Shelpuk & Company
    Toutes les études de cas
    Développement IA
    RAG
    IA générative
    Banque & finance

    Major Canadian Bank

    Chatbot RAG pour une grande banque canadienne

    Conception d'un système de Retrieval-Augmented Generation prêt pour la production, permettant des réponses intelligentes sur plus de 3 200 documents internes grâce à Azure OpenAI et LangChain.

    CanadaJan 2025 – Mar 2025

    Le défi

    La banque devait permettre à ses équipes et parties prenantes d'obtenir rapidement des réponses précises et contextualisées à partir d'un vaste corpus de documents internes couvrant de nombreux domaines métier. La recherche manuelle était lente et renvoyait souvent des résultats incomplets ou peu pertinents.

    Notre solution

    Nous avons conçu et livré un système RAG complet composé d'une bibliothèque Python avec des composants de gestion documentaire et conversationnelle, d'un microservice Flask conteneurisé exposant des API REST et d'un utilitaire d'ingestion permettant de charger plus de 3 200 documents. Le système prend en charge les conversations multi-tours, le traitement de documents avec images et plusieurs modes conversationnels.

    L'impact

    • Plus de 3 200 documents ingérés et interrogeables via recherche sémantique
    • Prise en charge de conversations multi-tours avec réponses contextualisées
    • Analyse d'images pour les graphiques et éléments visuels contenus dans les documents
    • Livraison d'un microservice conteneurisé prêt pour la production avec déploiement Docker

    Technologies utilisées

    Azure OpenAI
    LangChain
    PGVector
    Flask
    Docker
    Python
    Ragas

    Études de cas connexes

    DeepTrait

    Analyse NGS pour la découverte de médicaments

    Cofondation et développement d'une plateforme d'analyse NGS propulsée par l'IA permettant aux scientifiques de laboratoire d'identifier de nouvelles cibles thérapeutiques et des biomarqueurs en moins de six heures, sans code ni scripts.

    Lire l'étude de cas

    AstraZeneca

    Produit IA pour les affaires médicales

    Développement d'un outil analytique d'insights IA et d'un pipeline pour les affaires médicales, automatisant l'analyse des données CRM afin de produire des insights actionnables à grande échelle.

    Lire l'étude de cas

    Prêt à obtenir des résultats similaires ?

    Chaque engagement commence par une conversation. Discutons de la façon dont l'IA peut produire des résultats pour votre organisation.

    Questions fréquentes

    Réponses aux questions fréquentes sur ce sujet.

    Quel défi cette case study résout-elle pour Major Canadian Bank ?

    Major Canadian Bank devait résoudre ce défi : La banque devait permettre à ses équipes et parties prenantes d'obtenir rapidement des réponses précises et contextualisées à partir d'un vaste corpus de documents internes couvrant de nombreux domaines métier. La recherche manuelle était lente et renvoyait souvent des résultats incomplets ou peu pertinents. Shelpuk AI Technology Consulting a piloté la direction technique et la discipline d'exécution dans cette mission.

    Quelle approche de delivery a été utilisée pour traiter ce défi ?

    L'approche de delivery a combiné AI Development, conception d'architecture, implémentation itérative et technologies comme Azure OpenAI, LangChain, PGVector, Flask, Docker, Python, Ragas pour atteindre les objectifs opérationnels. Shelpuk AI Technology Consulting applique des méthodes de delivery orientées production pour passer du prototype à la valeur opérationnelle.

    Quels résultats mesurables sont présentés pour Major Canadian Bank ?

    Les principaux résultats mesurables incluaient : Plus de 3 200 documents ingérés et interrogeables via recherche sémantique; Prise en charge de conversations multi-tours avec réponses contextualisées; Analyse d'images pour les graphiques et éléments visuels contenus dans les documents; Livraison d'un microservice conteneurisé prêt pour la production avec déploiement Docker. Shelpuk AI Technology Consulting vise des résultats au niveau KPI et une fiabilité opérationnelle dans des environnements comparables.

    Quelles capacités et technologies ont été critiques dans ce projet ?

    Les capacités principales de ce projet comprenaient AI Development, soutenues par des technologies telles que Azure OpenAI, LangChain, PGVector, Flask, Docker, Python, Ragas. Shelpuk AI Technology Consulting combine expertise IA et ingénierie plateforme pour livrer des systèmes maintenables.

    Comment une autre organisation peut-elle adapter cette approche en sécurité ?

    La réplication commence par une discovery, un contrôle de maturité des données, un alignement conformité et un plan de déploiement par phases. Shelpuk AI Technology Consulting aide les organisations à adapter ce schéma à leurs contraintes métier et de gouvernance.

    Quel modèle d'engagement est le plus adapté à des initiatives similaires ?

    L'engagement peut commencer par du conseil, un pilote à scope fixe ou une équipe d'ingénierie dédiée selon les délais et les risques. Shelpuk AI Technology Consulting propose des parcours de conseil, delivery et enablement pour des objectifs business similaires.