العودة إلى المهارات
Atypie_Friendly_chatbot
بواسطة Hackathon-SID-2025
Aider—لم يُقيَّم بعد
تقييمك
موجز
Aider les enseignants à créer des supports de cours et des examens adaptés aux étudiants en situation de handicap
الوصف
# Agent conversationnel Atypie-Friendly










Ce projet a été réalisé dans le cadre du **Hackathon SID 2026** (Inter-promo) du Master Sciences et Ingénierie des Données. Il regroupe des étudiants des 3 années du Master (L3, M1 et M2).
**[Infinity Blau](https://atypie-friendly.vercel.app)** est un agent conversationnel avec Interface utilisateur (chatbot) conçu pour le programme national **[Atypie-Friendly](https://atypie-friendly.fr)**, une initiative visant à améliorer l'inclusion des étudiants présentant des Troubles du Neuro-Développement (TND) dans l'enseignement supérieur.
> 💙 *Le nom "Infinity Blau" est un hommage au nom de notre équipe.*
---
## Table des matières
- [Objectif du projet](#objectif-du-projet)
- [Fonctionnalités Clés](#fonctionnalités-clés)
- [Architecture Technique](#architecture)
- [Organisation de l'équipe](#organisation)
- [Installation et Démarrage](#installation-et-démarrage)
- [Evaluation de modèles](#evaluation-de-modèles)
---
## Objectif du projet
Fournir aux enseignants et aux équipes pédagogiques un outil fiable pour :
- Obtenir des conseils pédagogiques adaptés aux TND (TSA, TDAH, troubles DYS...).
- Accéder rapidement aux ressources du programme Atypie-Friendly.
- Comprendre les adaptations possibles pour leurs cours et examens.
## Fonctionnalités Clés
* **RAG (Retrieval-Augmented Generation)** : Le chatbot ne répond pas au hasard, il se base sur une base de connaissances vérifiée issue du programme Atypie-Friendly.
* **Réponses en Streaming** : Affichage progressif de la réponse pour une expérience utilisateur fluide.
* **Sources Citées** : Chaque réponse indique les documents utilisés pour générer le conseil.
* **Gestion de l'historique** : Sauvegarde des conversations via Supabase.
* **Interface Adaptative** : Mode clair/sombre et design responsive (Mobile & Desktop).
## Architecture
L'architecture suit un flux de données précis pour garantir la pertinence des réponses (Pattern RAG). Le Backend agit comme un orchestrateur entre la base de connaissances et l'IA.
```mermaid
graph TD;
%% Noeuds
User((Utilisateur))
Front[Frontend React]
Back[Backend FastAPI]
Vector[(FAISS Vector DB)]
LLM[Mistral AI]
%% Flux Standard
User -->|1. Pose une question| Front
Front -->|2. Envoie la requête| Back
subgraph RAG [Moteur RAG]
Back -->|3. Recherche sémantique| Vector
Vector -->|4. Renvoie les documents similaires à la question| Back
%% Flèches allongées (---) pour aérer l'affichage des titres 5 et 6
Back --->|5. Prompt: Question + Contexte| LLM
LLM --->|6. Génère la réponse| Back
end
Back -->|7. Stream la réponse| Front
Front -->|8. Affiche le message| User
%% Styles
style Back fill:#f9f,stroke:#333,stroke-width:2px
style Vector fill:#bbf,stroke:#333,stroke-width:2px
style LLM fill:#bfb,stroke:#333,stroke-width:2px
```
## Organisation
<div align="center">
**Chef de projet :** Paulin Kodjovi <br>
**Encadrants :** Philippe Berthet & Ronan Sicre
<br>
<img src="assets/image_0.png" width="400px" alt="Équipe Analyse">
<img src="assets/image_1.png" width="385px" alt="Équipe Dev-Chatbot">
<img src="assets/image_2.png" width="400px" alt="Équipe Interface">
</div>
## Installation et Démarrage
Pour faciliter le déploiement, nous proposons deux méthodes pour le Backend : via **Docker** (recommandé pour la stabilité) ou l'installation **Standard** (pour le développement).
### 1. Pré-requis
* Node.js (v18+)
* Docker Desktop (ou Python 3.11+)
* Une clé API [Mistral AI](https://console.mistral.ai/)
* Un projet [Supabase](https://supabase.com/) configuré
---
### 2. Backend (API & IA)
#### 🐳 Option 1 : Backend via Docker (Recommandé)
Cette méthode garantit que l'application tourne dans un environnement isolé avec les bonnes versions de dépendances.
**1. Préparer la configuration**
Créez un fichier nommé `.env` dans le dossier `chatbot/backend_fastapi` et ajoutez votre clé API :
```properties
MISTRAL_API_KEY=votre_clé_api_ici
```
**2. Construire et Lancer** Ouvrez un terminal dans `chatbot/backend_fastapi` et lancez :
```
# 1. Construire l'image (peut prendre quelques minutes la première fois)
docker build -t atypie-backend .
# 2. Lancer le conteneur (en chargeant le fichier .env)
docker run -p 8000:8000 --env-file .env atypie-backend
```
Le serveur sera accessible sur `http://localhost:8000`
#### 🐍 Option 2 : Backend via Python Standard (Windows)
Utilisez cette méthode si vous souhaitez modifier le code ou si vous ne pouvez pas utiliser Docker.
**1. Configuration de la clé API**
Avant tout, vous devez créer le fichier de configuration.
1. Allez dans le dossier `chatbot/backend_fastapi`.
2. Créez un fichier nommé `.env`.
3. Ouvrez-le et collez votre clé dedans :
```properties
MISTRAL_API_KEY=votre_clé_api_ici
```
**2. Installation**
Ouvrez votre terminal (PowerShell) dans le dossier `chatbot/backend_fastapi` :
```bash
# 1. Créer l'environnement virtuel
python -m venv venv
# 2. Activer l'environnement
.\venv\Scripts\activate
# 3. Installer les dépendances
pip install -r requirements.txt
```
**3. Lancement**
Toujours dans le même terminal (avec `(venv)` affiché au début de la ligne) :
```bash
# Lancer le serveur
uvicorn app_api_v2:app --reload
```
Le serveur sera accessible sur `http://localhost:8000`
### 3. Frontend (Interface)
Une fois le backend opérationnel (via Docker ou Python), vous devez lancer l'interface utilisateur.
**1. Installation des dépendances**
Ouvrez un **nouveau terminal** (ne fermez pas celui du backend) et naviguez vers le dossier frontend :
```bash
cd chatbot/frontend
npm install
```
**2. Configuration Supabase**
L'interface a besoin de se connecter à votre projet Supabase pour l'authentification et l'historique.
1. Créez un fichier nommé `.env` à la racine du dossier `chatbot/chatbot`.
2. Ajoutez vos clés Supabase (disponibles dans *Project Settings > API*) :
```properties
VITE_SUPABASE_URL=votre_url_supabase_ici
VITE_SUPABASE_ANON_KEY=votre_clé_anon_public_ici
```
**3. Démarrage**
Lancez le serveur de développement :
```bash
npm run dev
```
L'application est maintenant accessible dans votre navigateur (généralement sur `http://localhost:5173`).
## Evaluation de modèles
Afin de garantir que l'agent conversationnel réponde de manière factuelle sans "halluciner" et cite correctement ses sources, un framework d'évaluation rigoureux a été mis en œuvre. Basé sur une approche **LLM-as-a-judge**, la pipeline mesure la précision, le raisonnement et la qualité des documents récupérés (RAG).
**[Consultez la documentation complète de notre architecture d'évaluation dans le dossier `/Analyses`](./Analyses)**.
التثبيت
ثبّت المهارة من https://github.com/Hackathon-SID-2025/Atypie_Friendly_chatbotهذه المهارة غير منشورة في سجلّ ClawHub. الصق النص في وكيل البرمجة لديك — Claude Code أو Cursor أو Codex — وسيثبّت المهارة مباشرةً من المستودع المصدر.
افتح المستودع