L’approche de Blue J pour croître vite en secteurs réglementés
Blue J s’est étendue à trois pays et à plus de 3 000 cabinets grâce à sa concentration, à son expertise sectorielle et au bon modèle d’OpenAI.
2,7
Heures économisées par utilisateur chaque semaine
1/700
Moins d’une réponse sur 700 contestée
La recherche fiscale traditionnelle commence par le dépouillement de centaines de sources, avant même d’entamer leur interprétation. Les fiscalistes passent ensuite des heures à analyser les lois, les règlements, les décisions, la jurisprudence et les commentaires d’experts afin de comprendre comment les règles interagissent et d’en dégager une réponse.
Selon la complexité de la question, ce processus peut prendre des heures, des jours, voire des semaines, tout en produisant des résultats incohérents ou désuets, chaque nuance omise pouvant entraîner des coûts réels.
Blue J a été fondée en 2015 par des professeurs de droit fiscal et des praticiens qui constataient le besoin de meilleurs outils de recherche fiscale. S’appuyant sur ses premières explorations de l’IA pour prédire l’issue d’affaires en droit fiscal, l’équipe a ensuite conçu divers produits destinés aux cabinets de fiscalité et de comptabilité de toutes tailles.
Au lancement de ChatGPT, Blue J a vu l’occasion de créer quelque chose de nouveau : combiner un raisonnement avancé sur des règlements denses à une recherche structurée pour fournir en quelques secondes des réponses fiscales de calibre expert, accompagnées de citations intégrées et de listes de sources fiables.
Dans les deux années suivant son lancement, Blue J a déployé aux États-Unis, au Canada et au Royaume-Uni un moteur de recherche fiscale propulsé par GPT‑4.1. L’entreprise a lancé son premier produit à peine six mois après les débuts de ChatGPT, puis l’a rapidement amélioré en tirant parti des commentaires et en bâtissant un cadre d’évaluation robuste.
Aujourd’hui, plus de 70 % des utilisateurs ouvrent une session chaque semaine, et moins d’une réponse sur 700 est contestée. Blue J a présenté les leçons qu’elle a tirées de son entrée dans un domaine complexe et de sa croissance rapide, en faisant de la confiance, de l’exactitude et de la rapidité des impératifs.
« Nous avons avancé rapidement parce que nous connaissions déjà le problème et savions comment le résoudre. OpenAI nous a fourni la qualité de modèle nécessaire pour déployer cette expertise à grande échelle. »
La solution de recherche fiscale de Blue J repose sur un système de génération augmentée par récupération (RAG), qui combine GPT‑4.1 à une bibliothèque exclusive de millions de documents sélectionnés, dont des sources primaires faisant autorité et des commentaires d’experts provenant notamment de Tax Notes.
Lorsqu’un utilisateur pose une question fiscale comme « Qu’est-ce que la torpille SALT créée par l’OBBBA et comment peut-on en atténuer les effets? », Blue J récupère instantanément les documents sources, puis GPT‑4.1 les synthétise en une réponse claire et entièrement référencée qui ressemble davantage aux conseils d’un collègue de confiance qu’à la sortie d’un modèle. Seule une équipe maîtrisant à la fois la fiscalité et la technologie pouvait bâtir un tel système.
« Nous avons testé de nombreux modèles, et GPT‑4.1 est celui qui répond systématiquement à nos besoins », affirme Janssen. « Il suit les instructions, respecte le contexte et gère les cas limites mieux que tout ce que nous avons vu ailleurs. »
En fiscalité, même de petites erreurs peuvent déclencher des vérifications, retarder des déclarations ou coûter réellement de l’argent aux clients. L’équipe de Blue J savait par expérience que même de rares cas limites pouvaient miner la confiance s’ils n’étaient pas détectés et corrigés rapidement. Dès le premier jour, elle a donc conçu le produit pour recueillir des commentaires et s’améliorer à grande échelle, sous la direction de son équipe de recherche fiscale.
Afin d’améliorer le système à chaque utilisation, Blue J a proposé le partage facultatif de données aux clients souhaitant contribuer à l’amélioration du produit. Chaque réponse de Blue J comprend un bouton « En désaccord ». Lorsqu’une réponse est signalée, elle est systématiquement classée selon le type de problème, le sujet fiscal et la cause fondamentale probable.
Cette boucle permet de repérer les erreurs isolées et de révéler des tendances. Si les requêtes sur l’imposition des sociétés de personnes donnent de moins bons résultats, l’équipe enquête. Si une invite produit des réponses incohérentes, elle l’ajuste. GPT‑4.1 propulse cette couche de triage en analysant des milliers de commentaires, en regroupant les problèmes connexes et en aidant les équipes de produit et de recherche fiscale de Blue J à concentrer leurs efforts là où ils auront le plus d’impact.
Comme GPT‑4.1 répond de façon cohérente, même les petites améliorations s’accumulent. Il en résulte un système qui apprend de chaque interaction, accélère les itérations, améliore la qualité des réponses et évolue au même rythme que les besoins des utilisateurs. Ce cercle vertueux a permis à Blue J de ramener son taux de désaccord à moins d’une réponse sur 700.
Le développement itératif du produit aide également Blue J à garder une longueur d’avance sur les changements. Lorsqu’un vaste projet de loi fiscale américain a été adopté en 2025, l’équipe avait déjà consacré six semaines à en cartographier les répercussions dans toute la base de code. Quelques heures après la promulgation de la loi, les utilisateurs voyaient déjà les réponses mises à jour en production.
Dans un domaine où les règles changent et où la précision est primordiale, ce système en boucle fermée permet à Blue J de rester rapide, digne de confiance et à l’avant-garde du marché.
La qualité du modèle n’est pas qu’une fonctionnalité : c’est un critère éliminatoire. Blue J évalue chaque nouvelle version de modèle à l’aide d’une batterie de référence de plus de 350 invites concernant les États-Unis, le Canada et le Royaume-Uni en matière de droit fiscal. Chaque modèle est évalué selon son respect des instructions, sa concordance avec les sources et la clarté de ses réponses, afin que les améliorations apportées aux invites ou à la logique de récupération se traduisent par un comportement prévisible en situation réelle.
« Même après les avoir tous testés, nous n’avons jamais lancé un modèle autre que ceux d’OpenAI », affirme Janssen. « Les modèles d’OpenAI ont constamment surpassé les autres selon nos critères de référence internes, surtout pour suivre les instructions et fournir des réponses qui satisfont à nos exigences d’utilisation réelle. »
Les clients utilisent Blue J comme principal outil de recherche fiscale toute l’année, et non seulement pendant la période des impôts. Plus de 70 % des utilisateurs ouvrent une session chaque semaine et économisent 2,7 heures par utilisateur par semaine en recherche et en communications avec les clients — du temps qu’ils réinvestissent dans des activités de planification et de conseil à marge plus élevée.
Blue J a atteint ce niveau d’engagement en se concentrant sur ce qu’elle connaît mieux que quiconque : les besoins concrets des fiscalistes. GPT‑4.1 amplifie son expertise grâce à ses sorties structurées, à son respect constant des instructions et à ses résultats fiables. Pour les fondateurs, la leçon est claire : faites de votre expertise particulière votre principal avantage et utilisez les bons modèles pour croître à grande échelle.
