Un comité d'investissement reçoit trois rapports annuels de quatre-vingts pages chacun, le jeudi soir, pour une séance le lundi. Un analyste junior passe le week-end à recopier des tableaux dans un tableur, à recalculer des marges, à chercher dans les annexes la phrase sur le covenant. Les erreurs ne viennent pas de l'analyse : elles viennent de la recopie (une colonne 2024 prise pour 2025, des millions lus comme des milliers) et des citations approximatives que personne ne vérifie.

Ce projet automatise la partie mécanique et laisse le jugement à l'humain, avec une règle qui structure tout le code : le modèle transcrit, Python calcule. Gemini lit et recopie ; les contrôles comptables, les ratios, les alertes et la vérification des citations sont du code déterministe et testé.

Ce que vous livrez

Architecture

flowchart LR
  P["3 PDF"] --> C["charger : texte par page, pages scannées détectées"]
  C --> W["analyser_societe x3 en parallèle"]
  subgraph W["analyser_societe (une par rapport)"]
    E["Agent extracteur : sortie structurée"] --> K["Python : 12 contrôles comptables"]
    K -- "échec : relecture guidée" --> E
    K --> R["Python : ratios et alertes"]
    Q["Agent lecteur de risques"] --> V["Python : citation présente sur la page ?"]
    V -- "introuvable : une relecture" --> Q
  end
  W --> M["Agent rédacteur : mémo"]
  M --> G["Python : sources existantes, aucun nombre inventé"]
  G --> J["analyse.json"] --> D["Tableau de bord"]

Les trois agents ne communiquent jamais directement : chaque sortie de modèle passe par une vérification Python avant d'alimenter l'étape suivante.

Résultats mesurés le 2026-10-15

Le corpus est petit et construit pour l'exercice : ces chiffres prouvent que la chaîne fonctionne, pas qu'elle atteindra 100 % sur des rapports réels. La leçon 7 explique comment étendre l'évaluation.

Stack et coût

• Google ADK 2.10 (google.adk.workflow : Workflow, nœuds de fonction, parallel_worker), Gemini par clé d'API ou Vertex AI.
• pypdf (texte en mode layout), reportlab et Pillow (génération du corpus), FastAPI + Chart.js + pdf.js (tableau de bord), pytest, Playwright (captures).
• Coût d'une analyse complète : environ 50 000 jetons, dont 60 % de jetons de réflexion. Au tarif public de gemini-2.5-flash (0,30 $par million de jetons en entrée, 2,50$ en sortie), moins de 0,10 $. Aucune ressource Google Cloud n'est créée.

Prérequis

• Python confirmé (asyncio, Pydantic), bases d'ADK (un agent, un outil, un runner).
• Lecture d'un bilan et d'un compte de résultat : savoir ce que sont le BFR, la dette nette et l'EBITDA. Chaque ratio est défini quand il apparaît.
• Une clé d'API Gemini, ou un projet Google Cloud avec Vertex AI activé.

Programme

Le dépôt complet est dans files/ : make setup, make test, make run, make e2e, make clean.