File size: 8,673 Bytes
b0ea9c4
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
# 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 |