🎯 But du RAG

Répondre, expliquer pas à pas, et citer les sources internes (UE2) pour :

• préparation des sols, rotations/associations, mise en place de micro-parcelles,
• suivi de croissance, diagnostic maladies ravageurs, interventions agroécologiques,
• check-lists terrain (semis, repiquage, compost, paillage, micro-irrigation).

📦 Inventaire & Taxonomie des connaissances

| Domaine             | Sous-domaines                                | Types de docs                        | Format             | Priorité |
|---------------------|-----------------------------------------------|--------------------------------------|--------------------|----------|
| Sols tropicaux      | texture, MO, pH, travail réduit               | Fiches UE, schémas, SOP compost      | PDF/MD/PNG         | Haute    |
| Rotations/asso.     | maïs-niébé, manioc-arachide, maraîchage       | Tableaux rotation, cartes de culture | MD/CSV/PNG         | Haute    |
| Micro-parcelles     | design, densités, semis/repiquage             | Check-lists, gabarits de plan        | MD/ODS/PNG         | Haute    |
| Irrigation/paillage | micro-irrigation, paillage, collecte eau      | Procédures, photos terrain           | MD/JPG             | Moyenne  |
| Santé des plantes   | symptômes, seuils, biocontrôle                | Fiches ravageurs/maladies, images    | MD/JPG/PNG         | Haute    |
| Sécurité & hygiène  | EPI, manipulation outils                      | SOP + pictos                         | PDF/PNG            | Moyenne  |
| Vidéos UE2          | 50h tutos pas-à-pas                           | Transcriptions + timecodes           | MP4 + VTT          | Haute    |

🧠 Modèles & Index

Texte (multilingue FR/MG)

• Embeddings : modèle multilingue récent (ex. text-embedding-3-large ou équivalent)
• Index : pgvector (cosine) + BM25 (pg_trgm) → hybride (score = 0,65vector + 0,35BM25).

Images (diagnostic visuel)

• Embeddings image : CLIP/SigLIP (ViT-L/14) ; stockage en vector_img.
• Lien image↔texte via source_id + labels.
• Option : petit classifieur supervisé (symptômes) entraîné sur votre set annoté pour rerank.

SQL (DDL — Postgres)

CREATE EXTENSION IF NOT EXISTS vector;
CREATE TABLE rag_chunks (
  id bigserial PRIMARY KEY,
  source_id text, titre text, type_doc text,
  domaine text, sous_domaine text, culture text,
  langue text, niveau text,
  page int, timecode_start int, timecode_end int,
  body text, body_plain tsvector,
  embed vector(1536),
  meta jsonb, created_at timestamptz default now()
);
CREATE INDEX ON rag_chunks USING ivfflat (embed vector_cosine_ops) WITH (lists = 100);
CREATE INDEX ON rag_chunks USING GIN (body_plain);

🔎 Requêtes & Rerank

Pipeline de recherche :

1. Requête hybride :
   • Vecteur(q) → K=30 (cosine)
   • BM25(q) → K=30
2. Fusion (RRF/weighted) → top 40
3. Rerank cross-encoder (texte-texte ; image-texte si photo jointe) → top 8
4. Filtrage : langue, niveau, domaine si précisé
5. Génération avec citations (titre + page/timecode + ancre).

Exemple SQL KNN (simplifié)

SELECT *, (1 - (embed <=> $qvec)) AS score_vec
FROM rag_chunks
ORDER BY embed <=> $qvec
LIMIT 30;

💬 Templates de prompts (FR/MG)

System (FR)

Vous êtes le tuteur agro-écologie de l’UE2. Répondez de façon opérationnelle (étapes numérotées, doses, outils, sécurité).

Citez les 2–4 passages les plus pertinents avec [Titre, page/timecode]. Si l’info manque, dites-le et proposez une vérification terrain.

System (MG – Malagasy)

Ianao dia mpampianatra fanabeazana amin’ny agroekolojia ho an’ny UE2. Valio amin’ny dingana mazava (dingana 1, 2, 3…), fatran’ny zezika, fitaovana, fiarovana.

Asongadino ny loharano amin’ny [Lohateny, pejy/timecode].

User → exemples

• FR : « Donnez-moi une rotation 6 mois pour tomate de saison humide avec niébé et paillage, sur sol sablo-limoneux. »
• MG : « Omeo drafitra fanodinana voly ho an’ny voatabia amin’ny vanim-potoanan-orana miaraka amin’ny voanemba sy mulch, amin’ny tany fasika-vasoka. »

Output attendu

1. Étapes (1…n) + doses (kg/ha, L/ha), densités, calendrier
2. Check-list outils/EPI
3. Variantes si sol/écozone
4. Citations [Fiche Rotations UE2, p.3], [Tuto vidéo Semis, 00:01:12–00:02:05]

🖼️ RAG multimodal (images terrain)

Cas d’usage : l’étudiant envoie une photo de feuille de tomate.

• Embedding image → top-K images similaires (symptôme proche).
• Rerank par culture + organe + symptôme.
• Génération : diagnostic probabiliste + actions faibles risques (retrait feuilles atteintes, décoction végétale, contrôle arrosage/ventilation) + seuils d’intervention.
• Toujours inclure incertitude + vérifications terrain (loupe, autre angle).

Schéma de métadonnées image

{culture, organe, symptôme, stade, conditions_météo, prise_de_vue(date, angle, distance), auteur}

🔐 Qualité, sécurité, gouvernance

• Véracité : réponses uniquement à partir des sources internes taguées Validé-UE2.
• Citations obligatoires (min 2).
• Rédaction L1 (pas de jargon non expliqué).
• Mises à jour : versionning (semver) + journal de changements.
• Droits : stocker licence/droit d’auteur par doc ; pas de redistribution externe sans accord.

📏 Évaluation & Monitoring

| Axe            | Métrique                          | Cible |
|----------------|-----------------------------------|-------|
| Recherche      | Recall@20 (gold Q/A)              | ≥ 0,9 |
| Pertinence     | NDCG@10                           | ≥ 0,8 |
| Génération     | Note tuteurs (1–5)                | ≥ 4,3 |
| Traçabilité    | % réponses avec ≥2 citations      | 100%  |
| Sécurité       | Hallucinations majeures / 1000    | 0     |
| Latence        | P95 (WhatsApp)                    | < 4s  |

Golden set (extraits, FR/MG)

1. Densité de semis niébé en association maïs (pluvio 800–1 000 mm).
2. Protocole compost chaud tropical (C:N, retournements, test poignée).
3. Séquence tomate → légumineuse → brassicacée (pression nématodes).
4. Paillage : épaisseur & renouvellement en saison humide.
5. Réglages micro-irrigation goutte-à-goutte pour tomate de plein champ.
6. Checklist EPI pour traitement biocontrôle.
   (… jusqu’à 30 questions, avec réponses de référence + sources.)

🔧 Déploiement rapide (J-10)

J1–J2 : création schéma Postgres + buckets S3 + gabarits métadonnées

J3–J5 : ingestion v1 (fiches UE2, 10h de vidéos, 200 images)

J6 : recherche hybride + rerank, citations

J7 : prompts FR/MG, formats WhatsApp + Web

J8 : golden set + dashboard (Prometheus/Grafana)

J9 : tests étudiants (20) + corrections

J10 : gel v1.0 + guide d’usage

🧰 Exemples concrets (copiables)

1) Upsert d’un chunk (pseudo-Python)

# texte -> embedding -> upsert
emb = embed_text(body)  # 1536-d
sql = """
INSERT INTO rag_chunks (source_id,titre,type_doc,domaine,sous_domaine,culture,langue,niveau,page,body,body_plain,embed,meta)
VALUES (%s,%s,%s,%s,%s,%s,%s,%s,%s,%s, to_tsvector('simple', %s), %s, %s)
ON CONFLICT (source_id,page) DO UPDATE SET body = EXCLUDED.body, embed = EXCLUDED.embed, meta = EXCLUDED.meta;
"""

2) Fusion hybride (pseudo-code)

hits_vec = knn_vector(q_vec, k=30)
hits_bm25 = bm25(q_text, k=30)
hits = reciprocal_rank_fusion(hits_vec, hits_bm25)
hits = cross_encoder_rerank(q_text, hits, top_k=8)

3) Gabarit réponse (FR)

# Titre
## Résumé opérationnel (3–5 lignes)
1) Étape…
2) Étape…
Doses & densités…
Check-list outils/EPI…
⚠️ Précautions…

Sources : [Titre doc, p.X], [Tuto vidéo, 00:01:12–00:02:05]

4) Gabarit réponse (MG)

# Lohateny
## Famintinana fohy
Dingana 1…
Dingana 2…
Fatran’ny zezika…
Fitaovana/EPI…
⚠️ Fiarovana…

Loharano : [Anaran’ny antontan-taratasy, p.X], [Tuto vidéo, 00:..]

🏷️ Convention de tags (pour filtrage fin)

niveau:L1 | langue:FR/MG | domaine:sols/rotations/micro-parcelles/santé | culture:tomate,niébé,manioc,… | organe:feuille,fruit,racine | symptôme:tache_olive,chlorose,… | saison:humide/sèche | écozone:côte/hauts-plateaux

✅ Livrables inclus dans cette réponse

• Architecture cible (Odoo-first), taxonomie, schéma de métadonnées.
• Règles d’ingestion/chunking, index hybrides, prompts FR/MG.
• Pipeline de recherche+rerank, gabarits d’output avec citations.
• Plan qualité/évaluation, planning J-10, snippets techniques.

Si vous le souhaitez, je peux vous générer un jeu “golden set” de 30 Q/A adapté à vos cultures prioritaires (Diego/Ankarana) et un CSV modèle d’inventaire de documents (colonnes prêtes à l’import).