Incentive to Smuggle: An

Empirical Analysis (Divergences Dans Les Données Sur Les Échanges Commerciaux et

Attrait de La Contrebande: Analyse Empirique) (Discrepancias de Los Datos Sobre El

Comercio E Incentivo Al Contrabando: Análisis Empírico).” Staff Papers (International

Monetary Fund) 32 (4): 668–92. doi:10.2307/3866743.

Mishra, Prachi, Arvind Subramanian, and Petia Topalova. 2008. “Tariffs, Enforcement, and

Customs Evasion: Evidence from India.” Journal of Public Economics 92 (10–11): 1907–

25. doi:10.1016/j.jpubeco.2008.04.017.

Nguyen, Minh Thac, Ryan Denniston, Hien Thi Thu Nguyen, Tuan Anh Hoang, Hana Ross,

and Anthony D. So. 2014. “The Empirical Analysis of Cigarette Tax Avoidance and

Illicit Trade in Vietnam, 1998-2010.” PLoS ONE 9 (1): e87272.

doi:10.1371/journal.pone.0087272.

Raballand, Gaël, Thomas Cantens, and Guillermo Arenas. 2013. “Mirror Trade Statistics: A

Tool to Help Identify Customs Fraud.” In Reform by Numbers: Measurement Applied to

Customs and Tax Administrations in Developing Countries, 103–20. World Bank

Development Series. Cantens, T., Ireland, R., Raballand, G.

Volker Nitsch. 2012. “Trade Mispricing and Illicit Flows.” In Draining Development?:

Controlling Flows of Illicit Funds from Developing Countries, The World Bank, 309–34.

Peter Reuter.

Yeats, Alexander J. 1990. “On the Accuracy of Economic Observations: Do Sub-Saharan

Trade Statistics Mean Anything?” The World Bank Economic Review 4 (2): 135–56.

doi:10.1093/wber/4.2.135.

———. 1995. Are Partner-Country Statistics Useful for Estimating Missing Trade Data?.

SSRN Scholarly Paper ID 636143. Rochester, NY: Social Science Research Network.

http://papers.ssrn.com/abstract=636143.

Zdanowicz, John. 2009. “Trade-Based Money Laundering and Terrorist Financing,” Review

of Law & Economics, 5 (2): 855–78.