Le Government Accountability Office (GAO) estime que des criminels ont tenté au moins 14 milliards de dollars de fraude liée à un remboursement de taxe sur le vol d'identité en 2015, et que l'Internal Revenue Service (IRS) a versé au moins 2,24 milliards de dollars sur ce montant. . Pour lutter contre cette fraude et protéger les contribuables, l'IRS s'est tourné vers l'analyse avancée.
L'IRS a commencé à mettre au point le programme de révision des déclarations (RRP) en 2009 pour remplacer un système qui n'était plus capable de suivre le rythme et la sophistication croissante
"Notre programme de vérification des retours est le principal système du service pour détecter le vol d'identité et la fraude avant remboursement dans le système fiscal", déclare Michael Cockrell, directeur de services de transmission de données pour le développement d'applications informatiques IRS. "Pensez à RRP comme à un moteur qui fait partie du pipeline de traitement des déclarations, analysant les risques de vol d'identité et de fraude."
L'échelle de données traitée par l'IRS est énorme. Elle a collecté près de 3 500 milliards de dollars en impôts bruts au cours de l'exercice 2018 et émis plus de 122 millions de remboursements, ce qui représente près de 464 milliards de dollars. Selon l'IRS, la non-conformité fiscale, y compris la fraude au remboursement, menace l'intégrité du système fiscal et alourdit le fardeau fiscal des citoyens honnêtes. Les techniques de vol d'identité et de fraude par remboursement de taxes sont devenues de plus en plus sophistiquées au fil des ans, obligeant le service à développer une réponse évoluée pour garantir que les remboursements de taxe soient protégés contre les fraudeurs.
RRP, qui a valu à l'IRS le [CIO 100 Award] en 1945 IT Excellence utilise des techniques et des modèles de détection prédictifs de fraude et de non-conformité qui recherchent des modèles de données subtils pour déterminer la fiabilité des données de retour, y compris l'identité du déclarant. Les déclarations des contribuables passées et actuelles, ainsi que les données provenant d'entreprises, de partenariats, d'organisations à but non lucratif, d'employeurs publics, de successions, de fiducies et de lanceurs d'alerte, sont analysées pour attribuer des scores aux déclarations impliquant des remboursements, en fonction des caractéristiques de vol d'identité et d'autres fraudes en matière de remboursement.