Service
Automatisation de la finance et IA — du compte annuel au rapport sans ressaisie
Comptes du registre, grands livres et relevés sont lus par la machine ; conclusions et responsabilité restent humaines. Je construis des pipelines qui transforment un export système en analyse, contrôle et rapport — avec un modèle de langage là où il faut lire des documents, et du code là où il faut calculer.
Ce que j’automatise — retour d’expérience
| Tâche | Comment ça marche | Effet |
|---|---|---|
| Lecture des comptes du registre | Un parseur des fichiers XML : bilan, compte de résultat, flux, annexes — chargés dans une structure unique et réconciliés (actif = passif, résultat = résultat) | Analyse par ratios d’une douzaine de sociétés avec une seule méthode en minutes au lieu de jours ; screening de marché |
| Contrôle des livres d’un cabinet comptable | Une centaine de règles (TVA, délais, contreparties contre le registre officiel, facturation électronique, cours de la banque centrale, soldes de comptes) sur l’export du logiciel comptable ; plusieurs centaines de tests automatiques | Erreurs attrapées avant la clôture, pas après un contrôle ; tableau de bord pour le dirigeant du cabinet |
| Rapport de gestion depuis le modèle | Un script lit le modèle (Excel), construit un tableau de bord HTML, un rapport PDF et une présentation ; les contrôles de bouclage bloquent la publication si les chiffres ne se réconcilient pas | Le même chiffre dans trois documents ; versions polonaise et française depuis une seule source |
| Relevés de temps → coût par client | Export mensuel du système de tickets, modèle en étoile, répartition du coût du personnel par client et service | Rentabilité par client visible chaque mois ; coût par contrepartie affecté de 16 % à 44 % |
| Un glossaire qui répond | Une base de 176 termes financiers avec recherche sémantique (RAG) — réponses avec la source citée, pas « la mémoire du modèle » | Un seul endroit où direction et comptabilité comprennent le même mot de la même façon |
Ce que je ne confie jamais au modèle
- L’arithmétique. Un modèle de langage ne calcule pas — il devine des nombres. Chaque multiplication vit dans du code ou une formule, avec un test.
- Les retraitements et les pondérations des méthodes d’évaluation — des décisions dont quelqu’un répond à la table.
- Les hypothèses de prévision et la conclusion finale pour la direction. Le modèle peut proposer ; une personne signe.
- Les données des clients pour entraîner quoi que ce soit. Les documents restent en local, sur un disque chiffré.
Comment je travaille
- 1Cartographie du processus et des donnéesUne semaine pour voir comment le rapport naît aujourd’hui : d’où vient l’export, qui ressaisit, où partent les heures et où naissent les écarts. En général, 70 % du temps tient en trois activités — et ce sont elles qu’on automatise d’abord.
- 2Une passerelle de données et des zonesLes données entrent par une seule passerelle (CSV/JSON/XML), avec validation et journal. Les données sensibles (noms, identifiants personnels, salaires) restent dans une zone inaccessible au modèle ; l’analyse reçoit des identifiants. Ce n’est pas une option — c’est une condition pour que j’accepte le déploiement.
- 3Règles et tests avant le modèleTout ce qui peut s’écrire comme une règle (somme des segments = compte de résultat, actif = passif, cours de la banque centrale, contrepartie au registre officiel) est une règle avec un test. Le modèle de langage reçoit le reste : lecture de contrats, classification de libellés, extraction de champs — toujours avec un contrôle d’échantillon par un humain.
- 4Un outil qui survit à son auteurDocumentation, registre des pièges (ce qui a mal tourné et pourquoi), procédure d’actualisation et formation de l’équipe. Contrôles qualité intégrés à l’outil : un document qui se vérifie lui-même avant que quiconque ne l’ouvre.
Ce que vous recevez
- Un pipeline opérationnel : de l’export système au rapport — lancé par votre équipe, pas par moi.
- Des règles de contrôle avec tests et un tableau de bord qui montre ce qui n’a pas passé aujourd’hui.
- Documentation, registre des pièges, procédure et formation — plus la limite écrite : ce que fait la machine, ce que fait l’humain.
- Un calcul de retour : combien d’heures par mois reviennent à l’équipe et combien d’erreurs n’atteignent jamais le rapport.
Projets propres : moteur d’analyse, contrôleur des livres, FinGloss
Questions fréquentes
Mes données vont-elles vers un modèle externe ?
Seulement ce qui doit, et seulement après anonymisation : le modèle de langage reçoit un texte à classer, pas la base clients. Quand le client l’exige, j’utilise un modèle exécuté localement — plus lent, mais rien ne sort de l’entreprise. Règle de la zone : les données sensibles ne franchissent jamais la passerelle vers l’analyse.
Par où commencer dans une petite entreprise ?
Par le rapport qui consomme le plus d’heures aujourd’hui — en général le résultat mensuel ou la répartition du temps par client. Export, plan de correspondance, modèle, script de tableau de bord. Deux à trois semaines ; l’effet se voit à la seconde clôture. Ensuite seulement les règles de contrôle et le modèle de langage.
Quels outils ?
Python pour le traitement et les règles, Excel à formules vivantes comme modèle, HTML/PDF pour les rapports, SQL et BI quand les données sont en base, des modèles de langage (Claude, y compris locaux) pour lire des documents. Je ne vends aucune plateforme — je choisis ce que votre équipe saura maintenir.
L’IA remplacera-t-elle la comptable ou le contrôleur ?
Elle ne les remplacera pas — elle changera ce qu’ils font. Ressaisie, réconciliation et chasse aux erreurs disparaissent ; restent la compréhension de l’activité et la responsabilité. Dans un cabinet avec des règles de contrôle, la comptable travaille sur les exceptions, pas sur chaque écriture. C’est un gain, pas une menace — à condition que la limite entre machine et humain soit écrite.
Parlons de votre situation
Écrivez quelques phrases sur la société et le problème. Je réponds sous deux jours ouvrés et le premier échange est gratuit.
M’écrire