La pluie battante frappe les vitres d'un immeuble gris de Washington. Dans les bureaux de l'Internal Revenue Service⁵, des agents penchés sur des piles de déclarations fiscales et de listings informatiques scrutent chaque anomalie. Au mur, des courbes étranges, des statistiques, des pourcentages racontent une histoire invisible au profane. Nous sommes à la fin des années 1990, et dans ce département anonyme du fisc américain, une révolution silencieuse est en marche.

En 1996, alors que l'IRS commence ses expérimentations, le mathématicien et professeur de comptabilité Mark Nigrini publie un article fondateur qui va poser Benford au centre de la recherche de fraude⁶⁷. Trois ans plus tard, il présente des tests statistiques précis, des méthodes d'échantillonnage, des seuils d'alerte et transforme l'intuition en méthode scientifique⁸.

Dans son petit bureau universitaire, Nigrini ne soupçonne pas qu'il est en train de changer à jamais le monde de l'audit. Les agents de l'IRS dévorent ses publications. Des séminaires sont organisés. Des procédures internes sont réécrites, aidées par l’arrivée massive de l’informatique. Les contrôles fiscaux, autrefois aléatoires, ciblent désormais les déclarations dont la distribution des chiffres trahit la manipulation humaine.

Le discours de la méthode

Un jour de printemps, Nigrini reçoit un appel du fisc américain. Ses méthodes ont permis d'identifier une fraude majeure. Puis un autre appel. Puis des dizaines. Son travail théorique sauve des millions de dollars aux contribuables honnêtes. Le monde académique rencontre la réalité du terrain, et la synergie est parfaite.

Parce qu’à l’IRS on avait bien compris que c’était magique, mais sans trouver de méthodologie. Nigrini l’établit clairement :

• Sur les données
  Se baser sur les états financiers de plusieurs années (5 ans ou plus), et observer les tendances
  Se focaliser sur les postes clés : total des actifs, des passifs, des capitaux propres, notamment
  Avoir au moins 1000 entrées pour que les résultats soient significatifs
  Exclure les données artificielles ou déterminées par d’autres factures (codes postaux, numéros de téléphone etc.)
• Sur l’application de la loi de Benford
  First Digit Test⁹ : comparer la fréquence des premiers chiffres des valeurs comptables
  Extraire le premier chiffre de chaque valeur financière.
  Calculer la fréquence d’apparition de chaque chiffre (1 à 9).
  Comparer les fréquences réelles avec les fréquences attendues selon Benford.
  Identifier les écarts anormaux (exemple : une surreprésentation du chiffre 9 peut suggérer une manipulation).
  First Two-Digit Test¹⁰ : affiner l’analyse en vérifiant la fréquence des deux premiers chiffres des valeurs comptables.
  Extraire les deux premiers chiffres de chaque valeur financière.
  Calculer leur fréquence et comparer avec la distribution attendue.
  Identifier des anomalies (ex. : si « 50 » apparaît trop souvent, cela peut signaler une fraude).
  Khi-Square Test¹¹ : déterminer si les écarts observés sont statistiquement significatifs.
  Calculer la valeur
  Comparer avec une valeur seuil critique
  Si la valeur est supérieure à la valeur critique, il y a une anomalie statistiquement significative, potentiellement liée à une fraude.

Bon ok, ça paraît vachement compliqué, mais en réalité, ça ne l’est pas : l’idée c’est tout simplement d’avoir en tête le diagramme de répartition de Benford, et de voir si nos chiffres amènent à la même chose ou pas. La méthodologie permet surtout de voir si, en gros, y’a une potentielle fraude ou pas, et si le test du Khi-Carré d’aller regarder les transactions qui causent l’écart, et d’appliquer les méthodologie habituelles en cas de suspicion de fraude.