Palantir teste pour l’IRS un système de sélection de cibles prioritaires pour les contrôles fiscaux

L'Internal Revenue Service des États-Unis teste un outil de Palantir qui aide à sélectionner les audits et enquêtes les plus avantageux pour le gouvernement. Le pilote doit collecter des signaux provenant de dizaines d'anciens systèmes de l'IRS et trouver plus rapidement les cas où il y a un risque de non-paiement d'impôts, de fraude ou de fondements pour poursuites pénales.

Comment fonctionne le pilote

Selon des documents obtenus par des demandes d'accès aux données, l'IRS a payé à Palantir 1,8 million de dollars en 2025 pour le développement de la Selection and Analytic Platform, ou SNAP. Cet outil doit améliorer la sélection des cas prioritaires pour audit, recouvrement des arriérés d'impôts et potentielles enquêtes pénales. Pour le service lui-même, la tâche semble pragmatique : au lieu de naviguer manuellement dans une ancienne architecture système, rassembler l'image complète au même endroit et consacrer moins de temps aux audits qui ne rapportent presque rien au budget.

Le problème est que l'IRS a accumulé une infrastructure très lourde. Dans les documents, le service reconnaît qu'il utilise plus de 100 systèmes métier et environ 700 méthodes de sélection qui se sont accumulées au fil des décennies. SNAP ne remplace pas tout ce paysage en une seule étape, mais le recouvre par le haut : il aide les auditeurs à voir des signaux provenant de bases de données fragmentées et à rechercher des détails importants dans des pièces jointes non structurées qui était auparavant plus difficile de corréler les unes avec les autres.

Selon les données de marchés publics, Palantir travaille avec l'IRS depuis plus de dix ans, et le volume total des contrats et des engagements de paiement a dépassé 200 millions de dollars.

Quels cas sont en focus

Dans la première phase, l'IRS a demandé à Palantir de développer trois méthodes de sélection de cas distinctes liées à des sections spécifiques du code des impôts. Ce n'est pas une recherche abstraite de "citoyens suspects", mais un pilote tout à fait appliqué avec des catégories claires, où le service souhaite tester si la nouvelle approche aide à trouver des cas plus productifs. Cette conception est importante : l'agence limite l'expérience et peut comparer la nouvelle logique avec les anciennes procédures sur des types spécifiques de déclarations.

demandes de bénéfices fiscaux pour les résidents des zones sinistrées Residential Clean Energy Credit - avantages pour l'installation de panneaux solaires, d'éoliennes et d'autres équipements énergétiques résidentiels Formulaire 709 - déclarations d'impôt sur les donations, lorsque des actions, des entreprises, des œuvres d'art et d'autres actifs précieux sont transférés documents à l'appui qui peuvent clarifier l'évaluation des actifs, les relations entre les parties et la logique de calcul Les données non structurées sont particulièrement intéressantes ici. Pour les dossiers d'impôt sur les donations, il pourrait s'agir de documents d'évaluation, de bilans, d'informations sur les revenus de l'entreprise et de descriptions des relations entre le donateur et le bénéficiaire. Cependant, dans les matériaux du contrat, il est explicitement déclaré que Palantir doit travailler avec des données déjà existantes dans SNAP, plutôt que de tirer dans le système de nouveaux flux de données externes à son discrétion.

C'est précisément dans ces fichiers que se cachent souvent les signaux qui ne se trouvent pas dans les champs de déclaration standard.

Pourquoi c'est controversé L'IRS a déjà des mécanismes de sélection algorithmiques.

Pendant des décennies, le service s'est appuyé sur le score DIF - une métrique interne qui évalue la probabilité qu'une déclaration mérite un examen. Comment exactement il est calculé n'est pas divulgué publiquement, et les chercheurs qualifient depuis longtemps cette approche de boîte noire. SNAP va plus loin : non seulement il classe les déclarations, mais il aide à relier davantage de sources et à soulever des cas qu'un inspecteur aurait pu manquer.

Le risque ici n'est pas seulement la vie privée, mais aussi la qualité des solutions. En mai 2025, un audit TIGTA a déclaré que l'IRS utilise déjà des modèles d'IA pour la sélection des audits et souhaite réduire le fardeau des contribuables honnêtes, mais n'a pas encore pleinement évalué l'efficacité de ces modèles par rapport aux anciennes méthodes. C'est-à-dire que le service souhaite frapper plus précisément les violations, mais il doit encore prouver que les nouveaux modèles fonctionnent réellement mieux et ne créent pas d'erreurs supplémentaires.

« L'IRS n'a essentiellement jamais mené à bien une modernisation complète depuis les années 1960 », déclare la professeure Erika Neumann.

Cette phrase explique bien pourquoi le service se tourne vers un prestataire externe. La modernisation de l'IRS stagne depuis de nombreuses années, et en 2025, l'agence a également perdu des dizaines de milliers d'employés en raison de licenciements, de départs reportés et de retraites anticipées. Quand on a moins de personnel et trop de systèmes fragmentés, la tentation de confier la sélection des cas à une couche analytique plus intelligente devient presque inévitable. Et cela explique l'intérêt pour les systèmes qui promettent de compresser des semaines d'analyse manuelle en quelques heures.

Ce que cela signifie

Pour Palantir, c'est une autre chance de s'intégrer plus profondément dans l'infrastructure gouvernementale critique américaine. Pour l'IRS, c'est une tentative de transformer des données fiscales fragmentées en un mécanisme de sélection d'audit plus précis. Si le pilote montre des résultats, des systèmes similaires commenceront à influencer non seulement le rythme des audits, mais aussi qui le gouvernement considère comme une cible prioritaire pour la surveillance. Le prochain débat ne portera plus sur la nécessité d'un tel logiciel, mais sur les règles pour le tester et la responsabilité.