Assistant documentaire IA — agent RAG et produit

2026

Projet personnel à deux facettes : un agent IA qui répond aux questions posées sur un corpus de documents (PDF, Word, texte) en citant ses sources — pipeline RAG en FastAPI, ChromaDB, embeddings locaux et Claude (Anthropic) — et tout le volet produit autour : conception de l'offre, site vitrine, identité visuelle, simulateur de coût et contenus.

Un projet personnel que j'ai mené de bout en bout, de l'ingénierie IA jusqu'au produit. Côté technique, un agent documentaire : les documents sont découpés et vectorisés localement avec fastembed (modèle multilingue MiniLM), indexés dans ChromaDB, et les passages les plus pertinents sont transmis à Claude Haiku via l'API Anthropic. Le back-end FastAPI expose l'API et une page de gestion en libre-service (ajout et suppression de documents, réindexation incrémentale) ; le front est un widget de chat statique. Accès protégés par mot de passe, CORS et limitation de débit ; déploiement continu sur Railway depuis GitHub, avec un volume persistant pour l'index.

La partie dont je suis le plus satisfait est le protocole de recette : 28 questions de contrôle, dont 5 sans réponse possible dans le corpus, rejouées après chaque changement. Il a mis au jour trois défauts réels que la lecture du code ne montrait pas — des tableaux PDF sans filets dont les colonnes étaient reconstruites de travers, les en-têtes perdant le lien avec leurs valeurs ; une double indexation des tableaux, qui faisait qu'élargir le contexte dégradait les réponses au lieu de les améliorer ; et une recherche exacte qui ignorait les noms propres. Après correction, la campagne de mesure ne relève aucune réponse inventée sur le jeu de contrôle, et les 5 questions sans réponse donnent bien un refus. Ces chiffres valent pour ce corpus de démonstration et ne se généralisent pas.

Un point de conception y contribue directement : les sources affichées sous chaque réponse viennent des métadonnées des extraits réellement récupérés, pas du texte produit par le modèle — une source ne peut donc pas être inventée, au pire elle est hors sujet. Le corpus de démonstration décrit un réseau d'agences immobilières fictif, écrit pour le projet.

L'autre moitié du travail est produit et marketing : définition de l'offre et de son périmètre, site vitrine React déployé à part, identité visuelle, simulateur de coût et rédaction des contenus (parcours en étapes, démonstration, questions fréquentes). Les deux dépôts, l'agent et le site vitrine, sont publics.

• RAG
• Python
• FastAPI
• ChromaDB
• Claude (Anthropic)
• Railway
• React
• Produit