Feuille 02-C
PrototypeSuitstarter
Un pipeline RAG qui lit la presse tech à ma place.
Projet d'exploration monté sur mon temps libre. Un pipeline quotidien qui lit la presse tech, détecte les opportunités de levée de fonds, et répond à mes questions dans un chatbot sourcé.
- Pour
- Projet personnel, banc d'essai
- Année
- 2026
- État
- Prototype évalué
- Matériaux
- LLM · RAG · Vector DB · Python · Scheduler · Web scraping
Contexte · La question posée
La question posée.
Comment construire un agent conversationnel qui, sur un domaine métier précis, répond vraiment aux questions sans inventer ? Suitstarter est mon banc d'essai. Le cas d'usage choisi (veille startups) est arbitraire mais représentatif : volume d'articles à traiter, besoin de citer la source, risque d'hallucination grave. Si l'archi tient debout sur ce cas-là, elle tient pour un chatbot interne entreprise.
Schéma de principe
Se trace au défilementComment ça tient.
le plan se déroule vers la droite →Nomenclature des fonctions
8 repères- 01
Déclenchement automatique
Le système se lance seul à heure fixe chaque jour. Aucune intervention, aucun oubli.
- 02
Collecte multi-sources
Lecture en parallèle de plusieurs flux d'actualité tech (presse généraliste et médias spécialisés startups).
- 03
Normalisation
Chaque source publie dans son propre format. Nettoyage qui ramène tout à une structure unifiée (titre, lien, date, contenu).
- 04
Analyse LLM ciblée
Chaque article est analysé individuellement. L'IA répond à des questions précises (« s'agit-il d'une startup en levée ? ») et extrait des champs structurés. Elle attribue un score 0-10, écarte les géants déjà cotés, refuse d'inventer.
- 05
Filtrage par seuil
Seuls les articles dépassant le score passent à l'étape suivante.
- 06
Enrichissement & nettoyage
Pour chaque article retenu, on va chercher le contenu complet et on le nettoie (menus, pubs, mentions légales supprimés).
- 07
Vectorisation & stockage
Le texte propre est transformé en vecteur. Stocké avec ses métadonnées (secteur, score, pays, source) dans une base vectorielle interrogeable sémantiquement.
- 08
Agent conversationnel
L'utilisateur pose ses questions. L'agent interroge la base, construit la réponse, cite systématiquement ses sources. Sans info, il refuse plutôt que d'inventer.
Essais et contraintes
RelevésMesuré, au lieu de « ça a l'air de marcher ».
Les chiffres ci-dessous sont ceux de mon évaluation interne, pas des promesses commerciales. L'évaluation a été faite sur un échantillon de questions pièges que j'ai étiquetées à la main : volume limité, biais possibles. Si vous repreniez l'archi pour votre cas, on referait l'évaluation sur votre dataset réel. Ce qui compte ici, plus que le « 100 % » : un protocole mesurable, refaisable, au lieu d'une impression.
Relevé 01
100 %
Précision sur mon dataset de test (à refaire sur le vôtre)
Relevé 02
97 %
Exactitude globale, échantillon étiqueté à la main
Relevé 03
0
Hallucination tolérée. L'agent refuse plutôt que d'inventer
Agent conversationnel
Question → recherche → réponse sourcéeQuestion → recherche → réponse sourcée.
Le chatbot interroge la base vectorielle, sélectionne les passages pertinents, et construit sa réponse en citant la source. S'il ne trouve pas, il refuse.
Question
Quelles startups françaises en cybersécurité ont levé cette semaine ?
Passages retrouvés
- Cyber · série A · FR
- Cloud · amorçage · UK
- Cyber · amorçage · FR
- SaaS · série B · DE
Réponse
Deux levées cette semaine : Startup A, série A [1], et Startup B, amorçage [2].
[1] article du 3 juin · [2] article du 5 juin
Rien dans la base ? Il répond qu'il ne sait pas.
Réemploi · ce que ce dessin fait pour vous
Pièces transposablesCe que cette archi fait pour vous.
Le même socle (collecte → extraction LLM → base vectorielle → agent sourcé) s'applique à tout besoin de veille ou de chatbot interne nourri par vos documents.
Réemploi 1
Veille marché & concurrence
Surveiller un secteur, un concurrent, une thématique, sans qu'un analyste lise la presse chaque matin.
Réemploi 2
Tri d'informations entrantes
Classer, prioriser et router des flux (emails, tickets, articles) selon vos règles métier.
Réemploi 3
Chatbot interne nourri par vos docs
Un agent qui répond à vos clients ou vos équipes à partir de vos procédures, avec citations, sans inventer.
Bordereau d'envoi
Réponse sous 24 h ouvréesLe même dessin, chez vous ?
Décrivez la tâche qui vous coûte le plus de temps. Je réponds avec une première lecture, sans engagement.