Finance Analyst Agent

Assistant financier LangGraph : recherche dans les rapports SEC, ratios Python, citations et validation humaine. Déployé sur Google Cloud Run, en accès privé.

Période: 2026 — en cours
Rôle: Conception et développement
Stack: 11 technos

Python LangGraph Gemini FAISS FastAPI React Docker Cloud Run Cloud Build Secret Manager LangSmith

Code source

Le besoin

Retrouver des informations dans des rapports annuels, calculer des ratios de façon déterministe et présenter les sources dans une même interface.

Réalisation actuelle

Supervisor LangGraph qui route vers la recherche documentaire, le calcul ou les deux.
RAG sur des rapports SEC d’Apple, Microsoft et Alphabet : MiniLM, FAISS, recherche lexicale, génération Gemini et citations.
Calcul Python de la marge nette, du ROE et du ratio dette/capitaux propres.
Interruption du graphe et actions de validation, édition ou rejet pour les questions détectées comme sensibles.
API FastAPI avec événements SSE, interface React et instrumentation LangSmith.
Tests unitaires, évaluations smoke et image Docker optimisée pour le CPU.
Déploiement sur Google Cloud Run avec compte de service dédié et clé Gemini dans Secret Manager.

État et limites

Application déployée et testée sur Google Cloud Run, en accès privé. Démonstration sur demande. L’accès authentifié permet de montrer le projet sans ouvrir les appels IA à tous les visiteurs.

Cloud Build construit l’image ; Artifact Registry la conserve ; Cloud Run exécute React et FastAPI. Secret Manager fournit la clé Gemini via une identité dédiée disposant d’un accès limité au secret.

Les tests distants ont vérifié l’interface, le calcul de ratios, une réponse Gemini avec quatre citations et le cycle interruption/reprise HITL. La version CPU a réduit la taille stockée de l’image d’environ 3,17 Go à 632 Mo, et le build observé de 10 min 25 s à 5 min 28 s. Ces durées décrivent deux builds mesurés, pas une garantie de performance.

Les fondamentaux du CSV sont des données seedées à vérifier, et les sessions de validation sont conservées en mémoire. La détection des questions sensibles repose sur des heuristiques. Le projet est une démonstration pédagogique, pas un outil de conseil d’investissement.

Ce que ce projet démontre

L’intégration d’un modèle avec des outils déterministes, des sources documentaires, un graphe d’exécution et une interface de validation ; le déploiement cloud de cette chaîne et la vérification de son fonctionnement à distance.

Captures de la démonstration

Les captures montrent l’application exécutée sur Cloud Run, accessible via un proxy local authentifié.

Recherche documentaire et sources

Réponse documentaire Finance Analyst avec citations de rapports SEC

Validation humaine avant publication

Brouillon et panneau de validation humaine Finance Analyst

Déploiement cloud

La révision Cloud Run a été démarrée et testée avec une identité dédiée, une référence au secret Gemini et un accès privé. Le code et le guide de reproduction sont disponibles dans le dépôt GitHub ; aucun lien de démo publique ne sollicite les crédits du projet.