Contexte

Chez Réassurez-moi, courtier en assurance emprunteur, les conseillers traitent chaque jour des dizaines de dossiers impliquant la lecture de documents PDF bancaires, la saisie manuelle de données et la comparaison d'offres sur plusieurs assureurs. Trois projets IA ont été conçus et livrés pour automatiser ces tâches à faible valeur ajoutée et recentrer les conseillers sur leur cœur de métier : le conseil et la relation client.

Projet 1 — Extraction d'offres de prêt (OCR + IA)

Problème : remplir le formulaire de tarification à partir d'un PDF bancaire prenait ~5 minutes, avec un risque d'erreur de saisie. Solution : pipeline Mistral OCR → Claude Sonnet 4.6 qui extrait les données clés du PDF (montant, durée, taux, garanties) et pré-remplit automatiquement le formulaire. Résultat : temps de saisie réduit de 5 min à 30 sec, taux d'erreur quasi nul.

Projet 2 — MCP Réassurez-moi

Problème : les conseillers devaient naviguer entre plusieurs interfaces pour comparer les offres assureurs. Solution : serveur MCP (Model Context Protocol) exposant l'API de tarification Réassurez-moi comme outil natif pour tout LLM compatible. Le conseiller pose sa question en langage naturel, le LLM appelle l'outil et synthétise le résultat. Résultat : tarification complète accessible directement depuis Claude Desktop ou tout client MCP, sans changer d'interface.

Projet 3 — GPT App publique

Problème : les particuliers ne savent pas facilement comparer les offres d'assurance emprunteur sans passer par un conseiller. Solution : Custom GPT public sur ChatGPT, connecté à l'API Réassurez-moi, permettant à n'importe qui de comparer les meilleures offres en langage naturel, sans formulaire ni compte. Résultat : nouveau canal d'acquisition autonome, disponible 24h/24.

Stack technique

• OCR : Mistral OCR (extraction PDF, documents scannés)
• IA : Claude Sonnet 4.6 (structuration JSON, raisonnement)
• Protocole : Model Context Protocol (Anthropic)
• API : Node.js / TypeScript, Zod (validation)
• Intégration : ChatGPT Custom GPT, Claude Desktop