Intelligence artificielle

Bora — Moteur RAG du coach IA JoyTrain

Le moteur d'IA qui fait répondre le coach JoyTrain à partir de vraies sources reconnues, au lieu d'inventer.

En cours mai 2026 - Aujourd'hui
Python PyTorch PostgreSQL NumPy Docker Compose
Bora — Moteur RAG du coach IA JoyTrain

Le projet

Un coach IA n'a de valeur que si on peut lui faire confiance. Pour JoyTrain, je refusais que les conseils fitness et nutrition reposent sur des informations inventées par le modèle. J'ai donc construit un moteur qui va d'abord chercher la réponse dans de vraies références (organismes de santé, publications scientifiques) avant de répondre. L'utilisateur reçoit une réponse ancrée dans des sources réelles, pas une affirmation sortie de nulle part.

Donner au coach IA de JoyTrain une base de connaissances fiable et citable, pour qu'il réponde sur l'entraînement et la nutrition en s'appuyant sur de vraies sources plutôt que d'improviser.

Bora — Moteur RAG du coach IA JoyTrain — visuel 1

Ce que j'ai construit

  • Réponses appuyées sur de vraies sources reconnues (santé, nutrition, science)
  • Retrouve l'information la plus pertinente pour chaque question posée
  • Tient compte du contexte de l'utilisateur pour mieux cibler la réponse
  • Recherche hybride : comprend le sens ET retrouve les termes techniques exacts
  • Chaque réponse reste rattachée à sa source d'origine
  • Génération via l'API Mistral — une IA européenne, plutôt qu'un modèle propriétaire américain
  • Brique IA de l'écosystème JoyTrain (app + moteur Bora + site vitrine)

Sous le capot

Le moteur collecte des documents de référence, les découpe et les indexe. Le sens du texte est capté par des embeddings open source (bge-m3) stockés dans une base vectorielle PostgreSQL/pgvector. La recherche combine mots-clés et sens, fusionnés pour ne rater ni un terme précis comme « créatine » ni une formulation différente. La génération de la réponse finale est confiée à l'API Mistral (IA européenne).

Résultats

Bora prouve que je sais concevoir une IA fiable et traçable : elle s'appuie sur de vraies sources plutôt que d'halluciner, et chaque réponse reste rattachée à son origine. Le pipeline fonctionne de bout en bout — base de connaissances auto-hébergée pour la recherche, puis génération via l'API Mistral (IA européenne). Un vrai gage de maîtrise, de qualité et de traçabilité.

Discutons

Un projet similaire à concrétiser ?

Du circuit imprimé au cloud — décrivez votre besoin en deux lignes, je reviens vers vous.