Les agents d’IA peuvent exploiter d’énormes volumes de données – pouvant s’agir de données se rapportant aussi bien aux taxes indirectes qu’aux taxes sur la valeur ajoutée, aux crédits à la R et D et aux évaluations de prix de transfert –, en procédant en toute autonomie à la collecte, à l’analyse et au traitement de données fiscales en vue de la production des déclarations de revenus et des déclarations aux fins de l’observation fiscale. Grâce à la réduction spectaculaire de la quantité d’interventions manuelles requises, les professionnels de la fiscalité peuvent se permettre de consacrer moins de temps à la recherche d’informations et se concentrer davantage sur la génération d’idées stratégiques et la résolution de problèmes, tandis que 85 % des leaders en fiscalité sondés considèrent que ce sont là les principales compétences que devront détenir à l’avenir les membres de leurs équipes.
En tirant parti de leur capacité d’intégrer des données de projet et d’appliquer des règles fiscales complexes, les robots fiscaux peuvent extraire automatiquement des données détaillées sur les immobilisations, par exemple, analyser les obligations en matière d’impôts fonciers ou vérifier l’admissibilité à des crédits à la R et D, ce qui se traduit par une accélération du processus de préparation de déclarations fiscales exactes et par le repérage de possibilités d’économies d’impôt qui auraient pu passer inaperçues dans l’exécution de processus manuels.
On assiste à un foisonnement des cas d’utilisation des agents d’IA en situation réelle dans le secteur des mines et métaux, où les entreprises commencent à constater qu’ils peuvent s’avérer utiles à certains égards, en permettant de s’élever au-dessus des débats d’idées théoriques et d’obtenir des résultats concrets. Les équipes des taxes indirectes sont particulièrement à l’avant‑garde quant à l’adoption de processus autonomes, tirant parti de l’IA de façon à réduire plus facilement le nombre d’erreurs et de vérifications inversées coûteuses.
À mesure que ces technologies gagnent en maturité, la production autonome de déclarations fiscales deviendra la norme plutôt que l’exception, de sorte que les équipes de fiscalité pourront se concentrer sur l’exercice de rôles de conseiller, auxquels est associée une plus grande valeur.
Surmonter les obstacles
Malgré les avantages qui découlent manifestement des initiatives de transformation de la fonction fiscalité reposant sur l’IA, bien des entreprises du secteur des mines et métaux hésitent encore à s’y engager pleinement. Les idées préconçues à l’égard des risques liés aux coûts, à la conformité réglementaire, à la sécurité des données et à la gestion du changement engendrent un climat d’inertie dans les secteurs qui adoptent généralement plus tardivement les nouvelles technologies.
La situation est toutefois en voie de changer. Il y a de plus en plus de fonctions fiscalité et d’entreprises minières dont les efforts pour se doter de modèles de données et de flux de données fiscales agentives exploitables par l’IA ont été couronnés de succès. Les entreprises n’ont plus à faire œuvre de pionnier; elles peuvent tirer parti des progrès récents et des solutions infonuagiques dans la gestion de leurs risques.
La réalisation d’une initiative de transformation d’une telle ampleur peut se comparer à la modernisation d’un avion en plein vol, dans un contexte où il faut procéder aux mises à niveau requises sans perdre de l’altitude ou sans faire de compromis sur le plan de la sécurité, tandis qu’il s’avère nécessaire de prendre en compte les besoins actuels, tout en se préparant à adopter de nouvelles façons de faire. Pour certaines entreprises, c’est tout un exercice d’équilibre, dans un contexte où la haute direction a instauré un climat d’urgence, en exerçant des pressions visant à faire baisser les coûts et en imposant l’obligation d’en faire davantage, malgré les ressources restreintes.
Sans compter qu’il ne s’agit pas seulement d’en arriver à en faire davantage, mais également de concentrer les efforts sur la réalisation de priorités divergentes. Selon les résultats du sondage, les membres du personnel de la fonction fiscalité des entreprises consacrent 53 % de leur emploi du temps à des activités fiscales courantes et 16 % seulement, à des activités spécialisées; tandis que les répondants souhaiteraient réduire de moitié le temps qu’ils vouent aux activités courantes (21 %), tout en doublant la proportion de leur horaire de travail consacrée à des activités spécialisées, en la faisant passer à 34 %.
Les fonctions fiscalité sont appelées à s’engager dans un exercice d’optimisation, à réduire leur effectif et à faire des compressions de coûts, tout en conservant ou en rehaussant la qualité de leurs activités en matière d’observation et de déclarations fiscales. Qu’elles décident d’aller de l’avant sans tarder ou plutôt d’attendre un moment plus propice, il devient presque impossible pour elles de répondre aux attentes futures si elles ne s’appuient pas sur une couche de données d’IA systématisées.
Accélérer le processus d’intégration
La bonne nouvelle, c’est que les capacités de codage de l’IA surpassent celles des programmeurs humains et que cette technologie excelle dans l’organisation et l’analyse d’énormes volumes de données, en faisant preuve d’une efficacité inégalée. Des tâches dont l’exécution manuelle exigerait des efforts colossaux en termes d’années‑personnes peuvent être exécutées beaucoup plus facilement et efficacement par l’IA, qui peut faciliter l’accès à des environnements de données évolués, simplifiés et plus faciles à déployer.
Le moment est venu de passer à l’action. De nombreuses entreprises du secteur des mines et métaux intègrent efficacement l’IA dans tout un éventail de cas d’utilisation, en procédant à un virage déterminant dans le passage de la théorie à la pratique, grâce à l’utilisation en situation réelle d’applications prenant en compte les besoins organisationnels. En suivant leur exemple et en appliquant des modèles standards et des outils d’IA aux données existantes, les entreprises peuvent rapidement cerner et combler leurs lacunes, de façon à assurer une intégration plus fluide, tout en s’appuyant sur des fournisseurs de services infonuagiques et des bases de données pour simplifier la mise en place de l’infrastructure sous‑jacente.
Les entreprises qui tardent à s’engager sur cette voie risquent de se faire distancer par des concurrents qui tirent déjà parti de l’IA pour automatiser leurs processus fiscaux, réduire le nombre d’erreurs et réaliser de nouveaux gains d’efficacité. À mesure que le recours à des technologies fiscales autonomes se généralisera, elles ne pourront que regretter davantage de ne pas s’être dotées d’une solide infrastructure de données fiscales.
