MIRA — Récapitulatif de session

17 septembre 2026 — Tiny Core 64 bits / VM OS-MIRA-64bits

1. Clavier AZERTY et copier-coller en console

• Problème : tout le système (y compris les commandes tapées) était en clavier QWERTY, obligeant à tout retaper comme sur un clavier étranger.
• Installation du module kmaps puis test réussi de loadkmap < /usr/share/kmap/azerty/fr-latin9.kmap en console (setxkbmap ne s’applique qu’en graphique, pas en console).
• Installation du module gpm (souris en mode texte) pour permettre la sélection/copier-coller dans la console : clic gauche = sélectionner, clic droit = coller.
• Précision : gpm permet de copier-coller à l’intérieur de la console de la VM, mais pas depuis l’extérieur (ordinateur hôte) — cela demanderait les Guest Additions VirtualBox, non installées ici.
• Les deux réglages rendus permanents : ajout de loadkmap ... et gpm -m /dev/input/mice -t exps2 dans /opt/bootlocal.sh, sauvegardé avec filetool.sh -b.

✔ Résolu et sauvegardé — reste à confirmer par un redémarrage à froid.

2. Branchement du moteur de langage naturel (compréhension libre)

• Constat de départ : chat_ia.py ne faisait jamais appel au modèle Phi-4 Mini, seulement à des mots-clés et au calcul — d’où les réponses « Je n’ai pas compris ».
• Étape 2 (instancier/démarrer le moteur) : déjà présente dans le code, confirmée en relisant chat_ia.py.
• Étape 3 : méthode fallback_answer modifiée pour appeler self.moteur.repondre(message) au lieu du message fixe — vérifié avec py_compile (aucune erreur).
• Étapes 4 et 5 : déjà couvertes par la structure existante du code (règles de mots-clés gardées, chargement du modèle déjà au démarrage).

Problème rencontré : « moteur neuronal non chargé »

• Premier test : MIRA répondait « Le moteur neuronal n’est pas encore chargé (llama.cpp manquant ou modèle absent) ».
• Diagnostic (via le fichier de log mira.log) : le module llama-cpp-python avait disparu du système après un redémarrage.
• Cause : pip et llama-cpp-python avaient été installés sans l’option --user lors de la session initiale, donc dans un emplacement système non sauvegardé par filetool.sh -b (même type de souci que l’incident /lib64 déjà rencontré).
• Correction : réinstallation de pip (get-pip.py --user) puis de llama-cpp-python (--user), sauvegardée avec filetool.sh -b.

✔ Test final réussi : MIRA a répondu correctement et de façon cohérente à une question libre (« explique-moi ce qu’est Tiny Core »), y compris avec des fautes d’orthographe volontaires — la compréhension du langage naturel fonctionne.

3. Point d’attention pour la suite

• La réponse du modèle est jugée un peu lente pour le moment — à surveiller, pas bloquant.
• Bien retenir : toute future installation via pip doit utiliser l’option --user pour survivre aux redémarrages sur Tiny Core.