Un assistant documentaire IA pour trois sociétés : architecture et garde-fous

Je dirige trois structures : une société de conseil, une holding et une société immobilière familiale. Et le service administratif du groupe, c'est moi, le soir, après les journées de mission.

Ce retour d'expérience décrit le système que j'ai mis en place pour confier la gestion documentaire de ces trois entités à un assistant IA. Pas un prototype : un système en production, avec ses chiffres et ses limites.

Le problème

Trois entités, c'est trois fonds documentaires. Factures, contrats, statuts, déclarations, relevés, attestations. Des années d'accumulation dans un cloud qui déborde, des doublons partout, des fichiers nommés « document(3).pdf », et un expert-comptable qui attend ses pièces à chaque clôture.

Le classement manuel est la tâche que tout dirigeant repousse. J'ai arrêté de la repousser le jour où j'ai accepté une évidence : ce travail est exactement ce qu'une IA fait bien, à condition de l'encadrer sérieusement.

Le stock au départ : plus de 3 000 documents à lire, qualifier, renommer et classer.

Les règles avant l'IA

La tentation, c'est de donner l'accès au dossier et de dire « range ». C'est la meilleure façon de transformer un désordre en catastrophe : un modèle de langage sans cadre supprime, écrase et invente.

J'ai donc posé les règles avant la première action. Les principales :

1. Interdiction de supprimer définitivement. Tout passe par la corbeille, réversible.
2. Interdiction de modifier ou d'écraser un document original.
3. Toute opération massive est précédée d'un plan d'action, validé par un humain.
4. Chaque action est journalisée dans un fichier dédié. Des mois après, je peux retracer qui a déplacé quoi, et pourquoi.
5. Un doublon n'est déclaré doublon que si son empreinte SHA-256 (la signature unique d'un fichier) est identique à celle d'un original conservé. Jamais sur la foi du nom.
6. Chaque document est lu avant d'être classé. Le nom de fichier n'est qu'un indice : un scan nommé « document(3).pdf » peut être un bail commercial.
7. Un document au classement incertain part dans un dossier a_valider, accompagné d'un fichier texte qui explique le doute. L'humain tranche.
8. Interdiction d'inventer une information absente des documents. L'assistant distingue explicitement les faits confirmés, les hypothèses et ce qui doit être validé par un professionnel. Il ne remplace ni l'expert-comptable ni l'avocat.

Ces règles ne sont pas de la prudence décorative. Chacune correspond à un incident que j'ai vu, ou évité de justesse, en quinze ans sur des systèmes critiques : la suppression irréversible, l'écrasement silencieux, le doublon supprimé qui était en réalité la seule copie signée.

L'architecture index-first

Le vrai verrou technique d'un assistant documentaire, ce n'est pas la lecture des documents. C'est le coût de la relecture.

Si le modèle doit relire les documents à chaque question, le système est lent, coûteux en tokens, et il s'effondre au-delà de quelques centaines de fichiers. La réponse tient en un principe : chaque document est lu une seule fois.

Le pipeline :

1. Je dépose les nouveaux documents dans un dossier a_trier.
2. L'assistant lit le contenu réel de chaque fichier et le qualifie : société, année, type, émetteur, objet, niveau de confiance.
3. Le fichier est renommé selon une convention unique, AAAA-MM-JJ_type_tiers_objet.ext, puis classé dans l'arborescence de la bonne société.
4. Tout est enregistré dans une base SQLite locale : résumé, mots-clés, empreinte SHA-256, avec indexation plein texte (FTS5).

Ensuite, chaque recherche interroge l'index, en quelques secondes. « Retrouve l'attestation d'assurance 2024 » devient une requête sur la base, plus jamais une relecture de PDF. Et le scan est incrémental : grâce aux empreintes, seuls les fichiers nouveaux ou modifiés sont lus.

C'est le principe des moteurs de recherche d'entreprise, ramené à sa plus simple expression : un fichier SQLite de quelques mégaoctets, sans serveur, sans abonnement, qui vit à côté des documents.

Un détail d'installation qui n'en est pas un : l'assistant s'exécute à la racine d'un dossier unique qui contient toutes les structures. C'est cette vue d'ensemble qui lui permet de router chaque document vers la bonne société et de tenir un index unique. Voici l'architecture, celle que j'utilise, noms de sociétés mis à part :

Documents/                    l'assistant s'ouvre ici, à la racine
  CLAUDE.md                   les instructions permanentes
  00_CONTEXTE/                contexte, règles, journal, index
  SOCIETE_EXPLOITATION/
    a_trier/  a_valider/  a_supprimer/  archives/
    01_Societe/
    02_Comptabilite/2026/factures/2026-07/
  HOLDING/                    même structure
  SCI/                        même structure

Les résultats

Les chiffres du dernier inventaire, en juillet 2026 :

• 3 116 fichiers actifs sur les trois sociétés, chacun lu et qualifié par l'assistant, jamais par une règle sur le nom
• réconciliation complète entre le disque et la base : zéro document manquant, zéro fantôme, zéro doublon résiduel
• les zones de tri sont vides : tout ce qui entre est traité au fil de l'eau

Ce que ça change au quotidien : retrouver une pièce est devenu une question posée en langage courant, plus une fouille de vingt minutes. Les documents demandés par l'expert-comptable partent sans relance. Les doublons ont été éliminés avec preuve à l'appui.

Les limites, pour être complet : la mise en place demande de la rigueur, et les premières sessions se font en supervision rapprochée. Certains documents exigent toujours un arbitrage humain, et c'est voulu : le dossier a_valider n'est pas un échec du système, c'est son garde-fou. Enfin, ce système classe et retrouve ; il ne tient pas votre comptabilité et ne remplace aucun conseil professionnel.

Un dernier point à anticiper : le tout premier passage sur l'historique est le moment coûteux. Chaque document est lu une fois, et sur des années d'archives, cela consomme du temps et une bonne part du quota de votre abonnement. C'est normal, et cela n'arrive qu'une fois : traitez l'historique par lots, sur plusieurs sessions. Ensuite, le scan incrémental ne lit que les nouveautés, et le coût devient marginal. Vous payez la lecture une fois ; vous interrogez l'index pour presque rien, indéfiniment.

Deux extensions au-delà du classement

Une fois le fonds documentaire indexé, deux usages se sont imposés naturellement.

Le rapprochement bancaire. Ma banque (Qonto) expose une API, une interface qui permet d'interroger le compte depuis un logiciel. L'assistant y accède en lecture seule et rapproche chaque facture de sa transaction bancaire, par identifiant. Les factures de vente sont ainsi classées au mois du paiement réel, pas au mois d'émission. La règle de sécurité est la même que pour les documents, en plus stricte : lecture seule par défaut, aucune écriture et aucun virement, jamais. Un agent IA n'a rien à faire du côté des ordres bancaires.

La relecture du bilan. J'ai fourni à l'assistant le bilan préparé par le cabinet comptable, en lui demandant de le confronter aux pièces indexées. Il y a trouvé des erreurs, que le cabinet a corrigées après vérification. Aucune défiance là-dedans : c'est un second regard systématique, qui a l'avantage d'avoir toutes les pièces sous la main au moment de la relecture. La validation finale reste humaine, et la responsabilité aussi.

Le kit

Pour reproduire l'approche, il faut cinq briques : l'arborescence de travail (a_trier, a_valider, a_supprimer, archives, par entité), le fichier d'instructions avec les règles ci-dessus, la convention de nommage, l'index SQLite avec son scan incrémental, et la discipline du journal.

J'ai rassemblé tout ça dans un kit de démarrage en libre accès, sous licence MIT : github.com/DGUCons/kit-assistant-documentaire. Il contient le fichier d'instructions complet prêt à adapter, l'arborescence type, les règles de sécurité, et une installation guidée : vous collez une phrase, l'assistant mène l'entretien et monte le système avec vous. Aucune inscription, rien à laisser en échange.

Et si vous préférez le mettre en place accompagné, la page contact est là pour ça.

Une règle pour la route, si vous ne deviez en retenir qu'une : on ne juge pas un outil d'IA à ce qu'il fait, mais à ce qu'on l'empêche de faire.