Le client
Un établissement financier public français finance les projets des collectivités et des acteurs publics locaux. Ses équipes d’instruction traitent les dossiers de prêt et, avec eux, les pièces justificatives que la réglementation LCB-FT impose de collecter puis de tenir à jour : identité des dirigeants, statuts, comptes annuels, justificatifs de domicile… Le stock accumulé au fil des années se compte en centaines de milliers de pièces.
L’enjeu
Ce stock s’était constitué sans norme de nommage, sans extraction de données associées ni contrôle de métadonnées. Une part importante des pièces était ainsi mal catégorisée ou dépourvue des données qui permettent de les retrouver ; d’autres n’existaient qu’en scan noir et blanc de qualité dégradée. Tant que ce patrimoine n’était pas remis à niveau, il ne pouvait servir ni à la recherche documentaire, ni au reporting, ni au contrôle de conformité LCB-FT.
Trois contraintes ont guidé l’approche :
- la reprise devait être achevée avant la mise en service d’un nouveau parcours de révision périodique, qui suppose des dossiers déjà à jour
- traitée à la main, elle dépassait largement la capacité des effectifs d’instruction en place, mobilisés par les dossiers courants, et supposait le recours à une task force externe pour la reprise
- avant traitement, aucune équipe ne pouvait dire quelles pièces du stock étaient encore conformes, ni sur quels dossiers porter l’effort en priorité
Le client a ainsi fait confiance à ALB Conseil, pour concevoir et mettre en œuvre un Agent IA fondé sur un socle d’intelligence artificielle et apporter sur une période courte une évaluation chiffrée de la pertinence du modèle et d’identifier les verrous, internes et externes, associés à cette nouvelle approche.
Le projet
L’équipe ALB Conseil a mis en œuvre de bout en bout la solution :
- sélection des typologies de pièces du périmètre, sur un critère d’équilibre entre documents trop simples et documents trop variables
- conception du processus cible : catégorisation, extraction des données clés (nom, SIREN, adresse, dirigeant, dates), contrôle, mise à jour de la GED
- mise en place du socle IA et de son interface d’observabilité : taux de réussite par typologie, liste des échecs, qualification des erreurs
- entraînement itératif et recette sur corpus réel, en itérations mesurées
- benchmark des solutions de vérification d’identité, en option du proof of value
Le rôle d’ALB Conseil
Le proof of value a été conduit en cinq mois, sous une gouvernance courte : un comité de pilotage mensuel réunissant le métier, la DSI et ALB Conseil. Cinq ateliers dédiés ont été organisés (métier, architecture, technique et données), et une réunion de pré-restitution pour confronter la lecture des indicateurs avant le bilan final.
Concrètement, les travaux se sont enchaînés ainsi : ateliers métier d’analyse du processus existant et de sélection des typologies de pièces, sur un critère d’équilibre entre documents trop simples et documents trop variables ; conception du processus cible et des règles associées, données à extraire par typologie, contrôles et actions attendues en sortie ; mise en place du socle IA et de son interface d’observabilité ; paramétrage et entraînement sur corpus réel par itérations successives ; séances de test avec le métier sur échantillon réel, chaque écart étant qualifié puis rejoué après correction.
Les résultats
- Sur le dernier lot de test, 91 % des pièces correctement catégorisées et 88 % traitées sans intervention humaine, deux documents pièges et des scans dégradés inclus dans l’échantillon. La reconnaissance fine des champs et la correspondance exacte avec les données des référentiels, restent un enjeu : les erreurs résiduelles sont documentées par typologie, avec leur règle de correction
- Le taux d’automatisation complète approche les 90 % en quelques itérations de reparamétrage, sans réentraînement du modèle
- Avec une hypothèse de 70 % d’automatisation complète par l’Agent IA, la charge de reprise dans le passage à l’échelle est divisée par 26,7 par rapport au traitement manuel
- Le proof of value se clôt sur un socle réutilisable en l’état pour d’autres processus documentaires, un manuel de paramétrage de la solution et un benchmark des solutions de vérification d’identité interfaçables. La décision d’industrialisation est instruite par le client
Les moyens mis en œuvre
Un associé ALB Conseil sur le pilotage et l’orientation technologique, une consultante senior sur les ateliers métier, la conception du processus cible et la recette, un partenaire technologique d’ALB Conseil sur le socle IA. Cinq mois, du lancement au retour d’expérience, avec une gouvernance en comité de pilotage mensuel et des ateliers dédiés métier, technique et données.
Ce que nous avons appris
La constitution des échantillons de référence est un projet à part entière. Réunir des pièces réelles, représentatives et exploitables suppose des extractions, des habilitations et du temps métier. Nous avons appris à séquencer plutôt qu’à attendre : 100 pièces par typologie pour amorcer le paramétrage, 500 pour consolider les taux, et un démarrage sur la première typologie disponible. Le mode de collecte est désormais posé dès le cadrage, avec un porteur identifié en comité.
La plupart des erreurs se corrigent par le paramétrage, pas par le modèle. Les cas qui ont fait progresser l’agent étaient très concrets : la mention « DOM » en bas d’une facture interprétée comme le prénom Dominique, deux orthographes d’un même prénom traitées comme deux personnes. Une itération de reparamétrage peut porter le taux d’automatisation de 40 % à 80 %, sans réentraînement du modèle. Nous en avons tiré un manuel de paramétrage des prompts, remis au client pour que ces corrections restent reproductibles sans nous.
Les hypothèses de gain se construisent par typologie de pièce. Un justificatif de domicile ne se lit pas au même rythme qu’une liasse fiscale ou des statuts notariés. Nous avons affiné avec le métier les temps de traitement manuel retenus, typologie par typologie, pour que l’évaluation des résultats se fasse sur des éléments factuels et partagés. C’est un travail que nous menons désormais au cadrage, avant la première mesure.