arkhenDiagnostic
Le labo

Ce que j'expérimente, et ça en est

Un cas client, aussi complet soit-il, ne suffit pas à décrire une pratique. Voici ce que je construis à côté — avec, pour chaque chantier, son état réel plutôt que son intention.

Les chantiers

Agent vocal conversationnel

Prototype — ça tourne

Pipecat · Ollama · Whisper · Kokoro

L'intention

Construire une chaîne vocale complète — écoute, compréhension, réponse, synthèse — sans dépendre d'un service propriétaire, pour comprendre où se logent réellement la latence et les ruptures de conversation.

L'état réel

La stack tourne en local, de bout en bout. Née d'une commande interne au club IA de mon école, portée par un ancien élève aujourd'hui directeur IA.

Ce que j'en ai appris

Une conversation vocale ne pardonne rien. Un délai que personne ne remarque à l'écrit devient un silence gênant à l'oral. La qualité perçue d'un agent vocal se joue sur des budgets de quelques centaines de millisecondes, pas sur la finesse du modèle.

Agent de tri et de rédaction de messages

Prototype — ça tourne

OpenRouter · modèle interchangeable

L'intention

Reprendre la tâche la plus coûteuse en temps chez un dirigeant — lire, trier, répondre — sans jamais lui retirer la décision.

L'état réel

Fonctionne en ligne de commande. Trie, classe, et rédige des brouillons. N'envoie rien, par conception : aucune fonction d'envoi n'existe dans le code.

Ce que j'en ai appris

Passer par un routeur de modèles plutôt que par un fournisseur unique coûte une demi-journée au départ et supprime une dépendance définitive. C'est le meilleur rapport effort/liberté que j'aie rencontré sur ce projet.

Pipeline d'ingestion fournisseurs

Prototype — ça tourne

Extraction · normalisation · sas de publication

L'intention

Transformer des catalogues fournisseurs hétérogènes en un référentiel produit exploitable, sans intervention manuelle à chaque import.

L'état réel

Un fournisseur pilote chargé de bout en bout. Le pipeline est idempotent — le relancer deux fois ne crée pas de doublons — et tout ce qu'il produit arrive en brouillon, jamais publié directement.

Ce que j'en ai appris

L'idempotence n'est pas un raffinement d'ingénieur. Sans elle, personne n'ose relancer un import, donc personne ne corrige jamais rien, donc la base se dégrade. C'est une condition d'usage, pas de propreté.

Référencement génératif (GEO)

Architecturé, non déployé

Données structurées · JSON-LD · contenu attribuable

L'intention

Être cité par un assistant conversationnel plutôt que classé par un moteur de recherche. Le déplacement est en cours et change la nature du travail : il ne s'agit plus de plaire à un algorithme de classement, mais d'être lisible et citable par une machine qui rédige.

L'état réel

Stratégie formalisée et livrée en feuille de route dans le cadre du club IA. Appliquée partiellement — ce site en est le premier terrain.

Ce que j'en ai appris

C'est la même thèse déplacée d'un cran : être compris par une machine suppose d'être structuré pour elle. Le site que vous lisez est balisé en données structurées pour cette raison précise.

La règle de cette page