Aller au contenu principal
Beancount.io Logo

#receipt-management

Receipt Management

Best practices and tools for organizing, scanning, and storing business receipts for tax compliance

7 articlesVoir tous les tagsRetour à tous les articles

Vous avez perdu vos reçus ? Comment la règle Cohan vous permet de reconstituer vos dépenses professionnelles

La règle Cohan permet à un tribunal d'estimer une déduction professionnelle ordinaire lorsque vous pouvez prouver que l'argent a été dépensé mais pas le montant exact — et la section 274(d) interdit entièrement cette estimation pour les voyages, les divertissements, les cadeaux et les véhicules. Voici quelles preuves de reconstitution convainquent réellement un vérificateur, pourquoi les relevés bancaires seuls échouent généralement, et un plan en six étapes pour reconstruire un dossier de reçus manquants.

mike

tax-deductionsrecordkeepingreceipt-management

Logiciel de tenue de livres IA en 2026 : ce que coûtent réellement la catégorisation automatique, la numérisation des reçus et le rapprochement

Une comparaison des coûts et des capacités de 12 plateformes de tenue de livres IA en 2026 — QuickBooks Online (38 $ à 275 $/mois), Xero (25 $ à 90 $), Ramp (niveau de base gratuit), Digits, Zeni, Pilot (~599 $+), Botkeeper, Docyt et Vic.ai. Attendez-vous à une auto-catégorisation de 85 à 95 % sur les dépenses courantes et de 60 à 80 % sur les transactions ambiguës, et budgétez en fonction des heures économisées multipliées par votre taux, plutôt que du prix affiché.

mike

aiaccounting-softwareautomation

Les faux reçus générés par IA sont désormais la première cause de fraude aux notes de frais : le guide des petites entreprises

Les reçus générés par IA sont passés de 0% à 70.8% des signalements de fraude entre mars 2025 et mai 2026, selon les données d'AppZen portant sur 1,471 faux reçus répartis dans 174 entreprises — et la demande moyenne est tombée à $101 à mesure que les fraudeurs délaissaient quelques grosses fraudes au profit de nombreuses petites, sous les seuils d'approbation automatique.

mike

fraud-detectionfraud-preventionexpense-management

Applications de numérisation de reçus par IA en 2026 : Le passage de l'OCR aux LLM et le problème de l'hallucination

Les scanners de reçus basés sur des LLM lisent bien mieux les reçus froissés et décolorés que l'OCR classique, mais lorsqu'un champ est ambigu, ils peuvent halluciner un total plausible mais erroné au lieu de le laisser vide. Ce que montrent réellement les benchmarks de précision, le seuil de 75$ de l'IRS et l'exception pour l'hébergement, ainsi qu'un flux de travail de révision hebdomadaire qui permet d'attraper les erreurs confiantes avant qu'elles n'affectent vos livres comptables.

mike

aimachine-learningexpense-management
Commencer gratuitement→Documentation