ca81850a20
Audit du cœur métier de la démo GHT Sud 95 (8 mai 2026), du point de vue d'un médecin DIM senior qui se ferait challenger par le DSI Carvella. Confronte : arbre officiel RPU UHCD IA.pptx (7 slides), code métier agent_chat/urgences_orchestrator.py + core/llm/t2a_decision.py, prompts LLM en place, 11 dossiers anonymisés data.js, bench Dom 18 modèles, référentiels officiels (SFMU 2024, instructions DGOS, arrêtés 2021/2024 ATIH, recommandations IPAQSS). Findings critiques (avant démo) : 1. Bug silencieux modèle — t2a_decision.py:28 met DEFAULT_MODEL=qwen2.5:7b (64 % accuracy au bench Dom) alors que gemma3:27b-cloud (73 %) est retenu par BENCH_T2A_DECISION_11DOSSIERS. Si T2A_MODEL pas posé via env, on tourne sur le mauvais modèle. 9 points d'accuracy laissés sur la table. 2. Règle de combinaison incorrecte dans le prompt — code dit "au moins 2 sur 3 ⇒ REQUALIFICATION" alors que l'arbre PPTX d'Eaubonne dit "si oui aux 3 critères". Cause probable des faux positifs UHCD du bench (25003284, 25056615). Quick win = passer à 3/3. 3. Trous métier dans le prompt : aucune mention CCMU, GEMSA, durée, mode de sortie, type de forfait précis (SU2/PE2/Standard). C'est exactement où se loge le ROI 100k€/mois. 5 quick wins prompt rédigés prêts à coller dans §E.4 du rapport. 4. Trois dossiers à NE PAS montrer en démo (25056615, 25151530, 25003475, 25048485) — trop ambigus, hallucinations LLM, structure non tranchée. 5. Trois dossiers à mettre en avant (25003451 SU2 plaie 2h, 25010621 PE2 laryngite, 25003364 UHCD pneumo SLA) — décisions justes, justifications béton. Argumentaire pré-démo : 9 questions/réponses face à Carvella (instructions DGOS, SFMU, cumul SU2+PE2, hallucination LLM, ROI 100k€). Roadmap post-démo pour Amina : bench étendu 50-100 dossiers + 3 inférences/dossier, fine-tune t2a-gemma3-27b, distinction forfaits fine, module ATIH-aware, couverture pédia/géria/psy, sortie contre avis, transferts. Note : aucun changement de code dans ce commit. Rapport seul. Les quick wins identifiés (3/3, modèle par défaut, prompts enrichis) sont à appliquer demain matin avec validation Dom + Amina. 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
Documentation RPA Vision V3
📚 Organisation
reference/ - Documents de Référence Architecture
Documents techniques décrivant l'architecture complète du système :
ARCHITECTURE_VISION_COMPLETE.md- Architecture complète en 5 couches (ESSENTIEL)ARCHITECTURE_ENRICHISSEMENTS.md- 8 enrichissements production-readyARCHITECTURE_INDEX.md- Index de navigationENRICHISSEMENTS_RESUME.md- Résumé des enrichissementsSTART_HERE.md- Point de départ pour comprendre l'architectureQUICK_SUMMARY.txt- Résumé rapideSESSION_COMPLETE_22_NOV.md- Session de travail complèteRESUME_CREATION_DOCS.md- Historique de créationCHANGELOG_MVP.md- Changelog du MVP
specs/ - Spécification d'Implémentation
Spécification complète pour l'implémentation :
requirements.md- 15 requirements avec 89 critères d'acceptationdesign.md- Design détaillé avec 20 correctness propertiestasks.md- Plan d'implémentation en 13 phases avec 60+ tâches
Autres Documents
ROADMAP_RPA_100_VISION.md- Vision et roadmap du projet
🎯 Par Où Commencer ?
Pour Comprendre l'Architecture
- Lire :
reference/START_HERE.md - Approfondir :
reference/ARCHITECTURE_VISION_COMPLETE.md - Enrichissements :
reference/ARCHITECTURE_ENRICHISSEMENTS.md
Pour Implémenter
- Requirements :
specs/requirements.md - Design :
specs/design.md - Tasks :
specs/tasks.md
Pour la Vision Globale
- Roadmap :
ROADMAP_RPA_100_VISION.md
🏗️ Architecture en 5 Couches
Couche 0: RawSession
↓
Couche 1: ScreenState (4 niveaux)
↓
Couche 2: UIElement Detection
↓
Couche 3: State Embedding
↓
Couche 4: Workflow Graph
📖 Concepts Clés
RPA 100% Vision
- Pas de coordonnées (x, y) fixes
- Rôles sémantiques (primary_action, form_input, etc.)
- Matching par similarité visuelle et textuelle
- Robuste aux changements d'UI
Workflow Graph
- WorkflowNode : Template d'état d'écran
- WorkflowEdge : Transition (action) entre nodes
- Learning States : OBSERVATION → COACHING → AUTO_CANDIDATE → AUTO_CONFIRMÉ
State Embedding
Fusion multi-modale :
- 50% Image (screenshot complet)
- 30% Texte (texte détecté)
- 10% Titre (fenêtre)
- 10% UI (éléments détectés)
🔗 Liens Utiles
- Code source :
../core/ - Tests :
../tests/ - Données :
../data/ - README principal :
../README.md