Agents IA en fiscalité : le dossier du test DAYJOB: Tax

Anna veut vendre son appartement. Elle l’a quitté en août 2024 et demande s’il vaut mieux signer en octobre 2026 ou en janvier 2027. L’agent IA compare les deux dates et conclut, à raison, que les deux respectent la condition de résidence qui exonère jusqu’à 250 000 dollars de plus-value.

Il oublie pourtant l’essentiel. La règle exige d’avoir habité le bien deux ans sur les cinq qui précèdent la vente : à partir de fin août 2027, Anna ne la remplira plus. Si la vente glisse, l’avantage disparaît, et personne ne l’a prévenue.

C’est par ce cas que l’éditeur de jeux de données Surge AI ouvre DAYJOB: Tax, publié le 27 octobre 2026. Le test confie à des agents IA de vrais dossiers fiscaux, avec leurs pièces en vrac, et vérifie s’ils rendent un travail qu’un fiscaliste signerait. Nous l’avons lu en détail, parce qu’il répond enfin à la question que nous posent les fiduciaires : jusqu’où peut-on confier un dossier à l’IA ?

Ce que le test mesure, et pourquoi il change la donne

Les tests fiscaux publiés jusqu’ici posaient un problème propre : une question de droit à trancher, une déclaration à calculer, une information manquante à demander. DAYJOB: Tax part d’une demande de client et d’un dossier tel qu’il arrive au cabinet : incomplet, contradictoire, avec des points décisifs que personne n’a signalés. L’agent doit décider lui-même ce qu’il faut examiner, trancher entre des pièces qui se contredisent, voir quand l’information ne suffit pas, puis livrer : une déclaration, une feuille de travail, une revue technique ou un conseil écrit.

La différence tient en une phrase de l’éditeur : la vraie question n’est pas « l’agent connaît-il la fiscalité ? », mais « l’agent prend-il la responsabilité du dossier ? ». C’est exactement ce qu’on attend d’un collaborateur de fiduciaire.

Le classement : neuf missions sur dix échouent

Une mission compte comme réussie quand l’agent remplit au moins 95 % des critères prévus par les fiscalistes : calculs, pièces à l’appui, points décisifs relevés, livrable complet. Chaque agent a eu une seule tentative par mission pour le score.

Remis sur une échelle de 100, le constat saute aux yeux : même le premier échoue neuf fois sur dix. Les écarts entre éditeurs existent, mais ils comptent moins que ce plafond commun. Ces chiffres viennent de l’éditeur du test lui-même, qui vend aussi des données d’entraînement aux laboratoires d’IA : ce n’est pas une évaluation indépendante, et le jeu complet n’est accessible que sur demande.

Ce que coûte une tentative

Surge AI a aussi mesuré le coût moyen d’une tentative, ce qui intéresse directement un cabinet qui facture au dossier.

Lu sur le graphique, l’écart est de un à soixante : environ 0,25 dollar la tentative pour le modèle le moins cher de la frontière, autour de 14 dollars pour le premier. Et payer plus ne garantit rien : GPT 6 Astra coûte à peu près autant que le premier pour moins de la moitié de son score. Plusieurs modèles ouverts, que l’on pourrait faire tourner chez soi, restent sous la barre des 1 %. Pour un cabinet, la leçon est la même que partout ailleurs : le bon modèle se choisit tâche par tâche, pas une fois pour toutes.

Huit domaines, du particulier au contentieux

Le test couvre huit domaines de la pratique fiscale, chacun avec ses règles et ses pièces :

Certaines missions demandent un dossier de déclaration complet avec ses feuilles de travail. D’autres demandent d’enquêter sur une opération, de revoir une déclaration déjà déposée, ou de conseiller avant une décision. Les dossiers sont américains, mais une fiduciaire suisse, belge ou luxembourgeoise reconnaîtra chacune de ces situations.

Ce que contient un dossier : le vrai désordre d’un cabinet

On y trouve des déclarations déposées et en brouillon, des certificats de salaire et de revenus, des courriers de l’administration fiscale, des grands livres, des journaux de paie, des contrats et de la correspondance. Et surtout les pièces peu standard avec lesquelles un collaborateur travaille tous les jours.

Le deuxième exemple est encore plus parlant. Une entreprise de nettoyage de silos industriels se croit active dans un seul État, l’Alabama. Son journal des interventions dit autre chose.

Le client n’a rien demandé à ce sujet. La preuve est dans le dossier, sur une page que personne n’a signalée. Un troisième dossier mêle les fiches de salaire et les biens immobiliers d’un ménage installé entre deux pays, à rapprocher d’exports de plateformes de cryptomonnaies et d’historiques de portefeuilles. Chacun de ces cas ressemble à un mardi ordinaire dans une fiduciaire.

Qui a construit les dossiers

Les missions partent de situations professionnelles réelles. Des fiscalistes les ont transformées en dossiers, avec les pièces, les résultats attendus et les critères de notation, puis chaque mission a été relue trois fois : exactitude, complétude, et possibilité réelle de la résoudre. Parmi eux, selon l’éditeur : un avocat fiscaliste passé par PwC, Deloitte et Exxon, une directrice fiscale de Baker Tilly passée par PwC et Moss Adams, et un spécialiste de l’immobilier et des trusts passé par Deloitte et EY. Autrement dit, des gens qui savent ce qu’un associé refuse de signer.

Le cas du couple qui se sépare : une hypothèse jamais vérifiée

Un couple en instance de séparation demande comment partager deux comptes de retraite. Un des agents les mieux classés répond sans détour que le couple n’est pas marié, et recommande de garder chacun son compte avec un versement en espèces pour équilibrer.

Or le dossier du couple sème le doute. Ils vivent aujourd’hui en Floride, où le mariage de fait n’est en général plus reconnu, mais ils ont vécu ensemble au Texas, qui le reconnaît sous conditions, et ont célébré une cérémonie au Colorado. Un mariage valablement formé ailleurs peut rester valable en Floride. Et ce statut change toute la fiscalité du partage.

Sur cinq tentatives, cet agent a bâti ses cinq recommandations sur l’hypothèse du couple non marié, même quand il reconnaissait une incertitude. Un concurrent, moins bien classé au total, a vu le problème dans quatre tentatives sur cinq et répondu ce qu’un fiscaliste aurait répondu :

Le plus troublant est ailleurs. Dans le cas d’Anna, c’est l’inverse : ce même concurrent n’a jamais vu l’échéance en cinq tentatives, quand l’agent du couple l’a vue cinq fois sur cinq. Aucun modèle n’a un jugement constant d’un dossier à l’autre. C’est la meilleure raison de ne pas chercher « le bon modèle » pour tout confier, mais de construire un circuit où chaque doute remonte à un humain.

Les trois erreurs qu’un fiscaliste reconnaît

1. 01Rater la question que le client n’a pas posée.

   L’échéance d’Anna, l’activité dans cinq États : le point décisif n’était pas dans la demande, il était dans le dossier.

2. 02Raisonner sur un fait jamais vérifié.

   Le statut marital du couple était douteux et les pièces le disaient ; l’agent a tranché sans vérifier.

3. 03Tenir pour acquise une pièce absente.

   Dans un autre dossier, le grand livre d’un studio renvoie à un reçu joint qui n’existe pas ; l’agent traite pourtant le remboursement comme justifié.

Ces trois erreurs ont un point commun : elles ne se voient pas dans le livrable. Le calcul est juste, la note est bien rédigée, et c’est précisément ce qui les rend dangereuses pour un cabinet qui engage sa responsabilité.

Faire entrer le doute dans la machine : le rôle d’un modèle de décision

Si le problème est le jugement, la réponse n’est pas un modèle de langage plus gros. C’est de poser au dossier, avant toute recommandation, les questions qu’un associé poserait, et de laisser un humain trancher dès qu’il y a un doute.

C’est là que les modèles de décision comme Jev, de TypeSafe AI, prennent leur sens. Jev ne rédige rien : il répond à des questions fermées, un choix, une note ou un vrai-faux, avec une probabilité, en moins d’une seconde. Nous l’avons présenté dans notre article sur les modèles de décision. Appliqué à un dossier fiscal, cela donne des points de contrôle comme ceux-ci :

L’intérêt d’une probabilité calibrée est simple : un modèle qui annonce 90 % doit se tromper environ une fois sur dix, ce qui permet de régler le seuil selon le risque du dossier. Une succession internationale n’a pas le même seuil qu’une déclaration de particulier.

Deux précautions, que nous appliquons nous-mêmes. Jev n’a pas été évalué sur DAYJOB: Tax : ce circuit est notre proposition, pas un résultat du test, et il se mesure sur les dossiers du cabinet avant d’être réglé. Et un modèle de décision ne remplace pas les règles écrites : tout ce qui peut s’écrire en règle simple (« pas de reçu, pas de déduction ») reste une règle, et le modèle ne sert qu’aux questions floues, celles qui demandent de lire et de comprendre une situation.

Ce que ça change pour une fiduciaire, dès maintenant

Notre avis : ce test ne dit pas « attendez », il dit « placez l’IA au bon endroit ». Ce qu’un agent fait bien aujourd’hui, c’est tout ce qui ne demande pas de signer.

C’est exactement le terrain de notre agent comptable sur Telegram, en service chez nous. On lui envoie la photo d’un reçu, il en tire le fournisseur, le montant, la TVA, la date et la catégorie, contrôle les doublons et la cohérence des montants, et ne passe l’écriture que si sa confiance dépasse un seuil. En dessous, ou pour toute validation, un seul geste humain : un bouton dans la messagerie. C’est la logique que le test appelle de ses vœux, appliquée à la saisie : l’agent fait le volume, il signale ses doutes, une personne valide.

Le détail de ce découpage, étape par étape, est dans où garder le fiscaliste quand un agent IA prépare le dossier. La collecte des pièces elle-même peut passer par une messagerie, comme avec les bots comptables d’un cabinet.

Pour la démarche d’ensemble, voir comment intégrer l’IA dans une entreprise. Restent deux sujets propres aux fiduciaires. La confidentialité d’abord : un dossier fiscal est parmi les données les plus sensibles d’un client, et l’agent peut tourner sur un modèle hébergé chez le cabinet, comme on l’explique dans les quatre niveaux d’IA privée. Le coût ensuite : entre 0,25 et 14 dollars la tentative selon le modèle, le choix tâche par tâche fait toute la différence sur une saison fiscale, et c’est le principe de notre offre IA au juste coût.

Questions fréquentes