J'ai confié ma déclaration fiscale entièrement à GitHub Copilot — De 837 écritures comptables à la soumission de la déclaration

J’ai confié la totalité du travail pratique de ma déclaration fiscale au Agent Mode de GitHub Copilot. Résultat : de la classification de 837 écritures comptables à la création et vérification de la déclaration, tout s’est fait dans VS Code. La soumission finale a été effectuée depuis l’application smartphone avec authentification par carte My Number, et la déclaration fiscale a été complétée avec succès.

Dans cet article, je documente en toute transparence « jusqu’où Copilot a pu prendre en charge le travail » et « ce que l’humain a fait ».

Prérequis : la synchronisation des données MF Cloud comme fondation

Commençons par affirmer clairement que la raison principale du succès de cette expérience est d’avoir configuré au préalable la synchronisation des données de Money Forward Cloud tout au long de l’année.

Au lieu de collecter les relevés dans la panique à l’approche de la période de déclaration, les services suivants étaient synchronisés automatiquement tout au long de l’année, accumulant les données comptables :

• Compte bancaire professionnel — Encaissements de chiffre d’affaires, frais de virement
• Compte bancaire personnel — Prêt immobilier, J-Coin Pay, ventilation des dépenses quotidiennes
• Banque en ligne — Relevés de prélèvements automatiques des cotisations sociales
• Carte de crédit professionnelle — Frais de communication, publicité, déplacements, documentation
• Mobile Suica — Frais de transport en train/bus (méthode d’avance de fonds pour éviter la double comptabilisation)
• Sites e-commerce — Achats de fournitures
• MynaPortal — Attestations de déduction pour retraite et assurance vie

Grâce à cette synchronisation, au moment de la clôture, 837 écritures comptables étaient stockées dans le cloud. Le travail de Copilot consistait à classer correctement ces données brutes et à les transformer en déclaration.

Environnement utilisé

Éditeur et IA

• VS Code — Éditeur, navigateur, terminal et chat. Tout est centralisé ici
• GitHub Copilot Agent Mode (Claude Opus 4.6) — Le modèle principal de cette expérience. Il combine de manière autonome l’édition de fichiers (lecture/écriture Markdown), l’exécution de commandes terminal et les interactions Web via Simple Browser
• Simple Browser (navigateur intégré de VS Code) — Copilot lit le DOM via les outils MCP (Model Context Protocol), clique sur les boutons et liens avec click_element, saisit dans les formulaires avec type_in_page et récupère le texte complet des pages avec read_page. C’est « les yeux et les mains » de Copilot

Services Web

• Money Forward Cloud Déclaration fiscale — Gestion du journal comptable, des états financiers et de la déclaration
• Money Forward Cloud Box — Gestion documentaire des reçus et justificatifs
• Money Forward ME — Gestion des finances personnelles (consultation croisée des entrées/sorties de plusieurs comptes)

Pourquoi GitHub Copilot plutôt que Computer Use

Pour confier des interactions d’écran à une IA, il existe des outils basés sur les captures d’écran comme Computer Use d’Anthropic. Cependant, ce qui était nécessaire pour cette déclaration fiscale n’était pas simplement « manipuler l’écran », mais lire et écrire des fichiers tout en prenant des décisions, et partager ces traces avec l’humain.

Raisons du choix de GitHub Copilot Agent Mode :

• Division du travail possible : l’humain se connecte, l’IA travaille — L’humain se connecte aux banques et logiciels comptables et ouvre les pages. Ensuite, les opérations (recherche, saisie, vérification) sont effectuées par Copilot via Simple Browser. Computer Use est conçu pour confier l’ensemble du bureau à l’IA, rendant impossible cette répartition « connexion humaine, le reste par l’IA » sur le même écran
• Édition de fichiers et navigation Web dans le même environnement — Lire policy.md pour évaluer la conformité d’une écriture, écrire les résultats dans inconsistency-check.md, puis corriger directement le journal via Simple Browser. Ce flux ne s’interrompt jamais dans VS Code
• Les fichiers Markdown comme espace de travail partagé homme-IA — Computer Use, étant basé sur des captures d’écran, n’est pas adapté pour accumuler et consulter des connaissances structurées. Avec Copilot, on peut communiquer dans les deux sens via des fichiers .md sur « quelle base, quelle décision »
• L’historique de conversation devient le journal de travail — Des échanges comme « On met cette déduction ? » « Non, pas de justificatif, on laisse tomber » restent dans l’historique. Pouvoir retracer les décisions est particulièrement important pour une déclaration fiscale

En résumé, d’autres outils pourraient gérer les interactions écran, mais la force de Copilot Agent Mode est de permettre à l’humain et à l’IA de partager le même écran et les mêmes fichiers pour se répartir le travail.

Le cœur du workflow : les fichiers Markdown

L’élément le plus important du travail collaboratif avec Copilot a été la structuration des connaissances et des tâches en fichiers Markdown. Voici la structure de fichiers utilisée :

Copilot lit ces fichiers .md pour prendre des décisions et écrit pour documenter. L’humain lit exactement les mêmes fichiers pour comprendre la situation. Les fichiers Markdown fonctionnent ainsi comme un espace de travail partagé entre l’humain et l’IA.

L’utilisation de base consiste à avoir 5 à 6 onglets Simple Browser ouverts simultanément et à avancer en consultant Copilot.

Phase 1 : Créer le document de référence des écritures avec Copilot

Élaboration de la politique de classification

La première étape a été de documenter les règles de classification des écritures dans policy.md. « Ce mouvement, on le met dans quel compte ? » « C’est professionnel ou personnel ? » — en consultant Copilot, nous avons compilé les comptes comptables pour chaque schéma de transaction.

La structure de ce document est essentielle. Chaque section est formatée en ### Motif de libellé → Compte comptable, avec un tableau Markdown définissant le libellé, le contenu et le compte. Pour les cas ambigus, les justifications sont ajoutées en blocs > Note:. Comme le champ libellé de MF Cloud utilise des katakana demi-largeur (ex. : ﾃｽｳﾘｮｳ), ils ont été transcrits tels quels dans le document pour faciliter la recherche par copier-coller.

Les règles de classification élaborées couvrent 15 sections :

Phase 2 : Classification des 837 écritures et contrôle d’incohérence

Comparaison exhaustive par Copilot

Une fois le document de référence prêt, on passe naturellement à « Bon, maintenant on compare avec le journal ».

Méthode concrète : Copilot ouvre la page du journal dans MF Cloud via Simple Browser, récupère le contenu avec read_page, filtre par mots-clés de libellé et compare avec les tableaux de policy.md. Quand une divergence est trouvée, il ajoute une ligne dans inconsistency-check.md tout en modifiant directement la section concernée (ex. §13) dans policy.md. La règle « prendre le journal comme source de vérité et corriger policy.md » étant déclarée en en-tête de inconsistency-check.md, Copilot corrige le document de référence sans hésitation.

Résultat : 8 incohérences détectées :

« Créer un document de référence, le comparer au journal, et corriger le document en cas de divergence » — que Copilot effectue ce travail automatiquement tout en éditant les fichiers représente une efficacité incomparable avec la vérification visuelle de 837 lignes.

Vue d’ensemble du journal

Les écritures finalement triées se répartissent comme suit :

• Synchronisation bancaire (compte pro + compte perso + banque en ligne, 4 banques) — Encaissements, prêt immobilier, transferts entre comptes
• Synchronisation carte de crédit (Sumitomo Mitsui Card + Apple Pay séparé) — Frais de communication 116, publicité 21, déplacements 24, documentation 27, usage personnel 29, etc.
• Synchronisation Mobile Suica — Train 248, bus 130, rechargements 21, achats 4
• Synchronisation e-commerce — Fournitures 5
• AI-OCR / Factures — 16

Phase 3 : Organisation des justificatifs dans Cloud Box

Téléchargement et lecture automatique

« Organisons aussi les justificatifs » — les reçus et relevés de carte ont été téléchargés via Copilot dans la fonction Box de la comptabilité cloud. L’AI-OCR a extrait automatiquement la date, le fournisseur et le montant, et Copilot a complété manuellement les informations manquantes.

Les justificatifs individuels (reçus un par un) ont vu leur date, fournisseur et montant complétés. Les documents de type relevé (relevé de carte, historique Suica, relevé bancaire, etc.) ont simplement été téléchargés comme documents de référence.

Phase 4 : Rapprochement des cotisations sociales — L’atout de la navigation multi-services

Ce volet a commencé avec la question « Comment confirme-t-on les montants des cotisations sociales ? ». En discutant avec Copilot, nous avons convergé vers la méthode de rapprochement en ouvrant 5 services Web simultanément.

Cotisation de retraite nationale

La synchronisation MynaPortal ne suffit pas toujours. Par exemple, si les cotisations du conjoint sont payées depuis un autre compte, elles n’apparaissent pas dans les données synchronisées.

Dans ces cas, voici le déroulement que nous avons suivi avec Copilot :

1. « Cherchons les paiements de retraite dans les relevés de carte » → Ouverture dans Simple Browser, recherche « Japan Pension Service », extraction des montants
2. « Peut-être aussi depuis un autre compte ? » → Vérification des débits dans l’application de finances personnelles, découverte de prélèvements non synchronisés
3. « Regardons aussi les mois précédents et suivants » → Identification du schéma de paiement (trimestriel, mensuel, etc.)
4. « Bon, on fait le rapprochement et le total » → Rapprochement des montants de sources multiples pour confirmer le total annuel

L’essentiel est qu’un seul service ne suffit pas. Le schéma de base de cette phase est d’échanger avec Copilot — « Où regarde-t-on ensuite ? » « On vérifie aussi là-bas ? » — tout en naviguant entre les onglets pour recouper.

Cotisation d’assurance maladie

On ouvre l’onglet Simple Browser de la banque en ligne pour rechercher les prélèvements d’assurance dans les relevés. Selon le régime (association, assurance nationale, etc.), on adapte les mots-clés de recherche et on vérifie le nombre de versements et les montants annuels.

Paiements aux collectivités locales (piège)

Même si l’application de finances personnelles contient des paiements à la collectivité locale, il est parfois impossible de distinguer entre « assurance maladie nationale », « impôt local » ou « taxe foncière » à partir des seuls enregistrements.

Processus d’investigation avec Copilot :

1. « Vérifions les échéances de la collectivité » → Consultation des dates d’échéance par type d’impôt sur le site municipal
2. « Les mois de paiement correspondent ? » → Rapprochement pour réduire les candidats
3. « D’autres assurances payées à la même période ? » → Vérification de l’absence de chevauchement

Quand le justificatif original est introuvable et qu’on ne peut pas confirmer le type d’impôt, la prudence est de ne pas l’inclure dans les déductions (jouer la sécurité). La décision « inclure ou non » revient à l’humain, tandis que Copilot se charge de rassembler les éléments d’analyse — cette répartition des rôles est essentielle.

Découverte d’erreurs de classification

La classification automatique des applications de finances n’est pas infaillible. En pratique, une dépense classée automatiquement comme « cotisation retraite » s’est avérée, après vérification par Copilot dans les relevés de carte, être une facture de services publics complètement différente. Sans vérification, les cotisations sociales auraient été surévaluées.

À faire systématiquement : ne pas faire confiance à la classification de l’application de finances et vérifier avec Copilot — « Ce montant, c’est vraiment de la retraite ? Vérifions dans le relevé ». Le rapprochement multi-services est la vraie valeur ajoutée de Copilot × Simple Browser.

Phase 5 : Saisie des différentes déductions

« Passons maintenant aux autres déductions » — les déductions autres que les cotisations sociales ont été saisies via Simple Browser en collaboration avec Copilot.

Déductions saisies

Éléments examinés puis reportés

Éléments que nous avons examinés avec Copilot avant de décider de les reporter :

• Déduction prêt immobilier — Reportée faute d’attestation de solde de fin d’année
• Déduction frais médicaux — Montants synchronisés via MynaPortal vérifiés mais jugés insuffisants pour avoir un impact significatif
• Répartition des frais d’électricité — Serveur domestique utilisé à des fins professionnelles, mais la base de répartition n’a pas été finalisée à temps
• Furusato Nozei / iDeCo — Non applicable cette année

Phase 6 : Répartition des frais de FAI

Les frais mensuels de FAI (connexion Internet) étaient entièrement comptabilisés en frais de communication, mais dans le cas d’un bureau à domicile, une utilisation 100% professionnelle n’est pas justifiable.

En demandant à Copilot « Comment fait-on la répartition ? », il a proposé des options et nous avons décidé ensemble :

1. Rechercher toutes les écritures liées au FAI dans le journal → Calculer le total annuel
2. Déterminer le taux de répartition professionnelle (50% est une base courante pour un bureau à domicile)
3. Ne pas modifier les écritures individuelles, mais ajouter une écriture d’ajustement globale au 31/12 « Prélèvement personnel / Frais de communication »
4. Copilot saisit l’écriture dans le journal

Le fait que Copilot présente des options pratiques — « modifier chaque ligne à 50% ou faire un ajustement global en fin d’année ? » — est un avantage de la conversation avec l’IA.

Phase 7 : Saisie et vérification de la déclaration

Interaction avec les formulaires via Simple Browser

On ouvre l’écran de déclaration du logiciel comptable cloud dans Simple Browser et on avance la saisie en discutant avec Copilot.

Les opérations effectuées par Copilot :

1. read_page pour récupérer la structure de la page et déterminer quel menu cliquer
2. click_element pour cliquer sur les menus latéraux et les liens comme « Cotisations sociales »
3. Pour les listes déroulantes, click_element pour ouvrir le menu, puis à nouveau pour sélectionner
4. type_in_page pour saisir les montants dans les champs. Copie directe des montants enregistrés dans declaration-tasks.md
5. click_element sur le bouton « Enregistrer » pour soumettre le formulaire

Côté humain, les interactions se limitent à : « On fait les cotisations sociales », « Commençons par la retraite », « Il y en a une autre », « On vérifie que le total correspond sur le formulaire principal ? ». Pas besoin de spécifier des sélecteurs ou des procédures précises — Copilot lit le DOM et agit de manière autonome.

Au-delà de la simplicité par rapport à une navigation manuelle, le grand avantage est que ces échanges sont conservés dans le journal de conversation. On peut retracer ce qui a été saisi et dans quel ordre.

Vérification croisée des formulaires

« La saisie est terminée, vérifions que les formulaires sont cohérents » — la cohérence a été vérifiée par Copilot :

• Formulaire principal — Montants des revenus, total des déductions, revenu imposable, montant de l’impôt
• Formulaire secondaire — Détail des cotisations sociales, assurance vie, conjoint, personnes à charge

En faisant lire les deux onglets par Copilot, on vérifie que « le total des détails du formulaire secondaire correspond au montant de déduction du formulaire principal ». Toute incohérence est signalée immédiatement, permettant une détection précoce des erreurs de saisie.

Note : dans Money Forward, l’écran d’impôt local et professionnel ne comporte pas de champ pour les personnes à charge de moins de 16 ans. Les informations de personnes à charge sont gérées dans « Informations de base → Famille ».

Phase 8 : Soumission de la déclaration

La soumission finale est effectuée depuis l’application smartphone de Money Forward Cloud Déclaration fiscale. L’authentification par lecture NFC de la carte My Number permet de soumettre directement les données. Pas besoin d’ouvrir e-Tax séparément — la soumission se fait directement depuis MF Cloud.

Points de vérification après soumission :

• La date et l’heure de réception sont-elles enregistrées ?
• Un numéro de réception a-t-il été attribué ?
• Le message « Les données envoyées ont été acceptées » s’affiche-t-il ?

Copilot lit l’écran de confirmation de soumission pour vérifier ces points.

Traitement des informations confidentielles

Les écrans bancaires et comptables affichent naturellement des informations personnelles. Il faut être conscient que l’historique de conversation de Copilot peut les contenir. GitHub Copilot for Business a pour politique de ne pas utiliser les données de complétion de code pour l’entraînement, mais vérifiez avec la politique de sécurité de votre organisation.

Qu’a fait l’humain ?

Rétrospectivement, le travail humain a été étonnamment réduit :

1. Décision de politique — « Cela passe en charge / ou pas », « On met 50% de répartition », « Pas de justificatif, on ne met pas en déduction »
2. Consultation avec Copilot — « On fait ça ensuite ? », « On vérifie aussi ça ? », « Comment on procède ? »
3. Approbation finale — « Ces chiffres sont bons », « Tu peux soumettre »
4. Manipulation physique — Lecture NFC de la carte My Number (uniquement pour la soumission mobile)

Quasiment aucun besoin d’ouvrir des écrans spécifiques ou de donner des instructions détaillées. En indiquant simplement « On fait ça maintenant », Copilot gère de manière autonome la navigation, la recherche, la saisie et la vérification.

Ce qui rend cela possible, ce sont les fichiers Markdown. Parce que policy.md contient les règles de classification, Copilot peut juger la conformité des écritures. Parce que declaration-tasks.md contient les notes d’investigation, il peut retracer l’origine des montants. Si l’humain peut se contenter de dire « maintenant ça », c’est parce que les critères de décision et les journaux de travail sont partagés sous forme de fichiers .md.

Retour d’expérience : ce que je ferais différemment la prochaine fois

En m’appuyant sur cette expérience, voici les points d’amélioration :

• Télécharger aussi les attestations de déduction dans Cloud Box — Cette fois, seule la conservation papier était en place, mais Copilot a pu identifier les montants à partir des relevés. Cependant, avec des données numériques, Copilot pourrait les lire directement, ce qui serait encore plus fluide
• Annoter les paiements aux collectivités avec le type d’impôt — Sans justificatif original, impossible de distinguer assurance maladie nationale / impôt local / taxe foncière
• Maintenir le document de référence à jour — Plus le document est précis, plus le travail de Copilot est fiable
• Mieux structurer les fichiers .md dès le départ — Cette fois, les fichiers se sont multipliés au fil du travail, mais en définissant dès le début les rôles et formats des fichiers, la précision de lecture de Copilot et la compréhension humaine seraient améliorées

Conclusion

Ce que cette déclaration fiscale m’a fait réaliser, c’est que la combinaison « accumulation de données » et « exécution du travail par l’IA » est extrêmement puissante.

La synchronisation de Money Forward accumule automatiquement les données de transactions bancaires, cartes et Suica tout au long de l’année. Au moment de la déclaration, on avance en discutant avec GitHub Copilot Agent Mode — « On fait ça ensuite ? », « On vérifie aussi ça ? ». L’humain se contente de définir les orientations et d’approuver, mais le processus n’est pas une délégation totale — c’est une succession continue de dialogues.

Écrire du code n’est pas la seule utilisation de Copilot. « Naviguer entre plusieurs services Web, collecter des données, les organiser, les saisir et les vérifier » — tout ce travail de bureau peut être accompli en conversant par chat. Agent Mode × Simple Browser est pleinement utilisable au-delà du codage.