🎯 Stratégie Février 2026 — Automatisation de l'Analyse¶
Le problème¶
Aujourd’hui, la capacité d’analyse dépend d’un nombre trop limité de décideurs métier, ce qui borne le volume traitable.
Ambition 2026 : Passer à 500+ projets/an avec une qualité constante, tout en gardant l'humain sur les décisions critiques.
Notre approche¶
On construit un système en 3 couches qui s'alimentent mutuellement :
┌─────────────────────────────────────────────────────────────────────┐
│ 1. DONNÉES Documents → DB structurée et requêtable │
├─────────────────────────────────────────────────────────────────────┤
│ 2. INTELLIGENCE Agents spécialisés → Analyse par dimension │
├─────────────────────────────────────────────────────────────────────┤
│ 3. DÉCISION Règles métier → Score + Recommandation │
└─────────────────────────────────────────────────────────────────────┘
▲
│
FEEDBACK ANALYSTES
Les chantiers en cours¶
🗄️ Ingestion & Structuration des données¶
Owner : Alban
Enjeu : Construire une base de données requêtable par les agents, fiable et performante.
Questions clés : - [ ] Quel provider OCR pour nos types de documents ? (benchmark en cours) - [ ] Comment gérer les documents de qualité variable (scans dégradés, annotations) ? - [ ] Quelle stratégie de chunking pour le RAG ? - [ ] Comment scorer la confiance des données extraites ?
Critère de succès : Les agents peuvent interroger n'importe quelle info d'un dossier de manière fiable.
🤖 Agents d'analyse verticalisés¶
Owner : Romain
Enjeu : Créer des agents spécialisés qui interrogent la DB pour analyser chaque dimension d'un projet.
Questions clés : - [ ] Quels agents en priorité ? Dans quel ordre ? - [ ] Quelle stack d'orchestration ? (LangChain, CrewAI, autre ?) - [ ] Comment éviter les hallucinations et garantir la traçabilité ? - [ ] Comment gérer la cohérence entre les analyses des différents agents ?
Critère de succès : Chaque agent produit une analyse sourcée et un score par dimension.
🧠 Règles métier & Intelligence décisionnelle¶
Owner : Nicolas
Enjeu : Extraire les règles métier pour transformer les résultats des agents en vraies suggestions de décision.
Questions clés : - [ ] Comment extraire les règles implicites des analyses passées ? - [ ] Comment structurer une base de règles évolutive ? - [ ] Comment connecter les règles aux outputs des agents ? - [ ] Comment gérer les cas edge et les exceptions ?
Critère de succès : Le système propose une décision argumentée, pas juste des données brutes.
👥 Hub Analystes & Feedback¶
Owners : Romain (environnement) + Nicolas (feedback règles)
Enjeu : Mettre en place un environnement pour accueillir des analystes qui donneront du feedback.
Questions clés : - [ ] Quel profil d'analystes recruter ? (juniors à former vs seniors autonomes) - [ ] Quelle interface minimale pour commencer ? - [ ] Comment structurer le feedback pour qu'il soit exploitable ? - [ ] Comment calibrer la qualité via double analyse ?
Critère de succès : Des analystes utilisent l'outil et leur feedback améliore le système.
Comment les chantiers s'articulent¶
ALBAN ROMAIN NICOLAS
│ │ │
▼ │ │
┌──────────────┐ │ │
│ Documents │ │ │
│ ↓ │ │ │
│ OCR + RAG │ │ │
│ ↓ │ │ │
│ DB fiable │────────────────┼───────────────────────▶│
└──────────────┘ │ │
▼ │
┌──────────────┐ │
│ Agents │ │
│ verticaux │──────────────────┼──▶ Règles
│ ↓ │ │ métier
│ Analyses │ │ │
└──────────────┘ │ ▼
│ │ ┌────────┐
│ │ │Décision│
▼ │ └────────┘
┌──────────────┐ │ │
│ Hub │◀─────────────────┼──────┘
│ Analystes │ │
│ ↓ │ │
│ Feedback │──────────────────▶
└──────────────┘
Ce qu'on doit valider en février¶
Stack technique¶
| Composant | Options envisagées | Décision à prendre |
|---|---|---|
| OCR | Mistral OCR, Azure DI, autres | Fin S2 après benchmark |
| Orchestration agents | LangChain, CrewAI, custom | À définir |
| Base vectorielle | Weaviate, Pinecone, Qdrant | À définir |
| Instrumentation | LangSmith, Langfuse | À définir |
Hypothèses à tester¶
| Hypothèse | Comment on la teste | Critère de validation |
|---|---|---|
| L'OCR peut extraire nos documents de manière fiable | Benchmark sur golden dataset | Taux > 95% sur docs critiques |
| Les agents peuvent reproduire le raisonnement de Cédric | Test sur 20 dossiers historiques | Alignement > 90% |
| Les règles métier sont formalisables | Extraction + validation Cédric | 100+ règles validées |
| Les analystes externes peuvent donner du feedback utile | Onboarding premiers analystes | Feedback exploitable sur 10+ dossiers |
Planning février¶
| Semaine | Alban | Romain | Nicolas |
|---|---|---|---|
| S1-S2 | Benchmark OCR, choix provider | Comité opérationnel, recrutement | Extraction règles |
| S3-S4 | Pipeline extraction en prod | Premier agent, onboarding | Base de règles V1 |
Livrable fin février¶
Preuve de concept : un dossier analysé de bout en bout avec recommandation et feedback possible.
Métriques de suivi¶
| Chantier | Indicateur | Cible |
|---|---|---|
| Données (Alban) | Taux extraction correct | > 95% |
| Agents (Romain) | Alignement décisions Cédric | > 90% |
| Règles (Nicolas) | Règles documentées | > 100 |
| Hub (Romain + Nicolas) | Dossiers avec feedback | 10+ |
Risques¶
| Risque | Mitigation |
|---|---|
| OCR insuffisant sur scans dégradés | Seuil qualité + escalade humain |
| Règles incomplètes ou contradictoires | Validation itérative avec Cédric |
| Recrutement analystes trop lent | Démarrer avec équipe interne |
| Dépendances entre chantiers | Synchro hebdo Alban/Romain/Nicolas |
Questions stratégiques à trancher¶
- Seuil d'automatisation : À partir de quel score on valide sans humain ?
- Périmètre V1 : France uniquement ou international direct ?
- Niveau d'investissement stack : Build vs buy sur chaque composant ?
- Priorisation agents : Quel agent après Finance ?
v1 — 6 février 2026