Le conseiller fiscal qui reçoit vingt ou trente clients par jour ne peut pas consacrer une demi-journée à vérifier si la Direction générale des impôts a publié un rescrit qui concerne le dossier qu'il a devant lui. Le moteur de recherche de doctrine fiscale de l'AEAT accumule des dizaines de milliers de résolutions ; les localiser, les lire et en extraire le critère applicable exige du temps et de l'expertise qui, sous la pression du quotidien, font souvent défaut. L'intelligence artificielle change cette équation : avec un système bien déployé, le cabinet peut retrouver les résolutions pertinentes en quelques secondes, obtenir un résumé exécutif du critère en vigueur et détecter toute doctrine contradictoire entre différents rescrits. Cet article explique comment cela fonctionne, quelles en sont les limites et ce que tout cabinet doit exiger avant de le déployer.
Que sont les rescrits fiscaux de l'AEAT et pourquoi sont-ils importants
Les rescrits fiscaux (article 89 de la loi générale fiscale espagnole) sont des résolutions émises par la Direction générale des impôts (DGT) en réponse à des questions précises de contribuables. Ils lient l'Administration lorsque le demandeur applique le critère reçu, et servent de référence doctrinale pour les cas analogues. En pratique, ils constituent la source d'interprétation fiscale la plus fiable avant d'adopter une position complexe.
Le problème réside dans leur volume. La DGT publie plusieurs milliers de résolutions par an. La base de données publique du moteur de recherche de doctrine de l'AEAT (petete.tributos.hacienda.gob.es) contient plus de 90 000 rescrits accumulés depuis les années quatre-vingt-dix. Trouver ceux qui s'appliquent à un cas précis — par type d'impôt, par fait générateur, par secteur, par date — requiert expertise juridique et patience. L'IA peut apporter rapidité et couverture ; le jugement juridique reste celui du professionnel.
Comment fonctionne un système d'IA pour consulter la doctrine de la DGT
L'architecture technique qui sous-tend ces systèmes s'appelle RAG (Retrieval-Augmented Generation, ou génération augmentée par récupération). Le schéma de base comporte trois couches :
- Indexation sémantique : les rescrits publiés par la DGT sont traités et stockés dans une base vectorielle. Chaque résolution est convertie en une représentation numérique qui capture son sens, et pas seulement ses mots exacts.
- Récupération par similarité : lorsque le professionnel formule une question en langage naturel (« La TVA sur les services de restauration pour les salariés est-elle déductible lorsque l'entreprise dispose de sa propre cantine ? »), le système recherche les résolutions les plus similaires sémantiquement, et pas seulement celles qui contiennent ces mots précis.
- Synthèse avec traçabilité : le modèle de langage rédige un résumé du critère contenu dans les résolutions récupérées, en citant toujours le numéro de rescrit (V-XXXX-XX) et l'année d'émission, afin que le professionnel puisse vérifier la source originale.
Cette même approche peut s'appliquer à d'autres sources doctrinales complémentaires : résolutions du Tribunal économico-administratif central (TEAC), arrêts du Tribunal suprême en matière fiscale, circulaires de l'AEAT, et même la documentation interne du cabinet (rapports, critères internes, accords avec l'inspection). Le résultat est un copilote fiscal qui recherche dans toutes ces sources simultanément et présente le critère consolidé avec des références précises.
Pour voir comment Summum IA déploie ce type d'assistant dans des cabinets professionnels, vous pouvez consulter notre service Copilote pour cabinets fiscaux et juridiques, où nous détaillons le processus de déploiement et les exigences techniques.
Cas d'usage concrets dans un cabinet fiscal
1. Résolution rapide des questions sur les opérations courantes
Le professionnel reçoit une facture d'un client portant sur une opération inhabituelle — un échange immobilier entre particuliers, une cession de créances, une opération entre parties liées — et doit savoir s'il existe de la doctrine DGT sur le traitement applicable en impôt sur le revenu ou sur les sociétés. Au lieu de parcourir manuellement le moteur de Tributos avec plusieurs termes différents, il formule la question en langage naturel et, en trente secondes, dispose d'un résumé avec les trois ou quatre résolutions les plus pertinentes des cinq dernières années, classées par proximité avec le cas.
2. Alerte de changement de critère
La DGT n'a aucune obligation de signaler lorsqu'elle change de critère d'un rescrit à l'autre. Un système d'IA bien configuré peut comparer automatiquement la nouvelle doctrine publiée chaque semaine avec celle que le cabinet a déjà indexée, et signaler les rescrits dont le critère évolue. Cela est particulièrement pertinent dans des domaines comme la déductibilité des dépenses dans l'impôt sur le revenu des travailleurs indépendants, où la doctrine a sensiblement évolué ces dernières années.
3. Préparation des déclarations complexes
Dans les déclarations d'impôt sur les sociétés comportant des retraitements extra-comptables significatifs (opérations entre parties liées, amortissements accélérés, déductions pour R&D&I), le système peut récupérer les rescrits qui justifient chaque retraitement et générer une fiche de soutien doctrinal archivée avec le dossier du client. En cas de vérification fiscale, le cabinet peut démontrer qu'il a agi avec toute la diligence requise.
4. Formation interne de l'équipe
Les techniciens les plus juniors du cabinet peuvent utiliser le système pour apprendre à argumenter des positions fiscales sur la base de la doctrine. Le copilote ne se contente pas de fournir la réponse : il explique la ligne de raisonnement suivie par la DGT dans ses résolutions, ce qui accélère l'apprentissage des critères d'interprétation les plus courants.
Comparatif : recherche manuelle sur l'AEAT vs. système IA
| Critère | Moteur AEAT (manuel) | Système IA (RAG sur doctrine) |
|---|---|---|
| Temps moyen de recherche | 15 à 45 minutes par dossier | 30 à 90 secondes |
| Couverture des sources | Une source à la fois (AEAT, TEAC, TS…) | Toutes les sources indexées en parallèle |
| Détection des changements de critère | Manuelle, dépendante du professionnel | Automatisable avec alertes hebdomadaires |
| Traçabilité de la source | Élevée (le professionnel lit l'original) | Élevée si le système cite le numéro de rescrit |
| Risque de biais de recherche | Moyen (dépend des termes utilisés) | Faible (recherche sémantique, non littérale) |
| Coût par recherche | Temps du professionnel (~20–60 €) | Fraction de centime (API du modèle) |
| Mise à jour de la base doctrinale | Instantanée (source publique) | Programmable (réindexation hebdomadaire/mensuelle) |
Ce que l'IA peut faire et ce qu'elle ne peut pas faire
Il est essentiel que le cabinet comprenne les limites avant de déployer toute solution. L'IA ne prend pas de décisions fiscales : elle récupère et synthétise la doctrine existante, mais la responsabilité de la position fiscale demeure celle du professionnel qui la signe. Cela dit, les risques réels sont maîtrisables si le système est bien configuré :
- Hallucination (le modèle invente un rescrit qui n'existe pas) : atténuée en exigeant que le système ne synthétise qu'à partir des documents effectivement récupérés, jamais « de mémoire ». Une conception RAG correcte le garantit.
- Doctrine obsolète : si la base vectorielle n'est pas réindexée régulièrement, les résolutions les plus récentes ne seront pas disponibles. Un bon système inclut un processus automatisé de mise à jour périodique depuis la source publique.
- Interprétation hors contexte : un rescrit est spécifique au cas consulté ; le professionnel doit apprécier si les faits de son client sont réellement analogues. L'IA peut le signaler, mais ne remplace pas le jugement juridique.
Du point de vue du règlement européen sur l'IA (règlement UE 2024/1689, applicable à partir d'août 2026 dans ses principales dispositions), les systèmes d'IA qui assistent l'interprétation juridico-fiscale relèvent, en principe, hors des catégories « à haut risque » réglementées par l'annexe III, dès lors qu'ils ne sont pas ceux qui prennent la décision finale. La responsabilité incombe au professionnel qui signe.
Prérequis techniques et de données pour le déployer dans votre cabinet
Un déploiement correct dans un cabinet de taille moyenne (cinq à vingt professionnels) nécessite de résoudre les points suivants :
- Source de données : le moteur de recherche de doctrine de l'AEAT est en accès public, mais son téléchargement massif à usage interne doit respecter les conditions d'utilisation publiées sur le siège électronique (sede.agenciatributaria.gob.es). Il existe des fournisseurs qui commercialisent déjà des bases de données normalisées de jurisprudence et de doctrine fiscale espagnole avec licence d'utilisation.
- Confidentialité des données du cabinet : si le système doit inclure de la documentation interne (rapports, dossiers clients), il faut garantir que les données ne quittent pas le périmètre de l'entreprise. Cela peut être obtenu avec des modèles hébergés sur le propre serveur du cabinet, ou avec des contrats de sous-traitance de données appropriés avec le fournisseur cloud.
- Intégration avec le logiciel de gestion : le gain de productivité se multiplie lorsque le copilote est invoqué directement depuis l'ERP fiscal (A3, Sage Despachos, Wolters Kluwer a3asesor…) sans quitter l'application principale.
- Traçabilité et audit : chaque réponse du système doit être enregistrée avec la question du professionnel, les résolutions récupérées et le texte synthétisé. Cela protège le cabinet contre les réclamations et facilite la révision interne de la qualité.
Chez Summum IA, nous accompagnons les cabinets professionnels et les PME dans l'adoption de la technologie depuis 2007. Notre service Copilote pour cabinets comprend la conception de l'architecture RAG, la sélection et l'ingestion des sources doctrinales, l'intégration avec le logiciel de gestion existant et la formation de l'équipe.
Questions fréquentes
Le système d'IA peut-il accéder en temps réel aux nouveaux rescrits publiés par la DGT ?
Oui, à condition qu'un processus de mise à jour automatique soit configuré pour télécharger et indexer périodiquement les nouvelles résolutions depuis le moteur de recherche de doctrine de l'AEAT. La fréquence habituelle est hebdomadaire ou bimensuelle, ce qui est suffisant étant donné que la DGT ne publie pas de résolutions quotidiennement. Le cabinet doit s'assurer que son fournisseur inclut ce processus de rafraîchissement dans la maintenance du système.
Le système d'IA peut-il citer de manière erronée un rescrit qui n'existe pas ?
C'est le risque connu sous le nom d'« hallucination ». Dans un système RAG bien construit, le modèle ne synthétise qu'à partir des documents qu'il a effectivement récupérés de la base indexée ; il ne génère pas de références de mémoire. Si le système est correctement configuré, chaque mention d'un rescrit (V-XXXX-XX) correspond à un document réel que le professionnel peut vérifier. Le risque n'est pas nul, mais il est techniquement maîtrisable et bien inférieur à celui des modèles à usage général qui répondent sans accès à une base documentaire vérifiée.
Un cabinet utilisant un copilote IA assume-t-il une plus grande responsabilité vis-à-vis du fisc ?
Pas en termes juridiques. La responsabilité de la position fiscale appartient au professionnel qui la signe et au contribuable qui l'adopte. L'utilisation d'un système d'aide à la décision n'exonère ni n'aggrave cette responsabilité. En réalité, l'utilisation documentée d'un système attestant de la recherche de doctrine DGT avant d'adopter une position peut constituer un argument favorable lors d'une procédure de vérification, en démontrant la diligence du cabinet.
Ce type de système est-il compatible avec le RGPD si nous traitons des données clients ?
Cela dépend de l'architecture. Si le copilote n'accède qu'à la base doctrinale publique (rescrits DGT, résolutions TEAC, arrêts du Tribunal suprême) sans croiser des données personnelles de clients, le traitement des données est minimal. Si le système indexe également des documents internes du cabinet contenant des données personnelles de clients, il faut garantir que le traitement s'effectue sur le territoire de l'UE ou de l'EEE, avec un contrat de sous-traitant de données signé avec le prestataire technologique, et avec les mesures de sécurité appropriées conformément à l'article 32 du RGPD. Summum Consultoría peut vous orienter sur les obligations applicables.