BookMind, assistant documentaire local

Contexte

Beaucoup d’organisations ont des années de documents qu’aucun outil ne sait vraiment interroger, et ne peuvent pas les confier à une IA dans le cloud. BookMind répond à cette contrainte : une IA conversationnelle qui tourne entièrement en local et justifie chaque réponse par une citation [titre, page].

Le moteur ne dépend pas du contenu. Démontré sur une bibliothèque de 101 livres, il peut être réalimenté avec des cours, une documentation d’entreprise ou une base de procédures pour devenir un assistant spécialisé.

Architecture

• Extraction fiable : lecture des PDF avec un OCR de secours (PaddleOCR) pour les documents scannés.
• Découpage propre : 28 767 passages alignés sur les phrases, dont 93 % parfaitement alignés, pour ne jamais couper une idée en deux.
• Double recherche : lexicale (SQLite FTS5) pour les mots exacts, sémantique (embeddings bge-m3) pour le sens, fusionnées par Reciprocal Rank Fusion.
• Réponse sourcée : un modèle local (Ollama, qwen3) rédige la réponse en français, anglais ou espagnol, même si les sources sont dans une autre langue.

Fiabilité et mesure

• Bascule atomique de l’index pendant les mises à jour, et garde de cohérence sur le modèle d’embeddings.
• Jeu d’évaluation automatique : Recall@k et MRR suivis à chaque optimisation. Une itération a fait passer le Recall de 60 % à 80 %.