Classifier juste, même quand la description est dans une autre langue.
Classification produit multilingue assistée par IA, pour l'aide à la sélection et le contrôle tarifaire.
Nomen analyse les descriptions commerciales, factures, packing lists, manifestes, certificats et documents de transport en plusieurs langues, pour aider les équipes à repérer les incohérences de classification et à proposer des codes SH plausibles. Nomen ne remplace pas le raisonnement tarifaire de l'administration — il fournit une aide structurée, documentée et traçable.
Décrire un produit. Lire les pièces. Proposer un classement argumenté.
La console Nomen rassemble l’origine, la destination, la description produit, les documents, les images et la voix. Elle restitue des suggestions de classement SH avec un niveau de confiance et un raisonnement que l’agent peut relire, corriger et valider.
La classification tarifaire est juridique, lente et multilingue.
Les agents tarifaires affrontent quotidiennement des descriptions vagues, des libellés en plusieurs langues, et des chaînes documentaires fragmentées — sous pression de délai. Une part importante des erreurs de classification reste invisible jusqu'au contrôle.
« Pièces métalliques », « équipements divers » — des libellés trop génériques pour être classifiés correctement au niveau SH 6.
Factures en anglais, descriptions en chinois ou en arabe, certificats en plusieurs langues — l'agent perd un temps précieux à comprendre.
Description ne correspondant pas au code, valeur déclarée incompatible avec la nature du produit, origine trop éloignée du libellé.
Le délai de mainlevée laisse peu de temps à l'agent pour approfondir chaque description suspecte ; les erreurs systémiques restent invisibles.
Ce que Nomen apporte concrètement.
Nomen combine NLP multilingue, modèles de langage et rapprochement avec la nomenclature SH/tarifaire pour fournir à l'agent une note structurée, documentée et traçable, sans jamais se substituer à sa décision.
Analyse multilingue des descriptions
Descriptions commerciales, factures, packing lists, manifestes et certificats — analysés dans leur langue d'origine sans dépendre d'une traduction préalable.
Détection des libellés vagues
Signalement automatique des descriptions trop génériques pour permettre une classification fiable au niveau SH 6 — invitation à demander des précisions.
Suggestions de codes SH plausibles
Nomen propose plusieurs codes SH candidats ordonnés par confiance, avec leur libellé tarifaire — l'agent garde la main sur la décision.
Contrôle d'incohérences
Vérification de la cohérence entre description, code SH déclaré, origine, valeur, poids et documents — signalement des écarts notables.
Comparaison avec l'historique opérateur
Nomen rapproche le libellé déclaré avec l'historique de classification de l'opérateur, pour détecter glissements et changements de comportement.
Aide structurée et traçable
Chaque suggestion est documentée et tracée dans le Lineage — décisions, overrides et versions de modèle préservent l'audit interne.
Du document à la note de classification, en cinq étapes.
Nomen intervient dans la chaîne de décision de la suite MAATAI Risk Management. Le produit reçoit le contexte, analyse les documents et libellés, propose ses suggestions, puis passe la main à l'agent — qui décide.
Ingestion des documents
Description, facture, manifeste, certificat, BL — collectés par la brique Ingest.
Analyse multilingue
NLP appliqué dans les langues détectées, sans traduction préalable nécessaire.
Rapprochement SH
Comparaison aux nomenclatures, ordonnancement par confiance, sortie des candidats.
Cohérence transverse
Vérification description / code / valeur / origine / poids / historique opérateur.
Note remise à l'agent
Suggestions ordonnées, flags d'incohérence et lineage de la décision IA.
Une aide structurée, pas une décision automatique.
La décision tarifaire reste un raisonnement juridique de l'administration. Nomen a été conçu pour l'éclairer — pas pour la remplacer ni la contourner.
Concrètement, cela veut dire que le module produit des suggestions ordonnées et documentées, signale les incohérences détectées, garde la trace de chaque étape — mais ne ferme jamais la classification. L'agent reste le décideur. Si l'agent surclasse une suggestion ou écarte l'IA, son override est enregistré et alimente la boucle d'apprentissage.
Cette posture est ce qui permet à Nomen d'être utilisable en environnement contraignant (administrations centrales, audit, juge) sans créer de zone d'ombre algorithmique.
Quatre engagements opposables.
- L’agent garde la main sur la décision tarifaire
- Chaque suggestion est documentée, ordonnée et traçable
- Les corrections de l’agent alimentent l’amélioration du produit
- Les versions de modèle et de règles sont enregistrées au Lineage
Où Nomen aide vraiment.
Des situations rencontrées par les agents tarifaires que Nomen permet de cadrer plus rapidement, avec une trace claire de l'analyse menée.
Description trop générique
« Pièces métalliques », « équipements divers » — Nomen signale le caractère insuffisamment précis et suggère le niveau de détail attendu pour une classification fiable au SH 6.
Incohérence description vs code
Le code déclaré ne correspond pas à la description analysée : Nomen propose les codes plus probables et signale les écarts entre libellé et code.
Sous-évaluation par mauvaise classification
Un code déclaré à valeur unitaire de référence plus basse que le code probable : Nomen confronte la valeur déclarée au corridor du code suggéré.
Glissement de classification chez un opérateur
Nomen détecte un changement de comportement de classification d'un opérateur sur ses derniers mois et alerte la cellule de gestion du risque.
Nomen est autonome, mais connecté à la suite.
Nomen est un produit distinct de la suite MAATAI Risk Management. Il s’articule avec Sentinel pour éclairer le ciblage et avec Forensic pour documenter les dossiers qui devront être reconstruits ou audités.
Nomen reçoit les descriptions, factures, packing lists, manifestes et certificats préparés par la brique Ingest — dans leurs langues d'origine.
L'historique de classification de l'opérateur est mobilisé via le feature store pour détecter les glissements et les changements de comportement.
Les incohérences de classification détectées par Nomen alimentent le score de risque global de la déclaration — produisant un signal documenté.
Si la déclaration est sélectionnée, la note produite par Explain intègre les suggestions de Nomen — l'agent voit le contexte tarifaire et les pistes à vérifier.
Chaque suggestion, override et décision est enregistrée dans Lineage — version du modèle, version de la nomenclature, score, raison.
Tester Nomen sur un cas réel — votre cas.
Un atelier dédié de 1 à 2 journées pour appliquer Nomen à un échantillon de déclarations anonymisées et mesurer la valeur du produit dans votre contexte. Code SH visé, langues attendues, format des documents — tout est paramétré pour votre administration.
Le rapport méthodologique de Nomen, la liste des langues supportées et les exemples de notes de classification produites sont disponibles à l'issue de la première discussion.