
Contexte et objectifs pédagogiques
Les administrations fiscales et douanières sont aujourd’hui confrontées à une transformation profonde de leur environnement. L’explosion des volumes de données – qu’elles soient numériques, textuelles ou issues de capteurs et d’images satellites – combinée à l’émergence d’outils algorithmiques puissants, ouvre la voie à de nouvelles formes d’action publique : plus ciblée, plus réactive, mieux informée.
Pour tirer pleinement parti de ces opportunités, les administrations doivent pouvoir compter sur des agent.es capables de comprendre, structurer, manipuler et exploiter les données de manière rigoureuse et stratégique.
C’est pour répondre à ce besoin que l’IHEDD (Institut des hautes études du développement durable) et l’ENSEA (École nationale supérieure de statistique et d’économie appliquée d’Abidjan) ont conçu cette formation hybride, comprenant une partie à distance, et une partie en présentiel à Abidjan.
Organisée autour de cours magistraux, d’ateliers pratiques et d’échanges avec des expert·es du secteur public et privé, elle permet aux participant·es de maîtriser les méthodes avancées de modélisation statistique, de prévision, et d’apprentissage automatique (supervisé et non supervisé), en lien avec les enjeux de fraude, de recettes et d’éthique des données.
Un cycle préparatoire de webinaires vient enrichir cette montée en compétence.
La formation se conclut par la réalisation d’un projet appliqué, tutoré, ancré dans une problématique concrète de l’administration d’origine du participant, et constitue l’étape-clé vers l’autonomie professionnelle dans l’usage stratégique de la data.
À l’issue de la formation, les participant.es seront en mesure de :
- Explorer, visualiser et regrouper des données fiscales et douanières à l’aide de méthodes statistiques, pour mieux comprendre les profils de contribuables et d’opérateurs économiques ;
- Modéliser des relations entre variables pour objectiver des facteurs de risque ou de recettes ;
- Construire et évaluer des modèles d’apprentissage supervisé, des méthodes classiques aux méthodes les plus performantes, appliqués à la détection de fraude, à la prévision de recettes ;
- Utiliser l’intelligence artificielle générative pour des cas d’usage concrets de l’administration, par la conception de prompts et l’adaptation d’un modèle à des données spécifiques ;
- Détecter des anomalies dans les données sans modèle préétabli, et maîtriser les exigences éthiques et juridiques de protection des données, incluant les techniques d’anonymisation.
- Webinaire n°1 : Introduction à la science des données
- Webinaire n°2 : Comment identifier les données disponibles au sein de son administration ?
- Webinaire n°3 : Les enjeux du partage des données entre services et administrations
- Webinaire n°4 : Les technologies open source
- Webinaire n°5 : Technologies connexes à la datascience et/ou outils et sources d’informations en ligne
Le volet en présentiel s’organise autour de cours magistraux, de travaux pratiques menés sur des données fiscales et douanières et d'ateliers permettant de discuter avec des experts du secteur public ou privé sur des sujets propres à la mobilisation de la science des données dans les administrations.
Semaine 1
- Connaître les méthodes statistiques univariées, bivariées, et multivariées pour explorer, visualiser, clusteriser les données ;
- Savoir mettre en œuvre ces méthodes avec des outils de R sur des données en lien avec la douane et les impôts.
Semaine 2
- Connaître les différents champs et concepts importants en machine learning ;
- Connaître le protocole expérimental pour comparer plusieurs méthodes supervisées ;
- Connaître les méthodes classiques en apprentissage supervisé en régression et en catégorisation.
Semaine 3
- Connaître et savoir mettre en œuvre les méthodes d’ensemble et les réseaux de neurones en apprentissage supervisé ;
- Connaître les concepts de base en apprentissage profond ;
- Savoir identifier dans huggingface un modèle de deep learning approprié à une tâche donnée et savoir l’importer et l’utiliser en « stand-alone » ;
- Applications à la détection de fraude et à la prévision de recettes douanières et à la prédiction de HS code.
Semaine 4
- Connaître les principales méthodes d’apprentissage non-supervisé pour la détection d’anomalie ;
- Connaître les techniques classiques permettant de préserver l’anonymat ;
- Concevoir des prompts efficaces et des agents conversationnels ;
- Savoir fin-tuner un LLM sur des données spécifiques ;
- Cas d’usage concret.
La délivrance du certificat repose sur le rendu d’un projet rédigé par le participant sur la base d’une problématique rencontrée par l’administration du participant et sur les données internes (anonymisées) et/ ou externes de l’administration. Le sujet du projet doit idéalement être choisi conjointement par le/la participant.e et sa hiérarchie afin de l’aborder comme un cas d’usage supervisé par les tuteur.rices participant à cette formation.
Modalités du volet à distance
Le volet à distance s’organise autour de 5 webinaires de 2 heures étalées sur 2 semaines, organisées en synchrones et obligatoires pour l’ensemble des participants.
Les personnes retenues pour la formation auront automatiquement accès aux enseignements à distance :
- « Premiers pas sur le logiciel R avec des données douanières »
- « Mener une analyse exploratoire des données douanières sur le logiciel R »
Il est fortement recommandé de les suivre afin d’avoir le niveau nécessaire en programmation pour la partie présentielle de la formation.
Modalités du volet en présentiel
Le volet présentiel se déroule sur 4 semaines dans les locaux de l’École nationale supérieure de statistique et d’économie appliquée d’Abidjan.
Publics concernés
Agent.es francophones des administrations fiscales et douanières.
Calendrier
- 15 novembre 2026 : date limite de candidature
- 20 novembre 2026 : annonce des résultats par email
- 20 décembre 2026 : date limite de paiement
- 18 janvier 2027 : organisation de la logistique avec les participants
confirmés (un nombre minimum de 18 participants sera nécessaire pour la tenue effective de la formation) - 1 février 2027 : début des webinaires
- du 15 mars au 8 avril 2027 : enseignement en présentiel à Abidjan
Validation of acquired knowledge
Cette formation donne lieu à un certificat délivré conjointement par l'IHEDD au nom de la Ferdi, reconnue organisme de formation professionnelle, et l’École nationale supérieure de statistique et d’économie appliquée d’Abidjan, sous condition de validation par le jury des évaluations prévues dans le parcours et des résultats de soutenance du projet de fin de formation.
History of previous sessions
Session 2 : du 16 octobre 2023 au 18 juin 2024 | Nombre de participant·es : 21 | Taux de réussite : 95 %
Session 3 : du 20 janvier au 11 juillet 2025 | Nombre de participant·es : 19 | Taux de réussite : 50 %
Practical information
- Duration: 9 heures de webinaire + 120 heures de présentiel (4 semaines)
- Place: Abidjan, Côte d'Ivoire
- The training is delivered in français
- Equipment: Il est indispensable de disposer d'un ordinateur portable et d'une connexion internet
- The training is accessible to people with disabilities.
- Prerequisites: pour être éligible, il est nécessaire d’être autonome dans la manipulation de jeux de données, d’avoir une connaissance de base des statistiques (moyenne, variance, corrélation, régression simple), et d’avoir un niveau suffisant en programmation R ou Python.
- Capacity: 25
Participation in training costs
The participation in training costs is €3,300.00.
Training supervisors
- Nathaniel GBENROÉcole nationale supérieure de statistique et d’économie appliquée d’Abidjan

- Julien AH-PINEMaître de conférences HDR

Trainers
- Nathaniel GBENROÉcole nationale supérieure de statistique et d’économie appliquée d’Abidjan

- Julien AH-PINEMaître de conférences HDR

- Mourad ARFAOUIConseiller régional en douane (Fonds Monétaire International)

- François CHASTELExpert (Fonds Monétaire International)

- Romaric COULIBALYEnseignant-chercheur et responsable de la filière des ingénieurs statisticiens économistes (ENSEA)

- Thomas CANTENSTechnical Assistance Advisor, Fiscal Affairs Department, IMF Associate Research Fellow, CERDI-UCA
- Kia Jokthan GONDOEnseignant chercheur (ENSEA)

- Kouadio Jean-Stéphane N’ZIEnseignant-chercheur (ENSEA)



.jpg)



