Le service IA est le cœur du traitement intelligent de Mindlet. Son rôle principal est de transformer n’importe quel type de contenu (texte, PDF, images, audio, vidéos YouTube, sites web) en cartes d’apprentissage personnalisées et efficaces.
LangGraph est un framework Python développé par LangChain pour créer des workflows IA orchestrés sous forme de graphes. Contrairement à une simple chaîne linéaire de prompts, LangGraph permet :
# Exemple simplifié : un graphe LangGraph se construit comme un DAGworkflow = StateGraph(MyState) # On définit l'état qui traverse le grapheworkflow.add_node("etape1", fonction_1) # Chaque node est une fonction Pythonworkflow.add_node("etape2", fonction_2)workflow.add_edge("etape1", "etape2") # Les edges connectent les nodesgraph = workflow.compile() # Le graphe compilé est invocableNous avons choisi Mistral AI comme provider principal pour plusieurs raisons stratégiques :
| Composant | Technologie | Rôle |
|---|---|---|
| Orchestration | LangGraph | Graphes d’agents intelligents |
| LLM Principal | Mistral AI (mistral-medium-latest) | Génération de texte |
| Embeddings | mistral-embed (1024 dimensions) | Vectorisation des contenus |
| Vision | mistral-small-latest | Analyse d’images |
| OCR | mistral-ocr-latest | Reconnaissance de texte |
| Transcription | voxtral-mini-latest | Audio vers texte |
| Stockage | AWS S3 | Fichiers et médias |
| Framework | LangChain | Chaînes de traitement |
Le système est composé de 3 graphes LangGraph principaux qui orchestrent le traitement :
flowchart TB
subgraph "Mindlet AI Platform"
INPUT["📥 Inputs<br/>(Text, PDF, Image, Audio, YouTube, Website)"]
subgraph "Processing Layer"
EG["🔄 Embedding Graph<br/>(Single Resource)"]
BEG["📦 Batch Embedding Graph<br/>(Multiple Resources)"]
CGG["🎴 Card Generator Graph<br/>(Agentic)"]
end
OUTPUT["📤 Outputs"]
end
INPUT --> |"Single Resource"| EG
INPUT --> |"Multiple Resources"| BEG
EG --> |"Embedded Chunks"| CGG
BEG --> |"Aggregated Chunks"| CGG
EG --> OUTPUT
BEG --> OUTPUT
CGG --> OUTPUT Le système est organisé autour de 3 graphes LangGraph qui collaborent pour transformer du contenu brut en cartes d’apprentissage. Comprendre leurs responsabilités est essentiel pour appréhender l’architecture :
1. Embedding Graph
Le transformateur de contenu. Ce graphe prend une ressource unique (un PDF, une image, un audio…) et la convertit en “chunks” vectorisés. Il détecte automatiquement le type d’input et route vers le pipeline de traitement approprié.
2. Batch Embedding Graph
L’orchestrateur de masse. Quand un utilisateur importe plusieurs ressources à la fois, ce graphe les traite en parallèle via asyncio puis agrège les résultats. Il utilise le graphe d’embedding individuel en interne.
3. Card Generator Graph
Le créateur pédagogique. C’est un graphe “agentic” sophistiqué composé de 5 agents (Planner, Generator, Critic, Refiner, Finalizer) qui collaborent pour produire des cartes d’apprentissage de haute qualité à partir des chunks vectorisés.
flowchart LR
A["📄 Ressource brute"] --> B["🔄 Embedding Graph"]
B --> C["📊 Chunks vectorisés"]
C --> D["🎴 Card Generator"]
D --> E["✅ Cartes d'apprentissage"]
F["📚 Plusieurs ressources"] --> G["📦 Batch Embedding Graph"]
G --> B
style A fill:#1565c0,stroke:#1976d2
style B fill:#e65100,stroke:#f57c00
style C fill:#7b1fa2,stroke:#9c27b0
style D fill:#2e7d32,stroke:#388e3c
style E fill:#388e3c,stroke:#4caf50
style F fill:#1565c0,stroke:#1976d2
style G fill:#e65100,stroke:#f57c00 Le système détecte automatiquement le type de contenu et applique le traitement approprié :
class InputType(str, Enum): """Types d'input pour le graph embedding.
Chaque type déclenche un pipeline de traitement spécifique optimisé pour extraire le contenu de manière optimale. """ TEXT = "text" # Texte brut → chunking direct DOCUMENT = "document" # PDFs → parsing texte ou OCR IMAGE = "image" # Images → description par vision IA AUDIO = "audio" # Fichiers audio → transcription YOUTUBE = "youtube" # URLs YouTube → récup transcription ou fallback audio WEBSITE = "website" # URLs web → crawl et conversion markdown VIDEO = "video" # Fichiers vidéo → extraction audio puis transcriptionQuelle que soit la source, le contenu suit toujours ces étapes. Ce pipeline unifié garantit une qualité constante des embeddings produits :
Détection du type d’input
Extraction du contenu
Détection de contenu complexe
Chunking intelligent
Enrichissement (si nécessaire)
Génération des embeddings
graph TD;
__start__([__start__]):::first
input_router(input_router)
audio_input_check(audio_input_check)
youtube_input_check(youtube_input_check)
image_input_check(image_input_check)
text_input_check(text_input_check)
website_input_check(website_input_check)
document_input_check(document_input_check)
detect_complex_content(detect_complex_content)
splitter_selection(splitter_selection)
splitter_application(splitter_application)
chunk_enrichment(chunk_enrichment)
embedding_generation(embedding_generation)
__end__([__end__]):::last
__start__ --> input_router;
input_router -.-> audio_input_check;
input_router -.-> document_input_check;
input_router -.-> image_input_check;
input_router -.-> text_input_check;
input_router -.-> website_input_check;
input_router -.-> youtube_input_check;
text_input_check --> detect_complex_content;
detect_complex_content --> splitter_selection;
splitter_selection --> splitter_application;
splitter_application -. enrich .-> chunk_enrichment;
splitter_application -. skip .-> embedding_generation;
chunk_enrichment --> embedding_generation;
embedding_generation --> __end__;
classDef default fill:#5e35b1,line-height:1.2
classDef first fill-opacity:0
classDef last fill:#7c4dff # === Chunking ===CHUNK_SIZE = 512 # Taille des chunks en tokensCHUNK_OVERLAP_PERCENT = 0.15 # 15% de chevauchementCHUNK_OVERLAP = 77 # ~77 tokens de chevauchement# === Embeddings Mistral ===EMBEDDING_MODEL = "mistral-embed"EMBEDDING_DIMENSION = 1024EMBEDDING_BATCH_SIZE = 50 # Textes par appel API# === Limites ===MAX_PDF_SIZE_MB = 50MAX_PDF_PAGES = 1000MAX_AUDIO_DURATION_SECONDS = 900 # 15 minutes# === Modèles Mistral ===OCR_MODEL = "mistral-ocr-latest"TRANSCRIPTION_MODEL = "voxtral-mini-latest"VISION_MODEL = "mistral-small-latest"LLM_MODEL = "mistral-medium-latest"{ "id": "chunk_001", "text": "Contenu du chunk...", "embedding": [0.123, 0.456, ...], # 1024 dimensions "metadata": { "source": "document.pdf", "page": 1, "chunk_index": 0, "has_complex_content": False }}| Type | Extensions |
|---|---|
.pdf | |
| Images | .jpg, .jpeg, .png, .webp, .gif |
| Audio | .wav, .mp3, .m4a, .flac, .ogg |
| Vidéo | .mp4, .avi, .mov, .mkv, .webm |
| Métrique | Description | Cible |
|---|---|---|
| Latence embedding | Temps pour générer les embeddings | < 5s / chunk |
| Qualité extraction | Précision de l’extraction de contenu | > 95% |
| Taux de succès | Ressources traitées sans erreur | > 98% |
| Throughput batch | Ressources traitées par minute | > 20 |
Pour plus de détails sur chaque composant :
Pipelines de traitement
Détails des pipelines PDF, Image, Audio, YouTube et Website.
Graphes LangGraph
Architecture détaillée des graphes d’embedding et batch.
Génération de cartes
Architecture agentic du Card Generator Graph.
Intelligence artificielle multimodale au service de l’apprentissage personnalisé.