L'IRS utilise Alteryx pour améliorer la responsabilité et la transparence vis-à-vis des données sur les marchés publics

Chaque année, le gouvernement fédéral des États-Unis dépense plus de 3 500 milliards de dollars et émet plus de 5,7 millions de contrats d’approvisionnement. Afin d’améliorer la transparence sur la manière dont l’argent du contribuable est dépensé, le Digital Accountability and Transparency Act de 2014, ou DATA Act, exige que le gouvernement fédéral des États-Unis rende ses informations sur les dépenses accessibles au public. Le DATA Act impose au Bureau de la gestion et du budget (OMB) et au département du Trésor de mettre en place des normes à grande échelle pour les données, en particulier le Data Act Information Model Schema (DAIMS). Ce dernier doit inclure des normes standard pour le reporting et les informations relatives aux paiements.

L’Internal Revenue Service (IRS) est est rattaché au département du Trésor, et s’occupe du recouvrement des impôts et de l’administration des codes fiscaux. Dans le cadre de sa mission, l’IRS fait appel à des prestataires du secteur privé pour de nombreux services et produits. En 2019, l’IRS a lancé un programme visant à identifier des approches innovantes de la conformité au DATA Act. Ce programme, Pilot IRS – DATA Act Improvements, a les objectifs suivants :

1. Améliorer les données fédérales sur les approvisionnement, qui se trouvent dans le Federal Procurement Data System – Next Generation (FPDS-NG)
2. Limiter le nombre de tâches manuelles exigées des agents
3. Apporter des améliorations incrémentielles aux données de l’IRS à court terme

L’IRS subit une pression croissante et doit faire toujours plus avec moins de moyens. Au cours des cinq dernières années, le gouvernement des États-Unis a enregistré un taux de croissance annuel composé de 23 % pour le volume de contrats. En parallèle de cette augmentation, l’IRS a également enregistré une baisse de 40 % de ses effectifs. En plus de garder sa charge de travail actuelle, l’IRS doit corriger les erreurs dans les contrats pour garantir la conformité avec le DATA Act et avec d’autres réglementations. Enfin, bon nombre de ces processus d’approvisionnement sont exécutés manuellement sur plusieurs systèmes de l’IRS. Même si cet article porte sur l’IRS, plus de 400 agences du gouvernement fédéral sont confrontées à des défis similaires.

Comme la plupart des grandes structures confrontées aux défis des systèmes et processus en place depuis longtemps, l’IRS souhaitait explorer de nouvelles façons innovantes d’optimiser ses données et ses opérations. Sur la base d’études approfondies d’organisations publiques et privées confrontées à des problèmes similaires pour la conformité en matière d’approvisionnement, nous savons qu’en moyenne une entreprise perd environ 7 heures de productivité par data worker à cause de processus manuels datés.

Les analystes fédéraux pour les approvisionnements sont chargés de rédiger des contrats, un processus qui peut s’avérer pénible. Ils doivent recueillir les données auprès de plusieurs systèmes et intervenants, tout en respectant les différentes réglementations fédérales en matière d’acquisition. Ils explorent un grand nombre d’e-mails et de dossiers pour trouver les informations nécessaires pour remplir de multiples pages et des centaines de champs de données. Aussi en viennent-ils souvent à interpréter des données vagues, incorrectes et incomplètes. Ils doivent par exemple déterminer si une adresse est à jour, si la description d’une attribution est pertinente ou non, ou si les dates du contrat sont correctes.

Dans certains cas, les analystes vérifient les références grâce à des sites Web tiers. Dans d’autres cas, ils envoient des e-mails, passent des appels téléphoniques et planifient des réunions pour valider les données dont ils ont besoin. Dans tous les cas, ils mettent tout en œuvre pour prendre la meilleure décision possible avec les informations limitées dont ils disposent.

Lorsque les analystes valident les nouvelles informations recueillies, ils ne peuvent qu’espérer que les données issues des processus en amont ont été convenablement validées. Lorsque leur longue journée de travail s’achève, un nombre considérable de nouveaux contrats les attend pour le lendemain. Ils ont en tête des dizaines de façons d’améliorer ce processus, mais elles nécessitent toutes des ressources en matière de de développement logiciel et d’ingénierie des données. Le processus leur semble bien trop lent et compliqué pour pouvoir rapidement constater une amélioration significative.

ResonantLogic, un partenaire d’Alteryx, a développé une démonstration de faisabilité pour résoudre ce problème dans le cadre du programme Pilot IRS. ResonantLogic a utilisé Alteryx Designer et Alteryx Server pour réaliser une démonstration de faisabilité fonctionnelle en moins de 20 jours. La solution s’appuie sur les méthodes suivantes :

Connecter

• Alteryx Designer a été utilisé pour les processus ETL des données sur les approvisionnements, et Alteryx Server a été utilisé pour planifier cette activité afin de garantir que les informations les plus récentes seront toujours disponibles pour les utilisateurs.

Vérifier et valider

• Le système traduit les règles de validation en un workflow facile à utiliser. Ainsi, les utilisateurs peuvent créer et tester les algorithmes sans recourir à un code complexe. Et comme Alteryx facilite la gestion des workflows de données, les utilisateurs n’ont qu’à mettre à jour les workflows lorsque les conditions et les règles de validation changent.
• Le système utilise également le traitement du langage naturel pour interpréter le sens des descriptions d’attributions générées par les utilisateurs.

Corriger

• Le système identifie les erreurs et les exceptions et propose des corrections optimisées.
• Il vérifie automatiquement les références et corrige les valeurs à l’aide de sources tierces, comme Dun & Bradstreet et U.S. Postal Services.
• Il s’appuie sur un modèle de machine learning qui peut être entraîné par les utilisateurs pour déterminer la pertinence d’une description d’attribution générée par un utilisateur. Il permet aux utilisateurs de mettre à jour une bibliothèque d’entraînement et d’afficher les résultats des descriptions d’attributions analysées.

Notifier

• Le système crée un rapport qui répertorie les attributions des contrats, les champs de données erronés et les valeurs recommandées.
• Le système peut fournir des rapports personnalisés pour identifier les erreurs qui se répètent. Ces rapports peuvent être utilisés pour l’entraînement par les utilisateurs et pour les autres activités d’amélioration continue.