Des résultats concrets,
pas des promesses

Contexte

Intervention au sein de l'équipe Data/IA d'un acteur du secteur bancaire-assurance, dans le cadre du développement et de l'industrialisation de solutions d'IA Générative destinées aux équipes métier (analystes financiers, chargés de dossiers).

Problématique

Les analystes devaient centraliser et croiser manuellement de multiples sources hétérogènes, données du système d'information interne, audits, bilans financiers, fiches de présentation d'entreprise pour préparer leurs dossiers de comité. Un processus long, chronophage et sujet à erreurs.

Solution BigApps

• Conception d'une API orchestrant la récupération et le prétraitement de données hétérogènes (SI backend + documents via RAG)
• Moteur d'analyse financière IA générant automatiquement une fiche comité complète (rentabilité, risques, recommandations)
• Assistant conversationnel multi-agents (Q&A sur dossier + modification d'analyse), avec système de routage d'intention
• Garde-fous qualité : validation stricte des sorties IA et boucle de correction automatique en cas d'erreur
• Benchmarking systématique de plusieurs modèles IA et évaluation automatisée de la pertinence du retrieval (AI-as-a-Judge)

Résultats

• Temps de préparation d'une analyse financière divisé par 3
• Solution déployée en production et adoptée par les équipes d'analystes
• Outil conversationnel devenu un réflexe quotidien pour fiabiliser et accélérer l'évaluation des dossiers

Contexte

Développement d'une plateforme IA interne pour l'équipe Data du client, sous forme d'assistant conversationnel enrichi d'outils spécialisés, utilisée aussi bien par des profils techniques que non techniques.

Problématique

Les équipes traitaient manuellement de gros volumes de documents multi-formats (Word, Excel, PDF, images), notamment pour l'analyse de documents d'audit, un travail répétitif difficile à industrialiser.

Solution BigApps

• Pipelines d'extraction et d'analyse multisources (OCR/NLP)
• Interface conversationnelle connectée à des outils métier, incluant l'automatisation de la création de tickets de suivi
• Prompt engineering itératif adapté à plusieurs cas d'usage IA
• Monitoring continu de la pertinence des réponses IA

Résultats

• Adoption de l'outil par des profils techniques et non techniques
• Réduction du temps de traitement des documents d'audit
• Amélioration continue portée par un cycle de feedback structuré