Quand l'IA doit répondre des chiffres
Système développé par EXP³ pour une agence de marketing présente dans trois pays, avec des rapports d'IA dont chaque affirmation peut être retracée jusqu'à la preuve qui la soutient. Client confidentiel.
Le problème
L'agence opère au Brésil, au Mexique et aux États-Unis, avec des centaines de dashboards et des milliers de campagnes actives. À chaque cycle d'analyse, le système compare des centaines de milliers de paires d'observations. Personne ne lit cela. Le goulot d'étranglement n'est plus la donnée : c'est la lecture qualifiée, celle qui distingue ce qui compte et explique pourquoi.
L'agence ne voulait pas d'une IA qui écrive des rapports. Elle voulait une IA qui écrive des rapports qu'elle puisse défendre devant ses clients.
La décision
Celui qui calcule n'écrit pas, et celui qui écrit ne calcule pas.
Cela fonctionne comme la relation entre l'audit et le rapport annuel. L'audit vérifie chaque chiffre et valide ce qui peut être affirmé. Le rapport raconte l'histoire au conseil d'administration, mais uniquement avec des chiffres audités. Dans le système de l'agence, une couche déterministe calcule tout ce qui relève du fait, mesure la confiance de chaque preuve et enregistre sa validité dans le temps. L'IA générative ne reçoit que ces faits et les transforme en langage exécutif. Elle ne fait aucun calcul.
Avant le code, l'agence et EXP³ ont formalisé le savoir qui n'existait que dans la tête des analystes seniors, et ont choisi de n'automatiser que les questions métier récurrentes et auxquelles on peut répondre à partir de faits calculables. Ce qui dépend d'un jugement sur le contexte est resté entre les mains des personnes.
La gouvernance comme politique, pas comme prompt
Des règles explicites et persistées définissent ce que l'IA peut dire et à qui. Analyste, BI, directeur et client reçoivent le même fait avec une profondeur et un vocabulaire différents. L'exploration d'hypothèses ne s'ouvre que sur les fronts où les faits la soutiennent. Et il existe des restrictions que l'IA n'a pas l'autorité de violer, à la manière d'une fonction conformité. Un exemple n'illustre que le groupe de faits auquel il appartient, un comparatif n'est raconté qu'avec un volume suffisant, et la base factuelle de chaque rapport est figée et signée.
Quand les données n'autorisent pas une affirmation de cause, le système refuse de la faire. Pour qui répond de résultats, cette prudence est une fonctionnalité.
Ce qui a changé dans le travail
Les analystes ont cessé de compiler et se sont mis à valider des hypothèses déjà ancrées dans des faits citables, et chaque validation réalimente le système. La direction reçoit des réponses par question métier, et non par tableau de bord. Le responsable de compte peut dire au client d'où vient chaque conclusion, avec l'exemple concret derrière le chiffre agrégé. Personne n'a été remplacé ; la partie mécanique de la lecture s'est effacée et la partie qui exige du jugement a gagné des instruments.
Pour ceux qui sont hors du marketing
Une banque qui répond au régulateur, un cabinet qui répond à son client, une industrie qui répond à son conseil. Le schéma est le même. La confiance dans un rapport d'IA vient de la structure construite autour du modèle, et cette structure est faite du savoir que l'entreprise possédait déjà.
Comment cela a été construit
Architecture fondée sur le framework EXP³ (Exploit · Explore · Explain). Couche d'IA symbolique déterministe, avec différentes méthodologies d'inférence combinées selon le problème, sur une base de données temporelle. Elle émet des faits qualifiés porteurs de validité temporelle, type de sujet, degré de confiance et marquage d'affirmation ou de rétractation, adossés à une taxonomie formelle. Le LLM ne reçoit que ces faits et n'exécute aucun calcul.
Gouvernance par personas (ton, modèle, structure de réponse, niveau technique et langage autorisé par profil), lentilles d'analyse (où l'exploration peut s'ouvrir) et checks déterministes et statistiques, avec un artefact factuel figé et vérifié par hash.
Auditabilité grâce aux identifiants des faits cités, aux groupes de preuves avec exemples sûrs, aux statistiques comparatives avec force de preuve et réserves, à la trace complète des appels au modèle et à des artefacts persistés et versionnés. Récits avec cache à deux niveaux ; la validation des analystes réalimente la configuration.
Campagnes, canaux et périodes · BR · MX · US
Des centaines de milliers de paires d'observations par cycle d'analyse
Vérifie chaque fait et mesure la force de chaque preuve
Déterministe : elle intervient avant l'IA générative
Personas · le même fait, avec profondeur et vocabulaire par profil
Lentilles d'analyse · où l'exploration peut s'ouvrir
Checks · restrictions que l'IA ne peut pas violer, base factuelle figée et signée
Transforme des faits vérifiés en langage exécutif
Ne fait aucun calcul
Faits cités, avec l'exemple concret derrière le chiffre agrégé
D'où vient chaque conclusion, à tout moment