Les gestionnaires de patrimoine et les conseillers financiers servent des clients ayant des portefeuilles complexes couvrant plusieurs comptes, classes d'actifs et véhicules d'investissement. Les documents de portefeuille client — déclarations de politique d'investissement, relevés de portefeuille, évaluations de pertinence et notes de réunion — contiennent les connaissances institutionnelles nécessaires pour fournir des conseils personnalisés. Un système RAG sur les documents de portefeuille client permet aux conseillers de retrouver instantanément le contexte client, de préparer les réunions et de fournir des recommandations fondées sur les données. La conformité RGPD est essentielle pour le traitement des données personnelles des clients européens.
Le Défi de la Connaissance du Conseiller
Un conseiller financier typique gère 100 à 200 relations clients. Chaque client génère une documentation annuelle incluant les relevés trimestriels, les rapports de rééquilibrage, les documents fiscaux, les mises à jour de la politique d'investissement et les notes de réunion. Sans système de recherche, les conseillers comptent sur leur mémoire et les recherches manuelles pour se souvenir des détails spécifiques à chaque client. Le RAG élimine cette friction en rendant chaque document client instantanément interrogeable.
Documents Client pour le RAG de Portefeuille
- Déclarations de politique d'investissement — Tolérance au risque, objectifs d'allocation d'actifs, règles de rééquilibrage et contraintes d'investissement
- Relevés de portefeuille — Titres détenus, positions, soldes de trésorerie et historique de performance
- Évaluations de pertinence — Profils de risque client, objectifs d'investissement, horizons temporels et besoins de liquidité
- Notes de réunion — Résumés des discussions, actions à entreprendre, engagements et préférences des clients
- Correspondance — E-mails clients, instructions et communications concernant les modifications de portefeuille
Architecture pour le RAG de Portefeuille Client
L'architecture recommandée utilise LangChain pour l'orchestration avec OpenAI text-embedding-3-large pour l'embedding généraliste. Unstructured.io assure l'analyse des PDF financiers et des relevés avec tableaux complexes. L'isolation des données clients est assurée par des espaces de noms séparés dans Weaviate, conformément aux exigences RGPD.