Contexte
Acheter une voiture électrique neuve en France, c’est jongler avec les aides, l’autonomie réelle et le coût sur 5 ans.
Problème
Un modèle de langage seul invente des chiffres. Ici, un chiffre faux coûte cher.
Solution
Vous décrivez votre usage. Des agents cherchent les modèles compatibles, chiffrent le coût réel avec l’aide à l’achat, débattent du podium et rédigent une note d’achat sourcée.
Les calculs sont faits par du code, pas par le modèle. Les agents commentent un classement figé.
Architecture
Application Next.js. API FastAPI. Un flow multi-agents CrewAI au squelette fixe : chercher, évaluer, superviser, classer, contester, conseiller. Reprise après plantage. Chaque valeur est marquée « fait » ou « hypothèse ».
Déploiement
Application sur Vercel. API et analyses sur Modal. Base de données et connexion avec Supabase. Veille quotidienne des prix, avec alertes Telegram.
Impact
40 critères sur 40 vérifiés sur des profils réels. Entre 11 et 16 secondes par analyse.
Apprentissage
Laisser le code calculer et l’IA expliquer. Un superviseur piloté par un modèle a été testé, puis écarté : aucun gain mesuré.