Les PME perdent du temps à trier manuellement leurs transactions, j'ai conçu une solution pour automatiser le processus et développé une application comptable d'import et catégorisation automatique des flux bancaires.
De l'identification du besoin à la livraison d'une solution fonctionnelle
Les PME (commerces, restaurants, e-commerces) gèrent plusieurs sources de revenus : TPE, SumUp, Stripe, PayPal, caisse, espèces. Chaque source exporte dans un format différent (CSV, XLSX). Le comptable doit manuellement importer, normaliser et catégoriser des centaines de lignes chaque mois. Résultat : perte de temps, doublons non détectés, erreurs de saisie.
L'idée : un pipeline en 4 étapes (parsing, analyse structurelle, transformation, import) capable de traiter n'importe quel format bancaire. Un moteur de règles configurable (contains, regex, exact, starts/ends_with) catégorise automatiquement par priorité. Un système de hash SHA-256 sur date+montant+libellé détecte les doublons. Un module d'apprentissage analyse les transactions catégorisées pour suggérer de nouvelles règles.
API REST en FastAPI (30+ endpoints) avec modèles SQLAlchemy, validation Pydantic et documentation Swagger auto-générée. Frontend vanilla JS avec 5 pages : dashboard avec KPIs temps réel et graphiques Chart.js, gestion des transactions avec pagination et filtres avancés, import drag-and-drop avec prévisualisation, gestion des catégories hiérarchiques, et configuration du moteur de règles.
Séparation claire Frontend / Backend / Base de données avec API REST
4 étapes automatisées pour normaliser n'importe quel relevé bancaire ou export PSP
Détection auto de l'encodage (UTF-8, Latin-1, CP1252) et du délimiteur (; , tab |). Support CSV et Excel.
Identification des colonnes (date, libellé, montant, débit/crédit) par regex + mots-clés. Détection format plat vs pivot.
Unpivot des tableaux croisés, filtrage des lignes totaux, normalisation des libellés et dates.
Création des transactions avec hash SHA-256 (date+montant+libellé). Détection des doublons inter-sources ±3 jours.
5 types de matching avec filtres montant et type, appliqués par ordre de priorité
Interface dark theme avec navigation latérale, KPIs temps réel et graphiques interactifs
Vue d'ensemble de vos finances
| Date | Libellé | Catégorie | Source | Montant |
|---|---|---|---|---|
| 15/04/2026 | VIR SEPA CLIENT DUPONT | Ventes | Banque | +1 250,00 € |
| 14/04/2026 | CARTE 4821 METRO GROS | Fournitures | Banque | -387,50 € |
| 14/04/2026 | SUMUP *8294 VENTE | Ventes TPE | SumUp | +89,90 € |
| 13/04/2026 | LOYER AVRIL LOCAL COMMERCIAL | Loyer | Banque | -1 800,00 € |
Chaque fonctionnalité a été conçue pour répondre à un besoin terrain identifié
Pipeline en 4 étapes qui analyse et normalise automatiquement n'importe quel fichier bancaire.
Moteur de règles configurable avec 5 types de matching et application par priorité.
Tableau de bord avec KPIs, graphiques et analyses avancées des flux financiers.
Algorithme qui identifie les transactions en double entre différentes sources de paiement.
Le système apprend des transactions déjà catégorisées pour suggérer de nouvelles règles.
Connecteur Atlas CMS pour importer automatiquement les commandes e-commerce.
Documentation Swagger auto-générée par FastAPI, validée par schemas Pydantic