🇫🇷 Détection d'erreurs par Intelligence Artificielle dans les fiches de paie

DĂ©monstration : L'Intelligence Artificielle au service de la Paie

Le module présenté dans cette démonstration permet de détecter des anomalies liées aux fiches de paie et ce grâce à un modèle d'apprentissage automatique (Apprentissage automatique).
Un échantillon d'une base existante peut être chargé par défaut. La possibilité de charger une nouvelle base depuis un fichier CSV est également possible. Après avoir choisi une base de votre choix en sélectionnant un fichier sous un format 'CSV' ou 'Texte', vous pouvez la charger en appuyant sur le bouton 'Charger la base'.
La base est décrite ensuite sous forme d'un tableau. Afin de vérifier si la base contient des fiches de paie erronées, il suffit de cliquer sur le boutton rouge "Vérification des erreurs".

Dans cet exemple, nous proposons un modèle basé sur un modèle SVM (Support Vector Machine). Ce dernier implémenté en Python avec la librairie SciKit-Learn a été entrainé avec un jeu de donnée extrait de ePaie. Ce type de modèle permet de discriminer des données en calculant automatiquement leur distance statistique avec la norme définie dans les données d'entrainement. Ainsi ce modèle permet de détecter des observations erronées, dans notre cas des fiches de paie contenant des erreurs. Dans cette démonstration une fois le modèle utilisé les observations classées comme erronées seront colorées en rouge.

Vidéo de démonstration BL.Paie2035

Plus ...

Retour haut de page