Assemble Your Memories

 

Aym est un système interactif hybride qui pourrait être défini comme un Agent Conversationnel de Stratégie Maïeutique.

Contrairement aux assistants virtuels traditionnels (type ChatGPT ou Siri) conçus pour fournir des réponses directes ou exécuter des tâches, Aym a pour vocation d'aider l'utilisateur à structurer sa propre pensée face à une problématique complexe ou une incertitude décisionnelle.

L'intention centrale du projet est de réduire la charge cognitive de l'utilisateur en externalisant la mémoire et la structure logique de la conversation vers une visualisation graphique dynamique. Le système repose sur une méthode "socratique" : l'IA ne donne pas la solution, mais guide l'utilisateur à travers un dialogue pour construire un Graphe de Décision en 3D.

Ce graphe matérialise deux entités fondamentales :

  • Les Stratégies : Les actions concrètes envisagées par l'utilisateur.
  • Les Prédictions : Les conséquences anticipées de ces actions.

L'expérience utilisateur se veut immersive grâce à un avatar génératif dont les expressions faciales s'adaptent en temps réel au contexte émotionnel de la discussion, créant un partenaire de réflexion empathique mais neutre.

Semestre : 2025-3A
Auteurs :

Raphaël CHAUVIER
Raphaël NGUYEN
Technologies :
  • Frontend & UI : Streamlit (Python) utilisé pour le déploiement web rapide, enrichi par injection CSS personnalisée pour l'esthétique et la gestion de l'état de session.
  • Visualisation de Données : Plotly pour le rendu interactif du graphe en 3D (zoom, rotation, hover), couplé à NetworkX pour le positionnement des noeuds (Stratégies/Prédictions) et des arêtes.
  • Orchestration IA : Framework LangChain pour la gestion des prompts, la mémoire conversationnelle et le parsing des sorties structurées (Pydantic).
  • Modèles Génératifs (LLM) :
    • Logique : GPT-5.1 (via OpenAI) OU Gemini 3 Pro pour le raisonnement complexe et la structuration du graphe.
    • Visuel : Google Gemini pour la transformation "Image-to-Image" (génération d'avatars dynamiques basés sur l'émotion).
  • Architecture Cognitive : Pattern "Router-Updater-Responder". Une machine à états implicite qui sépare l'analyse du contexte, la mise à jour des plans stratégiques en arrière-plan (parallélisme via ThreadPoolExecutor), et la génération de réponse.
  • Flux Événementiel : Utilisation de Générateurs Python (yield) pour contourner la nature statique de Streamlit et simuler une boucle d'événements temps réel (attente, écriture, mise à jour graphique).
  • Optimisation & Cache : Système de hachage pour la mise en cache des images générées (réduction de la latence) et persistance légère via JSON local.
Lien vers le projet :
Rapport :
Mots clés : Agent Conversationnel, Aide à la Décision, Visualisation 3D Interactive, Graphe de Connaissances, Cartographie Mentale, Planification Stratégique, IA Générative Multimodale, Cognition Étendue Co-construction, Interface Hybride, Streamlit, LLM Orchestration
Afficher les commentaires