coffreobsidian/Réunion 13 mars.md
2025-03-20 11:51:38 +01:00

100 lines
4.7 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# <u><font color="#2DC26B"> O<font color="#2DC26B">bjectifs du projet - Réunion du 13 mars</font></font></u>
## <u><font color="#92cddc">Organigramme du traitement des demandes</font></u>
- **Séparation et récupération des demandes et des tickets**
- Mode dentrée :
- Suivi de du support directement par les tickets
- Connexion par API base de donnée Odoo
- **Organisation:**
- **Cas administratif** : Maryam, Laurent
- **Cas technique** (dysfonctionnement logiciel ...) : Fabien, Romuald
- **Problème Dev :** Quentin, Fabien
- **Client star**: Laurent, Quentin
- **Évaluation de la demande**:
- Fiche dévaluation et scoring pour les demandes entrantes
- Vérification du dysfonctionnement
- Récupération de lorganisation actuelle du scoring
- Analyse des dysfonctionnements et suggestions éventuelles
- **Problème niveau développement** : Fabien ou Quentin
[[Jour 5 notes support traitement ticket dev|exemple ticket dev]]
## <u><font color="#92cddc">Changement du Process avec lIA</font></u>
- Rédiger un cahier des charges
- Voir gestion des requêtes et récupération des informations dans Odoo
- Récupération des données existantes
- Tickets, demandes
- Historique des messages importants
- Pièces-jointes (à analyser)
- Analyse des discussions (mails, ...) pour recréer un fil de discussion cohérent (entrée ➡️ final)
#### <font color="#ffff00">**Objectifs à venir**</font>
- Visite guidée sur Webdev IA pour le site dassistance utilisateur
- Classification des demandes
- Étape 1 : Identification du type de demande
- Étape 2 : Attribution à un agent
- Si catégorisation nécessaire : appel à la base Odoo (facturation, normes techniques…)
## <u><font color="#92cddc">Intelligence Artificielle (LLM et RAGFLOW)</font></u>
- Étudier différents modèles selon les besoins
- Utilisation dun gros LLM pour tout gérer
- Chat avec **Mistral Large**
- Interprétation des documents réglementaires (AFNOR en HTML)
- Maitriser utilisation **RAGFLOW**
- Conversion **RST ➡️ Markdown** ➡️ **HTML (Sphinx)**
- Mise en place de pipeline entre LLM, RAGFLOW, ...
- Classification des LLM et exécution dactions (système Crew codé)
- Voir pour utilisation plusieurs LLM (vLLM, MIC)
- Vision pour analyse des images
- **Fine-tuning des modèles**
## <u><font color="#92cddc">Interface & API</font></u>
- Page support avec **iframe Webdev REST**
- **Suggestion Gradio interface locale directe avec GPU** (possibilité de l'intégrer en iframe)
- Problème de compatibilité des flux REST ➡️ Recherche dune solution
- Fonction dappel API REST via **Visual Studio** ➡️ Enrichissement de la fonction stream API authnet
- Communication entre **le site et Webdev** (via messages et API REST)
- **Iframe & JavaScript** pour récupérer les fiches normes et documents
### <u><font color="#92cddc">Notes :</font></u>
1. **Conversations Odoo** ➡️ Fil de discussion structuré avant injection dans le RAG
2. **Manuel** ➡️ Document technique de formulation
- Ajout dans linterface RAGFLOW ou via API
- FAQ du manuel ➡️ Création dune base de connaissances dynamique
3. **Canal dentrée support IA** ➡️ Automatisation et tri des demandes
4. **Base de données** : BRG-LAB
5. **Logiciel de supervision** : Étude des interactions avec les acteurs concernés
6. **Scoring des dialogues IA**
7. **Gestion des erreurs et corrections dynamiques**
8. **Fonction commerciale future**
9. **Processus Caliopi** ➡️ Cahier des charges pour les formations
---
## Tâches à accomplir
- [ ] Rédiger un cahier des charges pour récupération données dOdoo [[Scripts requêtes Odoo]]
- [ ] Récupérer lexistant (mails, tickets, Odoo)
- [ ] scripts de récupérations (facilement exécutable par LLM)
- [ ] Étudier laccès et les fonctionnalités du RAGFLOW
- [ ] Mise en place d'une base de donnée (vertorielle? voir selon les cas de figure)
- [ ] Bibliothèque de scripts
- [ ] Préparation des données toutes la documentation technique, normes ... (formatage des données, interprétation des images si besoin pour meilleure compréhension par LLM)
- [ ] Analyser et classifier les demandes des clients
- [ ] Implémenter le scoring des dysfonctionnements
- [ ] Voir les solutions pour API REST et iframe Webdev
- [ ] Automatiser lintégration du manuel utilisateur
---
### Ressources nécessaires
- Accès aux bases de données et historiques des tickets
- Documentation technique Odoo
- Support technique interne
- Documentation RAGFLOW
- Référentiel des normes AFNOR
- API Visual Studio / Webdev REST