#automation
Techniques et outils d'automatisation pour les flux de traitement des données financières
Seul Qwen3.5-9B survit à 80 % des 132 mois de CFO d'EnterpriseArena, tandis que GPT-5.4 et DeepSeek-V3.1 tombent à 0 %. Le rapprochement de registre omis cause ces échecs.
WildToolBench : aucun LLM ne dépasse 15 % de précision par session sur 1 024 tâches réelles, l'intention cachée étant le pire échec.
JSONSchemaBench : la couverture passe de 86 % sur des schémas simples à 3 % sur des schémas complexes, le JSON structuré des LLM pouvant être non conforme.
FinMCP-Bench note le meilleur de six LLM à seulement 3,08 % de correspondance exacte sur 613 tâches financières MCP réelles, un effondrement de 20× du mono-outil au multi-tour.
FinTrace : les LLM de pointe choisissent les bons outils financiers (F1 ~0,9) mais n'obtiennent que 3,23/5 pour exploiter les résultats.
FinToolBench constate une inadéquation d'intention supérieure à 50 % pour chaque LLM testé : appeler beaucoup d'outils ne garantit pas de meilleures réponses financières.
OmniEval note les meilleurs systèmes RAG à 36 % de précision numérique sur 5 types de tâches financières : les agents de registre doivent valider avant d'écrire.
Retirer le biais positionnel des poids d'attention des LLM rend jusqu'à 15 points de précision RAG quand la preuve est au milieu du contexte.
ReDAct ne passe d'un petit modèle à un grand que lorsque la perplexité signale une incertitude, réduisant le coût de 64 % à précision égale pour les workflows d'agents.
L'agent CodeAct d'OpenHands obtient 26 % sur SWE-Bench Lite, montrant ce que les agents IA font réellement. L'automatisation financière doit démarrer cadrée, pas autonome.
TableMaster atteint 78,13 % sur WikiTQ avec GPT-4o-mini, 13 points de plus que Chain-of-Table, via table-of-focus et raisonnement adaptatif pour les agents Beancount.
GPT-4 atteint 74,1 d'AUROC moyen sur ODDS en zero-shot, près de la référence ECOD à 75,5, mais échoue sur les données à forte variance. L'audit de grand livre reste ouvert.
