Salma Boutanfit

Contexte Maroclear, dépositaire central du Maroc, gère les échanges affiliés via MyMaroclear, portail sécurisé connecté au système interne GLPI.

Problématique Les affiliés confondent souvent incident, réclamation et demande administrative ; le Dispatcher doit requalifier, demander des compléments et ressaisir manuellement les tickets.

Objectifs Concevoir ClearBot, un assistant multi-agents capable de guider les visiteurs publics, assister les affiliés connectés et préparer des notifications structurées pour le Dispatcher.

Réalisation Cadrage fonctionnel et technique : bases de connaissances RAG institutionnelles/réglementaires, extraction conversationnelle des champs, classification automatique et pré-remplissage MyMaroclear.

Valeur métier Priorisation P1-P4 selon impact/urgence, justification réservée au Dispatcher, traçabilité des interactions et réduction des allers-retours liés aux déclarations incomplètes.

Contexte La DGI publie un corpus fiscal volumineux et hétérogène : Code Général des Impôts et notes circulaires annuelles, avec contenus français/arabe et documents parfois scannés.

Problématique La recherche manuelle dans ces documents ralentit les agents et augmente le risque d'erreurs d'interprétation sur des textes juridiques sensibles.

Objectifs Développer un assistant RAG capable de répondre en langage naturel, citer ses sources et réduire les hallucinations par ancrage documentaire.

Réalisation Pipeline complet : extraction pdfplumber/PyMuPDF Camelot/EasyOCR, chunking hiérarchique, embeddings multilingues, ChromaDB, reranking CrossEncoder, API FastAPI compatible OpenAI.

Résultat Interface OpenWebUI avec réponses vérifiables FR/AR ; évaluation RAGAS : faithfulness 0.758, answer relevancy 0.827, context precision 0.992 et BERTScore F1 0.886.

Contexte Le Centre de Services de la DSI ONEE traite les demandes et incidents internes via Khadamat, avec un besoin de pilotage plus clair des performances.

Problématique Le volume et la diversité des tickets rendent difficile le suivi des SLA, des urgences, des intervenants sollicités et des goulots d'étranglement.

Objectifs Définir des KPI, analyser les données Khadamat et Khadamat-Tâches, puis fournir des tableaux de bord interactifs utiles aux équipes et à la direction.

Réalisation Nettoyage et préparation avec Power Query, modélisation des données, conception de dashboards Power BI sur demandes, tâches, délais, SLA, urgences et performances d'équipes.

Résultat Identification de demandes récurrentes liées à l'authentification, SLA respectés à 57,35%, MTBF estimé à 208,65h et recommandations pour réduire les délais de résolution.