Étude de cas · Data → AI Product
🧬

Simulation Entrepreneuriale IA

Émɔ

Un produit IA construit sur une chaîne data et connaissance de bout en bout — pas juste une interface posée sur une API LLM.

Voir le site
#Data Engineering#RAG#Agents
Problème

Les leçons réelles d'un premier parcours entrepreneurial — ce qui casse une trésorerie, ce que coûte une mauvaise décision de stock — vivent dans des témoignages oraux dispersés, jamais transformés en expérience concrète pour un nouvel entrepreneur.

Solution

Émɔ transforme des témoignages réels et anonymisés en simulation narrative interactive sur 27 métiers, avec 4 paliers de progression et des dilemmes ancrés dans de vraies décisions plutôt que des choix génériques.

27
Métiers jouables
4
Paliers de progression
178/1000
Contenus collectés
De la donnée brute au produit
🎙️

Collecte & transcription

Témoignages audio réels transcrits via faster-whisper (large-v3) sur GPU.

🧹

Nettoyage & structuration

Parsing et chunking maison (~1200 caractères, chevauchement 200) — pas de lib tierce.

🧠

Embeddings & retrieval

multilingual-e5-base, indexé et recherché via MongoDB Atlas Vector Search.

🎭

Génération de scénarios

Azure OpenAI pour le tagging, la génération de dilemmes et la classification d'actions en texte libre.

🔒

Couche privée / publique

Pipeline de collecte gardée privée par choix d'ingénierie — seul le produit final est exposé.

☁️

Infra serverless

Modal pour le compute (API + workers async), Cloudflare R2 pour le stockage objet.

Stack technique
faster-whisperAzure OpenAIMongoDB Atlas Vector SearchModal (serverless)FastAPICloudflare R2Next.js
i

L'infrastructure de collecte et de traitement des données qui alimente Émɔ est propriétaire et volontairement non exposée publiquement. Pipeline en croissance active (Sprint 3) : 178 contenus collectés sur un objectif de 1 000, 72h d'audio sur 200h visées, 70 transcriptions prêtes pour l'indexation.

Voir en action

Émɔ

Ouvrir le site