CIR et intelligence artificielle : quels projets IA sont éligibles ?

L'intelligence artificielle est devenue un axe de développement majeur pour les éditeurs de logiciels, les startups, les bureaux d'études, les entreprises industrielles et les sociétés de services numériques.

Les projets sont variés : création d'un modèle de machine learning, entraînement d'un réseau neuronal, adaptation d'un grand modèle de langage, développement d'un système de vision par ordinateur, conception d'un moteur de recommandation ou création d'une architecture capable de traiter des données complexes.

Certains de ces projets peuvent relever du Crédit d'Impôt Recherche (CIR). D'autres correspondent à de l'intégration technologique, du développement logiciel classique, du paramétrage ou de l'automatisation et ne constituent pas nécessairement des opérations de recherche et développement.

La difficulté principale consiste à distinguer l'utilisation innovante de l'IA de la recherche visant à résoudre une véritable incertitude scientifique ou technique.

L'administration fiscale rappelle que l'utilisation d'un système existant pour une nouvelle application ne constitue pas, à elle seule, un progrès relevant de la R&D. À l'inverse, une opération peut être éligible lorsqu'elle vise à lever un verrou que les connaissances et techniques accessibles ne permettent pas de résoudre directement (BOFiP — distinction entre R&D et activités connexes).

Ce guide présente les critères à examiner, les principaux cas d'usage, les dépenses à analyser et les éléments à conserver pour justifier un dossier CIR consacré à l'intelligence artificielle. Pour les critères généraux applicables à tout projet logiciel (SaaS, application, plateforme), voir d'abord le développement d'un logiciel est-il éligible au CIR ?

1. Quelles entreprises peuvent être concernées ?

Le CIR n'est pas réservé aux laboratoires spécialisés en intelligence artificielle. Il peut concerner une entreprise qui réalise des opérations de R&D éligibles dans le cadre de son activité, sous réserve de remplir les conditions fiscales applicables.

Les profils concernés comprennent notamment :

• les éditeurs de logiciels développant leurs propres modèles ;
• les startups qui conçoivent des architectures d'IA originales ;
• les entreprises de traitement de données ;
• les sociétés qui développent des systèmes de vision par ordinateur ;
• les entreprises industrielles utilisant l'IA pour résoudre des problèmes techniques complexes ;
• les fabricants d'équipements intégrant des algorithmes de perception ou de décision ;
• les entreprises qui développent des méthodes nouvelles d'apprentissage ;
• les sociétés travaillant sur l'IA générative, les modèles de langage ou les systèmes multimodaux ;
• les entreprises qui développent des méthodes de détection d'anomalies ou de prévision ;
• les acteurs de la santé, de l'énergie, de l'agriculture ou de la finance qui réalisent leurs propres travaux de recherche algorithmique.

Il faut distinguer deux situations.

Première situation : l'entreprise utilise l'IA pour son activité. Elle exploite une API, intègre un modèle existant dans son produit ou automatise une procédure interne. Cette utilisation ne suffit pas à établir l'existence de R&D.

Deuxième situation : l'entreprise mène des travaux de recherche sur l'IA ou doit résoudre une difficulté technique non résolue par les méthodes accessibles. Ces travaux peuvent relever du CIR si les critères de R&D sont effectivement remplis.

Le secteur d'activité, la taille de l'entreprise, la présence de développeurs ou l'utilisation de technologies récentes ne permettent donc pas, à eux seuls, de conclure à l'éligibilité.

2. Le critère central : quel verrou technique le projet cherche-t-il à lever ?

Avant de parler de modèles, de GPU, de données ou de coûts d'entraînement, il faut formuler le problème de recherche — voir comment savoir si son projet est éligible au CIR.

Une question trop générale comme « développer une IA plus performante » ne permet pas de caractériser une opération de R&D.

Il faut expliquer ce qui ne fonctionne pas avec les approches disponibles, pourquoi les solutions existantes sont insuffisantes et quelles connaissances nouvelles les travaux cherchent à produire.

Exemple : un système de classification documentaire

Une entreprise veut classer automatiquement des documents professionnels.

Si elle utilise un modèle existant, rédige des instructions, construit une interface et relie les résultats à sa base de données, le projet peut représenter un travail d'ingénierie logicielle. Il ne constitue pas automatiquement une R&D éligible.

En revanche, si les documents présentent une structure très hétérogène, que les approches disponibles échouent dans des conditions spécifiques et que l'équipe cherche à mettre au point une méthode nouvelle permettant de résoudre ce problème, une opération de R&D peut être envisageable.

Il faudra alors démontrer :

• l'insuffisance des méthodes connues ;
• l'incertitude scientifique ou technique rencontrée ;
• les hypothèses formulées ;
• les expériences réalisées ;
• les résultats analysés ;
• les connaissances produites.

Le niveau de difficulté doit être apprécié objectivement. Le fait qu'une tâche soit complexe pour l'équipe ou qu'elle nécessite de nombreux développements ne prouve pas que la solution est inconnue dans l'état des connaissances.

3. Les principaux projets d'intelligence artificielle à examiner

3.1. Machine learning et apprentissage automatique

Les projets de machine learning peuvent porter sur la prédiction, la classification, la détection d'anomalies, l'optimisation ou l'apprentissage à partir de données.

Des travaux peuvent être éligibles lorsqu'ils visent, par exemple, à :

• développer une méthode d'apprentissage nouvelle ;
• résoudre un problème d'apprentissage dans des conditions pour lesquelles les méthodes disponibles échouent ;
• comprendre et réduire un phénomène d'instabilité ou de généralisation insuffisante ;
• concevoir une méthode adaptée à des données fortement hétérogènes ;
• résoudre une difficulté technique nouvelle dans l'apprentissage avec peu de données ;
• développer une méthode permettant de traiter une incertitude ou une contrainte que les approches existantes ne permettent pas de gérer.

En revanche, entraîner un algorithme standard sur un nouveau jeu de données, comparer quelques modèles connus ou ajuster des hyperparamètres selon une procédure habituelle ne suffit pas, en soi, à établir l'éligibilité.

L'analyse doit porter sur le problème de recherche, pas uniquement sur le volume de calcul ou le nombre d'expériences.

3.2. Intelligence artificielle générative et grands modèles de langage (LLM)

Les projets reposant sur des modèles de langage peuvent être très différents les uns des autres.

Une entreprise peut simplement appeler une API commerciale pour générer du texte. Elle peut également développer un système de recherche documentaire, un moteur de réponse fondé sur des sources internes, un système de génération structurée ou une nouvelle méthode d'entraînement.

Ces situations ne présentent pas le même contenu scientifique.

Les travaux susceptibles de justifier une analyse CIR peuvent notamment concerner :

• la conception d'une architecture nouvelle ;
• la résolution d'un problème technique de génération que les approches disponibles ne permettent pas de résoudre ;
• la mise au point d'une méthode nouvelle pour limiter certaines erreurs dans des conditions précisément définies ;
• la recherche sur les mécanismes de raisonnement ou de planification d'un modèle ;
• le développement d'une méthode d'apprentissage ou d'évaluation originale ;
• l'étude de nouvelles méthodes permettant d'améliorer la robustesse d'un système dans des situations difficiles.

Il faut néanmoins éviter de considérer chaque amélioration d'un assistant conversationnel comme une recherche scientifique.

L'ajout d'un prompt, la création d'un agent utilisant plusieurs outils, l'intégration d'une API, la connexion d'un modèle à un CRM ou la construction d'une interface peuvent relever du développement logiciel courant si aucune incertitude scientifique ou technique nouvelle n'est levée.

3.3. Fine-tuning et adaptation de modèles existants

Le fine-tuning consiste à adapter un modèle préexistant à une tâche, un domaine ou un jeu de données.

Cette opération n'est ni automatiquement éligible, ni automatiquement exclue du CIR. L'analyse dépend de ce que l'entreprise cherche réellement à résoudre.

Projet	Première orientation
Fine-tuning standard pour adapter un modèle à un vocabulaire métier	Ne suffit pas à caractériser de la R&D
Comparaison de plusieurs configurations connues	Généralement insuffisante à elle seule
Mise au point d'une méthode nouvelle pour apprendre avec très peu de données dans un contexte difficile	Peut justifier une analyse CIR
Recherche d'une méthode permettant de résoudre une instabilité technique non expliquée par les approches accessibles	Peut relever de la R&D
Adaptation d'un modèle à une base documentaire interne	Pas de R&D automatique
Recherche sur une méthode nouvelle de transfert entre domaines ou de réduction des interférences entre tâches	Peut être éligible si les critères sont remplis

La nouveauté de la configuration ou l'absence de documentation interne ne suffit pas. Il faut établir que le problème dépasse la simple adaptation d'une méthode connue.

3.4. Entraînement d'un modèle propriétaire

L'entraînement d'un modèle propriétaire peut nécessiter des investissements importants en calcul, en données et en personnel. Pourtant, un budget élevé ne démontre pas à lui seul l'éligibilité au CIR.

Il faut identifier les travaux de recherche réalisés.

Une entreprise peut chercher à développer un modèle présentant des capacités particulières, une architecture nouvelle ou un comportement qui ne peut pas être obtenu avec les méthodes accessibles.

Dans ce cas, les travaux d'entraînement, les expérimentations, l'analyse des résultats et certaines opérations indispensables peuvent être examinés dans le cadre de l'opération de R&D.

À l'inverse, reproduire une procédure d'entraînement connue, augmenter la taille d'un modèle selon une recette publiée ou exécuter des instructions de fine-tuning documentées ne constitue pas automatiquement une recherche éligible.

Il faut aussi distinguer le coût de l'infrastructure, la dépense fiscale admissible et la nature scientifique des travaux (voir section 7).

3.5. Vision par ordinateur et analyse d'images

La vision par ordinateur couvre la détection d'objets, la segmentation, la reconnaissance de formes, le contrôle qualité, l'analyse médicale et de nombreux autres domaines.

Un projet peut relever de la R&D lorsque l'équipe cherche à résoudre un problème que les méthodes accessibles ne permettent pas de traiter de manière satisfaisante.

Exemples de difficultés à analyser :

• détecter des défauts extrêmement rares dans des conditions de prise de vue variables ;
• développer une méthode d'apprentissage robuste lorsque les données annotées sont insuffisantes ;
• résoudre une difficulté de généralisation à des environnements qui diffèrent fortement des données d'apprentissage ;
• concevoir une méthode nouvelle de fusion entre plusieurs sources de perception ;
• développer une approche originale pour traiter des images dégradées ou des signaux incomplets.

À l'inverse, intégrer un modèle de détection existant, configurer une caméra et ajuster des seuils selon une méthode connue ne suffit pas à établir l'existence de R&D.

3.6. IA appliquée à l'industrie, à l'énergie ou à la santé

Une entreprise peut utiliser l'IA pour prévoir une panne, optimiser un procédé, analyser des images médicales ou améliorer la gestion d'un réseau énergétique.

Il faut distinguer la recherche sur l'algorithme de la simple application d'un outil existant à un nouveau secteur.

Une application peut exiger de véritables travaux de R&D si des contraintes propres au domaine créent un problème technique non résolu par les méthodes disponibles. Mais la valeur commerciale ou l'importance opérationnelle du projet ne suffisent pas à le démontrer — voir aussi CIR et entreprise industrielle et CIR en biotechnologies et santé.

L'entreprise doit expliquer précisément ce qui rend le problème difficile, quelles solutions ont été étudiées et pourquoi elles n'apportent pas de réponse suffisante.

4. Les données : collecte, préparation, annotation et qualité

Les données occupent une place centrale dans de nombreux projets d'IA. Elles peuvent demander un travail considérable de collecte, de nettoyage, de transformation et d'annotation.

Pourtant, toutes les opérations liées aux données ne sont pas automatiquement éligibles au CIR.

Le Guide du CIR 2025 du ministère chargé de la Recherche consacre un exemple à la collecte de données destinée à l'entraînement d'un modèle d'IA. Elle constitue une activité indispensable à la R&D, et donc éligible, si :

• elle s'inscrit dans une opération de recherche jugée éligible, par exemple la construction d'un nouveau type de modèle aux capacités de raisonnement accrues ou au comportement innovant ;
• elle est directement utile à l'apprentissage du modèle construit, avec la mise en place d'un pipeline de traitement (contrôle du volume et du format, détection des anomalies, validation de la qualité, conformité aux exigences légales) ;
• elle mobilise des personnes qualifiées pour ses enjeux propres (échantillonnage temporel, représentativité statistique, gestion de flux hétérogènes…) ;
• aucune autre source de données disponible librement ou sur étagère ne peut remplacer les données collectées pour les besoins spécifiques du modèle.

4.1. Dans quels cas les travaux sur les données peuvent-ils être examinés ?

Il faut notamment se demander :

• Les données sont-elles indispensables à une opération de R&D identifiée ?
• Quel problème scientifique ou technique leur préparation doit-elle résoudre ?
• Existe-t-il une base de données accessible et adaptée ?
• Les traitements sont-ils spécifiques au problème de recherche ?
• Les équipes disposent-elles des compétences nécessaires ?
• Les opérations contribuent-elles directement à la création de connaissances ?

La collecte habituelle de données commerciales, la mise à jour d'une base clients ou le nettoyage courant d'un référentiel ne deviennent pas de la R&D simplement parce que les données seront ensuite utilisées par une IA.

4.2. Annotation et constitution d'un jeu d'entraînement

L'annotation peut représenter un travail complexe, notamment lorsque les données sont ambiguës ou nécessitent une expertise métier.

Il faut néanmoins distinguer l'annotation courante d'une opération directement indispensable à une recherche éligible.

La justification doit préciser la finalité des données, les critères d'annotation, les difficultés rencontrées et le lien avec le verrou scientifique ou technique.

Il convient aussi de respecter les règles applicables à la protection des données personnelles, aux droits d'utilisation des données et aux autres obligations légales.

5. Évaluation, benchmarks et tests : quand sont-ils utiles au CIR ?

Les équipes d'IA multiplient souvent les tests pour comparer les performances de plusieurs modèles.

La réalisation de benchmarks standards ou la comparaison de solutions commerciales peut aider à choisir un outil, mais ne constitue pas nécessairement une opération de R&D.

Les tests peuvent néanmoins participer à une opération de recherche lorsqu'ils sont indispensables pour vérifier des hypothèses, comprendre un comportement inattendu ou évaluer une méthode nouvelle.

Un dossier doit alors préciser :

• la question de recherche à laquelle les tests répondent ;
• les hypothèses étudiées ;
• la méthode de comparaison ;
• les données et conditions d'expérimentation ;
• les résultats observés ;
• les limites de l'expérience ;
• les conclusions qui en sont tirées.

Un tableau comparant simplement plusieurs modèles sur des métriques standards peut être utile pour un projet logiciel, sans démontrer à lui seul un progrès scientifique.

La question est de savoir si l'expérimentation contribue à résoudre un problème non résolu, et non simplement à choisir la meilleure solution déjà disponible.

6. Comment structurer un dossier technique CIR consacré à l'IA ?

Le dossier doit être construit à partir des travaux réellement réalisés par l'équipe. Une description commerciale du produit ou une liste de technologies utilisées ne suffit pas — voir comment justifier les travaux de recherche éligibles au CIR ?

Étape 1 — Décrire l'objectif du projet

Présentez le besoin initial, les résultats recherchés et les contraintes rencontrées.

Par exemple : développer une méthode de détection de défauts rares à partir de données hétérogènes, avec un volume d'annotations limité et une forte variation des conditions d'acquisition.

Étape 2 — Établir l'état de l'art

Identifiez les connaissances disponibles au début des travaux :

• publications scientifiques ;
• articles de conférences spécialisées ;
• méthodes et architectures publiées ;
• modèles accessibles ;
• résultats de référence ;
• travaux antérieurs de l'entreprise ;
• solutions techniques disponibles.

Il faut comparer les approches pertinentes et expliquer pourquoi elles ne permettent pas de résoudre le problème étudié.

Une recherche commerciale ou une comparaison de fournisseurs ne remplace pas une analyse des connaissances scientifiques et techniques.

Étape 3 — Formuler le verrou scientifique ou technique

Le verrou doit être concret. Une formulation telle que « les résultats du modèle ne sont pas assez bons » est trop générale.

Une formulation plus utile pourrait être :

« Les approches testées généralisent mal aux environnements dont la distribution des données diffère de celle de l'apprentissage. Les méthodes disponibles n'ont pas permis de maintenir les performances dans les conditions étudiées. Les travaux cherchent à comprendre ce phénomène et à évaluer une nouvelle stratégie d'apprentissage. »

Cette formulation n'est valable que si elle correspond à la réalité du projet et si l'état de l'art confirme l'incertitude.

Étape 4 — Présenter les hypothèses

Expliquez les pistes étudiées et les raisons scientifiques ou techniques qui les justifient.

Pour chaque hypothèse, indiquez les résultats attendus, les conditions dans lesquelles elle doit être vérifiée et les observations qui permettraient de la confirmer ou de l'écarter.

Étape 5 — Décrire les expérimentations

Présentez les versions des modèles, les jeux de données, les configurations, les protocoles, les métriques et les conditions d'exécution.

Conservez les résultats intermédiaires et les expériences infructueuses.

Étape 6 — Expliquer les résultats et les connaissances obtenues

Le dossier doit expliquer ce que les travaux ont permis de comprendre, les hypothèses abandonnées, les limites découvertes et les nouvelles pistes identifiées.

Une recherche peut ne pas aboutir au produit attendu tout en apportant des connaissances. L'échec n'exclut donc pas, à lui seul, l'éligibilité.

Étape 7 — Délimiter les activités éligibles

Il faut séparer les opérations de recherche des travaux de développement courant, d'intégration, de maintenance, de mise en production et de support.

La distinction doit être faite à partir des tâches réellement exécutées et non uniquement à partir du nom du projet ou du poste des collaborateurs.

7. Quelles dépenses d'un projet IA faut-il examiner ?

L'éligibilité scientifique du projet ne signifie pas que toutes les dépenses associées peuvent être intégrées au CIR.

Il faut d'abord identifier l'opération de R&D, puis analyser les catégories de dépenses admissibles selon les règles fiscales applicables à l'année concernée — le détail : quelles dépenses sont éligibles au CIR ?

7.1. Salaires des chercheurs et ingénieurs

Les dépenses de personnel peuvent notamment concerner les chercheurs, ingénieurs et techniciens qui participent directement aux travaux de R&D éligibles.

Dans un projet IA, cela peut inclure certaines tâches de conception expérimentale, de développement de méthodes, d'entraînement de modèles, d'analyse scientifique des résultats ou de préparation de données indispensables à la recherche.

En revanche, le salaire d'un développeur, d'un data scientist ou d'un ingénieur IA ne devient pas automatiquement éligible en raison de son intitulé de poste. Il faut documenter les travaux effectués et la participation effective à la R&D — voir les salaires des ingénieurs et chercheurs dans le CIR.

7.2. Données et préparation des jeux d'entraînement

La collecte, la préparation et le traitement des données doivent être analysés au regard de leur rôle dans l'opération de recherche (voir section 4).

La question n'est pas de savoir si les données sont utiles au produit, mais si les opérations considérées sont indispensables à la R&D éligible et répondent aux conditions applicables.

7.3. Calcul, cloud et GPU

Les coûts de calcul peuvent être significatifs pour les projets d'IA : location de GPU, environnements cloud, stockage et infrastructure expérimentale.

Il ne faut toutefois pas assimiler toute facture cloud ou toute consommation de calcul à une dépense admissible. Dans le CIR, les frais de fonctionnement des opérations de recherche sont pris en compte de manière forfaitaire, en proportion des dépenses de personnel concernées (40 % pour les dépenses exposées à compter du 15 février 2025, 43 % auparavant) : une facture de cloud, de GPU loués ou d'API de modèle ne s'ajoute donc pas, en principe, à l'assiette. Le matériel de calcul acquis et affecté à la recherche (serveurs, cartes GPU) peut en revanche y entrer par le biais de ses dotations aux amortissements, sous conditions.

Il convient également de distinguer l'utilisation de ressources pour la recherche de leur utilisation pour la production, le service aux clients, les tests courants ou l'hébergement d'une application.

7.4. Sous-traitance et laboratoires externes

Les travaux confiés à un laboratoire ou à un prestataire spécialisé peuvent être examinés lorsque les conditions de la recherche externalisée sont remplies.

Il faut notamment vérifier :

• la nature exacte des travaux ;
• leur rattachement à une opération de R&D ;
• les conditions applicables au prestataire ;
• l'agrément lorsqu'il est requis ;
• les pièces justificatives et les plafonds applicables.

Une prestation d'intégration de modèle ou de développement logiciel n'est pas automatiquement une prestation de recherche éligible — voir comment traiter la sous-traitance dans le calcul du CIR.

7.5. Évolution des règles fiscales depuis 2025

La loi de finances pour 2025 a modifié plusieurs règles relatives aux dépenses prises en compte dans le CIR. Pour les dépenses exposées à compter du 15 février 2025, le forfait de fonctionnement est passé de 43 % à 40 % des dépenses de personnel, et la veille technologique ainsi que les frais de brevets ont été exclus de l'assiette.

Le calcul doit donc être réalisé selon les règles du millésime concerné, et non à partir d'un ancien dossier ou d'un calculateur non actualisé — voir comment calculer le montant du CIR.

8. Exemple pratique : une PME développe une méthode d'IA pour détecter des anomalies

Une PME industrielle souhaite développer un système capable de détecter des défauts rares sur des pièces produites en série.

Les méthodes existantes fonctionnent correctement sur les défauts fréquents, mais échouent sur certains défauts peu représentés dans les données. Les performances se dégradent également lorsque les conditions d'acquisition des images changent.

Phase 1 — Étude des méthodes disponibles

L'équipe analyse les méthodes existantes, leurs limites et les résultats publiés. Elle constate que les solutions évaluées ne répondent pas suffisamment aux contraintes spécifiques du projet.

Cette étape permet de préciser le problème de recherche, à condition qu'elle porte réellement sur l'état des connaissances et pas uniquement sur une comparaison commerciale.

Phase 2 — Formulation des hypothèses

L'équipe formule plusieurs hypothèses concernant la représentation des données, la stratégie d'apprentissage et la robustesse du modèle. Chaque hypothèse est associée à des expériences et à des critères d'évaluation.

Phase 3 — Expérimentations

Les ingénieurs construisent plusieurs versions expérimentales, préparent les données nécessaires, exécutent les entraînements et analysent les résultats.

Certaines approches échouent. D'autres améliorent les performances sur certaines catégories de défauts, mais pas sur toutes les conditions d'acquisition.

Phase 4 — Analyse des résultats

L'équipe cherche à expliquer les écarts de performance et à comprendre les limites des approches étudiées. Les conclusions servent à modifier les hypothèses et à préparer de nouvelles expériences.

Analyse CIR

Les travaux peuvent être éligibles si l'entreprise démontre une véritable incertitude scientifique ou technique, une démarche de recherche rigoureuse et des connaissances nouvelles produites par les expériences.

En revanche, l'intégration du modèle retenu dans l'application industrielle, la création des tableaux de bord, les connexions au système de production et la maintenance courante doivent être distinguées des travaux de recherche.

Le dossier doit également justifier les dépenses effectivement admissibles. Le coût du projet, le nombre d'images traitées et le nombre de GPU utilisés ne suffisent pas à établir l'éligibilité.

9. CIR ou CII pour un projet d'intelligence artificielle ?

Le CIR et le crédit d'impôt innovation (CII) répondent à des critères différents.

Le CIR concerne les opérations de R&D qui satisfont aux critères scientifiques et techniques requis.

Le CII est réservé aux PME au sens européen et porte, sous les conditions légales, sur certaines dépenses de conception de prototypes ou d'installations pilotes de produits nouveaux (taux de 20 % pour les dépenses exposées à compter du 1er janvier 2025, dans la limite de 400 000 € de dépenses par an).

Le fait qu'un produit intègre de l'intelligence artificielle ne suffit pas à rendre ses dépenses éligibles au CII.

Situation	Orientation à examiner
Recherche d'une méthode d'apprentissage nouvelle pour résoudre un problème non résolu	CIR potentiel
Recherche sur une architecture de modèle originale	CIR potentiel
Développement d'une méthode originale pour résoudre un problème de généralisation	CIR potentiel
Développement d'un prototype de produit nouveau par une PME, sans R&D démontrée	CII potentiel, sous conditions
Utilisation d'une API existante dans un logiciel métier	Pas de CIR automatique
Création d'une interface conversationnelle à partir d'un LLM existant	Pas de CIR automatique
Déploiement, intégration et maintenance d'un modèle déjà maîtrisé	Généralement à distinguer de la R&D

Une même dépense ne peut pas être retenue à la fois au CIR et au CII. Le traitement doit être vérifié selon la nature des opérations, le statut de l'entreprise et les règles applicables à l'année concernée — voir le guide complet du CIR et du CII.

10. Les erreurs fréquentes dans les dossiers CIR IA

Erreur 1 — Déclarer tout le projet IA comme de la R&D

Un projet peut inclure des travaux de recherche, de développement logiciel courant, d'intégration, de mise en production et de maintenance. L'ensemble ne devient pas éligible parce que le produit final repose sur une IA.

Erreur 2 — Confondre complexité et incertitude scientifique

Un développement long, coûteux ou techniquement exigeant ne correspond pas nécessairement à de la R&D. Il faut montrer que la solution ne pouvait pas être obtenue directement à partir des connaissances accessibles.

Erreur 3 — Considérer le fine-tuning comme une preuve suffisante

L'adaptation d'un modèle existant peut être un travail d'ingénierie. Elle peut aussi s'inscrire dans une recherche si elle vise à lever un verrou réel. C'est le contenu des travaux qui compte.

Erreur 4 — Oublier l'état de l'art

Les modèles, méthodes et publications accessibles doivent être étudiés avant de conclure à l'existence d'un problème non résolu.

Erreur 5 — Justifier le projet uniquement par des benchmarks

Des résultats chiffrés sont utiles, mais il faut expliquer les questions auxquelles les expériences répondent et les connaissances qu'elles permettent de produire.

Erreur 6 — Ajouter les factures cloud à l'assiette

Les frais de fonctionnement étant couverts par un forfait, les factures d'infrastructure ne s'ajoutent pas, en principe, aux dépenses déclarées. Il ne faut pas non plus confondre les coûts d'entraînement, d'hébergement, d'inférence et de production.

Erreur 7 — Rédiger le dossier après coup sans traces expérimentales

Sans historiques d'expériences, protocoles, versions, résultats et décisions, il devient difficile de démontrer la démarche scientifique suivie — et de répondre à un contrôle fiscal.

Erreur 8 — Utiliser des règles fiscales anciennes

Les règles relatives aux dépenses admissibles évoluent. Le calcul doit être actualisé pour la période concernée, notamment au regard des changements applicables depuis le 15 février 2025.

11. FAQ — CIR et intelligence artificielle

Un projet utilisant ChatGPT ou un autre LLM est-il éligible au CIR ?

Pas automatiquement. Utiliser un modèle existant, l'intégrer à un logiciel ou rédiger des prompts ne suffit pas à démontrer de la R&D. Des travaux de recherche peuvent toutefois être éligibles si l'entreprise lève une véritable incertitude scientifique ou technique.

Le fine-tuning d'un modèle de langage est-il éligible ?

Cela dépend des travaux réalisés. Un ajustement standard selon une méthode connue ne suffit pas à établir l'éligibilité. Une opération qui cherche à résoudre un problème non résolu par les méthodes disponibles peut justifier une analyse CIR.

L'entraînement d'un modèle propriétaire est-il automatiquement éligible ?

Non. L'entraînement doit s'inscrire dans une opération de R&D éligible. La taille du modèle, le coût du calcul ou le volume de données ne remplacent pas la démonstration d'un verrou scientifique ou technique.

Les coûts de GPU et de cloud sont-ils éligibles ?

Pas en tant que tels : les frais de fonctionnement sont couverts par un forfait calculé sur les dépenses de personnel de recherche. Le matériel de calcul acquis et affecté à la recherche peut en revanche être retenu via ses amortissements, sous conditions.

La collecte et l'annotation des données peuvent-elles être prises en compte ?

Oui, lorsqu'elles sont directement indispensables à une opération de R&D éligible et remplissent les conditions du Guide du CIR (utilité directe pour l'apprentissage, compétences mobilisées, absence de source de données équivalente disponible). Les opérations courantes de collecte et de préparation de données ne suffisent pas à caractériser de la recherche.

Une startup SaaS qui intègre de l'IA peut-elle bénéficier du CIR ?

Oui, potentiellement, mais le modèle économique SaaS ou l'utilisation de l'IA ne suffisent pas. Il faut identifier les opérations de R&D et distinguer celles-ci du développement courant du produit. Une jeune entreprise peut aussi examiner le statut de jeune entreprise innovante et le remboursement immédiat du CIR.

Faut-il publier un article scientifique ou déposer un brevet ?

Non. Ces éléments peuvent contribuer à documenter les travaux, mais ils ne constituent pas une condition d'éligibilité. L'absence de publication ou de brevet ne suffit pas non plus à exclure la R&D.

Un projet peut-il être éligible si les expérimentations échouent ?

Oui. Une opération de recherche peut contribuer à l'acquisition de connaissances même si elle ne produit pas le résultat industriel attendu. Il faut conserver les expériences et expliquer ce qu'elles ont permis d'apprendre.

Peut-on cumuler CIR et CII pour un même produit IA ?

Il faut analyser séparément les opérations et les dépenses concernées, respecter les conditions propres à chaque dispositif et ne jamais retenir deux fois la même dépense — voir peut-on cumuler le CIR avec des subventions ?

Comment sécuriser le dossier ?

Il faut décrire l'état de l'art, le verrou scientifique ou technique, les hypothèses, les expérimentations, les résultats et les dépenses retenues. En cas de doute important, l'entreprise peut demander un rescrit fiscal CIR.

12. Estimer votre crédit d'impôt

Estimez votre crédit d'impôt potentiel et identifiez les points à vérifier avec le calculateur CIR / CII de Capital OS. Le résultat est une simulation indicative, qui ne garantit ni l'éligibilité des travaux ni le montant ou le remboursement du crédit.

13. Sources officielles

• Guide du crédit d'impôt recherche 2025 — ministère chargé de la Recherche
• BOFiP — Distinction entre R&D et activités connexes
• BOFiP — Champ d'application du CIR
• BOFiP — Crédit d'impôt recherche
• BOFiP — Réforme du CIR et du CII par la loi de finances pour 2025
• Impots.gouv.fr — Puis-je prétendre au CIR ?
• Formulaire 2069-A-SD — crédit d'impôt recherche

La doctrine, les formulaires et les règles de calcul doivent être vérifiés pour l'année des dépenses concernées. Cet article constitue un guide général et ne garantit pas l'éligibilité d'un projet particulier.

14. Conclusion

L'intelligence artificielle peut donner lieu à des opérations de R&D éligibles au CIR, notamment lorsqu'une entreprise développe une méthode nouvelle, cherche à résoudre une difficulté technique non maîtrisée par les approches disponibles ou produit des connaissances nouvelles par l'expérimentation.

Mais un projet IA n'est pas automatiquement un projet de recherche. L'utilisation d'un LLM, le fine-tuning d'un modèle, l'intégration d'une API, l'entraînement d'un algorithme ou l'automatisation d'un processus doivent être analysés au regard du problème réellement traité.

Pour préparer un dossier solide, l'entreprise doit partir du verrou scientifique ou technique, documenter l'état de l'art, décrire les hypothèses et les expériences, analyser les résultats et justifier séparément les dépenses fiscales admissibles.

Le bon réflexe : commencer par démontrer la réalité des travaux de R&D, puis calculer le CIR.

15. Articles complémentaires du dossier

• Guide général : CIR et CII — le guide complet
• Le développement d'un logiciel est-il éligible au CIR ?
• Quelles dépenses sont éligibles au CIR ?
• Comment justifier les travaux de recherche éligibles au CIR ?
• Comment traiter la sous-traitance dans le calcul du CIR ?
• Une PME peut-elle obtenir le remboursement immédiat du CIR ?
• Comment préparer un contrôle fiscal portant sur le CIR ?
• Comment une start-up peut-elle financer sa R&D grâce au CIR ? (à paraître)
• CIR en biotechnologies et santé
• CIR et cybersécurité
• CIR et robotique
• CIR et électronique