Jay Liu.Ingénieur logiciel senior

Les équipes de service client ont besoin de processus adaptés à leurs propres problèmes de suivi, d’analyse et de validation. Le CRM doit relier le contexte métier à la prochaine action.

Mon rôle

J’ai conçu et développé le CRM, l’API et la CLI comme une base personnalisable pour les workflows assistés par IA, reliant historique client, projets, factures et notes versionnées.

Contraintes et choix

Mon approche relie rappels et analyse métier aux actions proposées, avec validation humaine avant les opérations importantes. Clés stables, contrôle de version et attribution des modifications rendent les écritures des agents traçables.

Éléments vérifiables à ce jour

Le système interne comprend rappels de suivi, dossiers partagés et écritures API/CLI contrôlées. Les analyses et décisions IA plus larges constituent des extensions à adapter à chaque activité. La démo fictive illustre les protections d’écriture implémentées.

Reçus et relevés bancaires arrivent dans des formats différents. Préparer un livre comptable vérifiable demande de rapprocher les écritures tout en conservant les pièces d’origine.

Mon rôle

J’ai développé un module d’instructions réutilisable pour agent IA (skill) et les outils associés, couvrant la collecte des justificatifs, la préparation du livre comptable, le rapprochement et l’export.

Contraintes et choix

Les rapprochements incertains doivent rester visibles. Les fichiers sources sont conservés, les données normalisées en JSON et les éléments ambigus soumis à une confirmation humaine avant la préparation des exports.

Éléments vérifiables à ce jour

Les procédures et scripts publics couvrent les exports CSV pour Xero et les dossiers à remettre au comptable. Les données financières et les décisions finales restent soumises à une vérification humaine.

Le développement matériel et son extension à un système logiciel complet sont des défis centraux de ce compagnon vocal, notamment l’écho, le bruit ambiant et le temps de réponse.

Mon rôle

Comme AI Coach bénévole, j’apporte un accompagnement technique sur la chaîne IA matériel-logiciel, le traitement des microphones et l’intégration de modèles vocaux à faible latence. Le matériel et le produit sont un travail d’équipe.

Contraintes et choix

Le travail porte sur l’annulation d’écho avec un ou deux microphones, la reconnaissance en milieu bruyant et les modèles de langage à entrée et sortie audio. J’aide l’équipe à examiner les contraintes liées entre audio embarqué, intégration des modèles et extension du système.

Éléments vérifiables à ce jour

Le site du projet présente des démonstrations et mon rôle dans l’équipe. Celle-ci indique disposer d’un MVP fonctionnel, après plusieurs itérations, et préparer des pilotes en conditions réelles.

Les agents de programmation produisent des transcriptions de formats différents. Examiner les appels d’outils et les sessions imbriquées doit pouvoir se faire dans un lecteur commun.

Mon rôle

J’ai développé les adaptateurs de transcriptions, les composants React et la CLI Markdown sous forme de paquets réutilisables.

Contraintes et choix

Le décodage des formats est séparé de la présentation. Les adaptateurs produisent un modèle d’événements commun pour un affichage visuel ou un texte compact, en conservant le contexte des outils et des sous-agents.

Éléments vérifiables à ce jour

Le dépôt public contient les trois paquets, des exemples d’utilisation et des données de test. Leur implémentation peut être examinée sans accès aux projets privés de l’atelier de développement.