Référence Génération de procès-verbaux

Documentation détaillée de toutes les options et paramètres de génération de procès-verbaux.

Note de traduction

Cette page a été traduite de l'anglais. En cas de divergence, la version anglaise fait foi.

Champ de contexte

Objectif : Fournir des informations de fond pour améliorer la compréhension de l'IA.

Bonnes pratiques :

• Inclure le type de réunion (standup, revue, planification)
• Lister les participants clés et leurs rôles
• Définir les termes spécifiques au domaine
• Mentionner les sujets attendus

Exemples :

Type de réunion	Exemple de contexte
Standup technique	"Standup quotidien équipe Backend. Alice (Tech Lead), Bob (Dev Senior), Carol (Junior). Termes : PR, CI, k8s, hotfix."
Réunion client	"Suivi projet avec Acme SA. Interne : Jean (PM), Sarah (Dev). Client : Michel (Product Owner). Projet : Refonte e-commerce Phase 2."
Conseil d'administration	"Réunion CA T4. Conseil : Dr. Dupont (Président), Martin (DAF). Direction : PDG, DG. Sujets : Résultats T4, Budget 2025."
Entretien	"Entretien technique pour Développeur Senior. Intervieweurs : Sarah (RH), Tom (Chef d'équipe). Candidat : Alex Chen."

Corriger la transcription d'abord

Objectif : Améliorer la précision de la transcription avant de générer les procès-verbaux.

Quand activer :

• Qualité audio médiocre
• Nombreux termes techniques mal reconnus
• Noms des intervenants incorrects
• Accents prononcés ou parole rapide

Compromis :

Avantage	Coût
Meilleure précision des mots	Ajoute 30-60 secondes de traitement
Meilleurs noms d'intervenants	Consomme des tokens IA supplémentaires
Texte source plus propre	Fonction bêta—peut nécessiter révision

Quand ignorer :

• Enregistrement de haute qualité
• Déjà corrigé manuellement
• Réunions courtes (<5 minutes)
• Livraison urgente

Modèles personnalisés

Objectif : Contrôler la structure des procès-verbaux générés.

Sections par défaut

Le pipeline IA peut extraire et remplir ces sections :

Section	Description
Résumé / Vue d'ensemble	Synopsis de haut niveau de la réunion
Participants	Qui était présent
Actions	Tâches avec responsables et échéances
Décisions	Choix faits avec justification
Points de discussion	Sujets clés abordés
Prochaines étapes / Suivis	Actions futures planifiées

Syntaxe des modèles

Utilisez la syntaxe {{placeholder}} pour le contenu dynamique :

# {{title}}

**Date :** {{date}}
**Participants :** {{attendees}}

## Résumé
{{summary}}

## Décisions
{{decisions}}

## Actions
| Responsable | Tâche | Échéance |
|-------------|-------|----------|
{{action_items}}

Exemples de modèles

Résumé exécutif :

# {{title}} - Résumé exécutif

**Date :** {{date}}
**Participants :** {{attendees}}

## Points clés
{{summary}}

## Décisions prises
{{decisions}}

## Actions
{{action_items}}

Scrum/Standup :

# Standup quotidien - {{date}}

**Équipe :** {{attendees}}

## Mises à jour par personne
{{discussion}}

## Blocages
{{blockers}}

## Actions
{{action_items}}

Réunion client :

# Procès-verbal de réunion client

**Client :** [Nom du client]
**Date :** {{date}}
**Participants :** {{attendees}}

## Objectif
{{summary}}

## Discussion
{{discussion}}

## Actions convenues
{{action_items}}

## Décisions
{{decisions}}

## Prochaines étapes
{{next_steps}}

Limitations des modèles

Les modèles fonctionnent mieux quand ils correspondent à ce que l'IA extrait. Le pipeline extrait des éléments fixes des transcriptions :

Supporté (sera rempli) :

• Actions (avec responsables, échéances, statut)
• Décisions (avec justification)
• Discussions et sujets clés
• Participants
• Mises à jour de statut
• Suivis et prochaines étapes
• Métadonnées de réunion

Non supporté (peut être vide) :

• Analyse des risques
• Analyse budgétaire
• Analyse de sentiment
• Revue juridique
• KPIs personnalisés

WARNING

Les sections personnalisées demandant des analyses hors du périmètre d'extraction donneront un contenu vide ou des hallucinations potentielles. Restez sur les éléments extractibles pour des résultats fiables.

Format de sortie

Formats disponibles :

Format	Extension	Cas d'utilisation
Word	.docx	Partage, impression, documentation formelle
Markdown	.md	Wiki, documentation technique, traitement ultérieur
Texte brut	.txt	Archives simples, collage email, compatibilité universelle
Auto	varie	Le système choisit selon le modèle (recommandé)

Niveau de détail

Niveaux :

Niveau	Description	Adapté pour
Concis	Points clés seulement, détails minimaux	Résumés exécutifs, mises à jour rapides
Normal	Couverture équilibrée (par défaut)	Notes de réunion standard
Détaillé	Complet, avec contexte	Archives légales, documentation approfondie

Exemples :

Action concise :

• Jean : Déploiement sur staging (vendredi)

Action normale :

• Jean déploiera l'API mise à jour sur staging d'ici vendredi pour permettre les tests QA

Action détaillée :

• Jean (Lead Backend) s'est engagé à déployer l'API REST v2.1 mise à jour sur l'environnement de staging d'ici fin de journée vendredi 31 janvier. Ce déploiement est nécessaire avant que QA puisse commencer son cycle de tests prévu pour la semaine suivante. Dépendances : La migration de base de données doit être terminée d'abord.

Étapes de progression

Le pipeline agentic en 8 étapes :

Étape	Nom	Description	Durée typique
1	Segmenter	Identifier les frontières de sujets dans la transcription	5-10s
2	Extraire (par segment)	Extraire les éléments de chaque sujet (parallèle)	15-30s
3	Extraire (global)	Trouver les éléments au niveau réunion	5-10s
4	Vérifier extractions	Second passage pour éléments manqués	5-10s
5	Fusionner	Combiner et associer les éléments aux sujets	2-5s
6	Vérifier affirmations	Vérifier les affirmations contre la transcription source	10-20s
7	Organiser	Mapper les données extraites à la structure du modèle	2-5s
8	Rédiger	Générer le document final peaufiné	10-15s

Durée totale typique : 30-90 secondes selon la longueur de la transcription

Fonctionnalités du pipeline

• Traçabilité des sources : Chaque affirmation inclut indices et citations sources
• Score de fidélité : Affirmations vérifiées avec score 0-1
• Confiance d'attribution speaker : Suit la confiance des attributions de responsables
• Ancrage anti-hallucination : Exemples explicites dans les prompts empêchent les inventions
• Extraction parallèle : L'étape 2 traite les segments simultanément (4 workers)
• Saut de vérification conditionnel : L'étape 6 est sautée quand la confiance d'extraction ≥ 0,85

Optimisations des performances

• Extraction parallèle par segment : 4 workers traitent les segments simultanément
• Vérification conditionnelle des affirmations : Sautée quand la confiance globale est élevée
• Limites par segment : Les segments longs (>12 000 caractères) sont tronqués intelligemment
• Pas de troncature préalable : La transcription complète est traitée via l'extraction par segment

Amélioration attendue : ~40 % de réduction du temps total du pipeline pour les réunions typiques

Dépannage

Sections vides

Causes :

• La réunion ne contenait pas ce type d'information
• Le modèle demandait du contenu non supporté
• L'information n'était pas explicitement énoncée

Solutions :

• Vérifier si la transcription contient réellement des actions, décisions, etc.
• Utiliser des modèles qui correspondent au contenu de la réunion
• Ajouter du contexte pour aider l'IA à reconnaître le contenu pertinent
• Utiliser le niveau "Détaillé" pour capturer plus d'informations

Noms d'intervenants incorrects

Causes :

• La transcription originale avait des noms mal reconnus
• Les intervenants n'étaient pas identifiés dans l'audio
• Confusion de noms similaires

Solutions :

• Activer "Corriger la transcription d'abord"
• Inclure les noms des intervenants dans le champ contexte : "Participants : Jean Dupont (PM), Sarah Chen (Dev Lead)"
• Éditer la transcription avant de générer les procès-verbaux

Actions manquantes

Causes :

• Les actions n'étaient pas explicitement énoncées dans la réunion
• Les responsables n'étaient pas nommés
• Les assignations implicites n'ont pas été capturées

Solutions :

• Ajouter les noms et rôles des participants au contexte
• Dans les futures réunions, être explicite : "Jean s'occupera de X d'ici vendredi"
• Utiliser le niveau "Détaillé" pour capturer les éléments implicites

Erreurs de traitement

Causes :

• Serveur sous forte charge
• Timeout de transcription très longue
• Interruption réseau

Solutions :

• Attendre un moment et réessayer
• Pour les transcriptions >2 heures, envisager de diviser
• Vérifier que la transcription a du contenu réel (non vide)
• Vérifier la connectivité réseau

Sortie dans la mauvaise langue

Causes :

• Le système a détecté une mauvaise langue source
• Une transcription multilingue a perturbé la détection

Solutions :

• Préciser la langue dans le contexte : « Réunion en français »
• S'assurer que le paramètre de langue de la transcription est correct

Consommation de tokens

La génération de procès-verbaux suit la consommation de tokens IA :

• Métriques : stenoris_ai_input_tokens_total{feature="minutes"}, stenoris_ai_output_tokens_total{feature="minutes"}
• Facteurs affectant l'utilisation : Longueur de transcription, niveau de détail, nombre de sujets

Pratiques efficaces en tokens :

• Utiliser "Concis" pour le niveau de détail quand des notes détaillées ne sont pas nécessaires
• Diviser les très longues réunions (>2 heures) en transcriptions séparées
• Éviter "Corriger la transcription d'abord" si la qualité est déjà bonne

Sujets connexes

• Guide Procès-verbaux IA - Premiers pas
• Espaces de travail - Enregistrer les paramètres par défaut