AUDITFLOW : Environnements symboliques exécutables pour la vérification du reporting financier structuré

Résumé

La vérification structurée d'audit financier est difficile pour les agents basés sur des modèles de langage, car la justesse dépend de preuves structurées et non uniquement du texte. Un modèle doit relier les faits rapportés aux concepts de taxonomie, parcourir des relations de calcul ou dimensionnelles, et recalculer les valeurs attendues avant d'appliquer une règle d'audit. Nous proposons AuditFlow, un cadre multi-agents ancré dans un graphe qui sépare la recherche adaptative de la vérification déterministe. AuditFlow construit un environnement symbolique à partir d'un graphe de taxonomie US-GAAP statique et d'un graphe de dépôt XBRL dynamique, et l'expose via des outils typés pour la récupération de faits, le parcours de taxonomie, la vérification numérique et l'évaluation de règles. Deux auditeurs juniors examinent chaque cas sous les angles réglementaire et probant, tandis qu'un auditeur senior résout les désaccords et peut demander des investigations supplémentaires. Les rapports finaux sont fusionnés par agrégation probante pour produire un verdict d'audit, une valeur attendue, une chaîne de preuves et un score de fiabilité. Sur un échantillon FinMR dérivé de FinAuditing, AuditFlow atteint une précision d'audit conjointe de 82,09 % avec GPT-5.5, surpassant la référence la plus forte de 14,93 points. La suppression des vérifications déterministes fait chuter la précision à 17,91 %, montrant que l'environnement symbolique effectue l'étape de vérification que le modèle ne peut pas remplacer de manière fiable.

English

Structured financial audit verification is difficult for language-model agents because correctness depends on structured evidence rather than text alone. A model must link reported facts to taxonomy concepts, traverse calculation or dimensional relations, and recompute expected values before applying an audit rule. We propose AuditFlow, a graph-grounded multi-agent framework that separates adaptive search from deterministic verification. AuditFlow builds a symbolic environment from a static US-GAAP taxonomy graph and a dynamic XBRL filing graph, and exposes it through typed tools for fact retrieval, taxonomy traversal, numerical checking, and rule evaluation. Two junior auditors inspect each case from regulatory and evidentiary views, while a senior auditor resolves disagreements and can request further investigation. The final reports are fused through evidential aggregation to produce an audit verdict, expected value, evidence trail, and trustworthiness score. On a FinAuditing-derived FinMR sample, AuditFlow reaches 82.09% joint audit accuracy under GPT-5.5, outperforming the strongest baseline by 14.93 points. Removing deterministic checks drops accuracy to 17.91%, showing that the symbolic environment performs the verification step that the model cannot reliably replace.