FinLedger AI: A Blockchain-Secured Organizational Finance Monitor with LLM-Powered Analysis

Dans le monde de la finance organisationnelle, deux problèmes tourmentent depuis longtemps les gestionnaires et les auditeurs : tenir un registre qui ne peut être modifié secrètement, et donner du sens aux chiffres une fois qu'ils sont inscrits. Les registres numériques traditionnels, ces bases de données où les flux d'argent sont enregistrés, s'appuient sur une autorité centrale pour assurer leur sécurité. Cela crée une vulnérabilité ; si quelqu'un possédant un accès suffisant décide d'altérer une entrée passée pour dissimuler une erreur ou un vol, le système n'a souvent aucun moyen de prouver que le changement a eu lieu. Le registre se met simplement à jour, ne laissant aucune trace de la vérité originale. De l'autre côté de l'équation, même lorsque les registres sont parfaits, ils ne sont souvent que des listes statiques de chiffres. Ils attendent qu'un humain les regarde, repère un modèle et réalise que quelque chose ne va pas. Cette approche réactive signifie que les problèmes financiers sont souvent découverts seulement après qu'ils ont causé des dommages. La question que se pose l'auteur est de savoir s'il est possible de construire un système qui fait les deux à la fois : un système qui verrouille l'historique de l'argent pour qu'il ne puisse pas être falsifié, tout en utilisant un logiciel intelligent pour lire cet historique et nous avertir de sa signification.

Hamza Madni, diplômé en informatique de l'Université de Sahiwal au Pakistan (promotion 2022-2026), a construit une réponse concrète à cette question appelée FinLedger AI. Il s'agit d'un système basé sur le Web conçu pour les petites et moyennes organisations qui combine une méthode de sécurité numérique connue sous le nom de blockchain avec un outil d'intelligence artificielle capable de lire et d'expliquer les données financières. Le système ne déplace pas d'argent réel et ne se connecte pas à des comptes bancaires en direct ; il agit plutôt comme un carnet de notes sécurisé et intelligent où les organisations peuvent enregistrer leurs revenus et leurs dépenses. L'innovation fondamentale réside dans la manière dont il traite chaque entrée. Lorsqu'un utilisateur ajoute une transaction, le système ne se contente pas de l'enregistrer dans une base de données. Il scelle cette entrée dans une chaîne numérique où chaque nouvel enregistrement est mathématiquement lié au précédent. Ce lien est créé à l'aide d'un type spécifique d'empreinte numérique, un processus qui garantit que si quelqu'un tente de modifier un seul chiffre dans une entrée passée, toute la chaîne de connexions se brise. Le système détecte immédiatement cette rupture et déclenche une alerte, prouvant que le registre a été falsifié.

Pour rendre ce système pratique pour une utilisation quotidienne, l'auteur a séparé les utilisateurs en deux groupes distincts avec différents niveaux d'accès. Les administrateurs peuvent voir l'image financière complète de toute l'organisation, tandis que le personnel régulier ne peut consulter que ses propres enregistrements. Cela évite la confusion et protège la vie privée, garantissant qu'un employé subalterne ne puisse pas voir accidentellement les données salariales de toute l'entreprise. Au-dessus de cette fondation sécurisée se trouve la couche d'intelligence. Le système se connecte à un grand modèle de langage, un type d'intelligence artificielle entraîné à comprendre le langage humain et les modèles complexes. Cette IA lit constamment le registre scellé et traduit les chiffres bruts en français courant. Elle peut dire à un gestionnaire si les dépenses approchent d'une limite budgétaire, prévoir combien d'argent il restera à la fin du mois, ou résumer un an de transactions en quelques phrases. Elle transforme une liste statique de chiffres en une conversation sur la santé financière de l'organisation.

L'auteur a testé le système rigoureusement pour voir s'il pouvait résister à des tentatives de modification de données. Dans une série de tests, il a délibérément altéré une seule valeur dans la base de données, contournant l'application normale pour voir si le système le remarquerait. Dès que le changement a été effectué, le lien mathématique entre les blocs de données a été rompu. Le moteur de vérification du système, qui vérifie la chaîne du début à la fin, a immédiatement signalé la divergence et a rapporté que l'intégrité du registre était compromise. Cela a confirmé que la couche de sécurité fonctionne exactement comme prévu : toute modification non autorisée est détectée instantanément. Les tests ont également montré que l'intelligence artificielle pouvait analyser avec succès les données pour générer des alertes budgétaires et des prévisions de dépenses précises. Le système a été construit à l'aide de la pile technologique MERN et de l'API Google Gemini, prouvant que la sécurité de haut niveau et l'intelligence automatisée peuvent être intégrées de manière efficace.

Malgré son succès, l'auteur reconnaît que le système possède des limites. Comme la sécurité repose sur la vérification de chaque lien de la chaîne dans l'ordre, la vérification de l'historique d'un registre comprenant des millions d'enregistrements pourrait devenir lente. Le système impose également une règle stricte selon laquelle les entrées passées ne peuvent pas être modifiées, même par erreur ; si un chiffre est erroné, il doit être corrigé en ajoutant une nouvelle entrée compensatoire plutôt qu'en modifiant l'ancienne. Cela garantit que l'histoire reste intacte, bien que cela puisse paraître moins pratique qu'un tableur standard où l'on peut simplement supprimer et réécrire. De plus, comme le système ne se connecte pas à des flux bancaires en direct, il repose sur les utilisateurs pour saisir manuellement leurs données, ce qui signifie que les prédictions de l'IA sont aussi actuelles que les informations que les gens saisissent.

Le résultat final est la démonstration que la transparence et l'intelligence dans la gestion financière peuvent être combinées en une seule application pratique. FinLedger AI montre qu'il est possible de créer un enregistrement numérique mathématiquement scellé contre la falsification tout en utilisant simultanément l'intelligence artificielle pour rendre ces données utiles en temps réel. Le prototype implémenté a permis de répondre aux quatre objectifs principaux : il a créé un enregistrement sécurisé et immuable des transactions, a restreint l'accès en fonction des rôles d'utilisateurs, a fourni une analyse financière automatisée et a présenté toutes ces informations via une interface simple et facile à lire. En construisant cela, ce travail suggère que les organisations de toute taille peuvent désormais avoir accès à des outils qui étaient auparavant réservés aux plus grandes entreprises, offrant un moyen de garder leur historique financier honnête et leur planification future éclairée.