Aller au contenu principal
B2B · Grands comptes LMS IA RAG locale Analytics RH Projet R&D personnel

CORPORIS Plateforme LMS B2B avec moteur de validation documentaire par IA

Transformer les procédures réglementaires en compétences mesurables : un moteur RAG valide chaque argument du collaborateur contre les documents de l'organisation, pendant qu'un tableau de bord RH cartographie les compétences comportementales en temps réel.

30
Tests automatisés
0 échec
5
Axes de compétences RH
Négociation · Conformité · Résilience…
3
Niveaux de fallback IA
RAG → dictionnaire → scripts
R&D
Statut du projet
Exploration · en évolution
01

Contexte

Les grandes organisations accumulent des documents critiques — règlements intérieurs, politiques RGPD, codes de conduite — que les collaborateurs ne lisent pas, ou oublient rapidement après les sessions de formation.

La conformité réglementaire repose sur des modules e-learning descendants peu engageants : slides monotones, quiz à choix multiples, taux de complétion faibles, et surtout aucune mesure objective des compétences réellement acquises.

Les DRH et responsables conformité disposent de tableaux de bord de présence, pas de tableaux de bord de compétences. La différence est fondamentale.

02

Problème identifié

Comment garantir qu'un collaborateur a réellement intégré une procédure réglementaire, et non simplement cliqué sur "J'ai lu" ?

Les LMS traditionnels tracent la présence, pas la compréhension. En cas d'audit, l'organisation ne peut pas démontrer que ses équipes sont capables d'appliquer les règles en situation réelle — seulement qu'elles ont suivi un module.

03

Analyse

Trois dysfonctionnements distincts ont été identifiés :

A

Format passif — rétention faible

Le PDF et le slide ne génèrent pas d'engagement cognitif actif. La rétention à 30 jours d'une lecture passive est inférieure à 10%.

B

Quiz statiques — mémoire, pas raisonnement

Les évaluations classiques mesurent la mémorisation à court terme. Elles ne capturent pas la capacité à mobiliser une règle dans un contexte ambiguë.

C

Analytics RH — présence sans substance

Les tableaux de bord existants ne distinguent pas un collaborateur qui a compris d'un collaborateur qui a cliqué. La matrice de compétences comportementales est absente.

L'analyse a conduit à une approche en trois couches complémentaires : engagement actif par la mécanique de simulation, validation par IA documentaire, mesure comportementale par l'analytics.

04

Solution conçue

Une plateforme LMS Django structurée en trois couches fonctionnelles : simulation de scénarios métier réels, moteur de validation documentaire par IA locale, dashboard RH avec export de rapports de compétences.
Couche 1 — Engagement : simulation de scénarios métier

Les collaborateurs affrontent des scénarios réalistes : défendre une décision face à un auditeur RGPD, argumenter une position contractuelle, répondre à un incident de sécurité. Chaque argument soumis est évalué par le moteur RAG.

La mécanique de jeu (progression, récompenses, factions par département) crée l'engagement sans sacrifier la rigueur. Ce n'est pas du divertissement — c'est de la mise en situation.

Couche 2 — Intelligence : moteur RAG C.O.R.T.E.X.

Les documents PDF de l'organisation (règlement intérieur, politique RGPD, codes de conduite) sont ingérés, découpés et vectorisés dans ChromaDB. Chaque argument du collaborateur déclenche une recherche sémantique pour trouver la preuve documentaire correspondante.

Sans preuve documentaire : l'argument est rejeté. Avec preuve : il est validé et notifié. L'IA locale (Ollama/Mistral) ne reçoit jamais de données sensibles — tout reste sur l'infrastructure de l'organisation.

Couche 3 — Analytics : dashboard RH et rapports de compétences

Le comportement en simulation génère automatiquement une matrice de compétences sur 5 axes : Négociation, Conformité, Résilience, Efficience, Adaptabilité. Le dashboard manager affiche un radar Chart.js par collaborateur et permet l'export PDF du rapport de compétences.

Le DRH dispose d'une lecture objective des compétences comportementales — pas d'un simple suivi de présence.

05

Architecture système

Entrée

Utilisateur
HTTP

Hub central

Django Views

11 contrôleurs

Service

Battle Service

Game Engine

Logique combat

→ C.O.R.T.E.X.

Service

Analytics Engine

SkillMatrix RH

5 compétences

Radar + Export PDF

Service

Quest Engine

Quêtes

journalières

Intelligence Layer

C.O.R.T.E.X. — RAG

Vector Store

ChromaDB

Mémoire vectorielle

LLM Local

Ollama / Mistral

0 donnée cloud

Source de vérité

PDFs

RGPD · RI · Conformité

✓

Preuve documentaire trouvée

Argument validé — dégâts infligés

✗

Aucune preuve trouvée

Argument rejeté — aucune dérogation

CORPORIS · Dashboard Manager
CORPORIS — Dashboard
06

Moteur RAG — pipeline d'ingestion

Le moteur C.O.R.T.E.X. est le cœur technique de la plateforme. Il transforme n'importe quel document PDF en source de vérité interrogeable en temps réel.

ENTRÉE
PDFs
RGPD · RI · Conformité
→
DÉCOUPAGE
LangChain
chunks 800 chars
→
VECTORISATION
SentenceTransformer
all-MiniLM-L6-v2
→
STOCKAGE
ChromaDB
Singleton (1 client/process)
→
INFÉRENCE
Ollama / Mistral
100% local

Décision sans compromis

Preuve documentaire trouvée

Argument validé — dégâts infligés

Aucune preuve documentaire

Argument rejeté — aucune dérogation

07

Dashboard Manager B2B

L'interface manager (accès is_staff) offre une lecture synthétique des compétences comportementales de chaque collaborateur, générée automatiquement à partir des sessions de simulation.

SkillMatrix RH — 5 axes

Négociation · Conformité · Résilience · Efficience · Adaptabilité. Chaque comportement en simulation met à jour les scores automatiquement via signaux Django.

Radar Chart + Export PDF

Visualisation radar par collaborateur (Chart.js). Export PDF individuel avec en-tête CORPORIS, barres de progression et feedback LLM généré par Ollama/Mistral.

Factions par département

4 profils métier configurables (Commercial, Finance, RH, IT) avec bonus différenciés selon le département — personnalisation de l'expérience sans développement supplémentaire.

Raid collectif — événement mondial

Scénario de crise partagé entre tous les collaborateurs (1 000 000 PV). Chaque victoire individuelle contribue à l'objectif collectif — alignement sur les enjeux organisationnels communs.

08

Stack technique

Python

Backend

Django 6

Framework

SQLite

Dev local

PostgreSQL

Production

Chart.js

Radar RH

Chroma

ChromaDB

Vector store

LC

LangChain

Ingestion PDF

LLM

Ollama

Inférence locale

EMB

Sentence­Transformer

Embeddings

PDF

ReportLab

Export rapports

09

Résultats

Moteur RAG opérationnel — validation d'arguments contre des PDFs réglementaires réels, avec 3 niveaux de fallback garantissant la disponibilité même si Ollama est hors ligne.

30 tests automatisés — 0 échec — couverture des cas critiques : combat, gestion du deck, boutique, analytics comportementale.

5 axes de compétences mesurés — exportables en rapport PDF individuel par collaborateur, avec feedback narratif généré par LLM.

Architecture production-ready — PostgreSQL, Whitenoise, HTTPS/HSTS, variables d'environnement, transactions atomiques sur toutes les opérations critiques.

Données internes protégées — LLM 100% local (Ollama/Mistral), aucune donnée sensible transmise à un service cloud tiers.

Leçon de conception

La gamification n'est pas une fin en soi — c'est le vecteur d'engagement qui rend l'évaluation sérieuse acceptable. Sans le moteur RAG, CORPORIS serait un jeu. Sans la gamification, ce serait un LMS de plus. L'architecture en couches distinctes permet de faire évoluer chaque composant indépendamment.

Ce projet est aussi un terrain d'exploration R&D personnel — Three.js, audio procédural, RAG local — des territoires que j'intègre progressivement à ma palette de solutions. Le code évolue.