Comment l’IA agentive peut redéfinir votre fonction fiscalité

Alors que chaque agent d’IA peut automatiser et accélérer les processus fiscaux, le plein pouvoir de transformation de l’IA agentive devient évident lorsque des équipes d’agents travaillent ensemble et sont « gérées » par une couche d’orchestration propulsée par l’IA, sous la supervision d’un humain.

Les équipes d’agents se composent d’agents individuels qui collaborent, un peu comme dans le contexte de la division du travail au sein des équipes d’humains. Chacune a son propre objectif, ses propres compétences et capacités, et a pour but d’automatiser les processus fiscaux de bout en bout. Ces systèmes peuvent également être dotés d’un agent « gestionnaire » de l’IA, qui garantit la coordination, l’exactitude et la conformité de l’activité. Par exemple, dans le cas de la balance des comptes, une équipe élargie d’agents peut comprendre des agents conçus pour ce qui suit :

• Extraire des données des systèmes fiscaux et financiers
• Classer correctement les postes
• Télécharger les données reformatées dans le logiciel de calcul des provisions pour impôts
• Recenser les nouveaux comptes et s’assurer qu’ils sont correctement classés
• Comparer la balance des comptes d’un exercice à l’autre pour repérer les variations inhabituelles ou inattendues
• Examiner les extrants pour assurer l’exactitude et la conformité des données

« L’objectif de l’IA agentive est de créer une série de microagents qui travaillent tous ensemble pour automatiser un processus de bout en bout, de sorte que le professionnel de la fiscalité n’a besoin de traiter qu’avec l’agent d’orchestration plutôt qu’avec des douzaines de systèmes », explique M. Campbell. Il fait remarquer que la technologie est peut‑être relativement immature à l’heure actuelle, mais que, comme dans tous les domaines de l’IA, la capacité évolue rapidement.

Par exemple, des équipes d’agents, supervisées par des humains, pourraient également être utilisées à des fins d’observation fiscale et de détermination de la base d’imposition. EY, qui utilise déjà le traitement du langage naturel et l’apprentissage machine pour suivre les modifications apportées à la réglementation fiscale, étudie comment l’IA agentive pourrait automatiser et élargir ce processus. Un agent efficace détecterait non seulement la nouvelle réglementation, mais en déterminerait également l’incidence sur la position fiscale d’une entreprise, alerterait les parties prenantes concernées, planifierait les réunions de ces derniers à des moments mutuellement convenables, et produirait même une ébauche d’analyse accompagnée de recommandations destinées à être analysées et mises en œuvre par les parties prenantes. Cependant, l’IA agentive n’est pas infaillible, de sorte que la supervision par l’humain à des étapes clés de ces flux de travail sera essentielle.

« Certaines équipes de fiscalité utilisent déjà l’apprentissage automatique pour recenser automatiquement les modifications à la réglementation, mais la plupart des activités subséquentes sont encore très manuelles et répétitives, explique M Campbell. L’approche de l’IA agentive est transformatrice parce qu’elle automatise et accélère une plus grande partie du processus, ce qui permet d’économiser un temps et des ressources précieux, tout en permettant aux professionnels de la fiscalité de mettre leurs compétences au profit de l’innovation et d’autres domaines à valeur ajoutée. »

« La technologie pourrait également être utilisée pour traiter de manière autonome les avis fiscaux, les recommandations de l’IA étant transmises aux professionnels de la fiscalité humains à des fins de validation et d’examen, » explique Darren Beardsley, leader, Intelligence artificielle et fiscalité, EY Amériques.

Les systèmes d’intelligence artificielle peuvent recevoir, interpréter et classifier les avis d’imposition de diverses administrations, sous surveillance humaine. Ceci comprend ce qui suit :

• La détermination du type d’avis (p. ex. audit, déclaration tardive, demande de paiement)
• L’extraction des données importantes (p. ex. dates, montants, échéances)
• La mise en correspondance de l’avis et des obligations de déclaration fiscale internes ou des déclarations fiscales antérieures

L’IA agentive peut également être entraînée pour comprendre le langage et les formats réglementaires locaux, appliquer une logique propre à un territoire, et acheminer un avis d’imposition à l’équipe ou au système approprié, ce qui accélère les flux de travail.

M. Beardsley souligne que l’accélération agentive des processus de fiscalité par l’IA est susceptible d’être particulièrement importante dans les territoires européens et sud‑américains où le traitement fiscal en temps quasi réel est en voie de passer à l’avant‑plan.

M. Aiken souligne que la demande croissante de déclarations fiscales en temps quasi réel en Amérique latine et dans l’UE constitue un autre cas d’utilisation possible pour la communication d’agent à agent. Il prévoit qu’à un certain moment les contribuables et les autorités fiscales utiliseront des agents d’IA standardisés plutôt que des API à la configuration complexe pour demander et fournir des données fiscales. « Le problème avec les appels de l’API est qu’ils sont très rigides, explique M. Aiken. S’il y a des zones grises, ils ne fonctionnent tout simplement pas. Les agents d’IA seraient toutefois particulièrement efficaces pour faire face à des circonstances imprévues et à des cas où les données fiscales sont incomplètes ou incohérentes. »

MM. Aiken et Campbell sont convaincus que les défis technologiques liés au développement de l’IA agentive et aux communications entre agents devraient être relativement faciles à relever. Les obstacles à l’adoption causés par les silos de données internes, la conformité réglementaire, l’éthique et la capacité d’une organisation d’avoir confiance dans la technologie et à l’intégrer efficacement peuvent toutefois s’avérer plus difficiles à surmonter.

Les silos de données internes limitent la performance de l’IA. L’IA agentive repose sur la capacité d’avoir accès à d’importants volumes de données structurées et non structurées dans l’ensemble des unités fonctionnelles et de les analyser. Toutefois, les données fiscales pertinentes sont souvent dispersées dans des systèmes ERP, des feuilles de calcul et des bases de données locales disparates, qui ont tous leur propre format et leur propre niveau d’accessibilité. Sans une architecture de données unifiée et la collaboration interfonctionnelle, les services de fiscalité peinent à fournir aux agents d’IA l’information dont ils ont besoin pour raisonner efficacement et générer de la valeur.

« À l’heure actuelle, nous disposons d’un moteur très performant sous la forme de l’IA agentive, explique M. Campbell. Il est incroyablement puissant et prêt à performer, mais la fonction fiscalité tarde à l’alimenter en carburant et le moteur d’IA cale. Nous devons ouvrir la voie aux flux de données afin que l’IA authentique puisse réaliser son plein potentiel. »

La conformité réglementaire représente un autre défi complexe. Les services de fiscalité doivent constamment s’adapter aux modifications apportées à la législation fiscale mondiale, et respecter les obligations de déclaration et les obligations d’information. Bien que l’IA agentive puisse aider à surveiller et à interpréter ces modifications, les entreprises doivent s’assurer que les informations générées par l’IA s’harmonisent avec les cadres juridiques locaux. Les équipes de conformité doivent également s’assurer que les résultats générés par l’IA agentive sont conformes aux normes de vérifiabilité des autorités fiscales, ce qui accroît le niveau de surveillance et de contrôle requis pour le déploiement de l’IA.

L’IA a des répercussions éthiques sur la prise de décisions qui ne peuvent être ignorées. Les systèmes d’IA agentive qui fonctionnent avec un degré élevé d’autonomie doivent être conçus en prévoyant des mesures de sécurité afin d’éviter les conséquences indésirables, comme des évaluations subjectives des risques ou des positions fiscales non transparentes. En l’absence de cadres de surveillance et de gouvernance bien définis, les organisations pourraient être exposées à un risque d’atteinte à la réputation ou de sanctions réglementaires. Il est essentiel d’établir des normes d’éthique et des structures de reddition de comptes avant d’intégrer l’IA aux activités liées à la détermination de la base d’imposition ou à l’observation fiscale.

Il est tout aussi essentiel de renforcer la confiance dans l’IA agentive. Les professionnels de la fiscalité et les parties prenantes doivent avoir confiance non seulement dans les extrants de la technologie, mais aussi dans sa capacité à expliquer comment les décisions sont prises. De nombreux systèmes d’IA existants fonctionnent comme des « boîtes noires », offrant peu de visibilité sur les raisons qui sous‑tendent les recommandations. Pour y remédier, les organisations devraient donner la priorité à la capacité de fournir des explications et intégrer des approches permettant l’intervention humaine qui font appel à l’efficacité de l’IA autant qu’à la supervision par des professionnels de la fiscalité expérimentés

L’état de préparation de l’organisation et son état d’esprit jouent un rôle important dans l’adoption. L’IA agentive nécessite plus qu’une simple infrastructure technique. Son adoption doit passer par un changement de culture. Les services de fiscalité doivent cesser de se concentrer uniquement sur l’observation pour privilégier une approche stratégique axée sur les données. Cette évolution passe par le perfectionnement des compétences, la redéfinition des rôles et la promotion d’une collaboration interfonctionnelle avec les fonctions TI, services juridiques et finance. Pour une intégration réussie, l’IA agentive doit être considérée non seulement comme un outil, mais aussi comme une capacité transformatrice intégrée à l’approche plus large de la fonction fiscalité.

Alors que l’IA agentive commence à redéfinir le paysage de la fiscalité, l’adoption réussie par les fonctions fiscalité dépendra en fin de compte de la manière dont elle est alignée sur les connaissances, la surveillance et la raison d’être humaines. Bien que la technologie ait le potentiel d’automatiser des tâches complexes de la fonction fiscalité, de s’adapter aux changements et même de prendre des décisions, son plus grand potentiel réside dans la façon dont elle permet aux professionnels de la fiscalité de se concentrer sur des activités stratégiques à plus forte valeur ajoutée. En intégrant l’IA agentive au cœur de la fonction fiscalité, guidée par l’expertise humaine et la gouvernance éthique, les organisations peuvent ouvrir une nouvelle ère de productivité et de précision.

Plutôt que de remplacer l’humain, l’IA agentive est un outil de collaboration intelligent qui est complémentaire au jugement, à la créativité et à la compréhension contextuelle des professionnels de la fiscalité humains. Les premiers adoptants tirent déjà parti de ce partenariat en intégrant la capacité d’expliquer, la responsabilisation et la transparence dans leurs stratégies d’IA. En accordant la priorité à la confiance, à la vérifiabilité et à l’intervention des humains dans la prise de décisions, les fonctions de fiscalité d’entreprises chefs de file veillent à ce que l’IA améliore l’intégrité de leur travail plutôt que de le perturber.

En fin de compte, l’avenir de l’IA agentive en fiscalité n’est pas seulement technologique, mais centré sur l’humain. Les organisations qui seront les chefs de file dans ce domaine verront l’IA comme un moyen d’améliorer les capacités humaines, et non de les éliminer. En concevant des systèmes qui enrichissent la perception des professionnels de la fiscalité, favorisent la collaboration et placent les gens au centre des préoccupations, les leaders de la fiscalité peuvent s’assurer que les membres de leur fonction sont non seulement plus intelligents et plus rapides, mais aussi plus résilients, ont un plus grand sens éthique et sont mieux préparés pour l’avenir.

Résumé

L’IA agentive remodèle rapidement la fonction fiscalité en offrant la capacité d’automatiser les processus complexes, d’améliorer la précision et d’accroître la productivité. Contrairement aux applications d’automatisation traditionnelle, l’IA agentive s’adapte aux nouvelles informations et collabore avec les équipes d’humains. Elle excelle dans des tâches comme la catégorisation des produits assujettis à la TPS et le reformatage de la balance des comptes, tandis que le travail d’équipe des agents permet l’automatisation de bout en bout des processus fiscaux. Toutefois, des défis importants subsistent, notamment en ce qui concerne les silos de données, l’observation et la confiance, mais le succès dépend d’une approche permettant l’intervention humaine. Les organisations qui intègrent l’IA à la surveillance éthique et au jugement d’experts obtiendront un avantage stratégique et assureront la pérennité de leur fonction fiscalité.