Faisant suite à la reconnaissance par l'OMD que l'analyse de données et l'apprentissage machine font partie intégrante de l'avenir des douanes, le projet BACUDA de l’OMD a été lancé en septembre 2019 dans le cadre d'une plateforme de recherche collaborative axée sur l'analyse de données. Au début de l'année 2020, le groupe d'experts BACUDA a travaillé en collaboration au développement d'un système d'intelligence artificielle (IA) de recommandation de codes SH dont l'objectif est de résoudre les difficultés que rencontrent les opérateurs commerciaux et les fonctionnaires des douanes pendant les opérations de classement et a mis au point un modèle qui utilise des données historiques pour recommander des codes SH pour la description commerciale des marchandises.

La collaboration avec l'administration des douanes du Nigeria, qui s'est portée volontaire pour fournir au projet des données d'importation, a entamé un travail commun sur la modélisation des recommandations de codes SH. Ce choix était fondé sur le fait que les difficultés d'interprétation des descriptions des nomenclatures de marchandises complexes étaient l'un des facteurs qui font du classement des marchandises une tâche lourde et qui provoquent des erreurs de classement involontaires. Actuellement, le service de recommandation de codes SH basé sur ce modèle est disponible et un cours avancé en ligne, en anglais et en français, peut être téléchargé sur la plateforme d'apprentissage en ligne CLiKC ! de l'OMD.

Ce modèle utilise une technique de traitement en langage naturel de haute technicité basé sur un réseau neuronal artificiel dénommé Doc2Vec qui permet au modèle de reconnaître les relations sémantiques entre les mots composant les descriptions de marchandises et leurs relations avec les codes SH ; elle recommande des codes SH précis de description de marchandises nouvelles ou de marchandises absentes de la nomenclature. En outre, ce modèle est hautement optimisé pour les données de descriptions déclarées par les opérateurs commerciaux car il englobe diverses techniques de prétraitement des données.

Le fonctionnement du modèle

Le principe de base du modèle est d'apprendre les paires de codes SH et de descriptions commerciales des marchandises déclarées par les opérateurs commerciaux. S’appuyant sur l'apprentissage, ce modèle recommande plusieurs codes SH lorsqu’une nouvelle description est saisie. Pendant le processus d'apprentissage, les codes SH et les descriptions de marchandises sont convertis en valeurs numériques dans l'espace vectoriel tout en préservant leurs relations sémantiques. Lorsqu'une nouvelle description est saisie, le modèle calcule sa valeur numérique et recommande des codes SH qui ont les valeurs les plus similaires.

Le code pour le modèle et un cours d’introduction en ligne sera mis en place ultérieurement pour aider les membres à utiliser le modèle.

Soutien technique

Pour un soutien complémentaire personnalisé, l'OMD invite ses Membres à contacter l'équipe de projet BACUDA de l'OMD (bacuda@wcoomd.org) en vue d’organiser avec ses experts un test conjoint du modèle IA de recommandations SH.