d8d086dac5
- Toggle 3 modes dans le header: Basique (coords fixes), Intelligent (vision IA), Debug (overlay) - Service UI-DETR-1 pour détection d'éléments UI (510MB model, ~800ms/image) - API endpoints: /api/ui-detection/detect, /preload, /status, /find-element - Overlay des bboxes détectées en mode Debug (miniature + plein écran) - Clic sur élément détecté pour le sélectionner comme ancre - Document de vision produit: docs/VISION_RPA_INTELLIGENT.md - Configuration CORS étendue pour ports locaux Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>
243 lines
8.8 KiB
Markdown
243 lines
8.8 KiB
Markdown
# RPA Vision - Architecture et Vision Produit
|
|
|
|
> Document de référence - Janvier 2026
|
|
|
|
## Vision Globale
|
|
|
|
RPA Vision n'est **pas** un simple enregistreur de macros. C'est un **agent RPA apprenant** qui fonctionne comme un stagiaire :
|
|
|
|
1. **Il observe** - Capture les démonstrations humaines
|
|
2. **Il apprend** - Stocke les patterns visuels (embeddings CLIP)
|
|
3. **Il essaie** - Exécute avec supervision
|
|
4. **Il se trompe** - Détecte ses erreurs
|
|
5. **On le corrige** - Feedback humain
|
|
6. **Il devient autonome** - Généralise à de nouveaux cas
|
|
|
|
## Architecture Technique
|
|
|
|
### Machine Cible
|
|
- **CPU** : Ryzen 9 9050X
|
|
- **RAM** : 128 Go DDR5 4040 MHz
|
|
- **GPU** : NVIDIA RTX 5090 12 Go
|
|
|
|
Cette configuration permet de tout faire tourner en local (pas de cloud).
|
|
|
|
### Composants Principaux
|
|
|
|
```
|
|
rpa_vision_v3/
|
|
├── core/
|
|
│ ├── learning/ # Mémoire + apprentissage continu
|
|
│ ├── embedding/ # Représentation visuelle (CLIP)
|
|
│ ├── healing/ # Auto-correction (self-healing)
|
|
│ └── workflow/ # Orchestration
|
|
│
|
|
├── agent_v0/ # Agents autonomes (produit final)
|
|
│
|
|
├── web_dashboard/ # Interface de supervision (produit final)
|
|
│
|
|
└── visual_workflow_builder/ # VWB (outil transitoire)
|
|
```
|
|
|
|
### Pipeline de Détection (Hybride)
|
|
|
|
```
|
|
┌─────────────────────────────────────────────────────────────────┐
|
|
│ ÉCRAN CAPTURÉ │
|
|
└─────────────────────────────────────────────────────────────────┘
|
|
│
|
|
▼
|
|
┌───────────────────────────────┐
|
|
│ MODE 1: UI MAP JSON │
|
|
│ (OmniParser / UI-DETR-1) │
|
|
│ → Liste de bboxes + scores │
|
|
└───────────────────────────────┘
|
|
│
|
|
▼
|
|
┌───────────────────────────────┐
|
|
│ DÉCIDEUR (LLM local) │
|
|
│ Choisit ID élément │
|
|
│ (pas de coords libres) │
|
|
└───────────────────────────────┘
|
|
│
|
|
┌─────────┴─────────┐
|
|
│ │
|
|
Élément trouvé? UI map bruitée?
|
|
│ │
|
|
▼ ▼
|
|
┌─────────────────┐ ┌─────────────────┐
|
|
│ REFINE │ │ MODE 2: GROUND │
|
|
│ (crop + Moondream│ │ (SeeClick) │
|
|
│ ou OpenCV) │ │ → (x,y) direct │
|
|
└─────────────────┘ └─────────────────┘
|
|
│ │
|
|
└─────────┬─────────┘
|
|
▼
|
|
┌───────────────────────────────┐
|
|
│ VERIFY │
|
|
│ L'action a-t-elle eu effet? │
|
|
└───────────────────────────────┘
|
|
```
|
|
|
|
### Modèles Utilisés
|
|
|
|
| Fonction | Modèle | Licence |
|
|
|----------|--------|---------|
|
|
| UI Map (détection) | UI-DETR-1 ou OmniParser | OK commercial |
|
|
| Grounding (fallback) | SeeClick | OK commercial |
|
|
| Embeddings visuels | CLIP | MIT |
|
|
| Décideur | LLM local (Mistral/LLaMA 7-13B) | Apache/LLaMA |
|
|
|
|
### Terrain de jeu
|
|
- Desktop natif Windows/Linux
|
|
- Citrix / VDI (images compressées)
|
|
- Petites icônes (cas difficile)
|
|
|
|
---
|
|
|
|
## Rôle de VWB (Visual Workflow Builder)
|
|
|
|
VWB est un **outil transitoire**, pas le produit final.
|
|
|
|
### Utilité
|
|
|
|
| Fonction | Description |
|
|
|----------|-------------|
|
|
| **Démo commerciale** | Interface visuelle impressionnante pour prospects |
|
|
| **Bootstrap** | Créer rapidement des exemples d'apprentissage |
|
|
| **Correction** | Humain corrige les erreurs de l'agent via UI |
|
|
| **Accélérateur** | Génère des données d'entraînement validées |
|
|
|
|
### Évolution prévue
|
|
|
|
| Aujourd'hui (VWB) | Demain (Produit final) |
|
|
|-------------------|------------------------|
|
|
| Interface drag & drop | Instructions texte/vocal |
|
|
| Workflows manuels | Workflows générés par l'agent |
|
|
| Humain dessine le chemin | Agent déduit le chemin |
|
|
| VWB + Dashboard | Dashboard + Agents seuls |
|
|
|
|
---
|
|
|
|
## Modes d'Exécution VWB
|
|
|
|
### Toggle Global (3 modes)
|
|
|
|
```
|
|
┌─────────────────────────────────────────────┐
|
|
│ ○ Basique │ ● Intelligent │ ○ Debug │
|
|
└─────────────────────────────────────────────┘
|
|
```
|
|
|
|
### Comparaison des modes
|
|
|
|
| Fonction | Basique | Intelligent | Debug |
|
|
|----------|---------|-------------|-------|
|
|
| Localisation | Coordonnées fixes | UI-DETR + CLIP | UI-DETR + CLIP |
|
|
| Décision | Séquentiel strict | LLM choisit | LLM choisit |
|
|
| Self-healing | OFF | ON | ON |
|
|
| Vérification | Aucune | Après chaque action | Après chaque action |
|
|
| Overlay visuel | Aucun | Aucun | Bboxes + scores |
|
|
| Vitesse | Rapide | Plus lent | Plus lent |
|
|
| Usage | Démo simple | Démo "magie" | Debug interne |
|
|
|
|
---
|
|
|
|
## Scénario de Démo Type
|
|
|
|
### Acte 1 : "Le robot classique"
|
|
**[Mode: BASIQUE]**
|
|
- Montrer un workflow simple : login → recherche → export
|
|
- Exécution fluide, rapide, prévisible
|
|
- Message : "Voici ce que font les RPA classiques"
|
|
|
|
### Acte 2 : "Le problème"
|
|
**[Mode: BASIQUE]**
|
|
- Modifier légèrement l'interface (bouton déplacé, thème différent)
|
|
- Relancer le workflow
|
|
- **ÇA CASSE**
|
|
- Message : "Voilà pourquoi les RPA coûtent cher en maintenance"
|
|
|
|
### Acte 3 : "La magie"
|
|
**[Mode: INTELLIGENT]**
|
|
- Même workflow, même interface modifiée
|
|
- L'agent cherche, trouve, s'adapte
|
|
- **ÇA MARCHE**
|
|
- Message : "Notre système apprend et s'adapte"
|
|
|
|
### Acte 4 : "Le futur"
|
|
- Montrer le dashboard avec les agents
|
|
- Message : "À terme, plus besoin de dessiner. Vous lui dites ce que vous voulez."
|
|
|
|
---
|
|
|
|
## Compréhension des Intentions
|
|
|
|
Le système utilise une approche **hybride** :
|
|
|
|
1. **Matching sémantique** : Compare l'instruction avec les workflows connus (embeddings)
|
|
2. **Planification LLM** : Si pas de match direct, le LLM local décompose l'instruction en étapes
|
|
|
|
```
|
|
Instruction: "Créer une facture pour le client Dupont"
|
|
│
|
|
▼
|
|
┌───────────────────────────────┐
|
|
│ Matching workflows connus │
|
|
│ "créer facture" → 85% match │
|
|
└───────────────────────────────┘
|
|
│
|
|
Match trouvé?
|
|
│ │
|
|
OUI NON
|
|
│ │
|
|
▼ ▼
|
|
Exécuter LLM planifie
|
|
workflow nouvelles étapes
|
|
existant (généralisation)
|
|
```
|
|
|
|
---
|
|
|
|
## Données d'Apprentissage
|
|
|
|
VWB génère des données pour entraîner le moteur principal :
|
|
|
|
### Format d'export
|
|
```json
|
|
{
|
|
"screenshot_before": "base64...",
|
|
"action": {
|
|
"type": "click_anchor",
|
|
"target_description": "Bouton Valider",
|
|
"anchor_embedding": [0.12, -0.34, ...],
|
|
"coordinates": {"x": 450, "y": 230}
|
|
},
|
|
"screenshot_after": "base64...",
|
|
"success": true,
|
|
"human_validated": true
|
|
}
|
|
```
|
|
|
|
### Boucle d'apprentissage
|
|
1. Agent propose une action
|
|
2. Humain valide/corrige via VWB
|
|
3. Correction stockée dans learning repository
|
|
4. Modèle s'améliore (fine-tuning incrémental)
|
|
|
|
---
|
|
|
|
## Prochaines Étapes
|
|
|
|
1. [x] Frontend VWB v4 avec React Flow
|
|
2. [ ] Toggle Mode Basique/Intelligent/Debug
|
|
3. [ ] Intégration UI-DETR-1 pour détection
|
|
4. [ ] Intégration SeeClick en fallback
|
|
5. [ ] Overlay Debug (affichage bboxes)
|
|
6. [ ] Export données d'apprentissage
|
|
7. [ ] Connexion au moteur principal
|
|
|
|
---
|
|
|
|
*Document créé le 23 janvier 2026*
|