Spaces:
Paused
Paused
|
Download docs/demo_script.md from xbizot/saearch-v3: direct link, hf CLI and curl.
- Browser
- Download file 8.67 kB
-
https://huggingface.co/spaces/xbizot/saearch-v3/resolve/main/docs/demo_script.md
- Command line
-
hf download hf://spaces/xbizot/saearch-v3/docs/demo_script.md
-
curl -L -o demo_script.md https://huggingface.co/spaces/xbizot/saearch-v3/resolve/main/docs/demo_script.md
8.67 kB
| # Script de démo soutenance — SAEARCH / DooMax | |
| > Scénario pas-à-pas pour la soutenance, avec les questions exactes à taper, les outils attendus en réponse, et les points à commenter à voix haute. Durée totale visée : ~15-20 min. | |
| --- | |
| ## Préparation (avant de commencer) | |
| - [ ] HF Spaces ouvert dans un onglet : `https://xbizot-saearch.hf.space` | |
| - [ ] Connecté avec un compte (`demo@saearch.ai` / `demo` ou ton compte perso) | |
| - [ ] `docs/architecture_pour_slides.md` ouvert dans un autre onglet ou en PDF | |
| - [ ] `SAEARCH_architecture.html` ouvert en parallèle (double-clic local) si tu veux montrer le diagramme | |
| - [ ] Dashboard MLflow lancé en parallèle si possible : `mlflow ui --backend-store-uri sqlite:///mlflow.db --port 5000` | |
| - [ ] Volume audio activé pour le STT/TTS | |
| - [ ] Une question vocale préparée mentalement | |
| --- | |
| ## Plan de démo (10 séquences) | |
| ### 1. Présentation rapide de l'UI (1 min) | |
| **À montrer** : page d'accueil après login. | |
| **À commenter** : | |
| - Sidebar à gauche : multi-conversations, persistées en SQLite | |
| - Donut central qui visualise les outils appelés (vide pour l'instant) | |
| - Footer noir : tokens, coût USD, version du prompt | |
| - Géoloc auto-détectée (ex : "Houplines, Hauts-de-France") | |
| --- | |
| ### 2. Chat simple en français (1 min) | |
| **À taper** : | |
| ``` | |
| Bonjour, qui es-tu ? | |
| ``` | |
| **Réponse attendue** : DooMax se présente (jamais "Claude"), explique son rôle, propose ses capacités. Aucun outil appelé (donut reste vide). | |
| **À commenter** : | |
| - Le prompt système l'oblige à dire "DooMax", jamais "Claude" | |
| - Vouvoiement par défaut | |
| - Le routeur a tranché "chat" en quelques millisecondes (pas d'appel LLM de classification, juste keywords) | |
| --- | |
| ### 3. RAG sur le corpus GIEC (2 min) | |
| **À taper** : | |
| ``` | |
| Que dit le GIEC sur l'intensification des inondations en Europe méditerranéenne ? | |
| ``` | |
| **Réponse attendue** : | |
| - L'agent appelle `search_corpus` | |
| - Réponse synthétique avec citations `[Source: IPCC_AR6_WGII_SummaryForPolicymakers.pdf, Page: X]` | |
| - Donut affiche le segment "RAG" | |
| **À commenter** : | |
| - Pipeline hybride BM25 + Dense + reranking CrossEncoder | |
| - Bridge lexical FR↔EN : la question en français a retrouvé des passages dans des PDFs en anglais | |
| - Diversité forcée : maximum 3 chunks par PDF, pour éviter qu'un seul document monopolise la réponse | |
| --- | |
| ### 4. Question multilingue (1 min, optionnel) | |
| **À taper** (en anglais) : | |
| ``` | |
| What does the IPCC say about heat waves in Europe? | |
| ``` | |
| **Ou en espagnol** : | |
| ``` | |
| ¿Qué dice el IPCC sobre las olas de calor en Europa? | |
| ``` | |
| **Réponse attendue** : Réponse intégralement dans la langue de la question, citations toujours présentes. | |
| **À commenter** : | |
| - Embedding multilingue `paraphrase-multilingual-MiniLM-L12-v2` (50+ langues) | |
| - Le prompt impose la cohérence linguistique stricte | |
| --- | |
| ### 5. Agent météo (1-2 min) | |
| **À taper** : | |
| ``` | |
| Quel est le temps prévu à Marseille la semaine prochaine ? | |
| ``` | |
| **Réponse attendue** : | |
| - Appel `get_forecast` | |
| - Résumé jour par jour des températures, précipitations, vent | |
| - Donut affiche le segment "Météo" | |
| **À commenter** : | |
| - API OpenMeteo, gratuite, sans clé | |
| - Géocodage automatique (ville → coordonnées) | |
| - Pattern ReAct : Reason ("c'est une question météo prévisionnelle") → Act (`get_forecast`) → Observe (JSON OpenMeteo) → Answer (synthèse en langage naturel) | |
| --- | |
| ### 6. Multi-outils chaînés (2 min) | |
| **À taper** : | |
| ``` | |
| Quel temps fait-il à Paris aujourd'hui, et combien font 23.5 + 18.7 ? | |
| ``` | |
| **Réponse attendue** : | |
| - Appel `get_weather` (Paris) puis `calculator` (23.5 + 18.7) | |
| - Donut montre 2 segments différents allumés | |
| **À commenter** : | |
| - L'agent enchaîne plusieurs outils en une seule requête | |
| - Le calculator passe par une sandbox AST (anti-injection) | |
| --- | |
| ### 7. ML prédictif (1 min) | |
| **À taper** : | |
| ``` | |
| Quel est le risque catastrophe prédit au Bangladesh pour 2030 ? | |
| ``` | |
| **Réponse attendue** : | |
| - Appel `predict_risk` (ou `predict_risk_by_type` selon le détail) | |
| - Niveau de risque + impact humain moyen prédit | |
| - Citation du modèle (Quantile Regression EM-DAT) | |
| **À commenter** : | |
| - Modèle entraîné sur EM-DAT décadal (1900-2020, 14 625 lignes) | |
| - Quantile Regression robuste aux outliers (sinon canicule France 2003 fausserait tout) | |
| - Clipping 1.5× max historique : empêche les prédictions extrêmes par extrapolation | |
| - Comparatif MLflow : 16 modèles testés, ce GBQR est le meilleur sur MAE_test | |
| --- | |
| ### 8. Scoring multi-sources (2 min, point fort) | |
| **À taper** : | |
| ``` | |
| Calcule le score de risque inondation à Bangkok à horizon court terme | |
| ``` | |
| **Réponse attendue** : | |
| - L'agent enchaîne 4 outils : `get_forecast` + `predict_risk` + `search_corpus` + (historique) | |
| - Puis appelle `calculer_score_risque` | |
| - Score 0-1 + interprétation qualitative + sources | |
| **À commenter** : | |
| - C'est l'outil emblématique : il croise 4 sources en une seule passe | |
| - Pondération dépendante de l'horizon : court_terme privilégie la météo, long_terme privilégie ML + corpus | |
| - Le donut affiche 5 segments allumés simultanément | |
| --- | |
| ### 9. Mode décisionnel + HITL (2 min) | |
| **À cliquer** : un des 4 boutons d'action décisionnelle (par exemple "Événementiel"), puis suivre le dialogue guidé. | |
| **Réponse attendue** : | |
| - Dialogue qui pose 2-3 questions (lieu, date, type d'événement) | |
| - Réponse finale avec recommandation GO / NO-GO | |
| - **Guide de lecture** intégré : `DECISION = ... | HORIZON = ... | SCORE = ... | RISQUE = ... | CONFIANCE = ...` | |
| - Boutons d'action : Approuver / Enrichir / Rejeter | |
| **À commenter** : | |
| - Boucle Human-in-the-Loop : aucun système ne décide seul d'annuler un événement | |
| - Toute décision finale est loggée dans MLflow comme feedback humain | |
| - Le guide de lecture rend la sortie auto-explicative — pas besoin de glossaire séparé pour comprendre | |
| --- | |
| ### 10. Multimodal (2 min) | |
| **Au choix selon le temps** : | |
| #### 10a. Upload PDF | |
| - Glisser-déposer un PDF de ton choix dans le chat | |
| - Taper : `Résume-moi ce document en 5 points` | |
| - Commenter : indexation FAISS in-memory **session-scoped** → pas de pollution du corpus officiel | |
| #### 10b. Upload image | |
| - Glisser-déposer une image (carte météo, schéma, etc.) | |
| - Taper : `Que vois-tu sur cette image ?` | |
| - Commenter : Claude vision natif, pas d'OCR séparé | |
| #### 10c. STT (vocal) | |
| - Cliquer sur le micro, dire : *"Quel temps fait-il à Lyon ?"* (ou en anglais/espagnol pour montrer l'autodétection) | |
| - Commenter : Faster-Whisper en local, sans API tierce, autodétection de langue | |
| #### 10d. TTS (lecture vocale) | |
| - Sur n'importe quelle réponse, cliquer le bouton 🔊 en bas à gauche | |
| - Commenter : Web Speech API du navigateur, gratuit, instantané | |
| --- | |
| ## Bonus si temps restant | |
| ### MCP via Claude Desktop | |
| **Si tu as configuré le tunnel Cloudflare avant la soutenance** : | |
| - Ouvre Claude Desktop sur ta machine | |
| - Montre les 11 outils SAEARCH disponibles | |
| - Demande à Claude Desktop : *"Cherche dans le corpus SAEARCH ce que disent les rapports sur les feux de forêt en Europe"* | |
| - Commenter : pas de duplication de code, mêmes fonctions `@tool` partagées entre Chainlit et MCP | |
| ### Dashboard MLflow | |
| **Si tu as lancé MLflow UI** : | |
| - Onglet `rag-catastrophes-climatiques` → un run par requête | |
| - Filtrer par `prompt_version` v1.0 vs v2.0 pour montrer l'A/B testing | |
| - Onglet Model Registry : versions `NB10_regression v1+`, `NB10_classification v1+` | |
| --- | |
| ## Conclusion (1 min) | |
| Points à clore : | |
| - Architecture complète disponible dans `docs/architecture.md`, slides dans `docs/architecture_pour_slides.md` | |
| - Diagramme interactif consultable séparément (`SAEARCH_architecture.html`) | |
| - 25 décisions techniques justifiées dans `docs/decisions.md` | |
| - Code et image disponibles : GitHub, Docker Hub, AWS ECR, HF Spaces | |
| **Phrase de clôture suggérée** : | |
| > *"Le projet combine 4 capacités — RAG scientifique, agents à outils, ML prédictif, aide à la décision humaine — sur les fondations posées par toute l'équipe en P1, P2 et P3. Toutes les décisions techniques sont justifiées et reproductibles via les workflows CI/CD."* | |
| --- | |
| ## Erreurs probables et plans B | |
| | Si... | Plan B | | |
| |---|---| | |
| | L'API Anthropic timeout / 429 | Le fallback Haiku s'active automatiquement → continuer la démo, juste mentionner que la résilience marche | | |
| | HF Spaces lent / timeout | Lancer une démo en local en backup (port 8090) | | |
| | Une question RAG ne trouve rien | Reformuler avec un terme plus spécifique (`GIEC` au lieu de `IPCC`) | | |
| | Le STT ne détecte pas le micro | Vérifier autorisation navigateur, sinon skip et passer au suivant | | |
| | Le diagramme HTML ne s'ouvre pas | Ouvrir directement le fichier en double-clic depuis l'explorateur | | |