В статье исследуется фундаментальное противоречие между классическим принципом презумпции добросовестности участников правоотношений и логикой прогнозных моделей, внедряемых в сферу государственного аудита. Автор обращает внимание на то, что предиктивная аналитика, основанная на обработке больших массивов данных и методах машинного обучения, по своей природе оперирует вероятностями и корреляциями, тогда как презумпция добросовестности (ст. 10 ГК РФ) требует индивидуального доказывания вины и запрещает относиться к лицу как к потенциальному нарушителю бездостаточных оснований. Цель статьи – определить правовые границы применения предиктивной аналитики в государственном аудите. Для еёдостижения автор анализирует юридическую природу алгоритмического риск-профилирования, которое рассматривается как технико-аналитическая процедура со значимыми правовыми последствиями. Детально исследуется практика использования индикаторов риска Счётной палатой РФ при контроле за реализацией национальных проектов, включая описание применяемых методов («случайный лес», «ближайшие соседи», балльные оценки) и созданной системы дашбордов. Кроме того, анализируется судебная практика обжалования актов контрольно-счётных органов, на основе которой выделяются требования к обоснованности и доказанности решений. На основе проведённого анализа автором предлагается комплекс мер по совершенствованию правового регулирования: установление запрета на полностью автоматические решения ИИбезучастия человека-аудитора; закрепление права объекта контроля на получение объяснения о факторах отнесения к группе риска; законодательное определение статуса результатов предиктивной аналитики; обязательный антидискриминационный аудит прогнозных моделей; а также возможность судебного обжалования самого факта включения в зону риска, если это повлекло неблагоприятные последствия

The article examines a fundamental contradiction between the classical principle of the presumption of good faith of participants in legal relations and the logic of predictive models being introduced into state audit. Predictive analytics, based on bigdata and machine learning, operates with probabilities and correlations, whereas the presumption of good faith (Article 10 of the Civil Code of the Russian Federation) requires individual proof of guilt and prohibits treating a person as a potential violator without sufficient grounds. The aim is to determine the legal boundaries for using predictive analytics in state audit. The author analyzes algorithmic risk profiling as a technical-analytical procedure with significant legal consequences. The study