Le projet🔗
Un pipeline d'écriture automatisée qui génère des romans et essais complets à partir d'un simple brief, et les prépare pour l'auto-publication sur Amazon KDP. Les livres sont publiés sous pseudonymes (Ben Cob, Mila Jones).
L'objectif n'est pas commercial — les revenus sont faibles. L'intérêt est technique : construire un système robuste, autonome, qui produit du contenu de qualité vérifiable, à coût quasi nul.
La stack🔗
- Modèle de langage : NVIDIA Nemotron 3 Ultra (via API gratuite)
- Langage : Python
- Formats de sortie : DOCX stylisé KDP 6x9 pouces, PDF, EPUB
- Dépendances optionnelles : pypdf, LibreOffice (pour l'export exact)
Comment ça fonctionne🔗
Le pipeline est une chaîne de production complète, inspirée des vraies maisons d'édition :
- Brief 100% proposé par l'IA — titre, sous-titre, auteur, type (roman ou essai), contexte, persona, longueur cible
- Plan critique — un « script-doctor » IA relit et corrige le plan (jusqu'à 3 tours), avec une carte des révélations narratives et un budget de mots réaliste par chapitre
- Écriture chapitre par chapitre — détecteurs de reprises, formules mantra, clichés, avec régénération guidée. Les chapitres clés (ouverture, climax, fin) sont écrits en deux versions et départagés par une note automatique
- Relecture — chaque chapitre est relu pour la continuité (roman) ou la vérification des sources (essai)
- DOCX KDP — fichier stylisé 6x9 pouces, avec notes, bibliographie et glossaire pour les essais
- Relecture finale — note globale, catégories KDP, 7 mots-clés ancrés sur des mesures objectives
- Export — PDF, EPUB, description Amazon, couverture
Les défis techniques🔗
Contrôle de qualité automatique🔗
Le plus dur n'est pas de générer du texte — c'est de générer du texte qui tient sur 200 pages sans se répéter ni perdre la continuité. Le pipeline utilise :
- Des détecteurs sans IA (reprises textuelles, formules mantra, clichés)
- Une carte de continuité mise à jour à chaque chapitre
- Un système de notation objective par chapitre
- Une réécriture automatique si la note descend trop bas, avec rollback si le livre s'est dégradé
Mode pilote🔗
Une option --pilote N écrit N chapitres, mesure la qualité, calibre les seuils, et s'arrête. Utile pour tester une idée de livre avant de lancer la production complète.
Reprise automatique🔗
Le script sauvegarde son état. Si on le relance après un crash, il reprend exactement là où il s'était arrêté. Indispensable pour un pipeline qui tourne plusieurs heures.
Ce que ça a produit🔗
Quelques livres auto-publiés sur Amazon KDP, sous pseudonymes. Le coût de production est proche de zéro (API gratuite, pas de stock, pas de logistique). Les revenus sont modestes mais réels, et réguliers — c'est l'intérêt du modèle : un actif qui produit passivement, une fois créé.
Ce que ça illustre🔗
Un projet qui montre ma capacité à construire des pipelines IA robustes : orchestration de modèles de langage, contrôle de qualité automatique, gestion d'état, reprise sur erreur, production de livrables conformes à des contraintes externes strictes (format KDP).
C'est exactement le type de compétence que je mets au service des PME qui veulent automatiser des processus métier : pas juste « appeler une API », mais construire un système qui fonctionne tout seul.