Comment AgriScope est construit
HTML, CSS et JavaScript sans bibliothèque, un serveur Node.js sans dépendance, un modèle de langage qui doit passer par nos outils, le tout dans un conteneur Docker servi en HTTPS.
Le chemin d'une requête
Cliquez sur un composant pour voir son rôle, ce qu'il reçoit, ce qu'il renvoie et les technologies utilisées.
Du notebook au navigateur
Le site ne refait pas l'étude : il lit les résultats que le notebook R a déjà calculés. Un seul fichier de données alimente toutes les pages et l'agent ; aucun chiffre n'y est saisi à la main.
- Notebook R MarkdownCalcule tout et écrit
outputs/resultats.rds, les CSV de prévisions (LSTM, GRU) et les figures. - extraire_resultats.RExporte 14 tableaux du fichier
.rdsen CSV, avec R de base. - construire_donnees.jsAssemble prix, coefficients du GARCH, tableaux du rapport, prévisions par situation et matrice de Diebold-Mariano dans
donnees.js. - outils.jsFonctions de calcul partagées par les pages et par l'agent : volatilité GARCH, intervalles, statistiques, corrélations, garde-fou.
Sécurité, tests, mode hors ligne
Ce qui protège la clé, le quota et la justesse des chiffres.
Sécurité
La clé Groq reste dans une variable d'environnement du serveur, hors de l'image Docker. Le serveur ne sert qu'une liste fermée de fichiers (.env ou serveur.js renvoient 404), n'accepte que des messages « user » et « assistant » de 2 000 caractères au plus, limite le site à 20 questions par minute et l'agent à 4 tours d'outils. Le conteneur tourne sans droits root.
Tests automatisés
Mode hors ligne
Ouvert par double-clic, sans serveur ni Internet, le site reste complet : graphiques, laboratoire, polices et photos sont locaux. Seule la question libre à l'assistant demande le serveur ; les cinq questions proposées sont alors calculées dans le navigateur par les mêmes outils.
Garde-fou
Chaque nombre d'une réponse de l'agent est recherché dans les résultats de ses outils. Contrôle numérique seulement : il ne vérifie pas le raisonnement. Le tester.
Relancer l'étude et le site
Étude : le notebook projet_cereales.Rmd s'exécute de bout en bout (graine 2026, versions des paquets imprimées) et appelle le notebook Python des réseaux. Le socle classique existe en R et en Python.
Site : node --test test.js pour les tests ; GROQ_API_KEY=… node serveur.js pour le lancer avec l'agent ; docker compose up -d --build derrière nginx-proxy et acme-companion pour la mise en ligne.
Documents : le rapport (PDF) et la présentation (PowerPoint) se téléchargent depuis la page Documents. Les notebooks et le code de l'étude sont remis à l'enseignant, pas publiés ici.
Qui a mené l'étude
Sources et références
- Données : Yahoo Finance, contrats à terme du CBOT (ZW=F, ZC=F, ZS=F), dollar DX-Y.NYB, pétrole CL=F, 2010-2025.
- Hyndman, R. J. et Athanasopoulos, G. (2021). Forecasting: Principles and Practice, 3e éd. OTexts.
- Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3).
- Johansen, S. (1991). Estimation and hypothesis testing of cointegration vectors. Econometrica, 59(6).
- Engle, R. (2002). Dynamic conditional correlation. Journal of Business & Economic Statistics, 20(3).
- Diebold, F. X. et Mariano, R. S. (1995). Comparing predictive accuracy. Journal of Business & Economic Statistics, 13(3).
- Hochreiter, S. et Schmidhuber, J. (1997). Long short-term memory. Neural Computation, 9(8).
- Zhang, G. P. (2003). Time series forecasting using a hybrid ARIMA and neural network model. Neurocomputing, 50.
- Importations tunisiennes : Office des Céréales, repris par Webmanagercenter (29 août 2026).
- Photographies : USDA et USDA-ARS, domaine public, via Wikimedia Commons (Lewiston et Palouse, Idaho).
- Polices : Fraunces, IBM Plex Sans et IBM Plex Mono, licence SIL Open Font License 1.1.