Institutional Technical Blueprint

Data Architecture & Lineage

Le cadre technique visant à garantir l'intégrité, la traçabilité et la non-hallucination des données financières supervisées.

Data Lineage (ETL Flow)

Visualisation du Lifecycle de la donnée, de l'extraction des noeuds de réseau (SWIAT/Canton) au rendu décisionnel dans le cockpit.

Architecture Diagram v1.2

graph LR subgraph "External Nodes" S[SWIAT Node] C[Canton Node] end subgraph "DCM Ingestion" GA[Gateway API] LV[Lineage Verifier] end subgraph "Persistence (Truth Layer)" SB[(Supabase Instance)] AL[Audit Logs] end subgraph "Analysis Layer" SE[Scoring Engine] RE[Risk Engine] end S --> GA C --> GA GA --> LV LV --> SB LV --> AL SB --> SE SB --> RE SE --> Cockpit[Institutional Cockpit] RE --> Cockpit style SB fill:#1e293b,stroke:#3b82f6,stroke-width:2px style Cockpit fill:#0f172a,stroke:#10b981,stroke-width:2px

Institutional Data Lake Schema

research_scores

Persistance de l'évolution de la maturité technique et réglementaire par organisation.

                        {
                        "total_score": "integer",
                        "sub_score_tech": "float",
                        "sub_score_legal": "float",
                        "snapshot_date": "timestamptz"
                        }
                    

simulations

Stockage immuable des scénarios de stress-test et des paramètres de Monte Carlo.

                        {
                        "scenario_name": "string",
                        "input_data": "jsonb",
                        "results": "jsonb",
                        "infra_risk": "float"
                        }
                    

compliance_logs

Traces d'audit pour les vérifications MiCA et les validations de smart contracts.

                        {
                        "event_type": "string",
                        "actor_role": "string",
                        "signed_hash": "sha256",
                        "timestamp": "utc"
                        }
                    

Zero-Hallucination Guardrails

Pinning Logic

Contrairement aux LLM génériques, le DCM Risk Copilot utilise une couche de Data Pinning. Chaque insight généré doit être "ancré" à une ligne spécifique de la Truth Layer.

Pas de prédiction sans données sources.
Hash unique par recommandation d'IA.
Traçabilité totale vers l'ID de simulation.

sequenceDiagram participant AI as Risk Copilot participant GL as Guardrail Layer participant DB as Truth Layer (Supabase) AI->>GL: Request Insight Generation GL->>DB: Fetch Pinned Metrics DB-->>GL: Returns Structured Data GL->>GL: Validate Contextual Anchoring GL-->>AI: Authorize Generation AI-->>User: Narrative Insight (Verified)