Contexte et objectifs
Prosper Global, acteur humanitaire présent dans une trentaine de pays, doit fournir des analyses rapides pour répondre aux crises liées aux conflits, au climat ou à l’économie. Traditionnellement, la phase de recherche documentaire s’étalait sur plusieurs jours, voire plusieurs semaines, ce qui retardait les décisions d’intervention. L’objectif de la plateforme VERA, développée avec Cloudera, est de fournir un point de départ automatisé aux analystes, tout en conservant la maîtrise du processus de recherche.
Architecture de VERA
VERA repose sur Cloudera AI Studios et s’exécute sur l’infrastructure d’Amazon Web Services. Le moteur utilise plusieurs agents autonomes qui interagissent selon un workflow orchestré. Chaque agent interroge des sources ouvertes spécifiques : ReliefWeb pour les rapports humanitaires, le tracker de conflits ACLED et des flux de presse locale. Les modèles de génération de texte proviennent d’Anthropic, intégrés via les API cloud. Un agent final agrège les extraits, les résume et produit un brouillon de rapport que les analystes peuvent enrichir.
Le choix d’une architecture multi‑agent permet de personnaliser chaque étape : extraction de données, filtrage par pertinence, synthèse et mise en forme. Cette modularité facilite l’ajout de nouvelles sources ou de modèles plus performants sans refondre l’ensemble du système.
Analyse des performances et limites
Les premiers retours chiffrés montrent une réduction du temps de recherche de cinq‑six jours à deux jours pour un rapport agricole en Soudan, soit une économie d’environ 1 500 $. En Colombie, un collaborateur sans formation en sécurité a produit un rapport d’élection en quelques heures, démontrant la capacité du système à être utilisé par du personnel non spécialisé. VERA, lancé en juin 2026, est déjà déployé en République démocratique du Congo et en Ukraine.
Malgré ces gains, les responsables soulignent la nécessité d’une approche « mesurée et lente ». Les contextes de conflit imposent des exigences de véracité et de sensibilité que l’automatisation ne peut garantir seule. Le risque de propagation d’informations erronées reste présent, surtout lorsqu’un agent agrège des sources non vérifiées. De plus, la dépendance à des modèles propriétaires d’Anthropic crée une opacité quant aux critères de génération, ce qui complique les audits de conformité.
En termes de coût, l’utilisation d’AWS et de licences Anthropic implique des dépenses récurrentes qui doivent être balancées avec les économies de temps. Enfin, la sécurité des données collectées (sources ouvertes, informations sensibles) dépend de la configuration du cloud et des contrôles d’accès mis en place par Cloudera.
