Pipeline de reporting client (My TeamR)
Un pipeline Python déterministe qui a remplacé ~320 h/an de reporting manuel.
Illustration de la pile manuelle. Les vraies factures client ne sont pas publiées.
Le brief
Le reporting propriétaires pour un portefeuille de 16+ biens en location courte durée était un travail manuel de plusieurs semaines : factures PDF, mapping d'adresses, répartitions, validation et rapports formatés. Lent et source d'erreurs, il consommait un temps qui aurait dû aller à l'opération elle-même.
Décision
Aucun LLM dans le pipeline livré — par choix. J'ai d'abord tenté n8n + API LLM. Échec sur vitesse, coût d'API et confiance. Un propriétaire a ~200 factures ; les longues chaînes LLM dérivent et finissent par inventer. Un rapport parfois juste est pire qu'un rapport lent. L'outil est du Python déterministe : extraire → normaliser → calculer → trier → rapporter. Il traite 1 000+ PDF par lot, assigne chaque facture au bon propriétaire, et ne coûte plus rien une fois écrit. Les décisions sont dans le code ; une file humaine rattrape les cas signalés.
Système
01
Ingestion
Factures PDF et documents de mapping auxiliaires du dossier de travail
02
Classification & extraction
Normalisation des champs ; titres d'annonces → adresses → bailleurs
03
Calculs
Agrégats, vues chrono par adresse, répartitions par propriétaire
04
Validation
Rapport de validation + file review_needed pour les cas limites
05
Rapport
Rapports HTML/PDF bailleurs imprimables et partageables
Pipeline Python conçu seul, devenu outil par défaut. Flux : ingestion PDF → classification → extraction → calculs → validation → PDF/HTML pour opérateurs non techniques. Mappings et file de revue gardent l'humain là où le jugement compte.
Factures clients, adresses réelles et identités des bailleurs ne sont pas publiées ici. Architecture et résultats uniquement — toute démo visuelle serait anonymisée.
Retour
- Un rapport parfois juste est pire qu'un rapport lent. Le déterministe bat le probabiliste pour une sortie où l'argent est en jeu.
- Un propriétaire a ~200 factures ; les longues chaînes LLM dérivent et finissent par inventer. C'est pourquoi l'outil est du Python déterministe.
- Les décisions vivent dans le code qu'on peut vérifier ; une file de revue humaine rattrape les cas signalés.
Stack technique
- Python
- PDF parsing
- Data validation
- HTML/PDF reporting
Résultats
- Remplace ~320 h/an de travail manuel d'équipe par un pipeline répétable.
- Traite 1 000+ PDF par lot et assigne chaque facture au bon propriétaire automatiquement.
- Ne coûte plus rien une fois écrit — Python déterministe, sans dépense API par exécution.
J'ai besoin qu'on construise quelque chose.