Au moment où un relecteur ouvre l'épreuve, le travail a déjà commencé.

Pourquoi c'est important

La plupart des processus de révision commencent sans document. Un réviseur ouvre un fichier, trouve la première page et commence. Il lit jusqu'à trouver un élément nécessitant son attention, puis il le commente. Il continue sa lecture. Il termine. Il prend une décision.

Cette méthode fonctionne pour les fichiers courts et prévisibles. Elle ne fonctionne pas à grande échelle, ni pour les contenus mêlant informations courantes et éléments à haut risque. Un réviseur lisant un document de 300 pages de manière linéaire consacre la majeure partie de son temps à des informations qui ne requièrent pas son attention. Les éléments qui en nécessitent reçoivent moins d'attention qu'ils ne le méritent, car l'attention est limitée.

La pré-analyse par IA change la donne. Les réviseurs n'entrent pas dans un document vierge. Ils sont briefés. Les éléments nécessitant leur attention sont déjà signalés. Les informations courantes sont déjà validées. Le temps du réviseur est consacré à l'évaluation, une tâche qui ne peut être effectuée que par un humain.

Le calcul est simple. Si une analyse préliminaire révèle, dans un document de 300 pages, huit éléments nécessitant l'attention d'un spécialiste, le réviseur examine attentivement ces huit éléments et vérifie le reste en se contentant de dire : « pas de problème, tout semble correct ». Il s'agit d'un gain d'efficacité non négligeable. C'est un type de révision différent.

Modèle de pré-analyse

Ce modèle d'analyse documentaire par IA repose sur trois éléments.

1. Un déclencheur en début de flux de travail. La configuration la plus courante est une action « Exécuter une invite IA » liée à la création d'un projet ou au chargement d'un fichier. Dès que le fichier est traité par Aproove, les agents de pré-analyse s'activent.

2. Un ou plusieurs agents adaptés à vos besoins de révision. La pré-analyse ne se limite pas à un seul agent. De nombreux clients configurent une séquence d'agents spécialisés, chacun avec son propre invite, modèle et documentation de référence : un agent de conformité réglementaire, un agent de marque, un agent de correction orthographique, etc. L'analyse complète est effectuée avant toute intervention humaine.

3. Les résultats sont intégrés au fichier au niveau des composants. Les balises et notes de chaque agent sont associées au paragraphe, à l'image ou à la section analysée. Lorsque le fichier entre dans la file d'attente de révision humaine, le compte rendu est intégré au fichier. Il n'y a pas de rapport séparé à consulter.

Le réviseur qui prend en charge le fichier voit, en un coup d'œil :

• Quelles pages comportent des alertes et lesquelles sont exemptes d'alertes.
• Quels composants présentent quel type de risque (réglementaire, de marque, de réclamation, linguistique).
• Le problème spécifique identifié par chaque agent.
• La solution suggérée par l'agent.
• Sa propre prochaine étape.

Ce que l'IA examine

La pré-analyse peut être effectuée à différents niveaux de granularité, selon les besoins de votre équipe en matière d'intelligence documentaire basée sur l'IA.

• Les analyses au niveau du fichier examinent l'intégralité du document ou de l'actif et signalent les tendances générales en matière de risques. Utile pour les vérifications de conformité réglementaire et la présence des mentions légales.
• Analyse par section : effectuée page par page ou section par section, elle est utile pour détecter les problèmes localisés dans les contenus longs.
• Analyse par composant : permettant d'examiner des paragraphes, des images ou des régions spécifiques, elle est utile pour les vérifications de marque, la validation des allégations et l'examen réglementaire détaillé.

Une pré-analyse complète combine généralement ces deux types d'analyse. Un agent de conformité réglementaire peut effectuer une analyse au niveau du fichier pour vérifier les mentions légales obligatoires, un agent de conformité de marque peut effectuer une analyse au niveau de la section pour garantir la cohérence visuelle, et un agent de conformité des allégations peut effectuer une analyse au niveau du composant pour chaque allégation marketing du document.

Différents agents peuvent utiliser différents modèles d'IA, optimisés pour leurs points forts respectifs. Un moteur de raisonnement réglementaire complexe peut s'exécuter sur un modèle de pointe. Un correcteur orthographique peut s'exécuter sur un modèle économique. Le contenu est configurable.

Ce que les réviseurs voient à l'ouverture du fichier

Le principal changement apporté par la pré-analyse concerne la première impression du réviseur.

Sans pré-analyse : le réviseur ouvre une épreuve vierge. Il commence à la première page. Il repère le contenu. Il lit jusqu'à trouver un élément pertinent. Il prend une décision.

Avec pré-analyse : le réviseur ouvre une épreuve comportant déjà des balises et des notes. Les éléments signalés sont visibles dans l'index de l'épreuve. Il accède directement au premier signalement. Il lit les résultats de l'analyse. Il confirme ou modifie. Il passe au signalement suivant. Une fois tous les signalements traités, le fichier est prêt pour la décision.

Pour les fichiers à haut risque, la pré-analyse transforme la relecture en triage. Pour les fichiers à faible risque, elle transforme la relecture en vérification. Dans tous les cas, le temps du réviseur est consacré à l'évaluation, et non à la lecture.

Modèles de configuration

Trois configurations courantes :

Pré-filtrage à l'importation. Un seul agent s'exécute sur chaque fichier lors de son chargement, effectuant une première analyse des risques. Économique, rapide et efficace pour détecter les problèmes évidents. Les fichiers exempts d'alertes sont traités ultérieurement. Les fichiers présentant des alertes sont transmis à des spécialistes. Idéal pour les programmes à volume élevé et à sensibilité mixte.

Analyse par des spécialistes. Une séquence configurée d'agents (réglementation, marque, allégation, langue) s'exécute à l'importation. Chaque agent dispose de ses propres instructions, de son propre modèle et de ses documents de référence. Les réviseurs reçoivent un briefing complet couvrant tous les aspects importants de votre processus de révision. Convient aux secteurs réglementés où plusieurs révisions par des spécialistes sont obligatoires.

Pré-analyse conditionnelle. L'évaluation des métadonnées au niveau du déclencheur vous permet de configurer la pré-analyse pour qu'elle ne s'exécute que lorsque certaines conditions sont remplies (type de fichier, catégorie de projet, cadre réglementaire ou tout autre champ de métadonnées). Une campagne pour un produit en vente libre peut déclencher un ensemble d'agents. La même campagne pour un produit pharmaceutique réglementé en déclenche un autre. Même structure de flux de travail, mais IA différente.

Avantages

• Les relecteurs commencent par l'essentiel. La pré-analyse signale les éléments nécessitant une attention particulière. Les relecteurs s'y rendent en premier, au lieu de tout lire séquentiellement.
• Le temps des relecteurs spécialisés est préservé. Vos relecteurs les plus importants (juridiques, réglementaires, responsables de la marque) ne voient que les éléments qui leur sont signalés, et non chaque page de chaque fichier.
• Le volume devient gérable. Relectures à l'échelle d'un catalogue ou d'une campagne, où la lecture de chaque page par un humain seul est impossible. Les agents analysent les ressources en parallèle, et des humains examinent les éléments signalés. Le premier regard humain est un regard éclairé. Les examinateurs arrivent avec le contexte, les suggestions des agents à prendre en compte, et le premier examen de l'IA déjà effectué. Plusieurs agents spécialisés peuvent fonctionner simultanément. Une batterie de pré-analyse peut couvrir les dimensions réglementaires, de marque, de revendication et linguistiques en une seule passe. L'exécution conditionnelle garantit sa pertinence. Les déclencheurs basés sur les métadonnées assurent que la pré-analyse s'exécute lorsque c'est l'outil approprié, et non sur chaque fichier systématiquement. L'historique d'audit enregistre tout. L'activité de pré-analyse (identité de l'agent, résultats, modèle, coût) fait partie de l'historique d'audit du projet, ainsi que les décisions humaines qui suivent.

À qui s'adresse ce service ?

• Aux équipes de conformité et de réglementation gérant des flux de travail importants où chaque fichier nécessite une analyse de base.
• Aux équipes de gouvernance de marque garantissant la cohérence entre les marchés, les canaux et les partenaires.
• Aux responsables des opérations cherchant à augmenter le débit des analyses sans accroître leurs effectifs de spécialistes.
• Aux équipes marketing et créatives souhaitant fournir des fichiers présélectionnés aux analystes internes, réduisant ainsi les allers-retours.
• Aux équipes de production gérant des campagnes d'envergure où une analyse exclusivement humaine est impossible.

Fonctionnement interne

La pré-analyse par IA est implémentée sous forme d'une ou plusieurs actions de workflow de type « Exécuter une invite IA », liées à des déclencheurs qui s'activent en début de workflow (création de projet, chargement de fichier ou transition vers la première étape du workflow). Chaque action référence un modèle d'invite IA configuré avec un contexte « Action », et éventuellement des conditions évaluées par métadonnées qui contrôlent son exécution. Plusieurs agents peuvent s'exécuter en séquence, formant une chaîne d'actions, ou en parallèle si le fournisseur d'IA sous-jacent prend en charge les appels d'API parallèles. Les agents traitent la représentation structurée du fichier produite par l'agent de traitement lors du chargement, en accédant au contenu textuel, aux métadonnées, aux données d'image et aux dimensions au niveau du pixel via des balises système (currentProofsRawTextContent, currentProofsBigThumb, etc.). Les résultats sont consignés dans l'épreuve sous forme de notes (préfixées [GÉNÉRÉ PAR L'IA] et attribuées à l'utilisateur associé au workflow) et de balises (gravité, catégorie) au niveau du composant. Generation Jobs enregistre chaque invocation d'agent, y compris le modèle, l'invite, le coût et l'appel API complet. L'activité de pré-analyse est consignée dans le journal d'audit, ainsi que les décisions humaines ultérieures, fournissant un enregistrement chronologique complet de ce que l'IA a vu et de ce que les humains ont décidé.