Les analystes financiers, chargés d'études sectorielles et consultants en stratégie consacrent une part considérable de leur temps à l'examen de rapports financiers de plus de cent pages, de prospectus d'introduction en bourse (IPO), d'études de marché approfondies et de textes réglementaires complexes. Le goulet d'étranglement réside rarement dans l'accès aux documents, mais dans la capacité à extraire rapidement des signaux qualitatifs fiables et à récupérer des tableaux de données précis dans des délais serrés.
Ernie Bot de Baidu (文心一言 / 文心助手) et la plateforme d'entreprise Baidu Qianfan ont développé des compétences pointues dans le traitement des documents complexes, en particulier pour les corpus rédigés en chinois et bilingues. Grâce à des outils natifs de lecture documentaire, l'héritage de composants comme ChatFilePlus (览卷文档) et des modèles de vision et d'analyse de mise en page tels que PaddleOCR et Qianfan-OCR, les analystes disposent de flux de travail structurés pour synthétiser des rapports volumineux et exporter directement des tableaux dans leurs tableurs.
1. L'environnement de travail : Interface Web vs. Plateforme Qianfan
En pratique, les analystes adaptent leur environnement de travail en fonction du volume documentaire et des exigences de confidentialité :
-
Ernie Bot Web et Application Bureau (Usage individuel et travail d'équipe) :
- Formats acceptés : Prise en charge par glisser-déposer des fichiers PDF, Word (.docx), Excel (.xlsx), PowerPoint (.pptx) et images (généralement jusqu'à 20 à 50 Mo par fichier).
- Outils d'analyse documentaire : Indexation automatique des documents importés (intégrant les fonctionnalités de ChatFilePlus), génération de résumés exécutifs et réponses ciblées assorties des paragraphes sources.
- Plugins d'analyse et de visualisation : En activant l'analyse avancée de données (interpréteur de code) et des outils comme Echarts, le modèle peut exécuter des scripts Python pour calculer des ratios financiers et générer des graphiques interactifs directement dans la discussion.
-
Plateforme Baidu Qianfan (Usage entreprise et traitement par lots) :
- Modèles et composants : Accès API aux modèles à large fenêtre de contexte comme ERNIE 4.5/5.0, intégration de Qianfan-OCR (modèle multimodal doté d'un contexte de 32k tokens) et orchestration d'agents via AppBuilder.
- Découpage fin des tableaux : Optimisé pour les architectures RAG (génération augmentée par récupération), ce système préserve les coordonnées des lignes et des colonnes, même dans les classeurs Excel multi-onglets ou les rapports numérisés.
2. Méthodologie descendante pour résumer les longs rapports
Soumettre un rapport de cent pages avec une consigne vague comme « résume ce document » ne produit généralement que des généralités peu exploitables. Les analystes chevronnés appliquent une démarche descendante (Top-Down) :
Étape 1 : Cartographie globale et synthèse managériale
Avant d'aborder les détails, demandez à Ernie Bot de dégager la logique directrice et les faits saillants :
Exemple de prompt opérationnel : « J'ai importé le rapport annuel de l'entreprise ABC. Rédige une synthèse managériale comprenant : 1) Les principaux moteurs de chiffre d'affaires et résultats financiers clés ; 2) Les priorités stratégiques formulées par la direction ; 3) Les trois principaux risques baissiers mentionnés dans le rapport. Présente la réponse sous forme de liste à puces structurée et indique les sections correspondantes du document. »
Étape 2 : Analyse thématique et suivi des écarts (Delta Tracking)
Les informations les plus déterminantes se situent souvent dans les annexes, les commentaires de gestion (MD&A) ou les modifications d'un trimestre sur l'autre :
- Décomposition par division : Demandez à Ernie Bot de préciser les causes de l'érosion de la marge brute dans un segment particulier (ex. renchérissement des matières premières vs. impact des taux de change).
- Comparaison temporelle : Téléversez les rapports de deux trimestres successifs pour identifier les ajouts et suppressions au sein des facteurs de risque et des perspectives de marché.
- Synthèse réglementaire : Comparez un ancien et un nouveau texte normatif afin d'obtenir une matrice de correspondance signalant les activités les plus exposées aux nouvelles contraintes.
Exemple de prompt opérationnel : « Consulte le chapitre d'analyse de la direction (MD&A). Résume l'explication donnée sur la baisse de la marge opérationnelle à l'international, en indiquant si la hausse des coûts de fret ou la volatilité des devises a joué le rôle principal. Cite les paragraphes correspondants. »
3. Extraction précise de tableaux de données et intégration dans Excel
Extraire des tableaux financiers depuis un fichier PDF sans décaler les colonnes ni omettre les signes négatifs est un exercice critique. L'association d'Ernie Bot et du moteur PaddleOCR-VL assure une restitution fidèle de la structure des données.
Étape 1 : Extraction sous forme de tableau Markdown standardisé
Pour éviter que les chiffres ne soient restitués dans un paragraphe narratif, exigez un tableau Markdown prêt à être copié dans Microsoft Excel ou Google Sheets :
Exemple de prompt opérationnel : « Reporte-toi au compte de résultat consolidé en page 48 du PDF joint. Extrais l'ensemble des lignes comprises entre 'Chiffre d'affaires opérationnel' et 'Résultat net attribuable aux actionnaires'. Restitue les données strictement sous la forme d'un tableau Markdown avec les colonnes suivantes : Poste, 2024 (Millions RMB), 2023 (Millions RMB), Variation annuelle (%). Conserve fidèlement les signes négatifs et n'omets aucun sous-total. »
Étape 2 : Gestion des tableaux multi-pages et des cellules fusionnées
- Préciser les pages cibles : Évitez les requêtes globales. Indiquez plutôt : « Fusionne les tableaux du bilan passif répartis entre les pages 52 et 53 en un tableau continu unique. »
- Aplatir les en-têtes complexes : Pour les tableaux comportant des en-têtes à plusieurs niveaux, demandez : « Aplatissez les en-têtes hiérarchiques en libellés composés sur une seule ligne, par exemple '2024_T1_CA'. »
- Documents numérisés : En présence de scans non indexés, le moteur OCR multimodal d'Ernie Bot détecte les grilles sans bordures apparentes et préserve la délimitation des cellules.
Étape 3 : Calcul automatisé et visualisation avec Python
En couplant l'extraction de tableaux à l'interpréteur de code, l'analyste peut déclencher des calculs financiers immédiats :
Exemple de prompt opérationnel : « À partir du tableau des revenus sectoriels extrait précédemment, exécute un script Python pour calculer le taux de croissance annuel composé (TCAC) de chaque pôle d'activité sur 3 ans. Affiche le tableau des résultats et génère un graphique à barres Echarts classé par taux de croissance décroissant. »
4. Garde-fous et gestion des risques pour les chercheurs
Si les modèles de langage accélèrent l'analyse documentaire, ils ne dispensent pas d'un contrôle rigoureux :
- Vérification croisée des chiffres clés (Spot-Check) : Les grandeurs financières fondamentales (chiffre d'affaires, EBITDA, flux de trésorerie disponible) doivent toujours être vérifiées dans le document d'origine. Imposez l'affichage du numéro de page pour chaque donnée chiffrée.
- Prévention des erreurs de calcul mental : Les modèles de langage peuvent commettre des inexactitudes lors de divisions ou de calculs de ratios complexes. Confiez systématiquement les calculs au module Python ou exportez les données brutes pour les formuler dans Excel.
- Découpage modulaire des très longs dossiers : Pour les prospectus de plusieurs centaines de pages, segmentez le document par grandes thématiques (activité, facteurs de risque, états financiers) avant de le téléverser, afin d'optimiser l'attention contextuelle du modèle.
- Confidentialité et secret des affaires : Ne transmettez jamais d'informations privilégiées non publiques (MNPI) ou de données sensibles de fusions-acquisitions sur l'interface grand public. Utilisez les environnements d'entreprise de Baidu Qianfan, dotés d'un cloisonnement strict des données.
Références
- 百度文心助手 - 办公学习一站解决
- 千帆大模型平台-企业级一站式大模型开发及应用开发平台-百度智能云
- 百度千帆·大模型服务及Agent开发平台 -百度智能云
- OCR文字识别_免费试用_图片转文字-百度AI开放平台
- 文字识别-百度智能云
- GitHub - PaddlePaddle/PaddleOCR: Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages. · GitHub