L’intelligence artificielle révolutionne la conformité commerciale, et la plupart des entreprises ne sont pas prêtes

Pendant des années, la conformité commerciale n’a pas été une priorité pour la plupart des organisations. Bien qu’elle soit nécessaire, ses fonctions étaient techniques et largement invisibles jusqu’à ce que quelque chose se passe mal, mais cette hypothèse ne tient plus. La volatilité des tarifs, l’application de la loi sur le travail forcé, la fragmentation géopolitique et les règles douanières en constante évolution ont placé la conformité commerciale au centre de la prise de décision opérationnelle.Les propositions récentes du représentant américain du commerce pour imposer de nouveaux tarifs à des dizaines de partenaires commerciaux en raison de prétendues défaillances dans la restriction des importations de travail forcé démontrent comment les préoccupations de conformité du travail sont de plus en plus influencées par la politique commerciale aux côtés de l’application traditionnelle des douanes.

En même temps, l’intelligence artificielle commence à révolutionner la façon dont les organisations classifient les produits, surveillent les risques, interprètent les réglementations et se préparent aux audits. En conséquence, de nombreuses entreprises réévaluent leur approche de la conformité commerciale. Alors que l’IA ne remplace pas les professionnels de la conformité commerciale, elle change la nature du travail, les compétences les plus importantes et la façon dont les organisations gèrent la conformité à grande échelle.

La conformité commerciale est devenue un problème de données

La conformité commerciale moderne dépend de grandes quantités d’informations qui se déplacent avec précision à travers les systèmes. Les entreprises doivent suivre :

• Les classifications du système harmonisé de tarifs (HTS)
• Les déterminations du pays d’origine
• Les données des fournisseurs
• La documentation de conformité au travail forcé
• Les spécifications des produits
• L’éligibilité aux accords commerciaux
• L’exposition aux tarifs
• Les décisions et mises à jour réglementaires des douanes
• La cohérence des déclarations d’entrée entre les courtiers et les unités commerciales

Le défi est que la plupart de ces informations vivent dans des systèmes non connectés. Un fournisseur peut maintenir des détails de produits dans des tableurs, les équipes d’ingénierie stockent des spécifications dans des plateformes de gestion de cycle de vie des produits, les équipes d’approvisionnement se concentrent sur les coûts de sourcing, et les courtiers opèrent à partir de données d’entrée qui peuvent déjà être incomplètes ou obsolètes. Lorsqu’une équipe de conformité commerciale examine un envoi, les attributs critiques du produit peuvent déjà avoir été perdus, simplifiés ou copiés incorrectement à travers les systèmes. Cette fragmentation crée un risque.

Selon les douanes et de la protection des frontières des États-Unis, les efforts d’application de la loi reposent sur une analyse de données sophistiquée pour identifier les anomalies dans le comportement des importateurs. En même temps, l’application de la loi reste difficile. Les examens du Congrès et les analyses gouvernementales ont mis en évidence les défis persistants allant de la fraude dans les processus d’importation et de la croissance du commerce électronique direct aux consommateurs à la limitation des capacités de traçabilité de la chaîne d’approvisionnement. Même avec les efforts d’application de la loi élargis dans le cadre de la loi sur la prévention du travail forcé ouïghour (UFLPA), les décideurs politiques continuent de débattre de la manière dont les biens du travail forcé sont identifiés et exclus des chaînes d’approvisionnement américaines.

Ce changement est important car les erreurs de classification sont souvent systémiques plutôt que isolées. Le même code incorrect peut apparaître sur des milliers d’entrées. Une description de fournisseur peut être réutilisée pendant des années sans validation. Les changements d’ingénierie peuvent modifier les facteurs de classification sans déclencher l’examen de la conformité. Ce sont exactement les types de modèles que les systèmes d’IA sont bien positionnés pour détecter.

La classification HTS devient un cas d’utilisation de l’IA

La classification HTS a toujours nécessité une expertise, une interprétation et une connaissance détaillée des produits. C’est également l’un des processus les plus difficiles à mettre à l’échelle de manière cohérente.

L’ Organisation mondiale des douanes met à jour le système harmonisé de manière récurrente, tandis que les calendriers des tarifs nationaux évoluent de manière indépendante. Les décisions de justice façonnent l’interprétation. Les programmes de tarifs supplémentaires tels que les droits AD/CVD, la section 122, la section 232 et les droits de la section 301 créent de nouvelles couches d’exposition financière. Une décision de classification unique peut avoir un impact significatif sur :

• Les taux de droits
• Les exigences d’admissibilité
• L’examen du travail forcé
• L’éligibilité aux accords de libre-échange
• Les exigences des agences gouvernementales partenaires
• Les calculs de coûts atterrissage

Ce niveau de complexité n’est pas gérable par des tableurs statiques et une connaissance tribale seule, et c’est là que l’IA commence à influencer la profession.

Les modèles d’apprentissage automatique peuvent analyser les classifications historiques, identifier les incohérences entre les courtiers ou les installations, et mettre en surface les produits qui peuvent nécessiter une révalidation. Les systèmes de traitement du langage naturel peuvent comparer les descriptions de produits avec le langage réglementaire, les décisions douanières et les déterminations antérieures.

Il est important de noter que l’IA ne « résout » pas la classification de manière autonome dans la plupart des environnements d’entreprise. Au lieu de cela, elle aide les professionnels de la conformité à réduire les possibilités, à détecter les anomalies, à standardiser les flux de travail et à réduire les recherches manuelles répétitives. Cette distinction est importante. Les organisations les plus réussies ne retirent pas le jugement humain des décisions de conformité. Ils augmentent l’expertise humaine avec des systèmes qui améliorent la cohérence et la visibilité.

L’IA change la préparation aux audits

Les audits de conformité commerciale étaient réactifs. Une enquête douanière arrivait, les équipes se précipitaient pour les documents, les courtiers recherchaient les anciennes entrées, et les employés reconstruisaient manuellement les décisions à partir de dossiers fragmentés. Cependant, cette approche devient de plus en plus insoutenable.

L’échelle de l’activité d’importation moderne signifie que les organisations ont besoin d’une visibilité continue sur la performance de la conformité, et non de nettoyages périodiques. Les systèmes de surveillance basés sur l’IA sont de plus en plus utilisés pour :

• Détecter l’utilisation incohérente de l’HTS entre les entrées
• Identifier les documents manquants
• Signaler les fluctuations anormales de droits
• Mettre en surface les indicateurs de risque des fournisseurs
• Comparer les entrées actuelles avec les modèles de dépôt historiques
• Surveiller les changements réglementaires qui peuvent affecter les classifications

Cette approche proactive reflète d’autres tendances dans la gestion des risques d’entreprise.

Un récent rapport McKinsey sur l’IA générative a noté que les travaux opérationnels à forte intensité de connaissances sont souvent améliorés grâce à l’analyse et à l’automatisation des flux de travail soutenues par l’IA. La conformité commerciale rentre dans cette catégorie.

Les implications s’étendent au-delà de l’efficacité opérationnelle. Les organisations dotées d’une visibilité de conformité plus solide sont souvent mieux à même de répondre rapidement aux enquêtes douanières, de démontrer les processus de gouvernance et d’identifier l’exposition avant que les régulateurs ne le fassent. Cette capacité est devenue stratégiquement importante.

Le défi de l’application de la loi sur le travail forcé

Un domaine où l’adoption de l’IA est particulièrement rapide est la diligence raisonnable de la chaîne d’approvisionnement. La mise en œuvre de la loi sur la prévention du travail forcé ouïghour a considérablement renforcé les attentes en matière de traçabilité et de documentation des fournisseurs. Les importateurs sont maintenant tenus de démontrer une visibilité plus approfondie dans les relations de sourcing, les processus de fabrication et les origines des matériaux. Pour de nombreuses entreprises, cela est extrêmement difficile. Les chaînes d’approvisionnement modernes peuvent impliquer :

• Plusieurs fabricants sous contrat
• Des fournisseurs de niveau deux et trois
• Des changements de sourcing fréquents
• Des documents de fournisseur incohérents
• Un sourcing de composants complexes

L’ampleur du défi reste importante. Selon les estimations de l’Organisation internationale du travail, environ 27,6 millions de personnes dans le monde sont soumises au travail forcé, générant un chiffre d’affaires illégal estimé à 236 milliards de dollars par an. Une grande partie de cette activité se déroule dans des chaînes d’approvisionnement commerciales complexes où la visibilité dans les fournisseurs en amont est limitée. L’examen manuel seul ne peut souvent pas suivre le rythme. Les systèmes d’IA sont utilisés pour organiser les dossiers des fournisseurs, identifier les informations manquantes, signaler les régions de sourcing à haut risque et surveiller les modèles de comportement des fournisseurs au fil du temps.

Encore une fois, ces outils ne remplacent pas le jugement juridique ou de conformité, mais ils aident les organisations à traiter les informations de la chaîne d’approvisionnement à une échelle que les humains seuls peinent à gérer. Cela deviendra probablement encore plus important à mesure que les réglementations sur les chaînes d’approvisionnement continueront de s’étendre.

Les initiatives réglementaires en Europe et ailleurs signalent un mouvement mondial plus large vers une responsabilité et des attentes de diligence raisonnable accrues en matière de chaîne d’approvisionnement. La conformité commerciale se trouve à l’intersection de la déclaration ESG, de la transparence des sources et de la gestion des risques d’entreprise. L’IA se situe au centre de cette convergence car le défi est fondamentalement un problème d’organisation et de détection de modèles de données.

Les compétences dont les professionnels de la conformité commerciale ont besoin

L’une des plus grandes idées fausses entourant l’adoption de l’IA est l’idée que l’automatisation réduit l’importance de l’expertise humaine. Dans la conformité commerciale, le contraire se produit. Alors que les outils d’IA traitent l’analyse répétitive et le traitement de grandes quantités de données, la valeur des professionnels expérimentés augmente. Les organisations ont toujours besoin de personnes qui peuvent :

• Interpréter les réglementations ambiguës
• Évaluer les décisions douanières
• Évaluer la tolérance au risque
• Prendre des décisions de classification défendables
• Coordonner avec les équipes de sourcing, d’ingénierie, de logistique et juridique
• Comprendre les implications géopolitiques
• Communiquer l’exposition à la conformité aux dirigeants

Ce qui change, c’est la nature du travail. Les professionnels de la conformité commerciale deviennent des conseillers stratégiques plutôt que de simples réviseurs transactionnels, et cela nécessite de nouvelles capacités.

L’alphabétisation des données devient plus importante. Les équipes doivent comprendre comment les informations circulent dans les systèmes, où les incohérences émergent et comment les outils d’automatisation font des recommandations. Les compétences en communication sont plus importantes à mesure que la conformité devient une préoccupation au niveau de la direction. La collaboration interfonctionnelle est également essentielle car les décisions de classification, de sourcing, d’approvisionnement, d’ingénierie et de finance sont maintenant profondément interconnectées.

Le risque de la conformité « boîte noire »

Malgré les opportunités créées par l’IA, il existe des préoccupations légitimes quant à la dépendance à l’égard de l’automatisation. Les décisions de conformité commerciale restent des décisions juridiques. Si un système d’IA recommande une classification incorrecte, les régulateurs tiendront toujours l’importateur responsable. Cela crée un défi majeur de gouvernance.

Les organisations qui adoptent l’IA dans les environnements de conformité ont besoin :

• De processus de révision humaine
• De flux de travail d’approbation clairs
• De justification documentée pour les décisions
• De contrôle de version et de pistes d’audit
• De sources de données transparentes
• D’une validation continue des sorties de modèle

Faire confiance aveuglément à l’automatisation crée son propre type de risque, un problème qui s’étend au-delà de la conformité commerciale.

Le cadre de gestion des risques de l’IA du National Institute of Standards and Technology met l’accent sur l’importance de la gouvernance, de l’explicabilité et de la responsabilité dans le déploiement de l’IA d’entreprise. Pour les fonctions de conformité, l’explicabilité est particulièrement importante. Si une entreprise ne peut pas expliquer comment une décision de classification a été prise, défendre cette décision lors d’un audit devient considérablement plus difficile. L’avenir n’est pas une conformité entièrement autonome, mais c’est une conformité dirigée par l’humain soutenue par des systèmes intelligents.

Ceci compte au-delà des équipes de conformité

Les équipes de conformité commerciale opéraient autrefois en dehors de la visibilité des dirigeants, mais cela change rapidement. Les tarifs affectent maintenant les prévisions de bénéfices, les retards douaniers perturbent les calendriers de production, l’application de la loi sur le travail forcé affecte les stratégies de sourcing, et les événements géopolitiques modifient la viabilité des fournisseurs. Les décisions commerciales influencent finalement la stratégie commerciale globale. C’est l’une des raisons pour lesquelles l’adoption de l’IA dans les environnements de conformité est en accélération. Les dirigeants veulent :

• Une visibilité plus rapide sur l’exposition aux tarifs
• Une meilleure prévision des coûts atterrissage
• Des signaux d’alerte plus précoces pour les risques de sourcing
• Une meilleure préparation aux audits
• Des chaînes d’approvisionnement plus résilientes

Les défis de traçabilité sont souvent aggravés par l’utilisation de multiples intermédiaires et de réseaux de fournisseurs à plusieurs niveaux. Les fabricants peuvent sourcer des matériaux via de nombreux fournisseurs indépendants, rendant difficile la vérification des conditions de travail en amont de la chaîne d’approvisionnement. C’est l’une des raisons pour lesquelles les outils d’IA pour la cartographie, la surveillance des fournisseurs et la détection des risques reçoivent une attention accrue de la part des équipes de conformité.

La prochaine phase des opérations commerciales mondiales

La conformité commerciale entre dans une ère fondamentalement différente avec des expériences différentes. Le volume de changements réglementaires, de pression d’application de la loi, de scrutation de la chaîne d’approvisionnement et d’actions commerciales liées au travail est peu susceptible de diminuer. Les gouvernements utilisent de plus en plus les outils d’application de la loi douanière et les mécanismes de politique commerciale pour aborder les préoccupations de travail forcé, créant de nouvelles attentes de conformité pour les importateurs et leurs partenaires de la chaîne d’approvisionnement.

Les organisations qui s’adaptent avec succès partageront probablement plusieurs caractéristiques :

• Une solide gouvernance des données
• Une collaboration interfonctionnelle
• Une validation continue de la classification
• Une surveillance transparente de l’IA
• Un investissement dans le talent de conformité
• Un accès plus rapide à l’intelligence opérationnelle

La question n’est plus de savoir si l’intelligence artificielle influencera la conformité commerciale, car elle l’influence déjà. La question plus importante est de savoir si les organisations sont préparées à gérer cette transition de manière responsable.