Aller au contenu

Workflow multi-agents — analyse

Problème

L’analyse manuelle des dossiers est le goulot : trop peu de dossiers traités avec qualité constante, dépendance forte à l’expertise humaine pour extraction + enrichissement.

Outcome visé

Augmenter le volume de dossiers analysables sans dégrader fiabilité ni conformité AMF.

  • Baseline : le funnel et la provenance actuels sont documentés dans l’audit data.
  • Target : [target de volume, fiabilité et date à confirmer].
  • Mesure : score golden à périmètre égal, part manuelle des champs, taux d’intervention humaine et délai de traitement.

Hypothèses

  • Si chaque étape du workflow est modulaire et traçable (source par champ), alors on peut itérer agent par agent sans big bang.
  • Si la cascade de fiabilité (ADR-001) est appliquée aux données critiques, alors la confiance utilisateur monte et le rework baisse.

Kill criteria

  • Aucun agent core ne passe à l’échelle sans mesure golden dataset.
  • Une version qui ne bat pas la baseline à périmètre égal ne remplace pas la version active.
  • Si la modularité augmente le délai ou la complexité sans gain mesuré, revenir au plus petit pipeline observable.

Plus petit test

Activer / mesurer un agent core à la fois (golden dataset) plutôt que tout le pipeline d’un coup.

Learning goal

Identifier quelles étapes gagnent réellement en fiabilité grâce à la modularité, et lesquelles ajoutent seulement de la complexité.

Périmètre

  • ingestion, classification documentaire, extraction, convergence et synthèse ;
  • provenance par champ et observabilité des runs ;
  • évaluation agent par agent.

Hors-scope

  • parcours UI complet de l’outil ;
  • gestion des analystes et du comité ;
  • refonte simultanée de tous les agents ;
  • choix techniques sans impact sur l’outcome.

DRI

  • DRI : Romain (produit) · tech ownership Dimitri
  • Contributors : Jérôme, freelances extraction selon besoin

Métriques de succès

  • Score golden à périmètre égal.
  • Part manuelle des champs consolidés.
  • Taux d’intervention humaine.
  • Délai et coût par dossier.

Risques identifiés

  • Complexité d’orchestration supérieure au gain de qualité.
  • Couverture golden insuffisante.
  • Régression silencieuse après changement de fournisseur ou de modèle.
  • Traçabilité incomplète d’un champ jusqu’à sa source.

Liens

Sources

  • Origin bricks-os : projects/workflow-analyse/CONCEPTION_WORKFLOW.md