Aller au contenu
Tous les projets

Les synthèses commerciales sont disponibles dans cette langue. Les parcours produit et les preuves techniques sont maintenus en anglais.

Sécurité et assurance

Aegis AI

Réunir inventaire d’IA, obligations et preuves dans un même processus de revue.

Inventaire, classification, remédiation et rapports sont dispersés. Les preuves ont besoin d’un responsable et d’un état vérifiable.

Responsables de produits d’IA, responsables conformité et ingénieurs chargés des décisions

Prototype en développement

A system evidence register
System
One representative AI use case
Ownership
Product, engineering and review owners
Gaps
Evidence and remediation to assign
Assessment
Qualified specialist review required
Decision logic and control flow

Explore the reasoning

Identify one AI system, its intended use and accountable owners.

Start here
An evidence-workflow review covering ownership, gaps, remediation and specialist review needs.
Inspect
Development prototype
FastAPI modules and SQL migrations covering the principal workflow and data boundaries.
Still to validate
The test record relies substantially on local and mocked integrations.
Validate corpus currency, legal interpretation, integration behaviour, and end-to-end review with qualified compliance and system owners.

Sources examinées

The decision behind the system

Who owns the evidence behind this AI system?

A regulatory-workflow prototype that connects system inventory, retrieval, classification, remediation and reporting with accountable human review.

Aegis organises system-level governance and regulatory evidence. Achilles inspects code; EU AI Navigator explores early adoption and readiness.

Organise the review

Team assignments, role-based workflow surfaces, kanban and activity records give evidence work an owner and a visible state.

Connect the evidence

Retrieval, compliance snapshots, trends and AI Act–GDPR graph surfaces support structured review.

Prepare audit material

CSV and PDF exports turn reviewed workflow records into material for qualified assessment.

Read the complete system walkthrough
  1. Inventory

    Identify one AI system, its intended use and accountable owners.

  2. Examine

    Keep deterministic workflow records distinct from retrieval-assisted interpretation.

  3. Assign

    Link evidence gaps and remediation to named owners and source records.

  4. Review

    Qualified legal, compliance and system owners review the material. An export is not certification or a conformity assessment.

See all evidence and limits

Inspect the source, test conditions and operating limits in the technical record.

Explorer le dossier technique et les preuves

Pont métier ↔ technologie · Governance capability experiment

Turn regulatory obligations into owned product and evidence work.

Explores evidence-linked regulatory workflow without presenting generated guidance as legal authority.

Il s'agit d'une interprétation du portefeuille et des sources, et non d'une affirmation de client, déploiement, certification ou résultat.

  1. 01

    Pression métier

    System inventory, risk classification, evidence, remediation, and reporting are often fragmented across legal, compliance, product, and engineering teams.

  2. 02

    Décision produit

    Separate deterministic inventory and workflow state from retrieval-assisted interpretation, and preserve named human review points.

  3. 03

    Dossier technique

    Inventory, retrieval, classification, evidence, remediation, audit, and report modules with migrations and selected mocked test seams.

  4. 04

    Retour des preuves

    Evidence gaps and classification uncertainty return to product scope, control design, accountable owners, and release planning.

Frontière dépôt/exécution

Cette page interprète les sources d'un dépôt de venture distinct. Leur présence ne signifie pas que la venture est un service exécuté dans hyperion-consulting.io.

Le traitement IA des données des visiteurs et clients est limité à Mistral via le point de terminaison européen gouverné. Les parcours Helio, Recherche, Product Council et Revue des preuves fournisseur (pilote) autorisés par le propriétaire sont activés. Un circuit éditorial distinct de sources publiques utilise Anthropic avec Mistral gouverné en secours ; il ne reçoit ni demandes du site, ni documents clients, ni conversations des visiteurs. Les outils déterministes restent disponibles sans IA distante.

Preuves issues du code source

Ce que le code source permet réellement d’établir

A regulatory-workflow backend prototype with inventory, retrieval, classification, evidence, remediation, audit, and report modules. It is a decision-support system under development, not legal advice or a conformity assessment.

Le relevé technique détaillé est maintenu en anglais.

Maturité
Development prototype
Revue des preuves
État du code au

Décisions produit et architecture

  • Separate deterministic system inventory and workflow state from retrieval-assisted regulatory interpretation.
  • Link evidence chunks and report snapshots to the decisions they support.
  • Preserve human review points for classification, remediation, and regulatory reporting.

Éléments vérifiables

  • FastAPI modules and SQL migrations covering the principal workflow and data boundaries.
  • Pytest coverage for selected API, data, classification, report, and remediation paths.
  • Regulatory-corpus ingestion and retrieval plans with mocked integration seams in tests.

Limites des affirmations

  • The test record relies substantially on local and mocked integrations.
  • No claim of complete regulatory coverage, legal accuracy, live monitoring, conformity, or certification is made.
  • An accountable legal, compliance, and system owner must review any generated assessment or document.

Les preuves du dépôt ne constituent pas des preuves client, de déploiement, de certification ou de résultats.

Architecture

Du texte réglementaire à un reporting structuré et étayé par des preuves

Trois couches du code source : surveillance des flux réglementaires, extraction des obligations assistée par la recherche documentaire, et une chaîne d'audit à altération détectable. L'acceptation de tout enregistrement par un régulateur doit être évaluée séparément.

Carte des sources uniquement : une couche peut représenter du code implémenté, une frontière d'adaptateur ou une conception documentée. Elle n'affirme pas l'existence d'un service de production configuré.

  1. 01

    Couche 1 — Surveillance Réglementaire

    Le code source représente trois flux ATOM EUR-Lex (EU AI Act, GDPR, AI General), l'analyse des nouveaux instruments par CELEX, l'extraction du niveau de sévérité (critique/élevé/faible) et une étape d'analyse d'impact Mistral sur l'inventaire des systèmes d'IA enregistrés. Aucune surveillance en conditions réelles n'est affirmée.

  2. 02

    Couche 2 — Moteur de Conformité

    Le code source représente Mistral + RAG sur un corpus d'Articles, d'Annexes et de lignes directrices de l'EDPB : extraction des obligations, cartographie des chevauchements entre réglementations (AI Act ↔ GDPR ↔ NIS2), classification des risques et analyse des écarts, avec des scores de confiance et des citations au niveau des Articles. Les sorties nécessitent une revue par des experts.

  3. 03

    Couche 3 — Audit à Altération Détectable

    Le code source modélise les enregistrements de classification, d'écart, de remédiation, d'horodatage et de réviseur dans une chaîne d'audit. La question de savoir si un enregistrement exporté satisfait à une exigence légale ou à celle d'un régulateur doit être évaluée séparément.

Couverture de l'EU AI Act

Dix articles à fort impact de l'AI Act représentés dans le prototype

Le théâtre de la conformité est une liste d'articles dans un PDF. La pratique de la conformité consiste à mapper chaque article à un système d'IA spécifique, avec des preuves, un responsable et la date de la dernière revue. Ci-dessous : les articles que le prototype représente par système enregistré. Les obligations extraites nécessitent une revue par des experts.

Surface du dépôt uniquement : disponibilité, exhaustivité, performance et aptitude opérationnelle exigent une validation distincte.

ART. 4

AI Literacy

01

Le code source comprend des workflows de suivi de la littératie par rôle, de quiz et de génération d'enregistrements. Il ne certifie ni la compétence d'une personne ni la conformité d'une organisation à l'Article 4.

ART. 5

Prohibited Practices

02

Un workflow de règles et de recherche documentaire met en correspondance un système enregistré avec les catégories de pratiques interdites et les références. La classification juridique reste une décision humaine.

ART. 6

High-Risk Classification

03

Le code source représente une évaluation de la classe de risque de l'Annexe III avec un raisonnement généré par Mistral, un score de confiance et un arbre des obligations par Annexe. Elle est conçue pour être réexécutée lors d'événements du registre (changement de modèle, modification de portée, mise à jour des données d'entraînement).

ART. 9

Risk Management System

04

Identification, estimation, évaluation et traitement continus des risques. Le prototype est conçu pour lier chaque risque identifié à sa mesure d'atténuation et pour tirer des preuves d'un pipeline CI (succès/échec des tests, fiche de modèle, suite d'évaluation). Aucune intégration active n'est affirmée.

ART. 10

Data Governance

05

Jeux de données d'entraînement, de validation et de test avec couverture représentative, détection des biais et traçabilité. Le prototype est conçu pour recouper un registre de jeux de données avec les exigences de documentation technique de l'Annexe IV.

ART. 11

Technical Documentation

06

Fichier technique de l'Annexe IV : objectif du système, conception, méthodologie d'entraînement, métriques de performance. Le prototype est conçu pour générer le squelette du document, renseigner les preuves à partir du registre et signaler les sections manquantes selon l'Annexe IV.1–9. Les brouillons nécessitent une revue par un responsable identifié.

ART. 12

Record-Keeping & Logs

07

Le prototype représente des vérifications de schéma d'événements et d'enregistrements d'audit pour les systèmes enregistrés. Il n'établit pas qu'un pipeline opérationnel externe émet des journaux complets ou juridiquement suffisants.

ART. 13

Transparency

08

Instructions d'utilisation, incluant l'objectif prévu, la précision, la robustesse, les mésusages prévisibles et les mesures de supervision humaine. Le prototype est conçu pour rédiger un brouillon de l'avis de transparence destiné au déployeur, au regard d'une checklist de l'Article 13.

ART. 14

Human Oversight

09

Mesures de supervision humaine efficaces intégrées dans la conception du système. Le prototype est conçu pour évaluer une conception de supervision par rapport à quatre capacités tirées de l'Article 14 (comprendre, surveiller, outrepasser, désactiver) et pour produire une analyse des écarts destinée à la revue.

ART. 15

Accuracy, Robustness, Cybersecurity

10

Métriques de performance, robustesse face aux erreurs, aux défaillances et aux incohérences ; cybersécurité contre les attaques adversariales. Le prototype est conçu pour rassembler les résultats de la suite d'évaluation, les rapports de red-team et un SBOM dans le bloc de preuves de l'Annexe IV. Aucune intégration active n'est affirmée.

Technologies

Technologies utilisées

Les technologies citées identifient des dépendances ou des adaptateurs du dépôt ; elles n'affirment ni intégration active ni déploiement.

Backend
Python, FastAPI, PostgreSQL, Redis, SQLAlchemy and Alembic
IA / NLP
Mistral Large (raisonnement + classification), Mistral Embed (vecteurs 1024 dimensions), Qdrant recherche par similarité cosinus, collections vectorielles par tenant
Frontend
Next.js, React, TypeScript, Tailwind CSS, React Flow and Recharts
Pipeline de données
3 flux ATOM EUR-Lex (AI Act, GDPR, IA général), PyMuPDF, python-docx, chunking sémantique 1500 caractères, extraction structurée Pydantic
Infrastructure
Docker Compose, S3/MinIO and custom JWT authentication; deployment requires separate validation
Tests
Pytest for selected backend paths; frontend type checking and build records. This source review did not execute those checks.
Technical documents & controlled source access

Code source

Explorer le code

Le code source du prototype Aegis AI est disponible sur demande à des fins d'évaluation et de partenariat.

NDA requis

Pour accéder au code source, veuillez signer l'accord de non-divulgation. Il s'agit d'une formalité juridique standard.

Travailler avec Hyperion

Examiner le parcours de preuves d’un système d’IA

Une revue du processus de gestion des preuves couvrant les responsabilités, les lacunes, la remédiation et les besoins de revue spécialisée.

Apportez une brève description de votre situation, de vos contraintes et de la décision à prendre. Le périmètre, les responsabilités et le devis sont convenus avant le début des travaux.