RAG de conformité bancaire avec masquage des PII

Le problème

Les équipes bancaires et de services financiers qui construisent des chatbots RAG se heurtent à des obstacles de conformité : les embeddings stockent les PII sauf s'ils sont masqués, les bases de données vectorielles auto-hébergées sont requises pour l'audit, et les réponses non fondées sur des sujets réglementés (taux, produits) sont juridiquement dangereuses. Les tutoriels RAG génériques ignorent ces trois points.

La solution Scavio

Utilisez Scavio comme source d'ingestion pour les pages produits publiques et les feuilles de taux, masquez les PII avant l'embedding avec Presidio ou une passe regex personnalisée, stockez les embeddings dans Qdrant ou Weaviate auto-hébergé dans votre VPC, et classifiez les requêtes en amont — les recherches déterministes (taux, frais) vont dans un magasin SQL structuré, seules les requêtes ambiguës reviennent au RAG.

À qui cela s'adresse

Équipes d'ingénierie du secteur bancaire, des assurances et des industries réglementées construisant des chatbots RAG de production avec validation juridique et conformité.

Avantages clés

• Les PII n'entrent jamais dans le magasin vectoriel
• La base de données vectorielle auto-hébergée conserve les embeddings dans le VPC pour l'audit
• Le classifieur achemine les requêtes déterministes vers des recherches SQL
• Scavio fournit des pages produits publiques et des feuilles de taux fraîches
• Filtrage par métadonnées sur la région, le produit, la fraîcheur

Exemple Python

import os, requests
H = {'x-api-key': os.environ['SCAVIO_API_KEY']}

def fetch_public_pages(bank_domain):
    r = requests.post('https://api.scavio.dev/api/v1/search',
        headers=H, json={'query': f'site:{bank_domain} rates OR fees OR products'}).json()
    return [x['link'] for x in r.get('organic_results', [])[:20]]

def mask_pii(text):
    # Presidio or custom regex pipeline
    return text  # implementation elided

for url in fetch_public_pages('examplebank.com'):
    page = requests.get(url).text
    masked = mask_pii(page)
    # chunk + embed + upsert into Qdrant

Exemple JavaScript

const H = { 'x-api-key': process.env.SCAVIO_API_KEY, 'content-type': 'application/json' };

async function fetchPublicPages(bankDomain) {
  const r = await fetch('https://api.scavio.dev/api/v1/search', {
    method: 'POST', headers: H,
    body: JSON.stringify({ query: `site:${bankDomain} rates OR fees OR products` })
  }).then(r => r.json());
  return (r.organic_results || []).slice(0, 20).map(x => x.link);
}

Plateformes utilisées