Que doit faire un agent IA quand il lui manque une donnée pour finir un reporting ?
Il s'arrête, il ne devine pas. Paul Larmaraud a posé cette règle sur son propre chantier de reporting financier : si une donnée manque, l'agent signale le trou et attend, plutôt que d'extrapoler une valeur plausible. Un chiffre inventé qui ressemble à un vrai chiffre est plus dangereux qu'un rapport incomplet, parce que personne ne va vérifier une ligne qui a l'air normale. Cette discipline se code comme une limite dure sur l'agent, jamais comme une tolérance qu'on ajuste au cas par cas.
Un agent qui détecte une anomalie doit-il bloquer tout le processus ?
Non, et c'est une nuance que beaucoup de dirigeants ratent en configurant leurs premiers agents. Un contrôle bloquant déclenche une consultation avec un humain référent sur le point précis qui pose problème, pas un arrêt de toute la chaîne de traitement. L'agent isole l'anomalie, il ne la laisse pas paralyser le reste du travail déjà validé. Un agent qui bloque tout au premier écart ne sera utilisé qu'une fois.
Comment éviter qu'une IA invente des chiffres sur des données comptables ?
En nettoyant ce qu'on lui donne à lire avant de lui demander d'écrire. Sur le chantier de reporting de Paul Larmaraud, retirer la moitié des colonnes inutiles et regrouper les règles dans des fichiers Markdown dédiés a stabilisé les sorties du jour au lendemain. Une IA qui hallucine des chiffres est presque toujours une IA à qui on a donné un fichier comptable brut, avec des colonnes mortes et aucune règle écrite sur ce qui compte vraiment. Le tri fait en amont sépare un reporting fiable d'un tableau qui a seulement l'air fiable.
Combien de temps faut-il pour configurer correctement un agent de reporting ?
La première fois, une demi-journée, en tâtonnant sur les instructions. Une fois la méthode formalisée en checklist réutilisable, Paul Larmaraud est descendu à un quart d'heure pour la configuration suivante. Le temps perdu ne vient pas de la difficulté de la tâche, il vient du fait de repartir de zéro à chaque fois faute d'avoir noté ce qui a marché la première fois. Une checklist écrite après le premier essai vaut plus qu'une documentation théorique lue avant.
Pourquoi tester un agent IA directement sur des données réelles plutôt que sur un bac à sable ?
Parce qu'une anomalie sur les vrais chiffres d'un vrai mois se voit tout de suite, alors qu'une spec de cinquante pages peut sembler complète sans jamais avoir été confrontée au réel. Paul Larmaraud a lancé les tests de son agent de reporting sur les données réelles d'un mois donné plutôt que d'attendre une relecture exhaustive de la documentation. La validation par le faire révèle en une heure ce qu'une revue théorique aurait mis des jours à ne pas trouver. Un agent qui n'a jamais touché à une vraie donnée n'est pas encore un agent fiable, c'est une hypothèse.
Est-ce un chantier accessible à une PME sans équipe technique ?
Oui, à condition que ce soit le dirigeant ou son équipe qui construise, pas un prestataire qui livre une boîte noire. C'est le principe de l'accompagnement de 10 heures de Paul Larmaraud : le dirigeant tient le clavier, code lui-même les règles d'arrêt et d'escalade sur ses propres données, et repart propriétaire d'un système que son équipe peut corriger le jour où une règle doit changer. L'accompagnement est proposé dès 3 200 € HT pour 10 heures utilisables sur 2 mois. Le système tourne dans les outils du client ; le code, les données et la documentation lui appartiennent, et son équipe le fait tourner avec la méthode apprise. Le parcours comprend un examen offert de 15 minutes, une restitution de 30 minutes, puis les 10 heures de construction avec Paul Larmaraud, fondateur de Parrit.ai.
Par où commencer ?
Par un examen offert de 15 minutes, sans engagement, pour vérifier si le reporting est le bon chantier ou si un autre point bloque davantage l'entreprise. Une restitution de 30 minutes permet ensuite de reprendre les constats ensemble avant les 10 heures de construction. Lien pour candidater : https://cal.com/paul-larmaraud/audit.