Conseiller IA (Digital Chief of Staff) PDG / Admin
Conseiller intelligent propulse par Claude qui couvre les 27 modules de Kaltiv. 44 outils IA organises en 4 couches, base de connaissances par tenant, recommandations proactives, memoire conversationnelle et rapports planifies.
Acces
Menu lateral → Agriculture → Assistant IA (chatbot)
Gestion de la base de connaissances : Parametres → Connaissances Advisor
Ou directement via l'URL : /settings/advisor-knowledge
Les 6 onglets
La page Connaissances Advisor regroupe toutes les fonctionnalites de gestion dans 6 onglets :
| Onglet | Icone | Description |
|---|---|---|
| Documents | Fichier | Uploader des documents (PDF, DOCX, XLSX), suivre le statut d'embedding, supprimer |
| Faits | Ampoule | Ajouter, modifier, supprimer des faits enseignes manuellement |
| Recommandations | Etoile | Consulter les recommandations proactives generees par l'IA |
| Memoire | Cerveau | Visualiser la memoire conversationnelle longue duree de l'assistant |
| Planificateur | Horloge | Configurer les rapports automatiques (quotidien, hebdomadaire, personnalise) |
| Sources | Lien | Connecter des sources externes (Google Drive, flux RSS) |
Gestion des documents
Onglet : Documents
L'assistant exploite vos documents internes pour enrichir ses reponses. Le pipeline de traitement est entierement automatise.
Pipeline de traitement
Upload (PDF/DOCX/XLSX)
→ Extraction du texte
→ Decoupage en chunks
→ Generation d'embeddings vectoriels
→ Stockage isole par tenant
Actions disponibles
| Action | Description |
|---|---|
| Uploader | Glissez-deposez ou selectionnez un fichier (PDF, DOCX, XLSX) |
| Statut | Suivez le traitement : en attente → extraction → embedding → pret |
| Recherche | L'assistant interroge automatiquement vos documents via recherche vectorielle |
| Supprimer | Retirez un document et ses embeddings associes |
Commencez par vos documents strategiques : plan d'affaires, procedures operationnelles (SOPs), objectifs annuels, rapports d'audit. Plus la base est riche, plus les recommandations sont pertinentes.
Mode Enseignement (Faits)
Onglet : Faits
Le mode enseignement permet d'injecter des connaissances metier directement dans la memoire de l'assistant, sans uploader de document.
Deux methodes
- En conversation : dites « Retiens que... » et l'assistant enregistre le fait automatiquement
- Exemple : « Retiens que notre objectif de rendement palmier est de 18 tonnes/hectare pour 2026. »
- Via l'interface : Parametres → Connaissances Advisor → onglet Faits → bouton Ajouter un fait
Gestion des faits
| Action | Description |
|---|---|
| Ajouter | Saisir un fait avec une categorie (objectif, processus, politique, contact, etc.) |
| Modifier | Mettre a jour un fait existant quand l'information evolue |
| Supprimer | Retirer un fait obsolete |
| Recherche | Les faits sont interroges automatiquement dans le pipeline RAG triple source |
Les faits sont integres dans la recherche hybride triple RAG : base partagee + documents tenant + faits enseignes.
Recommandations proactives
Onglet : Recommandations
L'assistant genere des recommandations basees sur l'analyse croisee des donnees de tous les modules. Les recommandations sont alimentees par 6 modeles de machine learning deployes en production.
Types de declencheurs
| Declencheur | Exemple |
|---|---|
| Anomalie financiere | Depenses anormalement elevees sur un poste budgetaire |
| Baisse de rendement | Production en dessous du seuil attendu (modele ML rendement) |
| Risque RH | Taux d'absenteisme en hausse, departs potentiels (modele ML turnover) |
| Opportunite commerciale | Tendance de prix favorable, stock sous-utilise |
| Ecart Lean | Cas PDCA bloques, score 5S en baisse, violations SPC |
| Prediction ML | Previsions rendement, qualite, prix (huile/noix/papaye), demande |
| Maintenance preventive | Equipement a risque de panne (modele ML maintenance) |
Cycle de vie d'une recommandation
Detection automatique (analyse cross-module)
→ Generation de la recommandation
→ Notification (badge sidebar)
→ Consultation (onglet Recommandations)
→ Action ou archivage
Les recommandations apparaissent egalement via un badge de notification dans la barre laterale.
Memoire personnalisee
Onglet : Memoire
L'assistant apprend de chaque conversation pour personnaliser ses reponses au fil du temps.
Ce que l'assistant memorise
| Element | Description |
|---|---|
| Preferences utilisateur | Format de rapport prefere, modules d'interet, langue de reponse |
| Contexte accumule | Sujets recurrents, decisions anterieures, patterns d'utilisation |
| Decroissance de confiance | Les souvenirs anciens perdent progressivement en poids — les informations recentes priment |
Actions
- Consulter : visualiser l'ensemble de la memoire conversationnelle
- Purger : supprimer des elements de memoire obsoletes ou incorrects
La memoire est isolee par tenant et par utilisateur. Aucun partage entre tenants.
Rapports planifies
Onglet : Planificateur
Configurez des rapports automatiques generes par l'assistant IA selon un calendrier defini. Les rapports sont executes via Vercel Cron et stockes dans Supabase Storage.
Types de rapports
| Type | Frequence | Contenu |
|---|---|---|
| Briefing quotidien | Chaque matin | Resume des KPI, alertes actives, taches en attente |
| Bilan hebdomadaire | Chaque lundi | Performance de la semaine, tendances, recommandations |
| Suivi personnalise | Configurable | Rapport sur un sujet specifique a intervalle choisi |
Configuration
- Allez dans Parametres → Connaissances Advisor → onglet Planificateur
- Cliquez sur Nouveau rapport planifie
- Definissez : le sujet, la frequence (quotidien, hebdomadaire, mensuel, personnalise), le format
- Le rapport est genere automatiquement et accessible dans l'historique
Infrastructure technique
Les rapports planifies utilisent le endpoint Vercel Cron /api/cron/advisor-schedules qui interroge la table advisor_schedules et declenche la generation via l'API Claude.
Connecteurs externes
Onglet : Sources
Connectez des sources de donnees externes pour alimenter automatiquement la base de connaissances.
Google Drive
| Etape | Action |
|---|---|
| 1 | Allez dans l'onglet Sources |
| 2 | Selectionnez le type Google Drive |
| 3 | Configurez l'ID du dossier a synchroniser |
| 4 | La synchronisation s'execute automatiquement a intervalle regulier |
| 5 | Les nouveaux fichiers sont automatiquement indexes et embeddes |
Flux RSS
| Etape | Action |
|---|---|
| 1 | Allez dans l'onglet Sources |
| 2 | Selectionnez le type RSS |
| 3 | Renseignez l'URL du flux RSS (actualites sectorielles, prix marches, etc.) |
| 4 | Les articles sont automatiquement recuperes et integres a la base de connaissances |
Vous pouvez configurer plusieurs sources simultanement. Chaque source est synchronisee independamment et les contenus sont isoles par tenant.
Chatbot IA — 44 outils
Le chatbot est accessible via Agriculture → Assistant IA dans le menu lateral. Il repond en langage naturel et interroge les donnees en temps reel.
Vue d'ensemble des 4 couches
| Couche | Outils | Perimetre |
|---|---|---|
| L1 — Core | 12 outils | RH, Paie, Conges, Presences, Travail journalier, Ventes, Stocks, GMAO, Comptabilite, Agriculture |
| L2 — Lean | 15 outils | PDCA, 8D, QRQC, Kanban, BSC, SPC, AMDEC, 5S, Gemba, OPL, VSM, Takt Time, SMED, TPM, OKR |
| L3 — Knowledge | 7 outils | Documents tenant, embeddings, faits enseignes, recherche hybride triple RAG, connecteurs externes |
| L4 — Advisory | 10 outils | Predictions ML, recommandations proactives, correlation cross-module, memoire, rapports planifies |
Exemples de questions par couche
L1 — Core :
- « Combien d'employes actifs avons-nous ? »
- « Quel est le chiffre d'affaires du mois dernier ? »
- « Quels conges sont en attente de validation ? »
- « Quel est l'etat du stock de cartons ? »
L2 — Lean :
- « Quels sont les cas PDCA en retard cette semaine ? »
- « Montre le score BSC par perspective. »
- « Y a-t-il des violations de regles de Nelson sur les cartes SPC ? »
- « Resume les observations Gemba du mois. »
L3 — Knowledge :
- « Que disent nos SOPs sur la procedure de recolte ? »
- « Retiens que le fournisseur X a augmente ses prix de 12%. »
- « Quelles informations avons-nous sur les normes OHADA ? »
L4 — Advisory :
- « Quelle est la prevision de rendement pour la parcelle A ? »
- « Genere un briefing pour le comite de direction. »
- « Quelles recommandations as-tu pour cette semaine ? »
- « Quelle est la tendance des prix de mon produit principal ? »
Controle d'acces (RBAC)
L'assistant verifie automatiquement les permissions RBAC avant chaque requete. Un utilisateur ne peut interroger que les modules auxquels il a acces.
Cas d'usage
Briefing quotidien PDG
Le PDG ouvre le chatbot chaque matin et demande :
« Briefing du jour. »
L'assistant repond avec :
- KPI cles (production, finances, RH)
- Alertes actives (stock bas, equipement en panne, conge non valide)
- Recommandations proactives du jour
- Taches en attente de validation
Ce briefing peut etre automatise via le Planificateur pour etre genere chaque matin a 7h.
Intelligence agricole
Le directeur de production demande :
« Quelle est la prevision de rendement pour le trimestre prochain et quels facteurs de risque surveiller ? »
L'assistant combine :
- Modeles ML de prediction de rendement et qualite
- Donnees meteo et historique de production
- Documents techniques uploades (SOPs, guides agronomiques)
- Faits enseignes (objectifs, contraintes terrain)
Alertes financieres
Le responsable financier recoit une recommandation proactive :
« Alerte : les depenses de carburant depassent de 35% la moyenne des 3 derniers mois. Recommandation : verifier les bons de commande recents et auditer l'utilisation des vehicules. »
Cette recommandation est generee automatiquement par le moteur de correlation cross-module (L4).
Architecture technique
Base de donnees (7 tables)
| Table | Role |
|---|---|
tenant_documents | Documents uploades par tenant (PDF, DOCX, XLSX) |
tenant_embeddings | Vecteurs d'embedding par chunk de document |
advisor_facts | Faits enseignes par les utilisateurs |
advisor_recommendations | Recommandations proactives generees par le moteur IA |
advisor_memory | Memoire conversationnelle longue duree |
advisor_schedules | Configuration des rapports planifies (Vercel Cron) |
tenant_sources | Connecteurs externes (Google Drive, RSS) |
Toutes les tables sont isolees par tenant_id avec RLS (Row Level Security).
Pipeline RAG triple source
Question utilisateur
→ Recherche hybride :
1. Base partagee (embeddings generaux Kaltiv)
2. Documents tenant (embeddings du tenant)
3. Faits enseignes (faits du tenant)
→ Contexte enrichi passe a Claude
→ Reponse avec citations et sources
Permissions
| Role | Acces |
|---|---|
| PDG / Admin | Toutes les fonctionnalites : chat, documents, faits, recommandations, memoire, sources, rapports planifies |
| Administrateur RH | Chat (domaines autorises par RBAC), consultation des recommandations |
| Manager | Chat (domaines autorises par RBAC) |
| Superviseur | Chat (domaines Agriculture, Lean, Operations) |
| Employe | Chat (domaine RH : profil, conges, fiches de paie) |
Navigation
/agriculture/chatbot → Chatbot IA (conversation)
/settings/advisor-knowledge → Base de connaissances (6 onglets)
L'assistant IA est connecte a tous les modules Kaltiv. Les recommandations croisent les donnees RH, production, finances, stocks et Lean pour des insights strategiques. Les 6 modeles ML deployes (rendement, qualite, prix x3, demande) alimentent les predictions en temps reel.
Les captures d'ecran de ce module seront ajoutees dans une prochaine mise a jour de la documentation.