FiscalDoc : remplacer 1'400 CHF/an de SaaS par une IA locale

Oui, un abonnement SaaS peut être remplacé par un outil possédé — je l'ai fait, et cette note documente le cas de bout en bout. FiscalDoc, une application locale construite en trois soirées par dialogue avec un assistant de code, classe mes documents fiscaux grâce à un modèle de langage ouvert qui tourne sur mon Mac : zéro abonnement, zéro donnée qui quitte ma machine. Voici la mécanique, le coût réel, et les limites honnêtes de la démonstration.

Note d'origine, avril 2026 : j'avais publié quelques semaines plus tôt SaaS contre sur mesure en Suisse, où je défendais une thèse simple — pour beaucoup d'entreprises suisses, posséder redevient plus intelligent que louer, parce que l'IA effondre le coût du code. Plusieurs lecteurs m'ont demandé un exemple concret. Le voici. Et il est à ma taille.

Le problème, très banal

Deux périmètres se partagent mon quotidien administratif : MCVA Consulting SA, mon agence augmentée basée à Haute-Nendaz, et mon ménage fiscal personnel. Deux échelles, deux rythmes, deux logiques — mais une même réalité : un flux continu de documents à classer et à retrouver.

Entre ces deux périmètres, ce sont chaque année des centaines de documents qui arrivent par tous les canaux possibles : factures fournisseurs en PDF, justificatifs de frais professionnels photographiés au restaurant, décomptes AVS et LPP, décisions d'impôts cantonales, attestations bancaires, quittances diverses.

La douleur n'est pas l'accumulation. C'est le moment où, un samedi de mars, il faut tout retrouver pour la déclaration fiscale ou le bouclement comptable. Qui n'a jamais passé deux heures à chercher un justificatif dans un dossier « Téléchargements » qui déborde ?

Les options SaaS que j'ai regardées

La réponse évidente du marché, c'est l'abonnement, et j'ai regardé sérieusement trois catégories. Les solutions de gestion documentaire fiscale d'abord, type Dext : entre 25 et 60 CHF par mois et par entité, soit 600 à 1'400 CHF par an pour mes deux périmètres, avec un stockage le plus souvent chez un hébergeur américain. Les modules documentaires intégrés aux ERP ensuite, type Bexio ou Odoo : plus complets, mais liés à un outil comptable que je n'ai pas envie d'imposer à mon comptable, et qui enferment un peu plus chaque année. Les outils génériques de gestion de documents enfin, type Notion ou Airtable : flexibles, mais tout est à construire soi-même à l'intérieur de l'outil — en repayant chaque mois le droit d'y accéder.

Aucune de ces options ne cochait mes trois exigences de base : souveraineté absolue des données (aucun octet ne doit quitter ma machine, jamais), classification réellement intelligente des documents selon mes propres catégories fiscales suisses, et absence totale d'abonnement et de coût marginal.

Ce que j'ai fait, et en combien de temps

J'ai construit FiscalDoc. Une application web locale, qui tourne sur mon Mac, et qui fait exactement ce dont j'ai besoin :

1. Je dépose un document — PDF ou photo — dans une interface Streamlit.
2. Le document est analysé par Gemma, un modèle de langage open source installé directement sur ma machine. Aucun appel réseau. Aucune API.
3. Le modèle retourne un JSON structuré : périmètre (MCVA ou personnel), catégorie fiscale (revenus, charges sociales, TVA, déductions, intérêts hypothécaires…), date, montant, émetteur.
4. Le fichier est automatiquement renommé selon la convention AAAA-MM-JJ_TYPE_ÉMETTEUR et rangé dans une arborescence propre.
5. Une base SQLite locale indexe tout pour une recherche instantanée dans un tableau de bord filtrable.

Et parce que je voulais aller un cran plus loin, j'ai ajouté un assistant conversationnel local, lui aussi branché sur le modèle. Je peux lui poser, en langage naturel, des questions très spécifiques : « Retrouve-moi toutes les factures fournisseurs MCVA supérieures à 2'000 CHF sur le quatrième trimestre 2025 », « Fais-moi la somme des déductions 3e pilier des trois dernières années », « Y a-t-il un justificatif manquant pour cette décision d'impôt ? ». L'assistant interroge la base SQLite, relit les documents si nécessaire, et répond. Toujours en local.

Le tout tient dans un dossier de quelques centaines de lignes de Python. Aucune donnée ne quitte ma machine. Jamais. Je possède l'outil. Je possède le code. Je possède les données. Je possède même le modèle qui les analyse.

Le coût réel

C'est ici que l'exemple devient intéressant. Le tableau compare ce que coûte l'option abonnement et ce que coûte l'outil possédé, poste par poste.

Ce que le tableau dit : là où l'abonnement facture chaque année l'accès à une fonction générique hébergée ailleurs, l'outil possédé concentre tout son coût dans la construction initiale — trois soirées — puis n'en a plus. Le seul « coût » réel, c'est la RAM : un modèle ouvert demande une machine correctement dotée en mémoire, contrepartie assumée de le faire tourner chez soi plutôt que sur un serveur distant. C'est un investissement matériel unique, déjà amorti par le reste de mon usage professionnel. Une fois cette barrière franchie, le coût d'exploitation annuel de FiscalDoc est strictement zéro. Pas « presque zéro ». Pas « quelques dollars d'API ». Zéro.

Ce que cet exemple démontre

Pendant quinze ans, l'argument massue du SaaS a été : « Vous ne pouvez pas construire ça vous-même, c'est trop long, trop cher, trop risqué, et vous n'aurez jamais la puissance d'un vrai modèle d'IA. » C'était vrai. Ça ne l'est plus — sur aucun des quatre points.

Ce qui a changé en dix-huit mois tient en deux déplacements. D'un côté, les assistants de code ont effondré le temps qui sépare une idée de son implémentation fonctionnelle. Je n'ai pas écrit FiscalDoc : je l'ai dialogué. J'ai décrit mes besoins — deux périmètres, catégories fiscales suisses, classification automatique, interface légère, base locale, assistant conversationnel — et j'ai itéré soir après soir jusqu'à obtenir un outil qui me ressemble. J'ai documenté cette façon de produire dans mon retour d'expérience sur le développement assisté.

De l'autre côté, les modèles ouverts ont atteint une qualité qui rend les appels cloud optionnels pour une large gamme de cas d'usage professionnels. Ce qui exigeait hier l'API d'un éditeur américain tourne aujourd'hui sur un Mac correctement dimensionné, sans jamais se connecter à Internet pour le cœur du traitement.

La conjonction des deux change l'arbitrage. Ce qui relevait hier d'un projet d'agence en dizaines de milliers de francs plus un abonnement à une API externe est aujourd'hui, pour un besoin circonscrit comme le mien, un projet à trois soirées, zéro franc d'exploitation, et zéro ligne de données qui sort du périmètre de l'utilisateur.

La leçon, au-delà de mon bureau

FiscalDoc est un cas minuscule. Deux périmètres, un utilisateur, quelques centaines de documents par an. Mais il illustre exactement ce que je crois, et ce que je construis chez MCVA : avec l'IA générative locale, le SaaS n'est plus le choix par défaut — c'est devenu un choix à justifier.

Pour une entreprise suisse soumise à la nLPD^[1], attentive au CLOUD Act et fatiguée des hausses tarifaires annuelles de ses éditeurs, cette bascule n'est pas théorique. Elle est disponible, maintenant, pour qui accepte de la regarder en face.

Avant le prochain renouvellement d'abonnement, quatre questions méritent d'être posées à froid. Cet outil fait-il exactement ce dont l'entreprise a besoin, ou s'est-elle adaptée à ses limites au fil des années ? Voulez-vous, pendant les dix prochaines années, verser une rente à un éditeur pour continuer à accéder à vos propres données ? Ces données peuvent-elles vraiment être confiées à un cloud tiers, au regard de la nLPD et du secret des affaires ? Et l'alternative sur mesure — pilotée par assistant de code, exécutée sur modèle local, possédée en pleine propriété — est-elle réellement hors de portée, ou le croyez-vous encore par habitude ?

Quinze ans dans les directions digitales de grands groupes m'ont montré l'autre bout de l'échelle : des budgets logiciels où s'empilent des dizaines d'abonnements redondants, contournés par des fichiers parallèles. Ce que j'ai prouvé sur mon Mac à l'échelle d'un cabinet d'une personne, la même logique le permet, fonction par fonction, pour des PME de cinq à cinquante personnes — c'est précisément le terrain de mes solutions sur mesure. Et la question d'ensemble, celle qui ordonne ce mouvement et l'autre, je l'ai posée dans Que doit faire une PME suisse face à l'IA en 2026 ?

Ce qu'il faut retenir

— Un besoin circonscrit, des données sensibles, pas d'effet de réseau : c'est la zone où l'outil possédé bat l'abonnement, et FiscalDoc en est la preuve documentée. — Le coût d'exploitation d'une application locale sur modèle ouvert est nul ; tout le coût tient dans la construction, désormais effondrée par le développement assisté. — La bascule ne s'applique pas à tout : collaboration massive et complexité fonctionnelle lourde restent le terrain des éditeurs — l'arbitrage se pose fonction par fonction.

FAQ

Faut-il être développeur pour répliquer ce cas ? Il faut quelqu'un qui sache dialoguer avec un assistant de code et juger le résultat — un profil technique, pas nécessairement un développeur de métier. Pour une PME sans ce profil en interne, c'est typiquement un chantier sur mesure court, dont le livrable vous appartient intégralement, code et données.

Un modèle local est-il assez bon pour des documents comptables ? Pour de la classification structurée — type de document, date, montant, émetteur, catégorie — oui, largement, et c'est vérifiable sur vos propres documents avant tout engagement. Pour des raisonnements complexes multi-documents, les modèles ouverts progressent mais je valide toujours cas par cas.

Et la nLPD dans tout ça ? C'est l'un des arguments les plus solides du montage : les documents fiscaux contiennent des données personnelles au sens de la loi, et une application locale supprime la question du transfert à un sous-traitant, du droit applicable et de l'accès extraterritorial. Ce que la loi exige reste à votre charge — mais le périmètre à protéger se réduit à votre machine.

Ce cas justifie-t-il de résilier tous mes SaaS ? Non, et je déconseille de le lire ainsi. Il justifie un inventaire : ce que vous payez, ce que vous utilisez, où dorment vos données — puis un arbitrage fonction par fonction, où certains abonnements survivent parce qu'ils le méritent.

Et dans votre entreprise ? Le Diagnostic d'Usage IA : soixante minutes pour poser vos flux réels, identifier ce qui mérite du sur-mesure, ce qui reste en SaaS, et ce qui n'a pas besoin d'IA du tout. Réserver un diagnostic

Sources

[1] Loi fédérale sur la protection des données (LPD), révision du 25 septembre 2020, entrée en vigueur le 1ᵉʳ septembre 2023. www.fedlex.admin.ch/eli/cc/2022/491/fr [↩]

Jérôme Deshaie est CEO et fondateur de MCVA Consulting SA, agence augmentée basée en Valais. Quinze ans au service de grandes marques internationales, désormais en direct pour les PME suisses. Parcours.