OpenClassrooms · P13 · Projet validé
Orchestrer un assistant d’échecs
Relier Lichess, Stockfish, recherche documentaire et vidéos dans un graphe de traitement.
Demande→LangGraph→Outils
Le travail réalisé
Créer un assistant pédagogique d’échecs orchestrant recherche de coups, analyse moteur, contexte documentaire et recommandations vidéo, puis étudier une extension vidéo/MCP.
- Le StateGraph LangGraph enchaîne Lichess, repli Stockfish, contexte RAG et recherche de vidéos ; les indisponibilités sont représentées par des avertissements et des replis.
- FastAPI, Angular, Milvus et MongoDB composent une architecture de POC ; le catalogue vidéo et l’analyse de positions sont séparés.
Les résultats disponibles
- La vérification sauvegardée du 23 août rapporte 34 tests backend, 6 tests Angular et un build réussi. Ces checks historiques n’ont pas été relancés.
- Le README rapporte environ 61–63 % de reconnaissance par case sur un court exemple vidéo synthétique : c’est un résultat de démonstrateur, pas une robustesse générale.
Résultats et retours conservés dans l’audit du 9 octobre 2026. Ils n’ont pas été reproduits lors de la préparation de ce portfolio.
Ce que j’en retiens
La valeur d’un agent vient aussi de contrats clairs, de composants spécialisés et de replis maîtrisés ; toutes les décisions n’ont pas besoin d’être générées par un LLM.
Limites et pistes d’amélioration
- Le graphe consulté suit une orchestration définie ; le résumé est construit de façon déterministe. Ne pas présenter un planificateur LLM autonome général.
- MCP/FastMCP est une cible, pas un service livré. Pas d’authentification utilisateur ni de preuve de montée en charge.
- L’étude chiffre 44 jours-personnes et environ 28 550 € HT avant marge, 32 833 € avec 15 % de réserve : estimations, pas dépenses réelles.