Numérisation de la TVA : exploiter la technologie pour améliorer la gestion de la TVA

La numérisation de la fiscalité est un sujet brûlant depuis au moins deux décennies, et la pandémie de COVID-19 en a considérablement accru le besoin, catalysant son développement.

En effet, la pandémie a mis en évidence les difficultés de certaines entreprises à remplir leurs obligations de déclaration à distance, en raison de problèmes d’accès aux données ou d’un manque de technologie disponible pour suivre l’ensemble du processus de déclaration.

Mais ce ne sont pas les seuls défis auxquels le monde des affaires est confronté. Dans une étude menée pendant la pandémie et publiée en mai 2021, Deloitte a interrogé diverses parties prenantes sur les principales raisons de leur entreprise d’envisager la transformation numérique de la fiscalité indirecte.

Les principales motivations étaient :

• Une augmentation significative du volume et de la complexité des transactions ;
• Paysages fiscaux et TVA en évolution rapide, y compris les autorités fiscales qui passent également au numérique ; et
• Les professionnels de la fiscalité interne sont censés fournir plus de valeur et une vision stratégique à l’entreprise, tandis que la taille des services fiscaux internes a tendance à être contenue ou réduite.

Ces facteurs exercent une pression croissante sur la gestion des données et les ressources humaines. Les fiscalistes internes ne peuvent plus se permettre de passer des heures à traiter des données pour assurer la conformité ; au lieu de cela, ils doivent rapidement digérer les données et fournir des informations de haute qualité pour faire face à tout risque ou opportunité tout au long de la chaîne de valeur de la gestion de la TVA.

Le défi devient encore plus critique lorsque les autorités fiscales exigent des rapports granulaires ou quasi en temps réel, ou exigent des contribuables qu’ils fournissent des fichiers « SAF-T » pour aider à automatiser et à faciliter leurs contrôles de TVA.

Ces obligations impliquent que les contribuables doivent passer d’une position d’examen post-déclaration à une position d’examen avant déclaration.

La création de données, la gestion continue et le contrôle sont devenus des éléments absolument essentiels pour le succès non seulement de l’ensemble de la TVA, mais également du cycle des données commerciales. La TVA est une taxe transactionnelle – les données utilisées pour la déclaration de la taxe indirecte sont les mêmes données que celles utilisées par l’entreprise, elles doivent donc aller de pair.

Compte tenu des grandes quantités de données qui doivent être analysées et validées, les parties prenantes ont besoin d’un haut niveau d’automatisation dans leur gestion des données. Cela nécessite une technologie puissante et fiable.

Un point de départ idéal pour cette automatisation consiste à aligner les logiciels de comptabilité et de planification des ressources de l’entreprise (ERP) sur les exigences en matière de TVA grâce à l’utilisation améliorée de codes fiscaux ou de comptes de TVA spécifiques. Cela permet la production de rapports et de factures alignés sur la TVA.

Étant donné que la sélection du bon code fiscal est essentielle, une automatisation plus poussée est recommandée. Cela peut être réalisé, par exemple, en exploitant un moteur de taxe supplémentaire ou un processus intermédiaire qui utilise la logique de détermination de la taxe pour automatiser la détermination du code taxe.

Mais même les systèmes ERP les plus efficaces ne permettent pas toujours de relier rapidement et facilement les données comptables avec les déclarations d’impôt et de TVA. Pour combler cette lacune en matière d’automatisation, un nombre croissant d’entreprises intègrent la reconnaissance optique de caractères (OCR), l’extraction, la transformation et le chargement (ETL) et l’automatisation des processus robotiques (RPA) dans leurs processus de gestion de la TVA. Cependant, cela oblige les entreprises à placer la fiscalité indirecte sur les radars des équipes de projet le plus tôt possible, idéalement au stade du blueprint.

Enfin, pour atteindre l’objectif de fournir une contribution stratégique et à valeur ajoutée aux équipes commerciales, les entreprises doivent non seulement obtenir les données correctes, mais également être en mesure de les collecter et de les analyser.

Pour que les fiscalistes internes atteignent cet objectif, compte tenu de la quantité massive de données générées même par les petites et moyennes entreprises, investir dans l’analyse de données ou la technologie de veille économique devient presque indispensable. En conséquence, l’utilisation de l’apprentissage automatique et de la technologie cognitive, même à des fins fiscales, est actuellement en pleine croissance.

Dans l’ensemble, la technologie peut être utilisée à pratiquement toutes les étapes de la gestion des affaires de TVA, aidant à :

• Minimiser les erreurs humaines possibles, en particulier lors du traitement périodique de grandes quantités de données importantes ;
• Assurer des pistes d’audit et des rapprochements appropriés avant de déclarer ;
• Faciliter la récupération des données et informations sur les périodes passées, même lorsque certains salariés ne sont plus dans l’entreprise, ce qui peut engendrer des difficultés lors des contrôles fiscaux notamment ;
• Faciliter l’externalisation éventuelle, notamment de conformité TVA, pour fournir un ensemble de données clair et standardisé facilement interfaçable avec les systèmes des prestataires tiers ; et
• Fournissez des informations précieuses aux équipes commerciales, où les équipes fiscales peuvent utiliser les données transactionnelles structurées de la TVA pour ajouter de la valeur à l’ensemble de l’entreprise.

Cependant, il n’y a pas de baguette magique – le résultat ne sera qu’à la hauteur de la qualité de son développement initial.

La technologie ne remplacera pas les vrais fiscalistes ; au lieu de cela, il prend en charge le seul fardeau du traitement des données, permettant aux fiscalistes de se concentrer sur le vrai travail fiscal et commercial. C’est le « pouvoir d’avec » : obtenir les meilleurs résultats des humains travaillant avec des machines.

Cédric Tussiot

Associé, Deloitte

Antoine Farioli

Directeur, Deloitte

Stéphanie Porzio

Directeur principal, Deloitte

Partagez cet article