L'IA pour la finance et la banque
Un secteur où la conformité ne vient pas à la fin du projet. Elle décide s'il peut avoir lieu.
Ce que vit le secteur
Banques, sociétés de financement, assurances : le volume documentaire est considérable et les données parmi les plus sensibles qui soient. Dossiers clients, pièces justificatives, contrats, données de solvabilité.
Deux pressions se conjuguent. Le délai de traitement est devenu un critère de choix pour le client final. Et la localisation des données est une question posée par le régulateur, par les réassureurs, et par les clients eux-mêmes.
Un établissement qui confie ses dossiers à un service distant doit répondre de ce choix. C'est ce qui bloque la plupart des projets d'IA dans ce secteur.
Ce que nous déployons
La lecture et le contrôle de pièces de dossier — extraction des données depuis des documents scannés ou photographiés, vérification de complétude, signalement des incohérences entre pièces d'un même dossier.
Le traitement des demandes clients, avec réponse en continu sur le statut d'un dossier, en français, arabe et darija.
La consolidation des indicateurs entre agences ou entités, avec traçabilité de chaque chiffre jusqu'à sa ligne d'origine.
Et sur le volet physique : contrôle d'accès aux zones sensibles, détection de présence hors horaires.
Pourquoi le traitement local s'impose ici
Il supprime la question du transfert de données hors du Maroc, donc une couche entière d'obligations à documenter. La localisation devient constatable — on peut montrer la machine — plutôt que contractuelle.
Et le système continue de fonctionner en cas de coupure, ce qui compte quand le délai de traitement est un engagement.
La limite que nous posons
L'agent prépare, extrait, contrôle et signale. Il ne décide pas d'un octroi, d'une indemnisation ou d'un refus. Les décisions qui engagent restent humaines, et sur ce secteur c'est une règle de conception, pas une option.
Pièce (PDF · scan · photo) → OCR → analyse de structure
→ extraction sémantique des champs (LLM)
→ score de confiance par champ
├─ ≥ seuil → écriture proposée
└─ < seuil → file de vérification humaine
→ contrôle de cohérence inter-pièces (règles explicites)
→ journal horodaté + traçabilité champ ↔ sourceSous le capot
L'extraction identifie les champs par leur sens, pas par leur position. Un système à zones fixes exige un gabarit par émetteur et casse au moindre changement de mise en page. Le modèle sémantique traite un format jamais vu et résiste aux évolutions.
Chaque valeur extraite est traçable jusqu'à sa source — on remonte du champ en base à la zone du document d'origine. Sans cette traçabilité, un traitement documentaire n'est pas auditable, donc pas déployable dans ce secteur.
Le contrôle de cohérence relève de règles explicites, pas du modèle. Vérifier qu'une somme de lignes égale un total, qu'une TVA est cohérente, qu'une date est compatible avec une autre : cela se code, se teste et se vérifie. Confier un contrôle arithmétique à un modèle de langage est une faute de conception.
Le seuil de confiance est un arbitrage économique, pas un réglage technique. Il met en balance le coût d'une vérification humaine et le coût d'une erreur. Sur ce secteur, il est volontairement élevé.
L'architecture on-premise supprime le transfert de données hors du Maroc. Le dossier de conformité au titre de la loi 09-08 s'en trouve considérablement simplifié : il n'y a pas de transfert transfrontalier à encadrer.
Pour ce secteur, l'IA par secteur s'appuie notamment sur l'agent Finance.
Parlons de votre projet.
Trente minutes, gratuit et sans engagement.