Quand une société d'IA vend des traitements à l'usage, scores de risque, classements de documents ou extractions automatiques, le back-office voit passer chaque jour des lots déposés par les clients. Un fichier mal formé, un champ obligatoire vide ou une donnée non pseudonymisée bloque le traitement ou expose la société. L'agent contrôle à l'entrée, saisit ce qui est conforme et renvoie le reste avec une explication claire.

Ce qu'il fait chaque jour chez vous

Enregistrer les lots déposés par les clientsIl horodate chaque lot reçu, note le client, le service commandé et le volume, et lui attribue un numéro de suivi repris dans la facturation et dans le journal de traitement.
Vérifier le format avant traitementIl contrôle que le lot respecte le schéma convenu : colonnes attendues, encodage, séparateur, identifiants pseudonymisés, et isole les fichiers qui feraient échouer le traitement.
Retourner les lots non conformesUn lot rejeté repart au client avec la liste précise des lignes et des champs en cause, sans jargon, et une indication de ce qu'il faut corriger pour qu'il soit accepté.
Tenir le référentiel des comptes clientsIl maintient pour chaque client les contacts autorisés à déposer, les services souscrits, les volumes inclus et les règles de conservation qui s'appliquent à ses fichiers.
Repérer les lots qui changent de profilQuand les lots d'un client changent de nature, nouvelles valeurs dans une colonne ou volume multiplié, il le signale à l'équipe, car ce peut être l'amorce d'une dérive du modèle.
Rendre l'état de la file de traitementIl fait chaque jour le compte des lots reçus, traités, rejetés et en attente, avec l'âge du plus ancien, pour que rien ne reste coincé.

Sur le terrain

Des identifiants en clair dans un lot de scoring

Un courtier dépose un lot de 12 000 dossiers pour un score de risque, mais la colonne d'identifiant contient des numéros de sécurité sociale au lieu des codes de pseudonymisation convenus. L'agent bloque le lot avant tout traitement, le place en quarantaine, prévient le responsable et prépare pour le client un message expliquant le problème et la procédure de redépôt.

Un client qui change de catégories sans prévenir

Depuis trois jours, les lots d'un e-commerçant pour le classement automatique de ses avis contiennent une nouvelle catégorie de produits jamais vue lors de la mise en production d'un modèle. L'agent le remarque en contrôlant les colonnes, le note dans l'état de la file et prévient le data scientist. Celui-ci confirme que le modèle classe mal ces avis et propose au client une mise à jour.

Les mots qu'il emploie chaque jour

Pseudonymisation: Elle remplace les identifiants mais laisse des données personnelles ; seule une anonymisation véritable est irréversible.
Dérive du modèle: La perte de performance quand la réalité s'écarte des données d'entraînement : elle se surveille, sinon elle se découvre par une plainte.
Mise en production d'un modèle: Le passage du prototype au service utilisé : c'est là qu'apparaissent le coût, la latence et la surveillance.

Son métier de départ : Agent de back-office. Toute l'activité : Données et intelligence artificielle.