JARVIS Core

Contexte

JARVIS Core est né d’un constat simple : produire du contenu de qualité (articles, fiches produits, posts) de façon régulière demande beaucoup d’allers-retours — recherche, rédaction, relecture, mise en forme. L’objectif était de construire un système d’agents capable de prendre en charge l’essentiel de cette chaîne, tout en gardant un humain dans la boucle aux points de décision.

Problème

Les outils de génération de contenu « one-shot » produisent du texte plausible mais générique, sans mémoire du contexte de la marque ni vérification factuelle. Il fallait un système capable de planifier une tâche de contenu en sous-étapes, d’aller chercher de l’information vérifiable, et de s’auto-corriger avant de proposer un livrable.

Architecture

Le système s’organise en agents spécialisés orchestrés par un graphe d’état (LangGraph) :

• un agent planificateur qui découpe le brief en étapes et objectifs de contenu ;
• un agent chercheur, connecté à une base de connaissances RAG, qui rassemble des sources et des faits ;
• un agent rédacteur qui produit un brouillon structuré à partir du plan et des sources ;
• un agent relecteur qui vérifie ton, cohérence et exactitude, et renvoie le brouillon en révision si besoin ;
• une étape de validation humaine avant publication, exposée via une API FastAPI et un tableau de bord léger.

Stack

FastAPI pour l’orchestration et l’API, LangGraph/LangChain pour les agents, une base vectorielle pour le RAG, et une file de tâches pour paralléliser les recherches sans bloquer l’API.

Résultats

• Cycle de production de contenu raccourci grâce au parallélisme recherche/rédaction.
• Taux de révision humaine réduit une fois la base de connaissances enrichie.
• [Métriques chiffrées à ajouter après la prochaine campagne de mesure]

Captures

Captures d’écran à ajouter prochainement.