Un nouvel outil pour la préparation de déclarations fiscales

OpenAI et la société Thrive Holdings ont développé Tax AI, un agent spécialisé dans la préparation de déclarations fiscales destiné au réseau de cabinets comptables Crete, qui regroupe plus de 30 cabinets aux États-Unis. Le système, qui a traité 7 000 déclarations durant la saison fiscale pilote, automatise une grande partie du travail de préparation des formulaires 1040 et 1041. Selon les équipes de développement, Tax AI permet de réduire d'environ un tiers le temps de préparation par déclaration, d'atteindre une précision allant jusqu'à 97 % pour les premières ébauches, et d'augmenter la productivité des cabinets d'environ 50 %.

Un système qui apprend de ses erreurs

La principale innovation de Tax AI réside dans sa capacité à s'améliorer de manière autonome. Lors du lancement, seulement un quart des déclarations atteignaient un taux de complétion correct de 75 %. En six semaines, cette proportion est passée à 86 %. Les progrès ont été encore plus rapides aux seuils de 90 % et de 100 % de champs correctement remplis. Cette amélioration a été rendue possible par une boucle en trois parties conçue par les ingénieurs d'OpenAI et de Thrive Holdings.

Les trois piliers de l'auto-amélioration

Le premier pilier consiste à rester proche des praticiens : les experts-comptables de Crete, qui préparent des dizaines de milliers de déclarations chaque saison, identifient les erreurs qui comptent vraiment et orientent les priorités d'apprentissage du système. Le deuxième pilier repose sur la capture de l'intégralité du chemin de production : depuis les documents source jusqu'aux champs extraits, en passant par la soumission et les corrections des experts. Enfin, le troisième pilier met à profit Codex, le modèle agentique d'OpenAI, pour analyser les échecs, proposer des corrections, les valider et les déployer plus rapidement qu'un cycle d'itération manuel.

Exemple concret : les biens locatifs

Les développeurs illustrent ce mécanisme avec le cas des revenus locatifs, déclarés sur l'annexe E (Schedule E) d'une déclaration individuelle. La tâche d'extraction est simple à décrire mais difficile à exécuter : le système doit lire des documents hétérogènes (notes manuscrites, courriels, feuilles de calcul) et en extraire les champs pertinents. Lorsqu'un praticien corrige une valeur erronée, le système ne se contente pas d'enregistrer cette correction : il capture le contexte complet de l'erreur. Cette information est transformée en un « constat » structuré, qui devient à son tour une cible d'évaluation (eval). Codex peut alors investiguer le problème, proposer une modification du pipeline d'extraction, la tester sur l'ensemble des cas existants (tests de régression) et, si la validation est réussie, intégrer la correction dans le produit.

Un gain de temps pour les tâches complexes

Au début de la saison, Tax AI traitait des déclarations simples comportant des formulaires W-2 et 1099. Au fil des semaines, le système a progressivement abordé des déclarations plus complexes, incluant des K-1, des annexes et des cas difficiles. Chaque nouvelle capacité a permis un gain de temps plus important que la précédente, car les tâches nouvellement automatisées étaient plus longues à réaliser manuellement. Les ingénieurs notent que les progrès se poursuivent aujourd'hui encore.

Une méthode ouverte à d'autres domaines

Les équipes de développement estiment que cette approche en boucle, fondée sur l'expertise des praticiens, les traces de production et un modèle agentique comme Codex, pourrait être transposée à d'autres secteurs où l'expertise humaine est essentielle pour orienter la qualité du système global.