Banque tier-1 · Paris
BNP Paribas : Reference Book PO, de React/Redux aux agents IA produits.
Trois ingénieurs Abbeal au cœur de la Marketplace PO. Plateforme React/Redux/Node initialement, désormais augmentée d'un RAG produits, d'agents Claude pour assistance PM, et d'une couche event-driven Kafka pour scaler.
KPI
RAG
catalog produits PO
Durée
Engagement multi-année
Équipe
3 ingés
Hub(s)
Paris
BNP Paribas. Reference Book PO Marketplace. Trois ingenieurs Abbeal embarques cote produit pour batir la plateforme qui structure le catalog produits et les workflows PO d'une banque tier-1.
Le point de depart (2018-2019)
Sebastien, Raphael et Ulric integres dans l'equipe Reference Book. Stack initiale React + Redux + Node, deploiement on-prem, integration aux core banking. Mission : sortir le PO Marketplace de l'enfer Excel et le faire vivre sur une plateforme web stable, gouvernee, auditable.
Ce qui a ete livre
- Front PO unifie (catalog + PO actifs + workflows de revue)
- API Node pour l'orchestration des etapes PO et les notifications
- Reporting reglementaire et trail d'audit pour les controles internes
- Documentation et formation des PMs internes a la plateforme
- Integration aux outils existants BNP (SSO, AD, ticketing interne)
La stack qu'on deploie aujourd'hui
Sur les memes problematiques aujourd'hui (catalog produit financier, workflows PO, recherche multi-criteres dans des dizaines de milliers d'items), voici ce qu'on assemble :
- Next.js 16 + React 19 cote front, Server Components par defaut, Edge runtime sur les listings
- Apache Kafka pour decoupler les workflows PO et permettre la rejouabilite des evenements
- RAG produits sur pgvector : recherche semantique dans le catalog (10k+ produits, 50+ attributs typees)
- Agents Claude Sonnet via LangGraph pour assister les PMs : drafting de fiches produit, rapprochement reglementaire, redaction des termes contractuels
- AWS Bedrock pour heberger les LLM cote conformite + observabilite LangSmith pour les traces
- Auth0 + RBAC fin pour le scoping des donnees par desk et par juridiction
Pourquoi c'est dur (et pourquoi peu y arrivent)
- Donnees produit fragmentees : 6+ systemes d'origine, conventions differentes par desk
- Latence requise : un PM ne lira pas une reponse a > 2 secondes
- Compliance ACPR + EBA + audit interne sur chaque suggestion d'agent
- Citation obligatoire : aucune reponse acceptee sans pointer vers la source dans le referentiel
- Cohabitation Mistral on-prem (donnees sensibles) + Claude API (workflows non-sensibles)
Ce que cette mission a appris a Abbeal
BNP a ete notre premiere immersion deep dans le PO produit financier. On y a appris a livrer dans un environnement audite a chaque commit, a coder pour des PMs qui ne pardonnent rien sur la latence, a documenter pour des controles internes qui durent 6 mois. C'est cette experience qu'on rejoue aujourd'hui sur les RAG produit pour les autres banques tier-1 europeennes.
// À lire ensuite
Joaillerie & horlogerie de luxe · Genève + Paris + Tokyo
Cartier : de l'audit au LLM privé en interne.
Compass (audits archi front + back), Mapper (générateur produits horlogerie + joaillerie), ETL data concurrence sur BigQuery, et désormais un LLM privé fine-tuné sur l'infra Cartier. Un partenariat tech long-terme sur la stack data et IA d'une maison de luxe.
LLM privé
fine-tuné sur infra Cartier
Banking digitale / FinTech · Tokyo (Tamachi)
Money Forward : data backbone d'une nouvelle banque digitale à Tokyo.
Money Forward, leader FinTech japonais coté à Tokyo, s'est associé à un grand groupe bancaire japonais pour lancer une nouvelle banque digitale construite from-scratch. Abbeal accompagne sur le volet Data Engineering : conception et industrialisation du Data Hub (Databricks + Delta Lake + dbt + AWS Tokyo) qui sert le reporting JFSA, l'AML, le risk management.
Data Hub
digital bank from-scratch Tokyo
Immobilier / Promotion · Paris + Bordeaux
Pichet : du Symfony/eZplatform à l'IA Vision sur plans immobiliers.
Promoteur immobilier français premium. Plateforme catalogue refondue (Symfony 4/5 + eZplatform + K8s) puis modernisée : Next.js 16, CMS headless, Claude Vision pour interpréter plans 2D/3D, recherche sémantique sur biens via pgvector.
AI Vision
analyse plans 2D/3D
