La web app de diagnostic AIMsight : la page Data (courbes, images de la caméra, étiquettes, événements des détecteurs) et son onglet Analysis, qui lance par `claude -p` :
- « Optimiser les détecteurs », sur une analyse finie : `/detectors:wf-improve` (le plugin du dépôt detectors) améliore les détecteurs sur la plage de l'analyse, ses étiquettes pour vérité, sans sur-apprentissage, contrôlé par le benchmark de toutes les étiquettes ; puis le `tool-builder` fait entrer les scripts de l'analyste dans les outils de lecture.
-`labeling/` : un lien vers le dépôt `~/labeling`, partagé avec Optimizer (on y commite les étiquettes) : le savoir du labeling (`regles-d-etiquetage.md`, `familles.md`, `carte-des-etiquettes.md`, `connaissances/`), les étiquettes (`auto/<STATION>.jsonl`, la vérité du benchmark ; `manual/`), les analyses de l'app (`auto/analyses/`), et `controle.py`, `ids.py`.
-`data/` : un lien vers `~/aimsight-data/data`, les données des stations, **hors de git**, un dossier par station (`displacement/`, `metrics/`, `camera/`, `images/`).
Le dépôt detectors : un détecteur par famille d'étiquettes (`scripts/`), `scripts/categories.py` qui les lance et range leurs épisodes en événements, et le plugin Claude Code qui les améliore (`/detectors:wf-improve`, avec `skills/wf-improve/scripts/score.py` et `regression.py`). Son contrat avec l'app est dans `detectors/CLAUDE.md` ; ici :
- la page Data montre les événements de `categories.events`, calculés sur les mesures lues par `agent-tools/donnees.py` (les mêmes que celles de `detectors/scripts/data.py`) ;
- « Optimiser les détecteurs » donne à `/detectors:wf-improve` la plage, les étiquettes (`labeling/auto/<STATION>.jsonl`), la vérité de référence (`labeling/auto`, `data`), les familles (`labeling/familles.md`), le rapport de l'analyse et le dossier de sortie, `<analyse>/detectors/<heure>/` (la requête : `app/serveur/analyse.py`) ;
- la séance commite dans `detectors/`, sur sa branche `main`, sans pousser. Ensuite : `git -C detectors push`, puis ici `git commit -m "..." -- detectors`, pour que ce dépôt pointe la nouvelle version.
Mettre à jour les détecteurs : `git -C detectors pull`, puis `git commit -m "..." -- detectors`.
La tâche VS Code **Run app** fait tout : monte `detectors` la première fois (sur sa branche `main`), crée `.venv` et construit le front s'ils manquent, lance le serveur. Il faut les liens vers les données et les étiquettes : `ln -s ~/aimsight-data/data data` et `ln -s ~/labeling labeling` (les dépôts aimsight-data et labeling, clonés à côté).
Le pompage est dans le dépôt `~/aimsight-data` (`extraction/`, tâches VS Code **pomper** et **pomper une plage**) ; mode d'emploi `~/aimsight-data/extraction/README.md`.
- les étiquettes : `python3 labeling/controle.py` (les 18 étiquettes versées par l'app n'ont pas encore `revue`, qu'elle exige : 18 erreurs attendues) ;