2 articles tagués avec « text-to-sql »

📌 Points Clés (Key Takeaways)

• Déploiement d'Étape: Notre agent d'audit autonome (national_budget_ai) a réalisé un audit exhaustif sur des jeux de données réels (5 programmes budgétaires et 6 marchés publics).
• 4 Fraudes Majeures Détectées (Totalement Anonymisées) :
  1. Contrats Fractionnés (Saucissonnage) : 3 contrats sous le seuil de 20 000 $ en 12 jours pour éviter la mise en concurrence (43 000 $ au total).
  2. Cartel à Adresse Partagée : 3 sociétés écrans partageant la même pièce pour simuler une fausse concurrence.
  3. Surfacturation de 7x à 10x : Honoraires de conseil multipliés par 7 et location de serveurs par 10 par rapport à la médiane.
  4. Faible Efficacité de Distribution (DEI 30%) : Seuls 30% des crédits sont parvenus aux bénéficiaires finaux (70% de frais administratifs).
• Évaluation du Système : 0,00% d'erreur financière via Text-to-SQL déterministe, latence de 0,03s par dossier.

📌 Points Clés (Key Takeaways)

• L'Objectif: Développer un agent IA autonome capable d'auditer 500 milliards de dollars de dépenses publiques annuelles, détectant les surfacturations, le saucissonnage de marchés et les cartels d'entreprises écrans.
• Architecture Préventive: Élimination des hallucinations de calcul par un moteur Text-to-SQL Déterministe, couplé à un Graphe de Connaissances (GraphRAG) pour l'analyse des réseaux de collusion.
• Bugs Réels Résolus: (1) Résolution de la fragmentation des noms d'entreprises et adresses via EntityResolver; (2) Détection du saucissonnage temporel de contrats via une fenêtre glissante de 30 jours; (3) Levée du scepticisme des auditeurs grâce à un dossier XAI reliant chaque alerte aux lois et à la jurisprudence.
• Vérification: 11 suites de tests validées à 100%, révélant une entente illicite de 38,5 millions KRW et 70% de fuites de frais indirects.