Essayez ici l’outil de démonstration pour classer automatiquement les marchandises avec leurs descriptions commerciales et découvrez comment l'IA pourrait aider les opérations douanières de base.
Alors que les administrations douanières sont de plus en plus conscientes de l'importance et de l'intérêt de l’application de ce modèle, l'équipe d'experts du Projet BACUDA avec l’aide du Fonds de coopération des douanes de Corée continue de proposer des méthodes et du matériel de formation de pointe pour répondre aux demandes des Membres.
En complément du développement du modèle de réseau neuronal conçu pour faciliter le classement des marchandises à l'aide du Système harmonisé, un cours avancé d'analyse de données, y compris un module pratique sur l’algorithme de recommandation de code SH est disponible sur CLiKC!, la plate-forme d'apprentissage en ligne de l'OMD. L'équipe d'experts BACUDA a collaboré à l'élaboration d'un modèle d'IA pour recommander des codes SH, qui aide les fonctionnaires des douanes à classer les marchandises en utilisant des données historiques pour prévoir le nombre de codes SH lors de la saisie des descriptions commerciales des marchandises.
Un outil d'accompagnement propose une démonstration des fonctions offertes par le modèle. En saisissant les descriptions commerciales dans la barre de recherche, les codes SH correspondants avec leurs probabilités sont indiqués. Vous pouvez consulter les recommandations, les descriptions des marchandises correspondantes dans la nomenclature et les statistiques sur les importateurs, les commissionnaires en douane et les pays exportateurs. L’outil visualise aussi les fonctions du modèle dans un plan bidimensionnel et tridimensionnel, y compris la relation entre les chapitres de la nomenclature du SH et les résultats de la recommandation. Un résumé de la recommandation est également fourni dans un onglet séparé pour donner un aperçu de la valeur explicite qu'elle apporte.
Aperçu de cours avancé d’analyse de données en ligne
Le cours avancé en ligne sur le modèle et le service de recommandation est désormais disponible aux administrations membres pour une utilisation immédiate. Le cours se compose de quatre chapitres qui guident l'utilisateur de manière globale à travers toutes les exigences et étapes de l’apprentissage des aspects théoriques, et à former et évaluer l'algorithme IA SH basé sur les données douanières fournies volontairement par l’administration des douanes du Nigeria. Vous pouvez télécharger le code source du modèle et faire l'expérience directe du service de recommandation grâce au cours en ligne disponible sur la plateforme CLiCK!.
Le cours commence par une introduction au Système harmonisé et présente certaines difficultés pratiques auxquels sont confrontés les importateurs et les fonctionnaires des douanes ; il insiste ensuite sur l’importance de développer un module automatisé en soutien de la phase de classement en termes de facilitation, d’économie de ressources et de conformité.
Les principes fondamentaux de la théorie qui sous-tendent l'algorithme, notamment le traitement du langage naturel et l'intégration du texte, sont expliqués en détail afin de compléter les connaissances requises pour comprendre le fonctionnement interne et la dérivation du modèle d'apprentissage machine.
Un cours distinct guide l'apprenant pas à pas à travers les instructions d'exécution de l'algorithme avec Python, en signalant les bibliothèques utilisées, les étapes de prétraitement requises et la manière d'évaluer les performances du modèle.
Finalement, les fonctions et les instructions pour utiliser le service de recommandation sont présentées dans le dernier chapitre du cours. Nous encourageons fortement les parties intéressées à essayer l’outil et à l'expérimenter.
Assistance technique
Pour un soutien personnalisé supplémentaire, l'OMD invite les Membres à contacter l'équipe du Projet BACUDA de l'OMD (bacuda@wcoomd.org) afin d'organiser un test conjoint du modèle IA de recommandation SH avec les experts BACUDA.
Si vous souhaitez obtenir des informations supplémentaires, veuillez contacter l’adresse suivante : capacity.building@wcoomd.org.