Comment commencer à utiliser l'IA dans la fiscalité ? Un bref voyage à travers l'expérimentation de l'IA à l'aide d'un exemple réel

Permettez-moi de commencer par un aveu : Je ne suis ni un pur expert technique en fiscalité, ni un magicien de la technologie. Je me situe quelque part entre les deux, ce qui, en pratique, signifie que je passe beaucoup de temps à réfléchir à ce que la technologie peut faire pour aider les professionnels de la fiscalité.

Après près de 15 ans dans la fiscalité, et plus d'une décennie dans des fonctions axées sur la technologie, j'ai apprécié les avantages et ressenti les limites des outils d'utilisateur final, sans ou avec peu de code, alors que je me trouvais dans les méandres de données erronées et d'analyses compliquées. La plupart des outils ont apporté une réelle valeur ajoutée au cours de cette période. Le nouveau domaine d'intérêt est l'IA - en particulier l'utilisation de grands modèles de langage (LLM). J'explore ce domaine depuis un petit moment et je suis enthousiaste !

J'écris ces lignes délibérément comme si j'explorais l'utilisation d'un LLM pour la première fois à vos côtés. J'ai souvent l'impression que les nouvelles technologies passent par une période de contrôle et, compte tenu de la vitesse à laquelle l'IA évolue en ce moment, nous sommes tous en train de l'appréhender. Considérez ceci comme une première visite guidée conçue pour vous aider à franchir ces barrières de connaissances initiales qui rendent l'IA intimidante ou trop complexe. J'ai essayé d'utiliser dans ce blog des exemples spécifiques qui mettent en évidence la capacité de l'IA à traiter les "zones grises" de la fiscalité.

Remarque : ce blog ne suit pas une méthodologie scientifique et je ne prétends pas que ce que nous découvrons fonctionnera dans votre organisation, ni que je vous offre trop de possibilités en termes d'évolutivité. Ce blog a été rédigé à des fins d'illustration uniquement et ne constitue pas un conseil fiscal. Validez toujours les résultats par un examen humain approprié.

Commencer simple : L'incitation en une seule fois

La plupart d'entre nous posent une question simple, généralement unique, telle que "Aidez-moi à trouver une recette à base de poulet, de riz et de légumes". C'est ce que l'on appelle l'incitation "one-shot" lorsque l'on utilise des outils tels que ChatGPT. Elle fonctionne bien pour de nombreuses tâches et peut s'avérer réellement utile.

Mais comment cette approche de base fonctionne-t-elle dans le cadre d'un défi de catégorisation fiscale ? Commençons par une seule transaction et voyons ce qui se passe. Voici ma première tentative avec une demande simple d'information sur le traitement fiscal d'une dépense d'employé au Royaume-Uni. J'utiliserai cet exemple dans un souci de cohérence, mais il pourrait tout aussi bien s'agir d'une analyse de l'impôt sur les sociétés du grand livre juridique et professionnel, ou de l'analyse de la TVA d'une facture d'achat.

Pourquoi ai-je choisi cette transaction ? Parce qu'elle a toujours été difficile à analyser pour les règles classiques - même celles qui utilisent l'analyse par mots clés - parce qu'elle contient des éléments contradictoires ("équipe" et "client") qui nécessitent une interprétation.

Ma question :

Je ne sais pas si cette transaction doit être incluse dans la déclaration PSA britannique. Veuillez l'analyser et me donner une réponse :

Vendeur : Gourmet Burger Kitchen

Montant : £175.00

Description : Repas d'équipe après une démonstration pour un client

Catégorie : Repas

Lieu : Londres Londres

Réponse de l'IA :

Ce repas d'équipe de 175 £ chez Gourmet Burger Kitchen, organisé après une démonstration d'un client, peut être inclus dans la déclaration PSA britannique s'il répond aux critères du HMRC : la dépense doit être irrégulière, non contractuelle, ne pas faire partie du salaire des employés et ne pas être remboursée en tant que dépense d'entreprise. Étant donné que le repas était destiné au personnel (et non à un client) et qu'il semble s'agir d'une célébration unique, il peut être considéré comme un avantage mineur et non habituel pour le personnel. À condition qu'il n'ait pas été traité par le biais de la paie ou qu'il n'ait pas été précédemment imposé, il est approprié de l'inclure dans le PSA.

Pas mal ! Peut-être un peu verbeux. Peut-être que certaines exemptions possibles ont été oubliées. Comment l'améliorer ?

Comment une IA pourrait-elle lire les informations fiscales et y répondre ?

Avant d'aborder les techniques d'ingénierie, il convient de comprendre un peu comment ces outils d'IA traitent réellement nos demandes. Il s'agit d'un aperçu de base qui vous aidera à comprendre pourquoi certaines approches fonctionnent mieux que d'autres.

En termes très simples, lorsque vous présentez votre demande à un système d'IA (votre "invite"), celui-ci décompose votre texte en éléments clés appelés "tokens". La plupart du temps, mais pas toujours, il s'agit d'un jeton par mot. Il associe chaque jeton à un numéro dans sa base de connaissances. Il tente ensuite d'associer ces jetons à des modèles qu'il a appris au cours de la formation afin de comprendre l'invite et de prédire la meilleure réponse possible. Qu'est-ce que cela signifie en pratique ?

Pour notre analyse fiscale, cela signifie que l'IA recherche des modèles tels que "restaurant" + "employé" + "célébration" = "divertissement potentiel du personnel" ou "hôtel" + "cours de formation" = "dépenses professionnelles autorisées" pour fournir ce qu'elle pense être la réponse la plus correcte. Vous entendrez souvent la phrase "ce n'est pas intelligent, ça se contente de deviner le caractère suivant". Il s'agit d'une critique simpliste de la manière dont l'IA utilise les modèles, mais qui n'est pas totalement erronée.

Pourquoi est-il bon de comprendre cela ? Parce que vous pouvez alors rédiger vos messages-guides de manière à maximiser les chances de trouver les bons modèles.

Rendre vos demandes plus efficaces

Le processus d'amélioration et de perfectionnement de vos messages-guides est appelé "ingénierie des messages-guides", et c'est le moyen le plus simple de faire une grande différence dans vos résultats. Il existe de nombreuses bonnes pratiques sur la manière d'élaborer votre message-guide - le résumé et le guide d'OpenAI ici. Souvent, il s'agit de choses que vous pouvez copier et coller dans chaque invite pour plus de facilité.

Pour ce blog, je me concentrerai sur quelques-uns d'entre eux :

Les personas : Dire à une IA de "penser comme un fiscaliste

Cela ne veut pas dire que votre IA aura parfois la "gueule de bois" le vendredi matin - c'est encore l'apanage des diplômés de première année (je crois ? Cela fait un moment que je n'ai pas été diplômé de première année). L'utilisation d'un "persona" signifie ici que l'IA doit changer sa façon d'aborder une tâche en fonction de la façon dont vous lui demandez de se comporter. Cela peut avoir un impact sur la réponse que vous obtiendrez.

Pour reprendre notre exemple, vous pouvez demander à votre IA d'adopter le "persona" suivant : Vous êtes un conseiller fiscal expérimenté qui examine les dépenses pour l'analyse PSA. Maximisez l'utilisation d'hypothèses qui conduisent à des résultats non imposables" :

Résultat :

"En supposant qu'il s'agissait d'un repas unique, d'une réunion informelle de l'équipe ne faisant pas partie d'une obligation contractuelle ou d'un accord de sacrifice de salaire, et qu'aucun client n'était présent, cette dépense est probablement considérée comme un avantage insignifiant ou une aide sociale au personnel. Si elle n'est pas remboursée par la masse salariale et ne fait pas partie d'un système de récompense habituel, elle n'est pas imposable et n'a pas à être incluse dans la déclaration de revenus et de prestations.

Que diriez-vous d'un personnage plus prudent ? Vous êtes un inspecteur expérimenté du HMRC qui examine les dépenses pour l'analyse PSA en utilisant les directives du HMRC.

Résultat :

Sur la base des directives du HMRC, ce repas d'équipe de 175 livres sterling organisé à la suite d'une démonstration pour un client est probablement un avantage imposable. Comme il ne faisait pas partie des tâches professionnelles, qu'il ne concernait que le personnel et qu'il dépasse le seuil de l'avantage insignifiant, il doit être inclus dans la déclaration PSA, à condition qu'il soit irrégulier, non contractuel et qu'il ne soit pas traité par le biais de la paie. S'il est régulier ou s'il s'agit d'une récompense, il peut ne pas être pris en compte.

Comme vous pouvez le constater, la différence est significative. Cela suggère que nous pouvons adapter le comportement de l'IA à l'appétit pour le risque d'une organisation, tout comme nous le faisons avec les réviseurs humains. Par ailleurs, et c'est peut-être plus intéressant, nous pourrions utiliser plusieurs personas pour analyser une seule transaction afin d'identifier les points sur lesquels l'analyse est sujette à interprétation. Nous pourrions ainsi comprendre où l'analyse est susceptible d'accroître les risques, ce qui pourrait alors être quantifié.

Hallucination : Empêcher l'IA d'inventer des choses

L'une des principales préoccupations liées à l'IA est l'"hallucination". C'est le cas lorsqu'elle produit des informations fabriquées en toute confiance. Dans le domaine fiscal, cela pourrait être désastreux. Heureusement, il existe des techniques pour réduire ce risque.

Il existe quelques moyens d'y parvenir :

• Documents de référence : Vous pouvez orienter l'IA vers des documents d'orientation ou des sites web spécifiques afin de fonder son analyse sur le droit fiscal réel plutôt que sur des connaissances générales, ou développer la base de connaissances en fournissant des documents de référence. Cela permet de s'assurer que l'IA travaille à partir des mêmes documents de référence que ceux que vous utiliseriez.

• Règles strictes : Vous pouvez également utiliser des règles très explicites minimisant la quantité d'informations dont l'IA a besoin pour contextualiser une transaction. Pour reprendre l'exemple précédent, vous pourriez vouloir que l'IA demande toujours le nombre d'employés présents avant de donner une réponse. Cela pourrait également s'appliquer à d'autres questions fiscales, par exemple en clarifiant toujours le lieu d'expédition pour les envois internationaux. Vous pouvez même combiner vos règles / codes classiques dans l'invite, si vous en disposez.

• Réfléchissez lentement : L'analyse montre que les MFR réfléchissent mieux lorsqu'on leur demande de ralentir.

• Simplifiez : Au lieu de demander à votre LLM de vous donner la réponse fiscale finale, confiez-lui une tâche plus modeste, comme résumer, contextualiser ou regrouper la transaction. Vous pourrez ainsi laisser l'analyse fiscale à d'autres personnes, à d'autres règles ou à d'autres logiciels.

• Format : Vous pouvez préciser le format de sortie que vous souhaitez obtenir. Vous pouvez également préciser le format des données d'entrée, ce qui réduit le risque de mauvaise interprétation et/ou de référence à des informations erronées.

• Exigences en matière de raisonnement : Au lieu de simplement demander une réponse, vous pouvez demander à l'IA de démontrer son fonctionnement. Cela est d'autant plus utile si l'on tient compte des pistes d'audit, etc. Comment cela pourrait-il se passer en pratique ?
  

Analysez cette dépense à des fins de PSA et fournissez :

1. Résumez votre compréhension de la dépense

2. Votre recommandation (imposable/non imposable/incertain)

3. Votre raisonnement basé sur la législation fiscale britannique

4. Quelles informations supplémentaires permettraient de confirmer votre analyse

5. votre niveau de confiance (élevé/moyen/faible).

Apprentissage en quelques coups : Enseigner à l'aide d'exemples

L'invite de base en une seule fois peut permettre d'améliorer l'analyse en utilisant certaines des techniques susmentionnées. Une autre méthode consiste à donner à l'IA "quelques" exemples de bonnes analyses pour guider ses futures réponses.

Si vous êtes confronté aujourd'hui à une tâche portant sur des données volumineuses, vous pouvez commencer à ajouter des lots étiquetés de bons (et de mauvais) résultats à votre message-guide lorsque vous avez obtenu une analyse qui vous satisfait.

Cela pourrait également être utile si, par exemple, vous avez des positions fiscales spécifiques ou si vous disposez d'une bibliothèque de scénarios que vous souhaitez qu'un modèle d'IA exploite.

Conclusion

Il existe actuellement une quantité énorme d'informations sur l'IA et cela peut vite devenir compliqué. Pour ceux d'entre vous qui ne se sont pas encore penchés sur l'IA ou qui voulaient le faire mais ne savaient pas par où commencer, j'espère que cet article a été utile. J'encourage ceux qui n'ont pas encore expérimenté l'IA à le faire (en toute sécurité) pour voir ce qu'elle peut faire pour vous aider dans votre vie quotidienne.

Si j'étais assis à côté de vous en train d'explorer cela pour la première fois, ce serait probablement le moment de prendre un café et de commencer à réfléchir à d'autres choses pour lesquelles l'IA pourrait vous aider.

Il existe un certain nombre de domaines dans lesquels il faut continuer à explorer la manière dont l'IA pourrait intégrer et soutenir vos flux de travail et processus fiscaux - y compris les agents, les API et les GPT. Un sujet pour un blog ultérieur...