Plateforme interne de génération marketing pour Tessan, déployée en production. RAG sur pgvector + orchestration de 9 modèles (GPT-4o, Imagen, Veo, HeyGen) pour produire texte, image et vidéo cohérents avec la marque. Autopilot de planification, validation humaine, publication Facebook/Instagram intégrée. Build solo.
Tessan est une entreprise française de télémédecine : bornes, cabines, et tables de téléconsultation déployées en pharmacie. L'équipe marketing doit publier régulièrement sur Facebook et Instagram en respectant une charte forte : ton médical crédible, valeurs (« la technologie sert le soin, jamais l'inverse »), et cohérence visuelle des produits réels qui doivent apparaître à l'identique sur chaque visuel. Maintenir ce niveau d'exigence sur un rythme de publication soutenu est chronophage — la communication réseaux est la première tâche sacrifiée sous pression. Le CEO m'a confié seul la conception et le développement d'une plateforme interne d'automatisation marketing par IA.
Le problème n'est pas de générer du contenu, c'est de produire du contenu qui sonne Tessan. Respect des interdits rédactionnels, cadre médical crédible, et zéro hallucination de produits — pas de « borne compacte » ou « Tessan Pro » inventés par le modèle.
Objectifs fixés :
Architecture trois étages. Frontend Next.js 15 exporté statique sur Firebase Hosting, backend FastAPI async sur Cloud Run, Postgres + pgvector sur Cloud SQL. Le backend joue proxy sécurisé — aucun secret (OpenAI, Meta, HeyGen) ne touche le navigateur.
RAG sur pgvector comme cœur technique. Ingestion de PDF, DOCX, et — clé — images : GPT-4o Vision décrit chaque visuel (produits, charte, anciens posts) avec un prompt spécialisé par collection. Embeddings text-embedding-3-small (1536 dim.). Recherche par distance cosinus avec boost des chunks validés par feedback utilisateur — le système s'aligne au fil du temps sur ce que l'équipe considère bon.
Orchestration de 9 modèles IA. GPT-4o (texte + Vision), Imagen 4 + Nano Banana 2 (image), Veo 3.1 (vidéo), HeyGen v2 (avatar parlant).
Innovation clé — auto-détection produit. GPT-4o et Imagen, laissés libres, inventent des variantes de produits Tessan : « borne compacte », « Tessan Pro », terminaux qui n'ont jamais existé. J'ai développé un module de détection par mots-clés (avec normalisation Unicode pour le français) sur les 7 produits réels pré-enregistrés en base. Quand un produit est détecté dans la description, bascule silencieuse de Imagen 4 vers Nano Banana 2 avec injection des photos de référence (jusqu'à 14 simultanées) et instruction explicite « AUCUNE modification, AUCUNE invention de variante ». Zéro hallucination produit, zéro choix technique demandé à l'utilisateur.
Human-in-the-loop en deux phases sur les workflows lourds (carrousel, vidéo). Phase 1 : un appel GPT-4o produit un plan éditable. Phase 2 : génération coûteuse uniquement après validation. Évite le gaspillage de crédits si le modèle part sur une fausse piste. Carrousel de 10 slides en ~1 min (vs 5 min en séquentiel).
Autopilot — module le plus complexe. L'équipe définit ses créneaux hebdomadaires, alimente un pool de sujets (manuels ou suggérés par GPT-4o), et n'intervient qu'à la validation. Workflow à 9 états, batchs traçables, authentification duale (JWT manuel ou secret partagé pour déclenchement Cloud Scheduler).
Publication Meta via Graph API v21.0 — feature flags, protection double-publication, traçabilité complète.
Déployé en production sur GCP. Utilisé quotidiennement par l'équipe marketing Tessan.
Impact mesurable. Production d'un contenu simple en quelques minutes (vs cycle manuel complet : rédaction, validation, création visuelle, déclinaison par plateforme, publication). Vidéo avatar en 2 à 10 minutes. Cohérence de marque garantie par le RAG. Traçabilité complète : chaque génération horodatée avec son prompt, ses chunks RAG, son modèle, son statut.
Échelle. 13 tables Postgres · 28 endpoints API · ~120 tests unitaires · 9 modèles IA orchestrés.
Solo build, end-to-end. Conception, dev backend (FastAPI + RAG + orchestration), dev frontend (Next.js), infra GCP, déploiement, passation. De la première ligne à la mise en production.