Après Deux Ans, L'équipe D'enquête Péruvienne Composée De Quatre Membres a Publié Une IA Anti-corruption

Dans l'un des romans de Borges, « Funès le savant et le connu », un génie nommé Funès, doté d'une observation et d'une mémoire extraordinaires, est décrit.

Le jeune Funes a acquis une mémoire et des capacités d'observation étonnantes après une chute de cheval. Il pouvait se souvenir de chaque détail de ses expériences passées et de chaque mot du livre. Vous pouvez même observer des changements subtils dans la vie et la nature, comme la croissance de nouveaux bourgeons et la chute des pétales.

Funes dans le roman est comme un homme doté d’un troisième œil, capable d’observer, de se souvenir, de comprendre et d’interpréter tout.

  Corruption AI Funes : trouver des indices de violations dans les contrats

Cette œuvre de fiction a inspiré ojo-publico, une agence d’enquête numérique péruvienne. Ils croient que les Funes de Borges sont comme les algorithmes d’aujourd’hui, qui peuvent découvrir de nombreux secrets cachés et inconnus sous la surface.

Les journalistes d'investigation, les experts en apprentissage automatique et les conseillers juridiques de l'agence ont travaillé ensemble pour fonder leurs recherches sur 245 000 contrats et détails de comptes pour les marchés publics, la construction d'ingénierie et les dons électoraux rendus publics par le gouvernement péruvien.

Il a fallu deux ans pour former un modèle d’IA pour l’examen des contrats, capable de détecter des indices de corruption et de violations dans les contrats. L'équipe d'enquête pensait que l'algorithme avait le super pouvoir d'observer et d'examiner tous les détails, c'est pourquoi ils ont nommé le modèle Funes.

Jusqu'à présent, sur la base du travail de vérification minutieux de Funes, un total de 110 000 contrats problématiques (sur un total de 245 000 contrats) ont été identifiés, pour une valeur totale de 57 milliards de soles (unité monétaire péruvienne, environ 100,9 milliards de RMB).

Sur la base des indices de ces contrats problématiques, l'équipe de journalistes a mené une enquête et une vérification plus approfondies, exposant un certain nombre de comportements corrompus et illégaux en matière d'achats publics du gouvernement péruvien, impliquant de nombreuses grandes entreprises péruviennes et un montant total de près de 100 milliards d'euros.

  L'IA peut détecter les astuces dans les achats

Il s'agissait de plusieurs affaires de corruption majeures au Pérou ces dernières années, notamment :

• Petroperú, la société publique péruvienne de raffinage et de traitement du pétrole, a remporté près de 2,4 milliards de RMB en projets d'approvisionnement public en participant à des appels d'offres publics dans plusieurs États et provinces sur une période de quatre ans. Parmi eux, le projet 90% a été remporté par la société en tant que seule entreprise soumissionnaire, ce qui a gravement violé la réglementation des marchés publics du gouvernement péruvien et a également affecté la concurrence normale du marché.

Funes a également découvert, à partir de 240 000 contrats et données d'approvisionnement gouvernementaux, que des dizaines de millions de dollars de dépenses fiscales ont été versés à des entreprises créées il y a moins de 20 jours.

• Par exemple, l'entreprise de restauration Melcesca a été enregistrée le 23 octobre 2015. Moins de deux semaines après sa création, elle a remporté un appel d'offres public organisé par l'Université nationale de San Antonio Abad Cuzco (Unsaac) au Pérou et est devenue le fournisseur de la cafétéria de l'école. (Il y a 16 soumissionnaires pour cet appel d'offres)

Funes a découvert de nombreuses opérations illégales similaires et des contrats risqués. La perspicacité et le jugement aigu de Funes proviennent d'enquêtes commerciales approfondies et d'un support algorithmique sophistiqué.

Dans le domaine de la recherche en politique publique et en sociologie, de nombreux chercheurs se consacrent à l’étude de la divulgation d’informations gouvernementales et de la corruption. L'algorithme de Funes s'appuie également sur les résultats de recherche d'un chercheur chevronné, Mihaly Fazekas.

Mihaly Fazekas est doctorant en sciences humaines, sociales et politiques à l'Université de Cambridge. Dans ses recherches, il dispose d’un ensemble d’algorithmes de détection de corruption pour les contrats de marchés publics et les flux de comptes. Il a constaté qu’il existe plusieurs types de contrats présentant des caractéristiques évidentes qui constituent des points de rupture dans les cas de violation et de corruption. Tant que vous comprenez ces caractéristiques, vous pouvez trouver ces contrats et les informations connexes à partir de la quantité massive de documents.

Ces caractéristiques comprennent :

1. Appel d'offres non public;
2. La période de notification publique des informations relatives aux appels d’offres est considérablement plus courte ;
3. Parmi les soumissionnaires, il y avait une nette disparité de taille et de force ;
4. Le contrat d’approvisionnement contenait un certain nombre de modifications ;
5. Le temps nécessaire à la décision gagnante est soit trop court, soit trop long.

Sur la base de ces jugements, il a conçu un modèle d’évaluation et défini le CRI (Corruption Risk Index) comme l’indice de risque de corruption.

Où CRIi représente l'indice de risque de corruption du contrat i,

CIji représente le jème indicateur de corruption de base observé dans l'appel d'offres pour le contrat i,

wj représente le poids du jème indicateur de corruption de base.

CRI=0 indique le risque de corruption le plus faible.

CRI=1 indique le risque de corruption maximal observé.

où un seul soumissionnaire est égal à 1 s'il n'y a qu'un seul soumissionnaire pour le ième contrat et égal à 0 s'il y a plusieurs soumissionnaires ;

Zi représente le logarithme d’un contrat à offre unique ; β0 est la constante de régression.

Rij est la matrice j de « drapeau rouge » de corruption du ième contrat, comme la durée de la période de préavis public.

Cim représente la matrice de m variables de contrôle pour le ième contrat, telles que la durée de la période de préavis public ;

Cim représente la matrice de m variables de contrôle pour le ième contrat.

Concurrents sur le marché ; εi est le terme d'erreur ;

β1j et β4m représentent les vecteurs de coefficients, de variables explicatives et de variables de contrôle.

Sur la base de l'algorithme de Mihaly Fazekas, l'équipe d'algorithmes a également amélioré la reconnaissance de texte des contrats espagnols et ajusté les indicateurs de risque en fonction des conditions du Pérou, et Funes a obtenu de très bons résultats.

Des données ouvertes pour atteindre la transparence et promouvoir l'innovation

Trois chercheurs de l’École d’administration publique de l’Université Tsinghua ont souligné dans leur étude « Ouverture des données gouvernementales et lutte contre la corruption : pratique et inspiration du Royaume-Uni » :Les données ouvertes peuvent favoriser la supervision sociale et le public peut découvrir la corruption grâce aux données ouvertes.

L’ouverture des données gouvernementales contribuera à améliorer la transparence du gouvernement et à promouvoir le développement économique et l’innovation sociale. À cet égard, l’UE et le Royaume-Uni sont actuellement à l’avant-garde.

En 2015, la Commission européenne a lancé le projet « Vers une stratégie européenne visant à réduire la corruption en améliorant l’utilisation des données ouvertes » (TACOD), et le Royaume-Uni est devenu l’un des pays pilotes du projet.

L'équipe de recherche du TACOD a constaté que le plus grand nombre de sources d'exposition à la corruption provenaient des organismes chargés de l'application de la loi (34%), suivis des journalistes d'investigation (25%), des demandes d'accès à l'information (14%), des dénonciations (13%) et des données ouvertes (7%).

Bien que seulement 71 % de la corruption soit révélée par le biais des données ouvertes, si certaines données clés sont rendues publiques à un stade précoce, une grande partie de la corruption peut être découverte et détectée plus tôt. Les données gouvernementales ouvertes ont le potentiel de devenir un outil important dans la lutte contre la corruption.

Même si les informations gouvernementales sont divulguées, le seuil de traitement des contrats complexes et des données de transactions massives a été relevé. En 2009, les scandales de députés britanniques abusant de fonds publics pour rembourser des factures personnelles ont été révélés par les médias les uns après les autres. Les trois principaux partis politiques du Royaume-Uni et plus de 300 députés sont impliqués. Face à l’ampleur des bons de remboursement de frais et des dossiers de demande des députés,Des médias tels que The Daily Telegraph et The Guardian ont publié de grandes quantités de données sur Internet et ont invité les citoyens britanniques à participer à l'enquête de manière participative.

Si le public trouve des points suspects dans les données, il peut marquer les données correspondantes sur le site Web et l'équipe d'enquête continuera à assurer le suivi. Cependant, le crowdsourcing présente également de nombreux problèmes. Les personnes qui n’ont pas reçu de formation en matière d’enquête ne peuvent pas effectuer ces tâches de manière efficace et précise.

L’émergence de Funes a permis une percée et une meilleure pratique dans l’utilisation des données publiques du gouvernement pour dénoncer la corruption. L'équipe de quatre personnes composée de scientifiques des données, de journalistes d'investigation et d'experts juridiques a démontré avec force les puissantes capacités d'enquête des humains et de l'IA.

 Funes est toujours en action

À ce jour, Funes reste à l’avant-garde du journalisme d’investigation péruvien en tant qu’outil d’investigation ouvert et précis.

De plus, depuis l’année dernière, ojo-publico, l’agence d’investigation numérique qui a créé Funes, utilise Funes pour vérifier les projets d’approvisionnement du gouvernement pendant la pandémie de COVID-19.