Problématique
Des chiffres financiers à portée de main, derrière un langage que les métiers ne parlent pas.
Les équipes finance de la Maison conservent leurs chiffres dans un cube OLAP hébergé sur site, sous Analysis Services. L'interroger suppose d'écrire des requêtes MDX, un langage que les utilisateurs métier ne pratiquent pas.
Chaque question passait donc par un intermédiaire technique. Les attentes de la finance tenaient en trois points.
- Poser ses questions en langage naturel. Sans passer par une requête ni par un expert.
- Obtenir des réponses lisibles. Des tableaux ou des graphiques, directement exploitables.
- Calculer sur le résultat. Appliquer les calculs financiers du quotidien, comme la croissance ou les parts.
Le besoin : rendre la donnée financière accessible à ceux qui la pilotent, sans déplacer le cube hors du centre de données.
Solution
Un workflow agentique qui traduit la question métier en requête, puis en réponse.
Nous avons construit un assistant qui parle la langue de la finance. Trois principes structurent la solution.
- De la question à la requête. Un workflow agentique sur LangGraph traduit la question en MDX, l'exécute sur le cube et applique les calculs de croissance et de parts.
- Les règles métier au cœur du modèle. Règles de gestion, définitions et structure du cube sont encodées dans les prompts, à partir d'ateliers menés avec l'équipe finance.
- Les données restent sur site. Un connecteur sur mesure relie l'application cloud au centre de données, sans déplacer le cube.
Dispositif
Comprendre la finance, encoder ses règles, connecter le cube, livrer l'application.
- Ateliers métier. Recueil des règles de gestion, des définitions et de la structure du cube avec l'équipe finance.
- Workflow agentique. Traduction des questions en MDX, exécution sur le cube et calculs financiers sur le résultat, orchestrés avec LangGraph.
- Connecteur sur site. Connecteur sur mesure, hébergé sur une machine virtuelle Azure, entre l'application cloud et le centre de données.
- Application web. Back end Python et front end React déployés sur Azure.
- Amélioration continue. Retours des utilisateurs et suivi de l'usage intégrés à l'application.
Environnement technique : LangGraph, Azure, Analysis Services, MDX, Python, React.
Résultats
En production depuis janvier 2026, utilisé chaque jour par le CFO.
Les équipes finance posent leurs questions en langage naturel et obtiennent tableaux et graphiques, calculs de croissance et de parts compris. Le cube reste dans le centre de données de la Maison.
L'assistant est en production depuis janvier 2026 et le CFO l'utilise chaque jour.
Deux effets prolongent le projet.
- Une finance autonome sur ses données. Les métiers accèdent directement à leurs chiffres, sans intermédiaire technique.
- Un assistant qui s'améliore avec l'usage. Les retours des utilisateurs et le suivi de l'usage guident les évolutions.
Expertises mobilisées
Savoir-faire
- Agents IA
- Talk-to-your-data
- Context engineering
- Text-to-MDX
- Finance
Technologies
- LangGraph
- Azure
- Analysis Services
- Python
- React
Signature
Quatre mécaniques qui font la différence.
- Un assistant qui connaît la finance. Règles de gestion et définitions sont recueillies avec les équipes, pas supposées.
- Des calculs fiables sur le résultat. Croissance et parts sont calculées par le workflow, pas improvisées par le modèle.
- Des données qui ne quittent pas le site. Le connecteur sur mesure relie le cloud au cube sans le déplacer.
- L'usage comme critère de succès. Retours et suivi d'usage sont intégrés dès la mise en service.
Pour vous
Vos données financières accessibles en langage naturel.
Ce dispositif répond à quatre situations.
- Vos chiffres vivent dans un cube OLAP ou un entrepôt que seuls les experts savent interroger.
- Vos équipes métier attendent des réponses plutôt que des requêtes.
- Vos données doivent rester sur site, mais vous voulez une application moderne.
- Vous voulez un assistant IA qui respecte vos règles de gestion et vos définitions.
Nous recueillons vos règles métier avec vos équipes, connectons l'assistant à vos données là où elles sont et le mettons en production avec un suivi de l'usage.
