Passer au contenu
Tous les projets

BCG Platinion, division Énergie

Énergie / Conseil · 2025–2026

Intelligence contractuelle pilotée par l'IA pour le secteur de l'énergie

A conçu et développé un prototype entièrement fonctionnel illustrant des cas d'usage d'IA de pointe dans des workflows complexes de gestion de contrats : des agents IA transforment chaque contrat en jumeau numérique auditable.

IA agentiqueIntelligence documentaireJumeau numériqueÉnergie
PythonFastAPIReactTypeScriptSupabaseDockerMCPRAG

Contexte

Point de départ et environnement

Les contrats de matières premières énergétiques (GNL, contrats d'achat d'électricité, agriculture) sont longs, souvent amendés et liés entre eux par des contrats-cadres et des confirmations. Les conditions, échéances et expositions se trouvent dans des PDF et des boîtes mail, si bien que comprendre un portefeuille impose de relire les documents à la main.

Défi

Contrainte principale à résoudre

Transformer des contrats non structurés en données structurées dont chaque valeur peut être retracée jusqu'à sa source, garder ces données cohérentes à travers les avenants et les contrats liés, et permettre à différents rôles d'agir dessus sans que l'IA ne modifie jamais un contrat d'elle-même.

Solution

Démarche de conception et de mise en œuvre

A construit une plateforme agentique de bout en bout. Un moteur d'extraction multi-agents transforme les PDF en données structurées selon trois schémas de matières premières, avec une provenance au niveau du champ reliant chaque valeur à sa source exacte dans le document. Chaque contrat devient un jumeau numérique couvrant conditions, versions, filiation, preuves et qualité, avec gestion des avenants, analyse d'impact entre contrats et détection de conflits. Un moteur de portefeuille valorise les positions par rapport aux courbes forward et produit le P&L ainsi que des next best actions classées. Un assistant adapté à chaque rôle, avec usage d'outils, délégation à des sous-agents et recherche sur les contrats, propose des modifications qu'un humain confirme avant toute écriture. Les contrats peuvent aussi arriver par e-mail, avec une anonymisation locale des données personnelles avant qu'un modèle ne les voie, et la plateforme est exposée à d'autres agents via un serveur MCP.

Résultat

Impact mesurable et résultat de la livraison

Un prototype entièrement fonctionnel atteignant ~96 % de couverture des termes sur 50 contrats, qui réduit significativement le temps de révision des contrats : les relecteurs vérifient des valeurs sourcées au lieu de relire les documents. Utilisé avec succès comme outil de développement commercial auprès de plusieurs grands comptes internationaux de l'énergie, générant de nouvelles opportunités et de nouveaux leads.

Point clé

“La provenance est ce qui rend l'extraction digne de confiance : dès que chaque valeur renvoie à sa source, les relecteurs vérifient l'IA au lieu de refaire son travail. Limiter le modèle aux propositions et laisser la confirmation à l'humain a rendu l'assistant présentable au métier.”

Vous travaillez sur quelque chose de similaire ? Je prends en charge un nombre restreint de missions de conseil et de freelance en IA agentique, systèmes RAG et fiabilité des LLM.

Ce site peut utiliser des analyses respectueuses de la vie privée pour améliorer la qualité du contenu. Aucun cookie publicitaire n'est utilisé.

Vous pouvez modifier ce choix à tout moment sur la page de confidentialité. En savoir plus dans la Politique de confidentialité.