🤖 machine learning

TED: Related Party Transaction guided Tax Evasion Detection on Heterogeneous Graph

Ce papier propose TED, un nouveau modèle de réseau de neurones graphique qui exploite des graphes hétérogènes et un mécanisme d'attention hiérarchique pour analyser les transactions entre parties liées, améliorant considérablement les performances de détection de la fraude fiscale en capturant des informations interactives complexes que les méthodes statistiques traditionnelles ne parviennent pas à saisir.

Auteurs originaux : Yiming Xu, Bin Shi, Bo Dong, Jiaxiang Wang, Hua Wei, Qinghua Zheng

Publié 2026-05-27

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Yiming Xu, Bin Shi, Bo Dong, Jiaxiang Wang, Hua Wei, Qinghua Zheng

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez l'économie mondiale comme un immense et animé marché. Dans ce marché, la plupart des gens respectent les règles, mais certains commerçants tentent de dissimuler sournoisement leurs bénéfices pour éviter de payer leur juste part d'impôts. C'est ce qu'on appelle la fraude fiscale, et c'est comme un voleur qui dérobe au trésor public, laissant moins d'argent pour les écoles, les routes et les hôpitaux.

Pendant longtemps, les administrations fiscales ont tenté de débusquer ces voleurs en examinant les livres de comptes de chaque commerçant (leurs données financières) et en demandant à des experts d'établir une liste de « signes suspects ». Si un commerçant présentait trop de drapeaux rouges, il était signalé. Mais cette méthode était comparable à chercher une aiguille dans une botte de foin en ne regardant que la couleur de l'aiguille, en ignorant le fait que celle-ci pourrait être cachée à l'intérieur d'un type spécifique de boîte.

Ce document présente une nouvelle méthode, plus intelligente, pour débusquer ces fraudeurs, appelée TED (Détection de la Fraude Fiscale). Voici comment elle fonctionne, expliquée par de simples analogies :

1. Le Problème : Ce n'est pas seulement un commerçant

Les auteurs ont réalisé que la fraude fiscale se produit rarement de manière isolée. Elle implique généralement un réseau de relations. Un « mauvais » commerçant peut être connecté à un « mauvais » fournisseur, un « mauvais » comptable et un « mauvais » investisseur.

L'ancienne méthode : Examiner un commerçant isolément, dans le vide.
La nouvelle méthode (TED) : Examiner l'ensemble du réseau de connexions.

Les auteurs ont construit une immense carte appelée Graphe Hétérogène. Imaginez cette carte non pas comme de simples points et lignes, mais comme une ville complexe avec différents types de bâtiments :

Entreprises (Les boutiques)
Personnes (Les propriétaires et investisseurs)
Articles (Les marchandises vendues)
Événements (Les transactions)

Dans cette ville, des lignes relient ces bâtiments. Une personne possède une entreprise ; une entreprise achète des articles ; une entreprise vend à une autre entreprise.

2. Le Défi : Trop de bruit

Le problème avec cette carte de ville géante, c'est qu'elle est bruyante. Il existe des millions de connexions innocentes. Une entreprise peut acheter un crayon à une autre entreprise simplement parce que c'est une transaction commerciale normale. Si vous examinez chaque connexion, vous êtes submergé par le bruit et vous manquez les vrais criminels.

Le document identifie un type spécifique de connexion qui constitue la « preuve accablante » : les Opérations avec des Parties Liées (OPL).

Analogie : Imaginez deux commerçants qui sont secrètement beaux-frères. Ils vendent des marchandises l'un à l'autre à des prix fictifs pour déplacer de l'argent et dissimuler des bénéfices. Pour un étranger, cela ressemble à une vente normale, mais pour le fisc, c'est une « réunion de famille » suspecte d'argent.

3. La Solution : Le détective « TED »

Les auteurs ont créé un système appelé TED qui agit comme un détective surdoué. Il ne se contente pas d'examiner toute la ville ; il se concentre sur des quartiers spécifiques et suspects appelés Groupes OPL.

Voici comment TED résout les deux principaux problèmes :

A. Filtrer le bruit (Le filtre « Ordre supérieur »)

La plupart des programmes informatiques examinent les voisins qui ne sont qu'à un pas de distance (par exemple : « À qui la Société A a-t-elle vendu ? »). TED regarde plus loin. Il recherche des Groupes OPL — des motifs spécifiques de connexions connus pour être utilisés dans la fraude fiscale (comme une personne possédant deux entreprises qui échangent entre elles).

La Métaphore : Imaginez que vous cherchez un voleur. Une recherche normale examine tous ceux qui ont passé devant le voleur. TED ignore la foule et ne regarde que le « cercle intime » de complices du voleur. En se concentrant sur ces groupes spécifiques, TED filtre le « bruit » innocent des affaires normales.

B. L'Attention Hiérarchique (La « Loupe intelligente »)

Une fois que TED a repéré ces groupes suspects, il doit déterminer quelles parties du groupe sont les plus dangereuses.

Niveau Intra-OPL : TED examine l'intérieur d'un seul groupe suspect. Il se demande : « Dans ce groupe de cinq personnes, lesquels des deux effectuent les échanges les plus suspects ? » Il utilise un mécanisme d'attention multi-têtes ( Imaginez-le comme ayant plusieurs loupes regardant sous différents angles) pour évaluer l'importance de chaque connexion.
Niveau Inter-OPL : TED examine ensuite l'ensemble de l'entreprise. Une entreprise peut être impliquée dans cinq groupes suspects différents. TED se demande : « Lequel de ces cinq groupes constitue la plus grande menace ? » Il attribue un « poids » ou un score à chaque groupe pour décider de son influence sur le verdict final.

4. Les Résultats : Débusquer plus de voleurs

Les auteurs ont testé TED sur des données réelles provenant d'administrations fiscales en Chine. Ils l'ont comparé à 13 autres méthodes de premier plan (comme des modèles d'IA standards et des systèmes de règles experts).

Le Résultat : TED s'est avéré nettement meilleur pour débusquer les fraudeurs fiscaux. Il a amélioré la précision de la détection d'environ 7,6 % et le score F1 (une mesure de sa capacité à équilibrer la capture des voleurs sans accuser faussement des innocents) de 8,5 % par rapport aux meilleures méthodes existantes.
Pourquoi cela a fonctionné : Parce qu'il a cessé d'examiner des points de données isolés pour commencer à comprendre les relations complexes et cachées entre les personnes et les entreprises.

Résumé

Pensez à la détection de la fraude fiscale comme à la recherche d'une aiguille dans une botte de foin.

Les anciennes méthodes tentaient de trouver l'aiguille en regardant la couleur de la paille.
TED a réalisé que l'aiguille est généralement cachée à l'intérieur d'une boîte spécifique, d'une forme étrange (le groupe OPL). Il ignore le reste de la botte de foin, zoome sur ces boîtes et utilise une loupe intelligente pour voir exactement quelle partie de la boîte contient l'aiguille.

Le document conclut que cette méthode est si efficace qu'elle a déjà été appliquée à des systèmes réels de gestion des risques dans les administrations fiscales, prouvant que comprendre le « qui connaît qui » dans le monde des affaires est la clé pour mettre fin à la fraude fiscale.

Résumé Technique : TED : Détection de l'Évasion Fiscale Guidée par les Transactions entre Parties Liées sur un Graphe Hétérogène

Énoncé du Problème
L'évasion fiscale entraîne des pertes substantielles de recettes pour les gouvernements et perturbe la concurrence économique équitable. Bien que les solutions de détection existantes reposent sur des caractéristiques statistiques conçues par des experts ou sur des méthodes basées sur les réseaux, elles échouent souvent à exploiter pleinement l'information riche et interactive inhérente aux scénarios fiscaux. Plus précisément, les méthodes traditionnelles peinent à modéliser les relations complexes, composées et occultes entre les contribuables, en particulier au sein des groupes de Transactions entre Parties Liées (RPT). De plus, les données fiscales hétérogènes contiennent un bruit considérable, où des relations non pertinentes obscurcissent les signaux nécessaires à une détection précise. L'article aborde le défi de la détection de l'évasion fiscale en modélisant les scénarios fiscaux sous forme de graphes hétérogènes et en exploitant les groupes RPT pour filtrer le bruit et capturer des sémantiques structurelles profondes.

Méthodologie : Le Cadre TED
Les auteurs proposent TED (Détection de l'Évasion Fiscale par Attention Hiérarchique sur Graphe Hétérogène Guidée par les RPT), un nouveau modèle de Réseau de Neurones à Graphes (GNN) conçu pour opérer sur des graphes hétérogènes contenant plusieurs types d'entités (par exemple, entreprises, personnes, articles, événements) et types de relations. Le modèle fonctionne à travers deux niveaux hiérarchiques principaux :

Groupe RPT comme Proximité d'Ordre Supérieur :
Au lieu de s'appuyer sur de simples métachemins ou des voisins d'ordre $k$ , TED définit les groupes RPT (par exemple, Personne-Entreprise-Entreprise-Personne) comme des structures de proximité d'ordre supérieur. Cette approche filtre les relations bruyantes d'ordre inférieur non pertinentes pour l'évasion fiscale, se concentrant plutôt sur des groupes de transactions complexes où l'évasion fiscale est plus susceptible de se produire.
Mécanisme d'Attention Hiérarchique :
Pour capturer les influences composées au sein et entre ces groupes RPT, TED emploie un cadre d'attention à deux niveaux :
- Niveau Interne-RPT : Ce niveau extrait des caractéristiques à partir d'instances individuelles de groupes RPT entourant un nœud cible. Il utilise une approche de correspondance de sous-graphe pour identifier les instances et emploie un mécanisme d'attention multi-têtes pour pondérer l'importance des différents nœuds au sein d'une instance RPT spécifique. Il agrège les caractéristiques de tous les voisins au sein de l'instance, préservant la topologie hétérogène plutôt que de la réduire en un graphe homogène.
- Niveau Transverse-RPT : Ce niveau agrège les informations à travers différents groupes RPT. Étant donné que différents groupes RPT contiennent des topologies et des significations sémantiques distinctes, un mécanisme d'attention transverse-RPT est utilisé pour apprendre l'importance relative de chaque type de groupe RPT pour le nœud cible. Il combine les caractéristiques originales du nœud avec les caractéristiques RPT agrégées pour calculer des coefficients d'attention, produisant finalement une embedding de nœud finale.

Le modèle est entraîné à l'aide d'une approche d'apprentissage semi-supervisé, minimisant la perte d'entropie croisée sur les données d'évasion fiscale étiquetées tout en utilisant la structure du graphe pour propager l'information vers les nœuds non étiquetés.

Contributions Clés
L'article expose trois contributions principales :

Modélisation par Graphe Hétérogène : Les auteurs sont les premiers à étudier la détection de l'évasion fiscale sous un modèle de graphe hétérogène incorporant plus de 10 types de nœuds et de relations, soutenant que cette représentation complète améliore les performances de détection par rapport aux méthodes basées sur les caractéristiques ou les graphes homogènes.
Attention Hiérarchique Guidée par les RPT : La proposition d'utiliser les groupes RPT comme proximités d'ordre supérieur pour filtrer le bruit d'ordre inférieur, couplée à un nouveau modèle d'attention hiérarchique (niveaux Interne-RPT et Transverse-RPT) pour extraire des informations structurelles et sémantiques profondes à partir de relations complexes et occultes.
Application et Évaluation dans le Monde Réel : La méthode a été appliquée à un système réel de gestion des risques d'un bureau des impôts chinois et évaluée sur deux ensembles de données fiscales réels étiquetés manuellement (T20H et T15S).

Résultats Expérimentaux
Les auteurs ont évalué TED par rapport à 13 références de pointe, incluant des méthodes de préservation de la proximité (par exemple, HIN2Vec, Metapath2vec), des méthodes d'apprentissage de relations (par exemple, TransE, DistMult), des méthodes d'apprentissage PU (par exemple, PUNE) et des GNN à passage de messages (par exemple, GCN, HAN, HGT).

Performance : TED a nettement surpassé toutes les références. Sur les ensembles de données T20H et T15S, il a obtenu des améliorations moyennes du score F1 de 8,50 % et 12,86 %, et des améliorations de précision de 7,61 % et 11,40 % par rapport aux meilleures méthodes existantes, respectivement.
Robustesse : Le modèle a démontré une stabilité à travers divers ratios d'échantillons positifs (PSR) dans l'ensemble d'entraînement, maintenant une performance supérieure même lorsque les données étiquetées étaient rares (par exemple, 10 % de PSR).
Études d'Ablation : Les expériences ont confirmé la nécessité de chaque composant. La suppression des types de nœuds hétérogènes (TED-hete), des mécanismes d'attention (TED-att) ou de niveaux d'attention spécifiques (TED-inner, TED-cross) a entraîné une dégradation significative des performances.
Visualisation : Les visualisations t-SNE ont montré que TED produisait une séparation plus claire entre les entreprises en évasion fiscale et les entreprises normales par rapport aux autres modèles, indiquant un apprentissage de représentation supérieur.
Efficacité : TED a démontré une haute efficacité, atteignant des performances comparables à d'autres modèles en un temps d'entraînement significativement inférieur et montrant une scalabilité linéaire avec la taille du graphe.

Signification et Revendications
L'article affirme que la signification principale de ce travail réside dans le changement de paradigme de la détection de l'évasion fiscale, passant de l'extraction de caractéristiques statiques à une modélisation dynamique et consciente de la structure utilisant des graphes hétérogènes. En modélisant explicitement les groupes RPT comme des proximités d'ordre supérieur, la méthode adresse efficacement les défis de « relation bruyante » et de « relation composée » inhérents aux données fiscales. Les auteurs affirment que leur approche améliore non seulement la précision de la détection, mais fournit également un cadre pouvant être intégré dans des systèmes réels de gestion des risques fiscaux. Ils concluent que le mécanisme d'attention hiérarchique révèle avec succès l'information sémantique cachée au sein des réseaux fiscaux complexes, offrant une solution robuste pour un problème économique mondial. Des travaux futurs sont suggérés pour explorer l'apprentissage par renforcement afin de la sélection autonome de groupes RPT significatifs, réduisant potentiellement le besoin d'intervention d'experts du domaine.