L'IA pour la finance régulée. Sous votre contrôle.
Pour les banques, établissements de paiement et de monnaie électronique, fintechs et acteurs des actifs numériques. Nous retirons le travail répétitif à vos équipes opérations et conformité, intégrons l'IA à vos systèmes, et gardons chaque résultat traçable pour l'audit.
Démo de rapprochement des paiements
Une démo qui fonctionne, sur données synthétiques.
347 lignes de relevé, des règles transparentes, une file analyste et un corrigé. Aucun modèle d'IA dans cette version.
- Données synthétiques
- Moteur v1.0
- Reproductible
Bougez les seuils. Observez le compromis.
Relevez le seuil automatique et davantage de lignes vont à l'analyste. Baissez le seuil analyste et les paiements ambigus reçoivent une proposition au lieu d'une exception, parfois la mauvaise. Chaque résultat est vérifié contre le corrigé.
Réglages par défaut : 347 lignes de relevé, vérifiées contre le corrigé.
| Ligne | Payeur et référence sur le relevé | Montant (EUR) | Rapprochée de | Résultat et motifs | Corrigé |
|---|
- Les 259 rapprochements automatiques incluent des paiements avec frais déduits, référence approximative, date de valeur tardive ou payeur tiers. Aucun n'est faux.
- Les 50 propositions à l'analyste sont des paiements fractionnés, des paiements sans référence et des numéros de facture mal saisis. Toutes sont justes, mais une personne confirme chacune.
- Sur les 38 exceptions, 32 n'ont aucune facture derrière elles : émetteurs inconnus, doublons, montants identiques venant d'autres sociétés. Les 6 autres viennent d'un client ayant deux factures ouvertes du même montant, payées sans référence. Les règles refusent de deviner ; un analyste doit regarder.
Quatre étapes, toutes écrites.
Doublons
Une ligne identique à une précédente va directement en exception.
Règles exactes
Même montant, référence de facture complète, payé dans les 2 jours de l'échéance : rapproché sans notation.
Paiements fractionnés
Deux paiements partiels portant la même référence et égalant une facture vont à l'analyste.
Notation
Tout le reste est noté contre chaque facture ouverte : montant 40 %, référence 35 %, nom du payeur 15 %, date 10 %. Pour passer automatiquement, un rapprochement doit aussi devancer le second candidat de 0,10.
Mêmes fichiers, même code, mêmes chiffres.
Tout ce que la page utilise est publié. Exécutez-le vous-même et vous obtiendrez les chiffres ci-dessus.
| Fichier | Contenu | Lignes | SHA-256 (16 premiers) |
|---|---|---|---|
bank-statement.csv | Lignes de relevé entrantes | 347 | 98cf8460205e7ddf |
ledger.csv | Factures ouvertes (créances) | 336 | 988bc651116fed99 |
answer-key.csv | Résultat attendu pour chaque ligne | 347 | c36e4f0e453df768 |
recon.js | Le moteur, navigateur et ligne de commande | b8c8df96315edc03 | |
generate_dataset.py | Reconstruit les trois fichiers CSV, identiques à chaque fois | 9d1705d0f7d942b4 |
# reconstruire les données (Python 3, sans dépendance)
python3 generate_dataset.py
# lancer le moteur avec les réglages par défaut (Node.js)
node recon.js
# essayer d'autres seuils
node recon.js --auto 0.9 --review 0.5Jeu de données v1.0, graine 20261022 · Moteur v1.0 · Publié le 22 octobre 2026 · Données synthétiques, publiées pour évaluation.
Ce que cette démo ne prouve pas.
- Données synthétiques écrites par tracee, pas des données clients
- Une seule devise, pas de change
- Paiements fractionnés limités à deux lignes
- Règles et seuils conçus avec ce jeu de données en vue : des données réelles feront moins bien
- Aucun modèle d'IA dans la version 1
- Code de démonstration : ni contrôle d'accès, ni stockage, ni comptabilisation
Version 2 : un modèle de langage là où les règles s'arrêtent.
La prochaine version ajoute un modèle de langage pour ce que les règles ne savent pas trancher, comme les références en texte libre et la note d'exception de l'analyste. Elle sera mesurée contre le même corrigé, et les deux résultats seront publiés côte à côte.
Envie de la voir sur vos propres relevés ? Commencez par un diagnostic.
Nous appliquons la même méthode à un extrait anonymisé de vos données, avec un corrigé construit avec votre équipe.