Agents IA pour les rapports financiers sans code

Automatisation des rapports financiers avec une chaîne d'agents IA, sans code requis

Un système de 17 agents IA spécialisés a entièrement automatisé la production de rapports financiers pour une plateforme B2B comptant plus de 200 partenaires. Chaque agent gère une tâche spécifique : des rapports quotidiens aux rapprochements mensuels et à la génération de contrats. L'intégration via des serveurs MCP permet un accès direct à MS SQL, l'API Google Sheets, Drive et GitLab. En trois mois, les opérations routinières qui prenaient 2 à 3 heures par jour ont été réduites à quelques minutes sans écrire une seule ligne de code.

Des agents spécialisés dans un écosystème unifié

Les agents sont organisés comme des compétences dans Claude Code — des fichiers markdown contenant des instructions. Chaque compétence se concentre sur une opération unique, interagissant via une infrastructure partagée :

• Serveur MCP pour un accès en lecture seule à MS SQL.
• API Google Sheets pour créer et formater des feuilles de calcul.
• Google Drive pour télécharger les exportations de données fournisseurs.
• API GitLab et outils de suivi des tâches pour l'analyse de productivité.

Les agents ne communiquent pas directement mais utilisent des ressources partagées. Cela permet au système de s'adapter sans restructuration.

Algorithme de génération de rapports financiers

La commande /financial-report Partenaire Période lance le processus en 40 secondes :

• Identifier la contrepartie : mise en correspondance des alias avec les UUID de la base de données interne.
• Requête SQL : construction d'un entonnoir (prospects → transitions → paiements → commissions) en tenant compte des statuts des transactions.
• Agrégation : regroupement par jour, calcul des taux de conversion et des commissions basés sur les répartitions individuelles.
• Écriture dans Sheets : création d'une feuille de calcul avec les données, les totaux et la mise en forme.
• Vérification : relecture et recoupement avec les données sources pour éviter la perte de lignes.

La mise en forme est appliquée après l'écriture pour éviter de styliser des cellules vides.

Rapprochements mensuels : traitement de sources multiples

Le rapprochement entre 3 à 4 fournisseurs implique une chaîne d'étapes :

• Téléchargement des fichiers depuis Drive.
• Mise en correspondance des transactions avec la base de données.
• Calcul des commissions basé sur les répartitions.
• Génération de feuilles avec des formules pour chaque partenaire.

Le temps est réduit de 8 heures à 3–5 minutes. L'agent tient compte des différents formats d'export et des règles de correspondance.

Gamme complète des tâches automatisées

| Compétence | Tâche | Temps |

|------------|-------|-------|

| Rapport financier | Entonnoir partenaire | 40 sec |

| Synthèse quotidienne | Rapport pour tous les partenaires | 2–3 min |

| Rapprochement mensuel | Rapprochement avec fournisseurs | 3–5 min |

| Générateur de contrats | Contrat standard | 1–2 min |

| Suivi d'équipe | Gestion d'équipe | interactif |

| Analytique GitLab | Activité du dépôt | 2–3 min |

| Rapport de réunion | Transcription de réunion | 3–5 min |

Le système utilise 9 serveurs MCP (SQL, Sheets, Drive, Calendar, Gmail, GitLab, Tracker, Telegram, GitHub). La logique est décrite en markdown sans code.

Avantages de Claude Code par rapport aux alternatives

• ChatGPT + Zapier : pas d'accès aux bases de données.
• LangChain/LangGraph : nécessite des développeurs et des cycles d'itération longs.
• API personnalisée + GPT-4 : les modifications nécessitent un déploiement.

Claude Code permet une boucle de rétroaction de 30 secondes : modifier le markdown → tester → exécuter. Les serveurs MCP fournissent l'accès à l'infrastructure.

Architecture :

• Claude Code comme environnement d'exécution.
• Les serveurs MCP comme ponts vers les systèmes.
• Les compétences comme logique métier en markdown.
• Sheets/Drive comme interface.

Problèmes clés et solutions

• L'API Sheets perd des lignes : vérification obligatoire après les écritures par lots.
• Incohérences dans la documentation de la base de données : jointure des tables de référence au lieu d'utiliser les glossaires.
• Mise en forme : une étape séparée après la saisie des données.
• Perte de contexte : journalisation des étapes comme mémoire externe.
• Doublons dans GitLab : filtrage des commits de fusion et du contenu généré automatiquement.
• Alias : mise en correspondance des noms entre les systèmes.

Résultats de l'automatisation

| Métrique | Avant | Après |

|----------|-------|-------|

| Rapports quotidiens | 2–3 h/jour | 5–10 min |

| Rapprochement mensuel | 8 h | 5 min |

| Génération de contrats | 2–3 h | 2 min |

| Erreurs | 3–5/mois | 0 |

| Personnes sur tâches routinières | 2 | 0 |

Économies d'environ 60 heures-personnes/mois pour 200 $/mois pour Claude Code.

Points clés à retenir

• Des agents spécialisés avec accès MCP remplacent le travail manuel en finance et analytique.
• La vérification à chaque étape prévient les défaillances silencieuses dans les intégrations API.
• Les instructions en markdown accélèrent les itérations sans déploiement.
• Le système évolue d'un rapport à 17 compétences.
• Un chef de produit peut construire des automatisations plus rapidement qu'une équipe de développement.

— Editorial Team