# Analyse MOAT - RPA Vision V3

**Date:** 18 janvier 2026
**Version:** 1.0
**Objectif:** Photographie complète du projet pour valider les avantages concurrentiels défendables

---

## Résumé Exécutif

| MOAT | Score | Statut |
|------|-------|--------|
| **Techno** (Hard to Copy) | 85% | Point fort |
| **Data/Apprentissage** (Hard to Catch Up) | 60% | Infrastructure OK, capitalisation à améliorer |
| **Déploiement Santé** (Hard to Enter) | 50% | Technique OK, docs compliance manquantes |

---

## MOAT 1 : TECHNO (Hard to Copy)

### Capacités Implémentées

| Capacité | État | Détails |
|----------|------|---------|
| **Vision-native** | Implémenté | CLIP ViT-B-32 (512-dim) + OWL-v2 zero-shot + OpenCV + Qwen2.5-VL |
| **Matching hiérarchique** | Implémenté | 3 niveaux : fenêtre (20%) + région (30%) + élément (50%) |
| **Self-healing** | Implémenté | 4 stratégies actives |
| **Cascade fallbacks** | Implémenté | Circuit breaker + state machine 5 états |
| **Traces/Policies** | Implémenté | Audit JSONL rotatif, execution history, confidence scoring |
| **VDI/Citrix** | Conçu pour | Architecture vision-only compatible, tests à documenter |

### Self-Healing - 4 Stratégies

1. **Semantic Variants** - Variantes sémantiques des cibles
2. **Spatial Fallback** - Recherche éléments proches
3. **Timing Adaptation** - Ajustement des délais
4. **Format Transformation** - Transformation de formats

### Circuit Breaker - Seuils

| Condition | Action |
|-----------|--------|
| 3 échecs consécutifs | → DEGRADED |
| 10 échecs en 600s par workflow | → QUARANTINED |
| 30 échecs globaux en fenêtre | → GLOBAL_PAUSE |
| X succès consécutifs | → Reset |

### State Machine Exécution

```
RUNNING ↔ DEGRADED ↔ QUARANTINED
   ↕          ↕            ↕
PAUSED    ROLLBACK    (reset)
```

### Fichiers Clés

- `/core/execution/` - 12 fichiers (action_executor, target_resolver, error_handler, recovery_strategies)
- `/core/healing/` - 7 fichiers (healing_engine, learning_repository, 4 stratégies)
- `/core/matching/hierarchical_matcher.py` - Matching multi-niveau
- `/core/system/circuit_breaker.py` - Protection contre cascades d'erreurs
- `/core/system/auto_heal_manager.py` - Machine d'état

**Verdict : 85% validé** - La cascade fallbacks + healing + policies existe réellement.

---

## MOAT 2 : DATA / APPRENTISSAGE (Hard to Catch Up)

### Capacités Implémentées

| Capacité | État | Détails |
|----------|------|---------|
| **Cas d'écran** | Complet | 4 niveaux de stockage |
| **Learning states** | Implémenté | 4 états de progression |
| **Drift detection** | Implémenté | Création variantes automatique |
| **Corrections utilisateur** | Partiel | Stockées mais pas packagées |
| **Templates/Packs** | Basique | Statiques uniquement |
| **Corpus** | À construire | Structure prête |

### Format des Cas d'Écran (4 niveaux)

**Niveau 1 : Raw Capture (RawSession)**
```
data/sessions/YYYY-MM-DD/session_*.json
- events[] avec timestamps
- screenshots[] avec paths
- window context
```

**Niveau 2 : Perception (ScreenState)**
```
data/screen_states/YYYY-MM-DD/state_*.json
- raw_level (screenshot, capture_method)
- perception_level (embedding, detected_text, confidence)
- context_level (workflow_candidate, business_variables)
```

**Niveau 3 : Vector Index (FAISS)**
```
data/faiss_index/main.faiss + main_metadata.json
data/embeddings/YYYY-MM-DD/state_*.npy (512 dimensions)
```

**Niveau 4 : Training Dataset**
```
training_data/session_*.json
- screenshots, actions, user_corrections, success
```

### États d'Apprentissage

```
OBSERVATION → COACHING → AUTO_CANDIDATE → AUTO_CONFIRMED
     ↑                                          |
     +------ (régression détectée) -------------+
```

- 5+ observations (conf > 0.90) → COACHING
- Drift detection : 3 matchs faibles → création variante
- Max 5 variantes par node

### Manques Identifiés

| Item | Impact |
|------|--------|
| Pas de "Correction Packs" | Corrections isolées par session |
| Pas d'héritage cross-workflow | Réapprentissage nécessaire |
| Pas d'export/import corrections | Difficile à partager |

### Fichiers Clés

- `/core/learning/` - 5 fichiers (learning_manager, continuous_learner, feedback_processor)
- `/core/training/` - 5 fichiers (offline_trainer, session_analyzer, training_data_collector)
- `/core/persistence/storage_manager.py` - Gestionnaire centralisé
- `/core/embedding/faiss_manager.py` - Index vectoriel

**Verdict : 60% validé** - Infrastructure OK, capitalisation cross-workflow manquante.

---

## MOAT 3 : DÉPLOIEMENT SANTÉ (Hard to Enter)

### Capacités Implémentées

| Capacité | État | Détails |
|----------|------|---------|
| **On-prem** | Ready | 100% local, pas de cloud obligatoire |
| **Sécurité** | Implémenté | IP allowlist, rate limiter, tokens, audit |
| **Traçabilité** | Implémenté | 8 types d'événements, rotation logs |
| **Encryption** | Implémenté | Sessions chiffrées |
| **Playbook DSI/RSSI** | À documenter | Pas de doc formelle |
| **Certifications** | À préparer | Pas de certifications |

### Sécurité - Détails

**Audit Log (8 types d'événements)**
- auth_success, auth_failure
- api_access
- rate_limit_exceeded
- security_violation
- permission_denied
- data_access
- admin_action

**Caractéristiques**
- Format JSONL pour parsing
- Hachage données sensibles optionnel
- Rotation auto (10MB max, 10 fichiers)
- Métadonnées : user_id, IP, endpoint, user_agent, token_hash

### Fichiers Clés

- `/core/security/audit_log.py` - Logging sécurisé
- `/core/security/api_tokens.py` - Gestion tokens
- `/core/security/ip_allowlist.py` - Whitelist IP
- `/core/security/rate_limiter.py` - Rate limiting
- `/server/storage_encrypted.py` - Encryption sessions

### Manques Identifiés

| Item | Priorité |
|------|----------|
| Documentation compliance santé | Haute |
| Playbook DSI/RSSI | Haute |
| Certifications (HDS, ISO 27001) | Moyenne |
| Tests VDI/Citrix documentés | Moyenne |

**Verdict : 50% validé** - Technique OK, documentation compliance à faire.

---

## Inventaire Fonctionnel Complet

### Composants Opérationnels

| Composant | Port | État | Fichiers |
|-----------|------|------|----------|
| Visual Workflow Builder Frontend | 3000 | Opérationnel | React 19, React Flow v12 |
| Visual Workflow Builder Backend | 5000 | Opérationnel | Flask, 24+ actions |
| Agent Chat (LLM) | 5002 | Opérationnel | Intent parsing + Ollama |
| Web Dashboard | 5004 | Opérationnel | Monitoring temps réel |
| Core Execution | - | Opérationnel | ActionExecutor, TargetResolver |
| Self-Healing Engine | - | Opérationnel | 4 stratégies |
| Analytics System | - | Opérationnel | SQLite + reporting |

### Catalogue d'Actions VWB (24+)

**vision_ui/** (14 actions)
- click_anchor, type_text, type_secret
- screenshot_evidence, wait_for_anchor
- scroll_to_anchor, focus_anchor, hotkey
- double_clic, clic_droit, glisser_deposer
- survol_element, extract_text

**navigation/** (2)
- navigate_to_url, browser_back

**data/** (2)
- telecharger_vers_dossier, extraire_tableau

**database/** (3)
- sauvegarder_donnees, charger_donnees, gestionnaire_db

**validation/** (2)
- verify_element_exists, verify_text_content

**intelligence/** (1)
- analyser_avec_ia

### Points de Friction Connus

| Item | Problème | Impact |
|------|----------|--------|
| FAISS dimension arg | Incompatibilité version | Apprentissage embeddings |
| Agent Chat exécution | Mode optionnel | Fallback simulation |
| Cross-workflow learning | Corrections isolées | Capitalisation limitée |

---

## Architecture Core (179 fichiers Python)

```
/core/
├── execution/      (12) - Exécution et robustesse
├── healing/        (7)  - Self-healing et recovery
├── learning/       (5)  - Apprentissage continu
├── training/       (5)  - Entraînement offline
├── security/       (7)  - Audit, tokens, validation
├── detection/      (5)  - UI hybride OWL+OpenCV+VLM
├── embedding/      (8)  - CLIP, FAISS, fusion
├── visual/         (8)  - Gestion cibles visuelles
├── matching/       (2)  - Matching hiérarchique
├── analytics/     (11)  - Collection, engine, reporting
├── system/         (8)  - Circuit breaker, auto-heal
├── monitoring/     (8)  - Métriques, scheduling
├── persistence/    (1)  - StorageManager centralisé
├── models/         (8)  - Structures de données
└── evaluation/     (3)  - Replay, simulation
```

---

## Actions Requises

### Court Terme (Semaines)

| Action | Priorité | Effort |
|--------|----------|--------|
| Documenter playbook DSI/RSSI | Haute | Faible |
| Corriger FAISS dimension error | Haute | Faible |
| Tester et documenter VDI/Citrix | Moyenne | Moyen |

### Moyen Terme (Mois)

| Action | Priorité | Effort |
|--------|----------|--------|
| Système de Correction Packs | Haute | Moyen |
| Export/Import corrections cross-workflows | Haute | Moyen |
| Documentation compliance santé | Haute | Moyen |

### Long Terme

| Action | Priorité | Effort |
|--------|----------|--------|
| Certifications santé (HDS, ISO 27001) | Variable | Élevé |
| Accumulation corpus production | Continue | - |

---

## Conclusion

**RPA Vision V3 est un moat technique solide** avec :

- Architecture vision-native défendable
- Self-healing réel avec 4 stratégies
- Infrastructure d'apprentissage complète
- Sécurité et traçabilité opérationnelles

**Pour un moat complet :**

1. Capitaliser les corrections cross-workflows (Correction Packs)
2. Documenter compliance santé (playbook DSI/RSSI)
3. Alimenter le corpus en production (vraie douve long terme)

---

## Références Techniques

### Ports par défaut

| Service | Port |
|---------|------|
| VWB Backend | 5000 |
| VWB Frontend | 3000 |
| Web Dashboard | 5004 |
| Agent Chat | 5002 |
| API Upload | 8000 |
| Ollama | 11434 |

### Commandes de démarrage

```bash
# Dashboard (avec service systemd)
sudo systemctl start rpa-dashboard
# → http://localhost:5004

# Agent Chat
./venv_v3/bin/python -m agent_chat.app
# → http://localhost:5002

# VWB
cd visual_workflow_builder/backend && ./start.sh
cd visual_workflow_builder/frontend && npm start
```

### Structure données

```
data/
├── sessions/YYYY-MM-DD/     # RawSession JSON
├── screen_states/YYYY-MM-DD/ # ScreenState JSON
├── embeddings/YYYY-MM-DD/   # NPY + métadonnées
├── faiss_index/             # Index vectoriel
├── workflows/               # Workflows JSON
├── templates/               # Templates statiques
└── analytics/               # Métriques SQLite
```