PC Problem Detective
Décrivez ce que fait votre ordinateur ; un arbre de décision entraîné sur 10 200 cas nomme le problème probable.
Présentation
PC Problem Detective recueille températures, utilisation, âge du matériel et symptômes, puis classe le problème dans l’une de quatorze catégories, de la surchauffe aux logiciels malveillants, avec les actions à mener. Une bibliothèque « Tech Explain » intégrée explique les notions derrière chaque diagnostic.
Objectifs
- Rendre le dépannage d’un PC accessible aux non-spécialistes
- Montrer un vrai classifieur au travail, pas une suite de conditions
Fonctionnalités
- 38 signaux d’entrée : températures, utilisation, matériel et symptômes
- 14 catégories de problèmes avec gravité, symptômes et actions
- Détails du modèle : algorithme, variables, échantillons et précision
- Bibliothèque Tech Explain ; tuteur IA avec le serveur Python
Écrans
Points forts
Design
- Mise en page claire et éditoriale avec sections repliables
- Anneau de confiance et couleur de gravité dans le résultat
Technique
- DecisionTreeClassifier (profondeur 12) entraîné sur 10 200 lignes Excel : 98,7 % en entraînement, 95,3 % en test
- L’arbre entraîné est exporté en JSON et évalué dans le navigateur ; identique à scikit-learn sur 300 exemples
Audit du studio
Bon modèle et bonne interface, mais sans son serveur la page se rabattait sur des règles écrites à la main.
Constaté
- Sans le serveur Flask, la page utilisait discrètement un barème de règles au lieu du modèle entraîné
- Le navigateur de chaque visiteur tentait de se connecter à localhost:5000
- La bibliothèque Tech Explain ne se chargeait pas sans serveur
- Les champs du formulaire n’avaient pas de libellés accessibles
Corrigé
- Export de l’arbre entraîné ; prédictions identiques à scikit-learn sur les 300 lignes de test
- Le serveur local n’est tenté que lorsque la page tourne elle-même en local
- La bibliothèque se charge depuis son fichier statique ; le tuteur IA indique quand il est indisponible
- Champs libellés ; méta-description ajoutée
- La page annonçait 15 catégories alors que le modèle en compte 14 : le chiffre est corrigé
Noté sur 10 : fonctionnement, interface, cohérence visuelle, performance, adaptation aux écrans, navigation, architecture, accessibilité, gestion des erreurs et maturité professionnelle.
Démonstration
Le modèle entraîné tourne entièrement dans votre navigateur. Le tuteur IA Tech Explain nécessite le serveur Python et une clé API : la discussion est donc désactivée ici, les leçons fonctionnent.
Vous voulez quelque chose de ce genre ?
Dites-nous ce que vous construisez. Nous répondrons avec des questions honnêtes, une démarche claire et la prochaine étape.