Trier une pile de justificatifs de frais prend du temps et laisse passer des erreurs. Ce tuto te montre comment utiliser ChatGPT et Claude pour extraire les données des reçus (date, fournisseur, montant TTC, TVA, catégorie), détecter les anomalies (doublon, plafond dépassé, TVA incorrecte, justificatif manquant) et produire un tableau prêt pour la saisie comptable ou le remboursement en 30 min. L'IA prépare, tu valides et signes.
Tu rentres d'un déplacement avec cinq reçus froissés au fond d'un sac, un relevé CB téléchargé et la mémoire floue d'un repas avec un client dont tu n'as plus le ticket. Multiplié par dix collaborateurs et douze mois, le traitement des notes de frais devient l'une des tâches les plus chronophages du cabinet. Ce workflow te permet de confier l'extraction et le premier contrôle à l'IA, pour ne consacrer ton attention qu'aux anomalies réelles.
Les notes de frais, c'est du volume répétitif : extraire les mêmes données (date, fournisseur, montant TTC, montant TVA, catégorie) sur chaque justificatif, puis vérifier que chaque ligne respecte les plafonds URSSAF, que la TVA est récupérable, et qu'aucun doublon ne s'est glissé. Pour un cabinet qui traite des frais pour plusieurs collaborateurs ou clients, ce travail prend facilement deux heures par mois et mobilise une attention que tu pourrais consacrer à autre chose. Ce tuto te donne un workflow en 4 étapes pour exécuter cette tâche en 30 minutes, avec ChatGPT sur les photos/PDF et Claude sur le contrôle et le tableau final.
Avant de commencer, rassemble les justificatifs de la période sous forme numérique : photos prises avec ton téléphone, scans PDF, ou PDF reçus par email. Si tu travailles sur des frais de collaborateurs, vérifie que les prénoms et noms propres des tiers sur les reçus sont couverts par ta politique de traitement de données avant de les soumettre à un LLM grand public (voir étape 3 pour l'anonymisation). Tu as besoin d'un compte ChatGPT (version gratuite pour des lots de moins de 10 images ; version payante recommandée pour de plus gros volumes avec l'outil Analyse de données) et d'un compte Claude (gratuit). Prépare un tableur vide dans Google Sheets ou Excel pour y coller le résultat final.
Ce workflow enchaîne 4 étapes : tu demandes d'abord à ChatGPT d'extraire les données de chaque justificatif, tu contrôles les données extraites avant de les consolider, tu soumets le tableau à Claude pour le contrôle de conformité (plafonds, TVA, doublons, manquants), puis tu finalises le tableau pour l'export. L'extraction alimente le contrôle : un champ mal extrait produit une anomalie factice que tu devras démêler à l'étape suivante. Mieux vaut relire 2 minutes après l'extraction que 20 minutes après le contrôle.
Ton tableau de notes de frais est prêt quand chaque ligne a ses quatre champs renseignés (date, fournisseur, montant TTC, catégorie), que le champ TVA est vide ou justifié pour les lignes sans TVA récupérable, et que toutes les anomalies détectées par Claude ont une décision documentée (à corriger, à rejeter, ou à conserver avec note). Avant d'exporter, compare le total TTC du tableau avec la somme des reçus physiques ou scans : si l'écart dépasse 1 %, il reste une ligne manquante. Les outils dédiés comme N2F, Jenji ou Spendesk automatisent ce workflow par connexion directe aux comptes bancaires et aux logiciels comptables : si tu traites plus de 50 notes par mois, l'investissement dans un outil spécialisé est probablement rentable. Pour aller plus loin, vois quel logiciel de comptabilité gratuit gère le mieux les notes de frais au quotidien.
Résultat attendu : Le tableau a une ligne par justificatif, tous les champs Date/Fournisseur/Montant TTC sont renseignés ou explicitement vides avec une observation, et aucune valeur n'a été inventée par l'IA.
Relis le tableau extrait ligne par ligne. Pour chaque justificatif marqué « Partiel » ou « Illisible », retrouve la pièce originale et complète manuellement les cellules vides. Vérifie les montants TTC : une erreur de lecture OCR sur un chiffre (ex : 150,00 lu comme 750,00) ne se voit qu'en comparant avec le reçu. Corrige les catégories que ChatGPT a mal classées avant de passer à l'étape suivante.
Résultat attendu : Le tableau consolidé est dans ton tableur, les doublons sont résolus, les alertes TVA sont vérifiées, et tu connais le total TTC de la période.
Traite les alertes une par une. Pour chaque doublon signalé, vérifie si les deux lignes correspondent à deux achats distincts ou à une saisie en double. Pour les alertes de TVA improbable, retrouve le reçu original et corrige le montant. Copie le tableau final dans ton tableur avec la colonne Alerte conservée. Tu transmettas à Claude uniquement les lignes avec une alerte active et les données agrégées.
Résultat attendu : Chaque ligne du tableau a un statut de conformité documenté, les lignes « à vérifier » ont été soumises à une source officielle ou à l'expert-comptable, et aucune donnée nominative identifiable n'a été soumise à Claude.
Avant de coller les données dans Claude, relis les fournisseurs et libellés de ton tableau : remplace tout nom propre identifiable (nom de restaurant avec prénom propriétaire, nom de client sur un justificatif d'hôtel) par une étiquette neutre. Un LLM grand public n'est pas adapté au traitement de données personnelles de tiers. Une fois le contrôle reçu, vérifie chaque point signalé « à vérifier » en consultant directement le Bofip ou en demandant confirmation à un expert-comptable. Ne te fie pas aux taux ou règles cités par l'IA : ils peuvent être obsolètes ou inexacts.
Résultat attendu : L'en-tête d'export est dans ton tableur, les totaux sont vérifiés à la main, les lignes A corriger sont traitées ou documentées, et le résumé est joint au dossier de remboursement ou à la clôture mensuelle.
Relis le résumé produit par Claude et vérifie que les totaux correspondent exactement aux données que tu lui as fournies. Calcule à la main : le total Validé + le total A corriger + le total Rejeté doit égaler ton total TTC global. Si l'écart est non nul, une ligne a été mal classée. Avant de transmettre le tableau à la comptabilité ou de déclencher un remboursement, assure-toi que les lignes 'A corriger' ont été traitées et que les points TVA ont reçu une réponse d'un expert-comptable ou du Bofip. Ce tableau est un outil de préparation : la validation comptable finale reste de ta responsabilité.
Les 30 minutes couvrent l'extraction, la consolidation, le contrôle et la production du tableau. Si tu as peu d'anomalies (moins de 3 lignes à traiter) et des justificatifs lisibles, c'est réaliste. Avec un lot de 15 reçus dont plusieurs sont partiellement illisibles, compte plutôt 45 minutes. La vérification des points TVA avec un expert-comptable s'ajoute et n'est pas incluse dans ce temps.
Si tu gères des notes de frais pour 10 collaborateurs ou plus chaque mois, un outil dédié est probablement plus rentable : connexion bancaire directe, validation mobile, export automatique vers le logiciel comptable. Ce workflow s'adresse aux structures qui traitent des volumes modérés (moins de 50 frais par mois), qui n'ont pas encore investi dans un outil spécialisé, ou qui veulent comprendre le mécanisme avant de choisir une solution.
Non, et tu ne dois pas lui faire confiance pour ça. Les règles de récupérabilité de TVA sur les repas, l'hébergement et le transport évoluent et dépendent du régime fiscal de ta structure. L'IA peut signaler les lignes où la TVA est à vérifier, mais le taux et l'éligibilité doivent être confirmés par ton expert-comptable ou via le Bofip. Ce workflow est explicitement conçu pour que Claude ne calcule pas de TVA, seulement pour qu'il signale les lignes sensibles.
ChatGPT gère bien l'analyse d'images directement depuis son interface (upload de photos ou PDF) et produit des tableaux structurés facilement. Claude est plus précis sur l'analyse contextuelle et la rédaction du résumé final. En version gratuite, les deux peuvent traiter du texte collé. Le chaînage est une recommandation basée sur les forces de chaque outil, pas une contrainte : tu peux faire les 4 étapes avec un seul outil si tu préfères.
Anonymise systématiquement les données identifiantes avant de les soumettre à un LLM grand public : remplace les noms de tes clients par CLIENT A, CLIENT B, et les noms de leurs fournisseurs par FOURNISSEUR A, etc. Si le volume est important ou si les transactions sont sensibles, utilise la version Entreprise de ChatGPT ou Claude (avec DPA signé), qui offre un cadre contractuel adapté au traitement de données pour compte de tiers. La version gratuite reste adaptée pour tester le workflow ou traiter tes propres frais.
Tableau récapitulatif des notes de frais avec données extraites (date, fournisseur, montant TTC, TVA, catégorie), contrôle de conformité (plafonds, doublons, justificatifs manquants) et export prêt pour le logiciel comptable ou le remboursement.
Technologie qui lit automatiquement le texte sur une image ou un PDF (photo d'un reçu, scan d'une facture) et le convertit en données numériques exploitables. Les LLMs comme ChatGPT intègrent une capacité OCR dans leur analyse d'image, sans logiciel dédié.
Part de la TVA payée sur un achat professionnel que ton entreprise peut déduire de la TVA qu'elle collecte auprès de ses clients. Toutes les dépenses ne donnent pas droit à récupération : les repas d'affaires, l'hébergement et certains carburants ont des règles spécifiques définies par le Bofip.
Dépense professionnelle enregistrée dans une note de frais sans pièce probante valide (ticket de caisse, facture, reçu CB) à l'appui. Sans justificatif, la dépense ne peut pas être déduite ni remboursée par la structure. L'administration fiscale peut la réintégrer au résultat imposable en cas de contrôle.
Ce tuto Shift IA explique comment traiter les notes de frais professionnels avec l'IA en 30 minutes, dans le métier comptabilité. Le workflow enchaîne 4 étapes avec ChatGPT et Claude : extraction des données de chaque justificatif (date, fournisseur, montant TTC, TVA, catégorie) par ChatGPT via ses capacités vision/OCR, consolidation et détection des doublons et alertes TVA improbables, contrôle de conformité par Claude (plafonds, TVA récupérable, justificatifs manquants) avec anonymisation des données nominatives, puis production du tableau d'export et du résumé pour la saisie comptable ou le remboursement. L'humain valide chaque anomalie et soumet les points TVA à un expert-comptable ou au Bofip. Les outils dédiés (N2F, Jenji, Spendesk) réalisent ce traitement nativement par connexion bancaire directe : ce workflow s'adresse aux structures qui n'ont pas encore de solution spécialisée ou qui traitent des volumes modérés.
Copie ces prompts directement dans ton outil IA pour reproduire chaque étape.
La bibliothèque complète de prompts pour ton métier, filtrables par tâche et niveau.
Voir les prompts → Hub métier Hub ComptabilitéTous les tutos, prompts, outils et ressources pour ton profil professionnel.
Accéder au hub →