# Optimizer Faire converger les détecteurs AIMsight en continu, à faible coût. Chaque jour pompé devient un batch de 24 h : 1. les détecteurs (le dépôt `detectors`, en sous-module) passent sur toutes les stations ; leurs événements deviennent des étiquettes, et une figure par station les montre face aux courbes ; 2. le `scanner`, un agent léger (Sonnet), regarde chaque figure, note chaque irrégularité (raté, trop, bornes, famille) dans un rapport et la corrige dans une copie des étiquettes, la vérité du batch. La suite, l'amélioration des détecteurs par `/detectors:wf-improve` sur cette vérité, n'est pas encore branchée. Le mode ciblé de Diagnostic-App (une analyse approfondie, puis « Optimiser les détecteurs ») reste tel quel ; Optimizer en est la version large et légère. Conception : `docs/superpowers/specs/2026-11-13-optimizer-design.md`. ## Installer ```bash git submodule update --init && git -C detectors checkout -B main ln -s ~/Support-Agent/data data # les données pompées, hors de git ln -s ~/Diagnostic-App/labeling labeling # familles.md et la vérité de référence, hors de git python3 -m venv .venv && .venv/bin/pip install matplotlib ``` `claude` (Claude Code) doit être sur le `PATH` pour le scan, connecté à l'abonnement Claude (`/login`) : le scan ne tourne jamais sur une clé d'API, `batch.py` l'arrête sinon. ## Lancer ```bash python3 batch.py # hier (UTC), toutes les stations de data/ python3 batch.py --jour 2026-11-12 # un autre jour python3 batch.py --sans-scan # les détecteurs et les figures seulement ``` Une étape faite ne se refait pas : relancer après `--sans-scan` fait le scan seul ; supprimer `batches//` pour tout refaire. `batch.py` passe seul sur `.venv` pour les figures. ## Ce qu'un batch laisse `batches//` : - `detecteurs/.jsonl` : les étiquettes des détecteurs, coupées au jour (`id`, `debut`, `fin`, `categorie` = la famille, `description`) ; - `verite/.jsonl` : les mêmes, corrigées par le scanner ; - `detecteurs.md` : le résumé que lit le scanner ; - `figures/.png` : ce qu'il regarde (hors de git) ; - `rapport.md` : ses irrégularités, ses doutes, ce qui lui a manqué ; - `scan.jsonl` : son flux, avec son coût (hors de git).