Plateforme financière multi-agents propulsée par l'IA pour WealthFluent

Akveo a développé un assistant IA qui explique des données financières complexes dans un langage accessible, tout en respectant la réglementation financière stricte des États-Unis. Un moteur de calcul déterministe distinct garantit que chaque indicateur financier repose sur des calculs vérifiés, ce qui élimine les hallucinations de l'IA.

[ Client ]

À propos du client

WealthFluent (anciennement Ripsaw) est une fintech américaine dont la mission est de démocratiser la planification financière. En combinant suivi de portefeuille, définition d'objectifs et outils d'investissement autonome, l'entreprise aide ses utilisateurs à prendre en main leur avenir financier. WealthFluent cherchait un partenaire pour transformer sa plateforme, simple outil de suivi passif, en un compagnon intelligent.

Fintech
États-Unis
24 mois
Développement IA
Développement SaaS

Zéro
hallucination de l'IA: 6
mois jusqu'au lancement de l'IA: 100 %
de conformité réglementaire

[ Défi ]

Rendre la finance accessible sans compromis sur la conformité

La plateforme du client offrait déjà de puissantes fonctionnalités de suivi de portefeuille, de planification d'objectifs et d'analyse de marché. Le défi consistait à rendre ces données financières faciles à comprendre. WealthFluent recherchait donc une solution capable d'expliquer des informations complexes dans un langage simple, tout en respectant strictement la réglementation financière américaine.

Présenter les données financières de façon claire et conforme

Le client souhaitait un assistant IA capable d'orienter les utilisateurs sans empiéter sur le domaine réglementé du conseil financier. Les modèles d'IA standard étaient exclus, car ils peuvent halluciner, fournir des chiffres inexacts ou présenter des informations trompeuses.

Concilier rapidité et précision

L'assistant devait en outre répondre rapidement à partir de données financières à jour, sans rien perdre en précision. Chaque réponse devait reposer sur des informations fiables et actuelles pour que les utilisateurs puissent se fier aux analyses fournies.

[ Solution ]

Développement de la solution

En 6 mois, nous avons développé un assistant IA sécurisé basé sur Amazon Bedrock et l'avons intégré à la plateforme WealthFluent.

Architecture d'intelligence hybride, sans hallucinations

Pour relever le principal défi technique, nous avons opté pour une architecture hybride. L'IA gère la conversation, tandis qu'un moteur de calcul déterministe distinct prend en charge tous les calculs mathématiques. Ainsi, l'IA n'invente jamais de chiffres.

Nous avons conçu l'assistant selon un principe simple : orienter plutôt que conseiller. Il informe, explique les concepts et répond aux questions dans un langage simple, mais ne dicte jamais les décisions financières à prendre. La décision finale revient toujours à l'utilisateur, ce qui garantit la pleine conformité de la plateforme aux exigences réglementaires.

Un prétraitement intelligent des données pour plus de rapidité

L'assistant devait travailler en temps réel sur des données de transactions en direct, sans compromettre la précision.

Pour y parvenir, nous avons ajouté une couche de prétraitement intelligente qui filtre et synthétise les données des comptes avant qu'elles n'atteignent l'IA. L'assistant peut ainsi répondre quasi instantanément aux questions sur l'activité du portefeuille, chaque réponse reposant sur des données précises et à jour.

Principales fonctionnalités de l'assistant IA

L'assistant aide les utilisateurs de trois manières essentielles :

Analyses proactives. Il repère les habitudes de dépenses et identifie des possibilités d'ajustement du budget, fournissant des informations utiles avant même que les utilisateurs ne les demandent.
Pédagogie contextuelle. Les utilisateurs peuvent surligner n'importe quel terme financier dans le chat pour obtenir une explication claire, issue d'une base de connaissances sélectionnée et non d'Internet.‍
Structure de données optimale. Une couche de prétraitement intelligente filtre et synthétise les données des comptes avant que l'IA ne les reçoive. L'assistant peut ainsi répondre instantanément sur les tendances de dépenses, même pour des portefeuilles volumineux.

Mise en œuvre technique

Au cœur de l'assistant IA se trouve Amazon Bedrock avec Anthropic Claude, tandis que LangGraph pilote le flux de conversation et la logique métier. L'application elle-même a été développée avec Angular et Node.js.

Pour répondre aux exigences de sécurité et de conformité du client, la solution s'exécute dans son propre environnement AWS.

La solution livrée se compose de trois composants principaux :

Écosystème frontend modulaire
Assistant IA en TypeScript pour les interactions avec la plateforme
Moteur d'optimisation de portefeuille en Python pour les analyses financières complexes

‍

Architecture de la plateforme de gestion de patrimoine

‍

1. L'écosystème frontend modulaire

Pour intégrer l'IA sans perturber la plateforme existante, nous avons développé l'assistant comme un frontend indépendant avec Angular, Angular Elements, PrimeNG et RxJS. Packagé sous forme d'un bundle JavaScript unique, il s'intègre et se met à jour de manière autonome via un pipeline CI/CD automatisé.

Intégration bidirectionnelle avec la plateforme	Performance et évolutivité	Expérience utilisateur et multimodalité	Sécurité et maturité entreprise
Une architecture événementielle bidirectionnelle sur mesure permet à l'assistant IA de traiter le contexte en temps réel et de déclencher des actions directement dans l'application, offrant ainsi des expériences utilisateur interactives.	Grâce aux WebSockets, nous avons mis en place le streaming en temps réel, des sessions persistantes et des synthèses automatisées par e-mail, générées par l'IA, sur la performance des portefeuilles d'investissement.	L'interface prend en charge les interactions textuelles et vocales, un rendu Markdown enrichi, le positionnement par glisser-déposer et un mode plein écran.	Une authentification de niveau entreprise, la gestion des sessions, la gestion des erreurs, l'export de l'historique de chat et la prise en charge des commandes slash garantissent une plateforme sécurisée et extensible.

2. Backend de l'assistant IA

Nous avons développé le backend IA en TypeScript sur AWS pour garantir une intégration fluide à la plateforme existante du client, tout en offrant la sécurité requise par les applications financières en temps réel.

Architecture multi-agents	Orchestration des LLM	Pipeline RAG	Performance en temps réel
Nous avons mis en place une architecture multi-agents dans laquelle des agents spécialisés prennent en charge des domaines précis, comme l'analyse des transactions.	Une couche d'orchestration sur mesure achemine les requêtes IA vers des services AWS Lambda, intègre la logique métier existante et permet une montée en charge indépendante.	La génération augmentée par récupération (RAG) ancre les réponses dans la documentation de l'entreprise et sa méthodologie financière propriétaire, garantissant des réponses précises.	Des WebSockets sécurisés assurent des sessions persistantes, tandis que la pagination des données et la synthèse du contexte permettent de traiter efficacement de grands jeux de données financières dans les limites de tokens des LLM.

3. Agent d'optimisation de portefeuille

Akveo a développé un agent IA spécialisé en Python, qui s'appuie sur LangGraph pour optimiser les portefeuilles par rapport à des benchmarks cibles et générer des recommandations transparentes d'achat, de vente et de réallocation.

Terraform, AWS Lambda Layers et Langfuse assurent un déploiement évolutif, la gestion des dépendances et une supervision de bout en bout des workflows IA.

Orchestration de workflows agentiques	Routage intelligent des modèles	Intelligence financière modulaire et prompting dynamique	Gouvernance de l'IA et garde-fous
Avec LangGraph et LangChain, nous avons développé un workflow multi-étapes avec état, qui valide les données et affine les recommandations jusqu'à obtenir un résultat optimal.	Un routage dynamique entre les modèles Anthropic Claude sur Amazon Bedrock assure un bon équilibre entre performance et coût, tandis que la compression du contexte en arrière-plan permet des sessions d'optimisation de longue durée.	Une architecture modulaire n'active la logique financière spécialisée qu'en cas de besoin, tandis que des prompts dynamiques structurés en XML améliorent l'efficacité, la cohérence du raisonnement et l'utilisation des tokens.	Des garde-fous basés sur des règles font respecter les consignes d'investissement et les contraintes de portefeuille, garantissant des recommandations cohérentes, traçables et conformes.

[ Résultats ]

Un impact qui compte

L'assistant IA a transformé WealthFluent, simple outil de suivi, en un véritable guide financier interactif.

Architecture multi-agents

Des agents IA spécialisés prennent chacun en charge un domaine précis – de l'analyse des transactions à l'optimisation de portefeuille – et collaborent à l'échelle de la plateforme.

Livré en 6 mois

En 6 mois, nous avons conçu, développé et déployé un assistant financier IA ainsi qu'un moteur d'optimisation de portefeuille.

Des calculs sans hallucinations

En séparant la logique de l'IA des calculs grâce à une couche mathématique déterministe, nous avons garanti que chaque indicateur financier repose sur des calculs vérifiés et non sur le LLM.

[ Stack technique ]