#compliance
Conformité réglementaire, application des politiques et recherche sur les pistes d'audit pour les systèmes d'IA financière
FinToolBench constate une inadéquation d'intention supérieure à 50 % pour chaque LLM testé : appeler beaucoup d'outils ne garantit pas de meilleures réponses financières.
STPA avec MCP enrichi en capacités produit des spécifications de sûreté formelles pour l'usage d'outils LLM ; Alloy prouve l'absence de flux dangereux dans un cas d'agenda.
FinAuditing montre que les meilleurs LLM n'atteignent que 13,86 % à la vérification mathématique financière de dépôts SEC XBRL réels, limitant l'automatisation sans aide.
Le garde-fou à deux LLM d'AGrail réduit à 0 % la réussite des attaques par injection de prompt tout en préservant 95,6 % des actions d'agent bénignes sur Safe-OS.
ShieldAgent atteint 90,4 % de précision face aux attaques d'agents avec 64,7 % d'appels API en moins, via des circuits de règles probabilistes au lieu de garde-fous LLM.
AuditCopilot réduit les faux positifs de fraude sur écritures de 942 à 12, mais l'ablation montre que le LLM synthétise surtout les scores d'Isolation Forest.
L'IA constitutionnelle remplace les données de nuisibilité étiquetées à la main par un retour d'IA : les agents comptables appliquent les règles sans relecteur par transaction.
