DD Sherpa
La data room de 500 documents lue en 3 heures, avec citation pièce exacte pour chaque finding. Produit un rapport de red flags structuré, classé par sévérité et catégorie, pour cabinets M&A, banques d'affaires et fonds PE/LBO.
Sur une DD type, 2 semaines de collaborateur junior récupérées (~80 k€ facturé au taux M&A 800-1 200 €/h). Et — plus important — réduction du risque d'alerte manquée, celle qui se retrouve dans le SPA et coûte la garantie de passif activée 18 mois plus tard.
La data room moderne épuise le collaborateur junior qui essaie de tout lire.
DD manuelle
Deux juniors, deux semaines, 500-2 000 documents
- · Intralinks / Datasite : statuts, comptes, contrats, contentieux
- · Kira / Luminance extraient des clauses, n'orchestrent pas la DD
- · Aucun outil ne refuse de halluciner sur une pièce manquante
- · Risque résiduel coûte des millions sur la garantie de passif
DD automatisée + traçable
Citation pièce + page + extrait mot pour mot, ou rien
-
›
Alertes triées
critical→lowavec citation obligatoire -
›
Chiffre non sourcé → marqué
[à confirmer] -
›
Pièce non lue → ajoutée à
documents_unread, jamais inventée - › Légifrance vérifié en direct sur les questions de droit
Quatre étapes, de l'arrivée du document à la décision humaine.
-
1
Bornage du périmètre
L'agent appelle `list_documents` pour récupérer l'index complet : document_id, name, category, page_count, size. Sans cet appel : aucune analyse — il refuse de fabriquer des constats sur une data room qu'il n'a pas vue.
-
2
Lecture priorisée multi-catégories
Statuts + pacte, comptes audités 3 ans, top 10 contrats clients par CA, contentieux, propriété intellectuelle, RH, conformité, fiscal. Pour chaque pièce : 0 à N alertes + 0 à M constats informationnels, avec citation textuelle (pas de paraphrase) + page exacte.
-
3
Recherche transversale + vérification jurisprudentielle
`search_data_room` balaie les thèmes (changement de contrôle, pénalités, action collective, sanctions, redressement). `check_external_jurisprudence` source les arrêts Légifrance pour étayer les alertes qui dépendent d'une question de droit. Aucun arrêt inventé — la vérification se fait sur Légifrance en direct.
-
4
Rapport JSON structuré + chaîne d'audit
Alertes triées `critical` → `low`, chacune avec impact financier estimé + pièces justificatives + actions recommandées (lettre annexe, complément de prix, garantie spécifique). `documents_unread` liste exhaustivement ce qui n'a PAS été lu (délai dépassé, format, taille). `human_review_recommended` signale les points à arbitrer par l'associé senior.
Outils, connecteurs, déploiement.
Outils (appel de fonctions)
4-
list_documents -
read_document -
search_data_room -
check_external_jurisprudence
Connecteurs optionnels
3- data-room
- legifrance
- doctrine
Chaque connecteur s'active selon l'abonnement du client.
$ lmbox agent deploy ./dd-sherpa \
--box BOX-XXX \
--token "$LMBOX_BOX_API_KEY" \
--api https://api.lmbox.eu
Garanties LMbox sur tout le catalogue
Données chez vous
Modèle et données restent sur l'appliance LMbox du client. Aucune donnée patient, contrat ou facture n'est envoyée vers un cloud externe.
Chaîne d'audit
Chaque appel d'outil, chaque sortie de l'agent est horodaté, hashé et opposable au régulateur (ACPR, ANSM, CNIL, EBA).
Décision humaine
L'agent recommande, l'humain décide. Pas d'auto-signature, pas de paiement automatique : la responsabilité finale reste au métier.
Autres agents au catalogue
NDA Reviewer
Lit chaque NDA entrant, identifie les clauses non-standard par rapport au modèle interne du cabinet, et rédige un mémo d'amendements pour l'associé responsable.
Meeting Summarizer
Transforme une transcription brute de réunion (Teams, Zoom, audio transcrit en local) en compte-rendu structuré : décisions actées, actions à faire avec porteur et échéance, points en suspens.
Essayez DD Sherpa sur la démo publique.
Connexion en un clic. Vous voyez l'agent installé sur une vraie LMbox, avec son prompt système chargé et sa chaîne d'audit active.