Réalisations choisies

Des problèmes réels sur lesquels nous avons travaillé

Des exemples de ce que nous pouvons construire pour votre entreprise : la première tâche qu'Attera développe, et quatre projets menés en collaboration avec Albert School.

Un épais dossier client avec intercalaires sur un bureauBanque · KYC

Développement propre d'Attera En développement

Des dossiers KYC d'entreprise, chaque réponse reliée à sa page

Pour chaque client entreprise, une banque lit à la main un dossier KYC d'environ 200 pages pour remplir une liste de contrôle fixe. Nous développons l'assistant qui la remplit à partir des propres documents de la banque, sur un modèle d'IA local, chaque réponse reliée à la page d'où elle vient et tout élément manquant signalé comme manquant, jamais inventé.

Avant200 pages

Lues à la main pour chaque dossier d'entreprise, pour remplir une seule liste de contrôle.

Après, sur des documents publics98 / 116

Champs corrects, 0 faux, 18 signalés introuvables, sur 26 dépôts publics de sociétés britanniques (pas des dossiers bancaires).

Comment ça marcheÉtape 1 sur 4
1

Lire le dossier

Chaque page, scannée ou numérique, lue et conservée avec sa source.

2

Trouver chaque réponse

Le dossier est parcouru pour chaque champ de la liste de contrôle de la banque.

3

Prouver ou refuser

Chaque réponse est vérifiée par rapport à la ligne d'où elle vient. Pas de ligne, pas de réponse.

4

Une personne décide

Les réponses sur lesquelles plusieurs documents concordent sont marquées confirmées. La personne qui relit prend chaque décision.

Construit avec
  • Python
  • FastAPI
  • SQL (SQLite)
  • LLM local (aucun service d'IA externe)
  • OCR (DocTR)
  • PyMuPDF
  • Recherche hybride (BM25 + vecteurs)
  • Vérification des citations
  • Journal d'audit (SHA-256)
Pour qui

Toute équipe qui remplit une liste de contrôle à partir d'une pile de documents, ou qui doit tirer l'essentiel de longs documents.

Tours de bureaux dans un quartier d'affaires au crépusculeGestion d'actifs

(En collaboration avec Albert School)

Vingt perspectives de concurrents, lues et comparées automatiquement

Chaque année, les grands gestionnaires d'actifs publient leur vision de l'année à venir. Les équipes commerciales de cinq pays doivent savoir où se situe chaque concurrent par rapport à la vision de la banque. Nous avons construit une chaîne d'IA qui les lit toutes et fait la comparaison.

Avant20 à la main

Des perspectives lues une à une, comparées marché par marché.

Après20 × 14 × 5

Concurrents, prévisions et marchés comparés en une fois, avec des réponses prêtes pour l'équipe commerciale.

Comment nous y sommes arrivésÉtape 1 sur 4
1

Collecter

La chaîne rassemble les perspectives de 20 grands gestionnaires d'actifs.

2

Lire et extraire

Un modèle d'IA extrait les mêmes 14 prévisions de chaque document.

3

Comparer

Chaque prévision face à la vision maison, pour cinq marchés.

4

Remettre aux commerciaux

Un tableau de bord et des réponses prêtes pour chaque grand concurrent.

Construit avec
  • Python
  • Claude API (Anthropic)
  • Collecte web (scraping)
  • Analyse de documents
  • Streamlit
  • Tableau de bord HTML
  • Exports CSV et Word
Pour qui

Toute équipe qui lit une pile de documents pour remplir le même tableau, encore et encore.

Une table de réunion avec des rapports imprimésBanque privée

(En collaboration avec Albert School)

Quelles familles en premier ? Une liste de 300 prospects, notés et classés

Une banque privée voulait gagner des clients parmi les familles les plus fortunées de Suisse, sans ordre d'approche clair. Nous les avons profilées, avons noté chacune, et avons donné aux banquiers un outil pour décider eux-mêmes.

Avant300

Des familles sur une liste, sans ordre et sans porte d'entrée.

Après2 segments

Des prospects classés, chaque segment avec sa propre approche, dans un seul tableau de bord.

Comment nous y sommes arrivésÉtape 1 sur 4
1

Constituer la liste

300 familles profilées par âge, patrimoine, secteur et région.

2

Noter

Six critères chacune, du patrimoine à la facilité d'approche.

3

Choisir les segments

Des industriels à approcher directement, des familles dynastiques à gagner dans la durée.

4

Remettre un outil

Un tableau de bord que les banquiers utilisent sans analyste à côté d'eux.

Construit avec
  • Excel
  • Power BI
  • Modèle de scoring
  • Segmentation
  • Cartographie de réseau
Pour qui

Toute équipe qui doit décider, à partir d'une longue liste, qui appeler en premier et comment.

Un bureau calme avec des étagères de classeursBanque privée, IA

(En collaboration avec Albert School)

Rendre leur semaine aux chargés de clientèle

Les chargés de clientèle étudiés passaient l'essentiel de leur semaine en recherche, préparation, conformité et administratif. Nous avons conçu des assistants d'IA pour ces tâches, afin qu'ils puissent passer plus de temps avec leurs clients.

Avant25%

De la semaine passée avec les clients.

Après, en projection51.5%

Avec cinq assistants, rentabilisés au 15e mois de mise en œuvre.

Comment nous y sommes arrivésÉtape 1 sur 4
1

Cartographier la semaine

Où vont réellement les heures d'un chargé de clientèle.

2

Cinq assistants

Recherche client, portefeuille, conformité, rendez-vous et actualité des marchés.

3

Construire un prototype

Une version qui fonctionne, avec des profils clients réalistes.

4

Chiffrer le projet

Coûts et économies calculés à partir du terrain, phase par phase.

Construit avec
  • React
  • Conception d'agents IA
  • Économie des tokens
  • Modèle de ROI (Excel)
  • Classification des risques selon l'AI Act européen
Pour qui

Toute équipe dont les meilleurs passent l'essentiel de la semaine à préparer, vérifier et classer.

Une pièce de collectionneur avec une voiture ancienne et des tableauxWealth tech

(En collaboration avec Albert School)

Seulement l'actualité qui touche ce qu'une famille possède

Un family office suit l'art, les voitures, l'immobilier et plus encore, et l'actualité quotidienne est sans fin. Nous avons construit un moteur d'alertes sur un modèle d'IA local qui ne garde que ce qui concerne les avoirs de la famille.

AvantDes centaines

D'articles par jour, presque aucun pertinent.

Après90%+

De précision et de rappel sur 31 cas de test, sans qu'aucune donnée ne quitte le bureau.

Comment nous y sommes arrivésÉtape 1 sur 4
1

Lire l'actualité

Chaque matin, les articles sur l'art, les voitures, l'immobilier et les marchés.

2

Vérifier les avoirs

Un modèle d'IA local écarte tout ce qui ne concerne pas la famille.

3

Orienter

Ce qui reste va au membre de la famille concerné.

4

Tout garder en interne

Tout tourne au sein du family office.

Construit avec
  • Python
  • LLM local (Qwen 2.5, LM Studio)
  • Embeddings (BAAI bge-m3)
  • ChromaDB
  • Neo4j
  • HDBSCAN
  • spaCy
  • Streamlit
Pour qui

Toute équipe qui doit surveiller un flot d'informations pour les quelques éléments qui comptent, sans envoyer ses données à l'extérieur.

Notre boîte à outils

Les outils derrière le travail, choisis pour chaque tâche

Données et analyse

Python (pandas, scikit-learn, LightGBM, statsmodels), SQL, R, modélisation Excel

IA et modèles de langage

LLM locaux (Qwen, gpt-oss) via LM Studio et Ollama, Claude API, embeddings et reranking, chaînes RAG

Stockage des données

SQLite, ChromaDB (recherche vectorielle), Neo4j (graphes de connaissances), recherche hybride BM25

Interfaces et reporting

Power BI, Streamlit, React, FastAPI, tableaux de bord HTML

À propos de ces projets. Chaque cas montre un type de processus que nous pouvons construire pour votre entreprise. L'assistant KYC est un développement propre d'Attera, toujours en cours ; ses chiffres viennent de dépôts publics de sociétés, pas de dossiers bancaires. Les quatre autres ont été menés en collaboration avec Albert School, en équipe, pour l'entreprise qui avait posé le sujet. Les chiffres marqués « en projection » sont des estimations du projet.

Votre processus ne ressemblera exactement à aucun de ceux-ci. C'est tout l'intérêt : nous partons de la façon dont votre équipe travaille aujourd'hui et construisons la version qui lui convient.

Vous avez un problème de ce genre ?

Parlons-en