Configuration finale valid\u00e9e : premier fichier cr\u00e9\u00e9 avec succ\u00e8s

[Mario Da Conceicao]

Configuration finale valid\u00e9e et fonctionnelle de bout en bout.

Cha\u00eene qui fonctionne

Demande en fran\u00e7ais (@agent) \u2192 g\u00e9n\u00e9ration de code \u2192 \u00e9criture r\u00e9elle du fichier sur disque \u2192 avec confirmation obligatoire \u00e0 chaque \u00e9tape (Approuver/Refuser).

Points de configuration cl\u00e9s (\u00e0 refaire si nouvel espace de travail cr\u00e9\u00e9)

1. Workspace \u2192 Param\u00e8tres du chat \u2192 Ollama Settings \u2192 choisir le mod\u00e8le (qwen3-vl:4b-instruct pour les actions/fichiers \u2014 c’est celui qui g\u00e8re correctement l’ex\u00e9cution, contrairement \u00e0 qwen2.5-coder qui affichait le JSON en texte au lieu de l’ex\u00e9cuter)
2. Agent Skills (param\u00e8tres g\u00e9n\u00e9raux de l’app, pas du workspace) \u2192 activer "Acc\u00e8s au syst\u00e8me de fichiers" et "Cr\u00e9ation de documents"
3. Dans "Acc\u00e8s au syst\u00e8me de fichiers" \u2192 Permissions \u2192 ajouter le dossier autoris\u00e9 (dossier d\u00e9di\u00e9 cr\u00e9\u00e9 sur le Bureau : MIRA-projet) \u2014 c’est le garde-fou : l’IA ne peut lire/\u00e9crire que dans ce dossier et ses sous-dossiers, nulle part ailleurs

R\u00e9partition des mod\u00e8les

• qwen3-vl:4b-instruct \u2192 actions r\u00e9elles (cr\u00e9ation/\u00e9criture de fichiers) via @agent
• qwen2.5-coder \u2192 g\u00e9n\u00e9ration de code en chat normal (sans @agent, bug d’ex\u00e9cution constat\u00e9 avec ce mod\u00e8le)
• llama3.1 \u2192 disponible pour raisonnement g\u00e9n\u00e9raliste

Test r\u00e9ussi

Cr\u00e9ation du fichier calcul.py contenant une fonction add_numbers(a, b), confirm\u00e9 pr\u00e9sent dans MIRA-projet.

Limite mat\u00e9rielle rencontr\u00e9e

Erreur de m\u00e9moire RAM insuffisante avec certains mod\u00e8les plus lourds (5,3 Go requis vs 3,6 Go disponibles) \u2014 fermer les programmes gourmands (navigateur) avant utilisation, ou pr\u00e9voir des mod\u00e8les plus l\u00e9gers si r\u00e9current (ex. qwen2.5-coder:3b).

## Mise \u00e0 jour : machine plus capable que pr\u00e9vu
Config r\u00e9elle : AMD Ryzen 7 5800H, 16 Go RAM, RTX 3060 Laptop (6 Go VRAM). L’erreur de m\u00e9moire venait de plusieurs programmes ouverts en m\u00eame temps (5 fen\u00eatres dont navigateur), pas d’un manque de puissance r\u00e9el.

## Priorit\u00e9 confirm\u00e9e : justesse plut\u00f4t que vitesse
Usage 100% personnel (1 seul client) \u2014 pas besoin d’optimiser pour la vitesse/le parall\u00e9lisme comme le ferait un data center. La bonne strat\u00e9gie : viser le mod\u00e8le le plus capable qui tient en RAM, m\u00eame si les r\u00e9ponses sont plus lentes.

## Nouveau mod\u00e8le test\u00e9 et valid\u00e9 : gpt-oss:20b
MoE (Mixture of Experts) d’OpenAI, open source, recommand\u00e9 pour les configs 16 Go RAM. Test\u00e9 avec succ\u00e8s : cr\u00e9ation r\u00e9elle de fichier via @agent, format d’appel d’action correctement reconnu (contrairement \u00e0 qwen2.5-coder). Limite constat\u00e9e : bug de parsing si le code g\u00e9n\u00e9r\u00e9 contient des guillemets triples Python («  » »), \u00e0 \u00e9viter pour l’instant (pr\u00e9f\u00e9rer les commentaires avec #).

## Point technique retenu sur le MoE
Le MoE acc\u00e9l\u00e8re le calcul par question (n’active qu’une partie du mod\u00e8le) mais ne r\u00e9duit pas la m\u00e9moire n\u00e9cessaire au chargement (tous les experts doivent \u00eatre en RAM). L’avantage data center (r\u00e9pondre \u00e0 des millions d’utilisateurs) est diff\u00e9rent de l’avantage recherch\u00e9 ici (justesse pour un usage perso).

## Prochaine piste \u00e0 explorer
Extension mobile : Android faisable (llama.cpp/MLC-LLM, USB-OTG possible), iOS beaucoup plus contraint (pas de cl\u00e9 USB fonctionnelle, n\u00e9cessiterait une app d\u00e9di\u00e9e) \u2014 \u00e0 traiter comme un cas \u00e0 part, apr\u00e8s la base PC/USB.

[Auteur]

Messages