Analyser des données financières de clients en toute confidentialité avec l'IA, quand on est DAF à temps partagé
Auditrice quinze ans chez Deloitte, puis DAF d'une scale-up en forte croissance — et toujours la même contrainte avant chaque mission : impossible d'envoyer les fichiers clients à une IA cloud sans risquer de briser la confidentialité. La formation a construit un dispositif à deux couches : Jan.ai local pour les documents texte, script Python d'anonymisation pour les fichiers Excel — et plus besoin de choisir entre efficacité et confidentialité.
ClaudeCoworkClaude for ExcelJan.ai (Qwen 0.5B)PythonCoaching : Matthieu Gabas
Avant / après
Ce qui coinçait, et ce qui tourne depuis. Les deux colonnes décrivent la même production, à quelques semaines d'écart.
- Données financières clients : impossible de les confier à une IA cloud sans risquer de rompre la confidentialité professionnelle
- Analyse comptable et reporting 100 % manuels, sans aide IA
- Python envisagé avec réticence, hors de portée
- Jan.ai analyse les documents texte en local : zéro connexion, preuve de confidentialité immédiate
- Script Python anonymise les fichiers Excel avant toute analyse — les données originales ne quittent pas le poste
- Premier exécutable Windows compilé et livrable aux clients, premier Hello World exécuté
Comment ça s'est passé
DAF à temps partagé pour plusieurs PME simultanément, Maylis manipule des fichiers contenant des données que ses clients ne lui partagent que sous couvert de confidentialité absolue : chiffres d'affaires, prix d'achat fournisseurs, données RH. Elle est arrivée en formation avec une seule demande impérative, négociée avant même la première séance : apprendre à utiliser l'IA sans jamais exposer ces données à un service cloud tiers.
Le parcours a construit un dispositif d'analyse en deux couches. Pour les documents texte : Jan.ai, un modèle local (Qwen 0.5B) qui tourne sur son propre ordinateur — sans connexion internet, la preuve de zéro fuite est triviale. Pour les fichiers Excel : une architecture 2-Claude — un Claude 'développeur' écrit le script Python d'anonymisation sans voir les données ; un Claude 'analyste' traite ensuite le fichier déjà anonymisé. Le script est compilé en exécutable Windows, utilisable sans installation Python.
À l'issue des six séances, Maylis dispose d'une infrastructure d'analyse confidentielle opérationnelle : Jan.ai installé et configuré, script Python fonctionnel compilé en .exe (données anonymisées, table de correspondance créée pour retrouver les données réelles). Elle a exécuté son premier Hello World — partie avec Python hors de portée. Certification RS6776 décrochée. Pendant ses vacances : elle montre le dashboard à ses collègues financières et leur dit qu'il faut absolument suivre la formation.
Étape par étape
Le coaching part de ce que la personne produit déjà. Voici les jalons réels du parcours, blocages compris.
- Séance 1
Bases et confidentialité
Fondamentaux IA, paramétrage confidentialité Claude (mémoire désactivée, pas de contribution aux modèles), méthode de prompting CRAFT. Maylis identifie la confidentialité comme priorité numéro un — et confirme qu'elle avait déjà négocié un module anonymisation avec le commercial avant de signer.
« c'est les données de clients tu vois avec potentiellement des chiffres d'affaires de leurs propres clients de prix de vente, de machin, enfin bref et même tu peux avoir plein d'autres choses qui peuvent ne pas paraître confidentielles, mais qui peuvent être croustillantes, on va dire, pour d'autres. »
- Séance 2
Recentrage sur les cas DAF
Claude Code écarté — trop éloigné du quotidien DAF à temps partagé. Pivot vers les cas d'usage concrets : analyse Excel, Cowork, reporting. Maylis avait déjà consommé tous les modules e-learning en avance.
- Séance 3
Premier dashboard HTML livrable à un client
Création d'une interface de visualisation budgétaire filtrée par filiales et périodes à partir d'un fichier Excel budget/réels/écarts. Un rendu immédiatement partageable avec les directions des PME clientes, sans mise à jour manuelle.
« J'étais tellement fier de notre page HTML que je l'ai envoyé à mon mari pour lui montrer. »
- Séance 4
Analyse d'un fichier comptable réel — le WOW moment
Dataset comptable réaliste (TVA, immobilisations, cut-off). Workflow complet : Cowork analyse → Claude for Excel nettoyage → création d'un skill réutilisable. Claude va bien au-delà des formules : il détecte les écritures de TVA non récupérable, les immobilisations mal comptabilisées, questionne les cut-off. Maylis identifie seule un bug de tri et crée son propre skill.
« je ne pensais pas qu'il irait jusqu'à les histoires de TVA non récupérables, les IMO qui ne sont pas bien comptabilisés dans le bon compte. […] Non, il a une vraie approche comptable. […] Bien joué, Claude. »
- Séance 5
Anonymiser les données avant l'IA — les deux méthodes
Double approche : Jan.ai + modèle local Qwen 0.5B pour les documents texte (zero connexion, la preuve c'est de couper le Wi-Fi), script Python avec table de correspondance bidirectionnelle pour les fichiers Excel. Jan.ai installé en direct pendant la séance. Exploration de l'API PennyLane pour une future intégration.
- Séance 6
Script compilé, Hello World, certification
Architecture 2-Claude finalisée : Claude développeur (aveugle aux données) génère le script d'anonymisation ; Claude analyste traite le fichier anonymisé. Script Python compilé en exécutable Windows et testé sur de vraies données. Premier Hello World de Maylis. Révision CRAFT et gestion des tokens pour la certification RS6776.
Je vends Claude à tout le monde.
Ce qui a été construit
Pas des exercices : des outils qui tournent après la formation.
- Jan.ai (Qwen 0.5B) installé et configuré : LLM local pour interroger des documents texte confidentiels sans connexion internet
- Script Python d'anonymisation Excel compilé en exécutable Windows : données collaborateurs anonymisées, table de correspondance créée pour les réidentifier
- Architecture 2-Claude opérationnelle : Claude développeur (aveugle aux données) + Claude analyste (sur fichier anonymisé)
- 50 % de temps gagné sur la partie analyse et correction d'un fichier comptable Excel
- Certification RS6776 obtenue
Ce qui a été dit
« je ne pensais pas qu'il irait jusqu'à les histoires de TVA non récupérables, les IMO qui ne sont pas bien comptabilisés dans le bon compte. […] Non, il a une vraie approche comptable. […] Bien joué, Claude. »
« Je vends Claude à tout le monde. »
« c'est les données de clients tu vois avec potentiellement des chiffres d'affaires de leurs propres clients de prix de vente, de machin, enfin bref et même tu peux avoir plein d'autres choses qui peuvent ne pas paraître confidentielles, mais qui peuvent être croustillantes, on va dire, pour d'autres. »
Ce qu'on nous demande sur ce sujet
Les questions réellement posées autour de ce cas, répondues à partir de ce qui s'est passé pendant la formation.
Un DAF à temps partagé peut-il utiliser l'IA sur les fichiers comptables de ses clients PME sans risque de fuite ?
Oui — à condition de ne jamais envoyer les données brutes à un service cloud. La méthode construite pendant cette formation combine deux approches : Jan.ai (LLM local Qwen) pour les documents texte, qui fonctionne sans connexion internet ; et un script Python d'anonymisation pour les fichiers Excel, qui substitue les données réelles par des identifiants et crée une table de correspondance. L'IA ne voit jamais les données originales.
Comment anonymiser un fichier Excel avant de le soumettre à une IA ?
L'architecture utilisée repose sur deux instances Claude séparées : un Claude 'développeur' qui génère le script Python d'anonymisation sans jamais accéder au fichier confidentiel, et un Claude 'analyste' qui travaille sur le fichier déjà anonymisé. Le script Python est compilé en exécutable Windows — il peut être déployé sur n'importe quel poste sans installation de Python. Une table de correspondance permet de retrouver les données réelles après analyse.
Qu'est-ce que Jan.ai et comment garantit-il la confidentialité des données ?
Jan.ai est une application open source qui fait tourner un modèle de langage directement sur votre ordinateur, sans envoyer quoi que ce soit sur Internet. La preuve de confidentialité est immédiate : couper le Wi-Fi, et Jan.ai continue de fonctionner normalement. Pour une DAF qui interroge des documents contractuels ou financiers de clients, c'est la garantie que les données ne quittent jamais le poste.
Votre projet mérite le même traitement
Le programme est le même pour tout le monde. Le coaching, lui, part de vos outils, de vos fichiers et de ce que vous voulez construire.
Découvrir la Formation IA FinanceD'autres entreprises l'ont fait
Investissement / LogistiqueUn DSI non-développeur déploie sa première application en production, dès la première séance
Gestion d'actifs
