Files
Support-Agent/vues-deplacements/contexte/journal-du-matin.md
T

14 KiB

Journal du matin du client : brainstorming du 2026-10-23

Notes de la conversation vocale du 2026-10-23 (utilisateur, après échange avec son supérieur), tenues par l'orchestrateur. Les idées sont gardées toutes, même celles qu'on ne fait pas tout de suite ; ce qui est lancé est marqué [en cours]. Décision : D-056.

Le constat

  • Le projet s'est éparpillé : beaucoup d'analyses fines (sauts, tendances, compensation, agent de diagnostic) ; important, mais on s'y perd.
  • Revenir à du simple, terre à terre, côté support : des analyses élémentaires, qui discréditent certaines zones plutôt qu'elles ne mesurent des variations.
  • Changement de regard sur l'anomalie : ce n'est pas d'abord un vrai déplacement de l'ouvrage, ce sont surtout des « trucs nuls » : un train qui passe, de la neige ou une toile d'araignée sur une cible, la pluie, la buée, le soleil, la turbulence, plus assez de références (alors tout bouge un peu). Une anomalie = un moment où il ne faut pas prendre les données en compte.
  • Précision de l'utilisateur (2026-10-24) : une anomalie, c'est tout ce qui sort de la norme, tout ce qui fait que les courbes ne sont pas plates alors que rien ne bouge. Dans l'écrasante majorité des cas, ce n'est absolument pas grave (perte de visibilité et toutes les catégories de la carte) ; mais parfois c'est grave, d'un autre type : à Barcelone, la voûte du pont s'affaisse vraiment.

L'idée : le journal du matin

  • Le client se lève, ouvre le monitoring comme on lit le journal : le récapitulatif de ce qui s'est passé depuis sa dernière visite.
  • Une plage de quelques jours par défaut (celle qu'il regarde : s'il vient tous les 2-3 jours, 2-3 jours).
  • Les courbes de déplacement, toutes les données gardées ; dessous, des barres étiquetées (une bande colorée : « mauvaise météo », « mauvaise visibilité », « effet thermique », la catégorie trouvée) ; les zones à ignorer grisées sur les courbes, sans retirer les points.
  • Deux familles de ce qui peut se passer : des conditions qui gâtent la mesure (météo, visibilité, turbulence, cycle thermique) et, plus rarement, un vrai mouvement.
  • Courbes en pixels (suggestion du supérieur) plutôt qu'en mm : on y voit les mêmes choses ; premier essai en px (corr_x, corr_y de l'export « advanced », à la cadence native).
  • Une visualisation très simple, « bateau », comme les cas de la base (pluie, toile d'araignée, train…).
  • Garder les images et la technique des petits GIF (vignettes animées) : on voit tout de suite qu'on a perdu les cibles. Pas dans la v0.
  • Objectif de contrôle : si on donnait les mêmes données à Claude, il devrait voir de lui-même les mêmes catégories ; notre solution doit dire ce que Claude dirait.

Les pistes, une par agent (toutes rendues le 2026-10-23)

Un orchestrateur (la conversation principale) et un agent par piste, qui rapporte à l'orchestrateur ; l'orchestrateur en discute avec l'utilisateur. Contrat commun des détecteurs : un fichier par détecteur dans vues-deplacements/journal/, detect(mesures) rend des épisodes (start, end, label, text, ignore, sensors).

Piste Ce que l'utilisateur en dit Où
Gros sauts brutaux perte de visibilité, gros déplacements, puis retour à la normale juste après : un événement ; variation brutale sur une petite plage journal/sauts.py
Taux d'erreur entre 2 h et 3 h, d'un coup beaucoup de perturbations : un flag « grand taux d'erreur des cibles », moyenne sur les cibles journal/visibilite.py
Cycle thermique chaque jour de grosses vagues : tout chauffe, bouge un peu, puis refroidit à la tombée de la nuit, très prévisible ; vu seul ça paraît bizarre, vu chaque jour c'est normal journal/thermique.py
Turbulence atmosphérique des petites vagues, du bruit, à expliquer au client journal/turbulence.py
Cartographie des cas il n'y a pas 36 000 options : un diagramme (Mermaid) de tous les cas rencontrés, branchés (mauvais temps, train, obstruction…), à partir des catégories déjà dans le projet docs/displacement/domaine/carte-des-evenements.md
Page une page dans Explore : les courbes, les barres dessous, les zones grisées onglet Journal de vues-deplacements/maquette/
Volet 2 : lissage le premier volet ne touche pas aux données et les interprète ; un second les lisse ; peur que ce soit trop complexe : un agent dit ce qui existe et ce qui est possible vues-deplacements/contexte/lissage.md
Données et boucle récupérer les données pour travailler hors de l'application, puis boucler Claude dessus vues-deplacements/contexte/donnees-et-boucle.md

Les données et la boucle d'amélioration

  • Aujourd'hui, Claude ne voit pas l'application : elle tourne dans le dev container, que l'utilisateur doit relancer, et Claude ne peut pas y entrer.
  • Pistes d'accès, aucune fermée :
    • A, préférée pour l'instant : un dossier de scripts dédié, séparé de tout le reste, que l'utilisateur lance dans le dev container pour pomper les données de nombreuses stations sur de grandes plages (déplacements, images, images différentielles), par lots ; quelques centaines de Go acceptables ;
    • B : un petit client qui interroge directement la base avec le même protocole d'authentification que l'application (identifiants de l'utilisateur), et un site HTML / JS local qui fait le même travail ; avantage : ne récupérer que le nécessaire ;
    • C : demander au collègue l'infrastructure qui manque.
  • La boucle, idée « super puissante » à faire intelligemment (elle consomme) : Claude prend une plage, lance les scripts de diagnostic, regarde lui-même les données et les images, critique les scripts, les améliore, crée un cas si besoin, passe à la plage suivante, et épluche ainsi toutes les données.
  • Calcul à la volée : aujourd'hui, le site calcule les analyses quand le client charge la page ; faire tourner un LLM à ce moment-là n'est pas raisonnable. Claude sert donc à régler les scripts hors ligne, pas à répondre en direct.

Où l'on travaille

  • Dans Support-Agent, pas dans le dev container (précision de l'utilisateur en fin de message) : on y voit tout et on itère vite ; quand c'est convaincant, on le porte dans le vrai conteneur, comme pour les statuts des métriques système (Energy, Storage, Cellular, Temperature), où l'on savait déjà ce qu'on voulait.

Façon de travailler

  • Prototypes : ni tests, ni revues, ni qualité de code ; on développe, l'utilisateur essaie, il fait un retour, on itère.
  • Consigne aux agents : pas d'imagination débordante, pas l'optimal ni le stylé ; quelque chose qui marche au départ, minimaliste au besoin, puis on améliore.

Idées gardées pour plus tard

  • Vignettes et GIF des images d'un épisode, dans le journal.
  • Images différentielles (si la plateforme les a), pour voir ce qui a changé.
  • D'autres métriques existent sur certains projets : un agent pourrait les passer en revue quand les données seront récupérées en masse.
  • Effet périodique étiqueté comme tel (« periodic effect »), jugé encore poussé.
  • Un cas de la base pour chaque catégorie de la carte, quand l'utilisateur les apporte.

Retour de l'utilisateur sur la v0 (2026-10-23, le soir)

  • « Pas trop mal », mais il veut encore plus simple, et surtout un diagnostic catégorique et complet, comme celui des cas étudiés par l'agent de diagnostic (agents/diagnostic/cas/) : pas de « most likely a measurement artefact » ni de « probably rain ».
  • Exemple : sur NORDEND, le 14/10 vers 05:15, un immense saut monte puis redescend en quelques heures. Ce comportement se voit tout le temps ; il a plusieurs causes possibles, mais on veut clairement invalider la zone. Ici il n'y a pas d'ambiguïté : les cibles étaient perdues (intempéries, plein jour, aube…), et les images le montrent.
  • Cas par cas, isoler les scénarios : un gros saut → trouver sa catégorie (celle de la carte des événements, d'où la demande d'un agent cartographe) → exécuter le processus de la catégorie. Pour la perte de visibilité, le processus est de montrer les images : le client voit le gros saut, lit la catégorie, voit qu'on ne distingue pas les cibles, comprend que ce n'est qu'une perte de visibilité et passe à la suite sans s'alarmer.
  • Sous les courbes, le label dit ce qui s'est passé (la catégorie), pas le nom du détecteur.
  • La suite : pas forcément de modification tout de suite, mais un plan très détaillé, numéroté et non linéaire, qui reprend tout le travail de la conversation et qu'il pourra exécuter point par point dans de nouvelles conversations : docs/superpowers/plans/2026-10-23-journal-du-matin.md.
  • Suggestions du même soir, après la v0 :
    • la simplicité est la règle d'or : « l'instruction que je dois m'imposer, c'est que ça doit être simple » ;
    • la visibilité se calcule simplement : le taux d'erreur des cibles, une par une ou en moyenne ; quand il est élevé, on dit qu'il y a une mauvaise visibilité ;
    • la preuve : le gros saut, c'est généralement une mauvaise visibilité (souvent, pendant des heures, on ne voit rien) ; un bouton Images sur l'épisode ouvre une petite vidéo (timelapse, « GIF ») qui commence un peu avant et finit un peu après, sur des moments où tout va bien : le client voit tout de suite ;
    • des statuts de visibilité, comme les statuts des métriques système : visibilité moyenne (« quand il pleut, les données sont moyennes ») et visibilité nulle (« on ne voit rien »), par cible et pour la station.
    • Dans le plan : points 7, 11 et 38.

Retours de la visite guidée (point 1 du plan, 2026-10-24)

  • NORDEND d'octobre : rien à ajouter au constat de l'agent : les vrais épisodes sont grisés (buée du 08/10, parois ruisselantes du 09/10, aube du 14/10), PR17 reste à part ; mais « Target obscured » grise toutes les courbes pour une à quatre cibles (presque une journée du 13 au 14/10), deux étiquettes se contredisent le 14/10 à 05:15, les phrases ne sont pas catégoriques, une étiquette de la frise est illisible.
  • PS des Coudres : les deux nuits de buée sur REF_G et REF_D grisées, le cycle thermique de 08:00 à 18:00 non grisé ; défaut vu : 3 cibles sur 11 seulement dans les courbes (point 39 du plan).
  • Les quatre autres jeux : l'utilisateur les considère comme validés sans les voir un par un ; point 1 validé.

Carte des événements (point 3 du plan, 2026-10-24)

  • La carte n'a pas à s'appuyer sur des cas vus dans les données (peu de données passées dans le projet) : elle doit englober toutes les possibilités, un ouvrier qui abîme une cible, « tout et n'importe quoi », rangées en familles. On part de la base et on complète au fur et à mesure : docs/displacement/domaine/carte-des-evenements.md (33 événements, six familles).

Page Journal simplifiée (point 8 du plan, 2026-10-24)

  • Frise d'une seule ligne « What happened » et journal en cartes : validé, mais l'utilisateur n'est « pas entièrement satisfait » ; on pourrait déplier au lieu de tout mettre sur une même ligne (point 40 du plan).

Cycle thermique et effet périodique (point 13 du plan, 2026-10-24)

  • Des ouvrages bougent beaucoup le jour par dilatation thermique et redescendent la nuit : de grosses vagues, tout à fait normales (l'utilisateur ne se souvient plus du projet qui le montrait).
  • Idée de l'utilisateur : un « effet périodique » qui explique ces anomalies ; la vague est un événement de dilatation ou de contraction thermique ; le reconnaître en ajustant une sinusoïde de 24 h (ou un polynôme en vague) : si elle colle, l'événement est cyclique, calqué sur le jour et la nuit. Point 41 du plan ; note docs/displacement/domaine/cycle-thermique.md.

La boucle automatique (point 31 du plan, 2026-10-24)

  • Idée de l'utilisateur : une boucle dans Claude Code, un orchestrateur et quatre rôles (analyste juge, upgrader des détecteurs, validateur pas trop strict, builder de cas), lot après lot ; détail au point 31 du plan.

Aiguiser la lecture (point 42 du plan, 2026-10-24)

  • Idée de l'utilisateur : améliorer, par un autre processus automatique que /boucle, les outils avec lesquels Claude lit les données (lecture, pas diagnostic, pour ne pas biaiser l'analyste) ; un optimiseur et un validateur des outils de lecture, sur plusieurs lots ; conception dans aiguiser-la-lecture.md.

Base locale complète (point 43 du plan, 2026-10-24)

  • Idée de l'utilisateur : pomper dans data/<STATION>/ tout ce que la base a (métriques, déplacements, images IRON et différentielles) pour les stations et périodes qu'il choisit, compléter sans re-télécharger, Claude pilotant ; écart avec pomper.py au point 43.

Un modèle appris (point 44 du plan, 2026-10-25)

  • Idée de l'utilisateur : en complément de la boucle, un algorithme de machine learning simple, entraîné sur les labels qu'elle écrit, pour classer les moments dans les catégories du journal ; proposition de Claude (étiquettes strictes et rejeu gratuit d'abord, puis un arbre de décision peu profond, à côté des détecteurs) au point 44, à discuter.

Le but de la boucle (point 45 du plan, 2026-10-25)

  • Précision de l'utilisateur : la boucle sert la détection, pas l'interface : sur tout le lot, chaque instant classé (valide ou non, sa catégorie), aucun événement manqué ; c'est la précision de cette détection qu'elle doit perfectionner. Écarts avec la boucle construite et proposition d'un score mesuré au point 45.