Confidentialité des données fiscales : garder les renseignements des clients hors des invites d'IA

Les équipes fiscales manipulent une concentration de renseignements personnels que peu de fonctions d'affaires égalent. Un seul dossier client peut contenir un nom, une adresse, un numéro d'assurance sociale, des revenus, des renseignements bancaires, des personnes à charge, des antécédents d'emploi, des détails sur la propriété d'entreprise et des pièces justificatives.

Lorsque l'intelligence artificielle s'invite dans ce flux de travail, la confidentialité des données fiscales ne se limite pas à savoir si un robot conversationnel est sécuritaire. Il s'agit de contrôler quels renseignements parviennent à l'outil, pourquoi ils sont nécessaires, combien de temps ils y demeurent et qui d'autre peut y accéder.

Cartographier les données fiscales avant de choisir le flux de travail d'IA

Commencez par les renseignements en jeu dans la tâche.

Un assistant de recherche fiscale s'appuyant sur les directives publiques de l'ARC peut ne recevoir aucun renseignement client. Un outil de résumé de documents peut recevoir une déclaration de revenus complète. Un assistant IA connecté au stockage infonuagique pourrait potentiellement accéder à de nombreux dossiers clients.

Pour chaque cas d'usage, cernez les catégories de données, la finalité, le fournisseur d'IA, les systèmes connectés, les utilisateurs et les résultats produits.

Les autorités canadiennes de protection de la vie privée mettent l'accent sur la responsabilité, la détermination des fins, la limitation de la collecte, la limitation de l'utilisation et de la communication, les mesures de sécurité et la conservation lorsque les organisations traitent des renseignements personnels. Ces principes s'appliquent toujours lorsque l'IA générative entre en jeu.

Écarter les identifiants des contribuables lorsqu'ils n'ajoutent aucune valeur

De nombreuses tâches d'IA n'exigent pas l'identité d'un contribuable.

Si un fiscaliste souhaite de l'aide pour rédiger une demande de documents, expliquer un concept général ou structurer une question de recherche, les noms, numéros d'assurance sociale, adresses et numéros de compte peuvent habituellement être retirés.

Les autorités canadiennes de protection de la vie privée recommandent d'utiliser des renseignements anonymisés, synthétiques ou dépersonnalisés plutôt que des renseignements personnels lorsque les renseignements réels ne sont pas nécessaires.

Le test pratique est simple : si le retrait de l'identifiant ne réduit pas l'utilité de la réponse de l'IA, retirez-le.

Ne pas téléverser le dossier fiscal complet par défaut

Les téléversements de fichiers peuvent créer plus d'exposition que les utilisateurs ne le croient.

Une déclaration de revenus ou un classeur de travail peut contenir des renseignements sur un conjoint, des personnes à charge, des employeurs, des placements, des comptes bancaires, des années antérieures et des annexes sans rapport. Les feuilles de calcul peuvent aussi contenir des onglets, des commentaires ou des métadonnées cachés.

Créez une copie de travail limitée lorsque c'est possible. N'incluez que les pages, les champs ou les lignes nécessaires à la tâche. Passez en revue le fichier assaini avant le téléversement.

Des données fiscales synthétiques peuvent aussi aider une équipe à tester un flux de travail d'IA avant d'introduire de vrais dossiers de contribuables.

Se rappeler que la confidentialité est plus large que les renseignements personnels

La confidentialité des données fiscales recoupe souvent la confidentialité des clients, mais ce ne sont pas des notions identiques.

Un dossier fiscal d'entreprise pourrait contenir des plans de restructuration, des détails d'acquisition, des ententes de propriété, des renseignements sur les prix de transfert, des positions fiscales contestées ou des prévisions. Ces faits peuvent demeurer confidentiels même lorsqu'aucune personne ne peut être identifiée.

Les directives technologiques actuelles de l'IESBA précisent que les obligations de confidentialité des comptables professionnels couvrent l'ensemble du cycle de vie des données, y compris la collecte, l'utilisation, le transfert, le stockage, la diffusion et la destruction licite. Elles indiquent aussi que les données clients utilisées à des fins comme l'entraînement de modèles d'IA exigent une autorisation appropriée.

Les équipes fiscales devraient donc se demander à la fois si des renseignements personnels sont en jeu et si l'invite contient d'autres renseignements confidentiels sur le client.

Examiner la conservation, la suppression et l'utilisation secondaire

Un examen de la confidentialité ne devrait pas s'arrêter à la question « Le fournisseur entraîne-t-il ses modèles sur nos données? ».

Les invites, les documents téléversés, les résultats produits, les journaux d'utilisation et les sauvegardes peuvent être soumis à des règles de conservation différentes. Le cabinet devrait comprendre combien de temps chaque catégorie demeure, si elle est utilisée à des fins secondaires, si la conservation peut être configurée et ce que la suppression retire réellement.

Les autorités canadiennes de protection de la vie privée ont insisté sur des calendriers de conservation appropriés pour les renseignements personnels utilisés dans l'IA générative. Leur enquête conjointe de 2026 sur ChatGPT a également mis en évidence la collecte excessive, la transparence, l'exactitude, la responsabilité et la conservation comme enjeux importants de protection de la vie privée.

Si le cabinet ne peut expliquer où demeurent les renseignements des contribuables une fois la tâche terminée, le flux de travail exige un examen plus poussé.

Traiter les applications connectées comme des décisions de confidentialité distinctes

Un assistant IA connecté au courriel, au stockage de documents ou aux logiciels fiscaux peut accéder à beaucoup plus de renseignements qu'une invite autonome.

Ne présumez pas qu'approuver un produit d'IA revient à approuver chaque connecteur qu'il offre. Passez en revue ce à quoi chaque intégration peut accéder et restreignez les autorisations au strict minimum.

Le Generative AI Profile du NIST encourage les organisations à gérer les risques liés à la vie privée, à la sécurité de l'information et aux tiers tout au long du cycle de vie de l'IA.

Protéger les journaux et les registres de surveillance

La surveillance peut aider les cabinets fiscaux à repérer les outils non approuvés ou les incidents touchant des données sensibles, mais les systèmes de surveillance peuvent eux-mêmes devenir des dépôts sensibles.

Si un produit de sécurité stocke des invites complètes, des captures d'écran ou des copies de documents bloqués, il peut recueillir les mêmes données de contribuables que le cabinet cherche à protéger.

Limitez l'accès aux registres de surveillance, définissez des périodes de conservation et ne recueillez que ce qui est nécessaire pour enquêter sur le risque.

Distinguer la confidentialité de l'exactitude

Une invite respectueuse de la vie privée peut tout de même produire une mauvaise réponse fiscale.

L'ARC avertit les utilisateurs de son propre robot conversationnel d'IA générative de ne pas soumettre de renseignements personnels ou sensibles et souligne aussi que les réponses du robot peuvent ne pas être entièrement exactes ni adaptées à la situation particulière de l'utilisateur.

L'IESBA exige de la même façon des comptables professionnels qu'ils évaluent les résultats technologiques quant à leur adéquation à l'objectif, à leurs limites, à leurs hypothèses, à la qualité des données, aux biais potentiels et à la confiance appropriée à leur accorder.

La confidentialité des données fiscales protège les renseignements qui entrent. L'examen professionnel protège le client des erreurs qui en ressortent.

Utiliser une vérification de la confidentialité des données fiscales avant d'utiliser l'IA

Avant d'envoyer des renseignements fiscaux à un système d'IA, posez-vous ces questions :

1. L'IA a-t-elle réellement besoin de renseignements sur un contribuable réel?
2. Les identifiants directs ou les faits superflus peuvent-ils être retirés?
3. Est-ce que je fournis uniquement la partie pertinente du dossier?
4. L'environnement d'IA est-il approuvé pour les renseignements qui subsistent?
5. Est-ce que je comprends la conservation, la suppression, l'utilisation secondaire et les sous-traitants?
6. Les intégrations se limitent-elles aux données que la tâche exige?
7. Les registres de surveillance eux-mêmes sont-ils adéquatement protégés?
8. Le travail fiscal produit peut-il être vérifié de façon indépendante?

La confidentialité des données fiscales est la plus solide lorsqu'elle est intégrée au flux de travail avant même que l'invite soit rédigée. Le but n'est pas de rendre l'IA inutilisable pour le travail fiscal. Il s'agit de faire des renseignements sur les contribuables une entrée délibérée plutôt qu'une donnée copiée dans un outil par défaut.

Pour bien des tâches fiscales, moins de données produisent le même résultat utile. C'est habituellement le meilleur point de départ.

Chacune des vérifications ci-dessus partage un même problème de synchronisation : une fois qu'une invite atteint l'outil d'IA, elle ne peut être rappelée. Un numéro d'assurance sociale collé dans une demande de résumé, une déclaration complète téléversée alors qu'une seule annexe était nécessaire, un détail de restructuration d'entreprise glissé dans une question de recherche, tout cela est déjà parti au moment où l'utilisateur appuie sur Entrée. C'est le principe sur lequel Sanitized Ai est bâti : intercepter et caviarder les identifiants des contribuables et les autres renseignements sensibles des clients avant que l'invite n'atteigne l'outil, afin que l'entrée délibérée que vous avez voulue soit la seule qui quitte votre flux de travail.

Ce trimestre, choisissez la tâche d'IA sur laquelle votre équipe fiscale s'appuie déjà le plus, qu'il s'agisse du résumé de documents ou de la rédaction de recherches, et faites-la passer par la vérification en huit questions ci-dessus avant qu'un seul vrai dossier client n'y touche. Documentez les identifiants qui peuvent être retirés sans changer la réponse, et faites-en le paramètre par défaut pour la tâche plutôt qu'une exception. Si vous souhaitez voir comment le caviardage peut se faire avant la soumission plutôt qu'après, demandez une démonstration et parcourez votre propre flux de travail avec nous.