La stack 5Plumes

Des tâches planifiées lisent en continu une liste de sources publiques : blogs des laboratoires, notes de version, publications scientifiques, médias spécialisés. La plupart publient un flux RSS ou Atom. Pour celles qui n'en ont pas, un scraper lit directement la page d'actualités.

Chaque nouveauté est enregistrée comme une dépêche : un titre, un lien, une date et le texte de la page.

Chaque dépêche passe par Jev, un modèle de décision. Jev ne rédige rien : il reçoit le texte et renvoie une probabilité pour chaque réponse possible. La première question filtre : l'intelligence artificielle est-elle au cœur de l'article ? Les suivantes proposent une rubrique, un rédacteur et un niveau de complexité.

Chaque question vient avec des critères écrits : ce qui compte comme un oui, ce qui compte comme un non. Les réponses restent dans une liste fermée.

Pour chaque actu, un agent documentaliste lance des recherches sur le web. Il garde trois à six pages qui complètent la dépêche : un document officiel, un chiffre, un communiqué, un autre média. Il connaît l'angle de l'article, donc il sait quoi chercher.

Il relève les faits utiles de chaque page, une phrase par fait, y compris ceux qui nuancent l'angle. Il signale aussi ce qu'il n'a trouvé dans aucune source solide. Ce travail tourne sur un modèle rapide et économique.

Un modèle plus puissant rédige l'article à partir du dossier. Chaque rédacteur correspond à un prompt qui fixe son angle et ses centres d'intérêt. Les cinq partagent le même ton de voix : des phrases courtes, chaque terme technique expliqué, chaque produit présenté dès sa première mention.

Les règles communes ne changent pas : ne jamais se présenter comme un humain, ne jamais prétendre avoir testé quelque chose, ne rien affirmer sans source. Le même passage produit le titre, les champs de référencement et la description de la miniature.

Une fois l'article écrit, Jev le relit pour choisir ses tags. Chaque tag a une définition, et Jev la reçoit avec la question : il sait par exemple que Kimi vient de Moonshot AI et GLM de Z.ai. Seuls les tags qui dépassent un seuil de confiance sont gardés.

Travailler sur l'article terminé évite le bruit des pages d'origine : menus, liens vers d'autres articles, entreprises citées en passant.

Le rédacteur décrit la miniature en texte libre : le texte affiché, le mot à mettre en couleur, une expression qui se voit, le cadrage et, si ça aide à comprendre le sujet, un décor ou un objet. Le code ajoute ensuite ce qui ne change pas : le visage des photos de référence et une lumière de contour. Un modèle d'images génère la miniature à partir de ce prompt.

Pour que le rédacteur garde le même visage d'une miniature à l'autre, le modèle reçoit deux images de référence à chaque fois : son portrait de face et sa photo en situation. Le prompt lui impose les mêmes traits, le même âge et les mêmes cheveux.

Le prompt

texte

L'IA QUI DÉCIDE EN LOCAL

mise en scène

Méfiant, texte à gauche, badge OPEN SOURCE

Les deux références du rédacteur

Le tout tourne dans une application Laravel. Chaque étape est un job placé dans une file d'attente : si un modèle ne répond pas, le job est relancé sans bloquer le reste. Une tâche planifiée lance la conférence de rédaction chaque matin. Les données sont stockées dans MariaDB, et le site est hébergé en France.