Passage à l’échelle : apports et limites de l’automatisation
Item
- Title
- Passage à l’échelle : apports et limites de l’automatisation
- Description
-
Ce retour d’expérience porte sur la mise en place d’un workflow automatisé avec n8n pour produire des poèmes à partir des textes préparés par rue. Après les expérimentations manuelles dans ChatGPT, l’objectif était de passer à une production à plus grande échelle, en limitant les interventions répétitives et en rendant le processus plus systématique.
L’usage direct de ChatGPT dans ce type de workflow nécessitait cependant un accès par API, ce qui a orienté l’expérimentation vers d’autres solutions. Ollama a d’abord été testé avec le modèle Gemma, mais les résultats obtenus étaient trop proches du résumé ou de la reformulation descriptive, sans véritable transformation poétique. Un autre modèle, gpt-oss 120b, a ensuite été testé avec Ollama. Comme son usage local ne fonctionnait pas correctement dans le contexte de l’expérimentation, l’accès par le cloud a été privilégié.
Cette étape a montré que l’automatisation permet d’envisager la production de poèmes pour un corpus beaucoup plus large, mais qu’elle déplace aussi les difficultés : choix du modèle, stabilité du workflow, temps de génération, qualité des réponses et possibilité de reprendre le traitement lorsqu’une erreur survient. - Succès / Avancées notables
-
N8N a permis de passer d’une génération manuelle à une logique de production plus structurée. La plateforme a rendu possible la construction d’un workflow visuel, composé de plusieurs étapes : lecture des fichiers, envoi au modèle, récupération de la réponse et organisation des résultats.
Cette approche représente une avancée importante pour un projet portant sur un très grand nombre de rues. Le travail ne dépend plus uniquement d’une interaction manuelle avec une interface conversationnelle. Les fichiers peuvent être traités de manière séquentielle, selon un protocole plus répétable. - Le test avec Ollama a aussi permis d’explorer des solutions moins dépendantes de l’interface classique de ChatGPT. Même si les premiers résultats avec Gemma n’étaient pas satisfaisants sur le plan poétique, cette étape a aidé à mieux comprendre l’importance du choix du modèle dans une chaîne automatisée.
- Problèmes rencontrés
- Le premier problème concernait l’usage de ChatGPT dans un workflow automatisé. Même si ChatGPT avait été retenu comme modèle principal dans les expérimentations précédentes, son intégration directe dans n8n nécessitait une API. L’abonnement à l’interface ChatGPT ne suffisait donc pas pour l’utiliser automatiquement dans le workflow.
- Le deuxième problème concernait la qualité des résultats avec Gemma dans Ollama. Les réponses produites étaient trop proches du résumé. Le modèle reprenait le contenu fourni, mais ne le transformait pas suffisamment en poème. Le résultat restait descriptif et ne correspondait pas à l’intention poétique du projet.
- Un autre problème est apparu avec gpt-oss 120b en local. Le modèle étant plus lourd, son utilisation dans Ollama local n’a pas fonctionné correctement dans les conditions disponibles. Cette limite a obligé à passer par une solution cloud.
- L’automatisation a aussi introduit des difficultés techniques : temps de génération long, surcharge possible du modèle, erreurs dans certains nœuds, interruptions du workflow ou réponses incomplètes. À grande échelle, ces problèmes deviennent importants, car il faut pouvoir reprendre la production sans recommencer depuis le début.
- La génération automatisée réduit le contrôle immédiat sur chaque poème. Contrairement au travail manuel dans ChatGPT, il n’est pas possible d’ajuster chaque réponse au fur et à mesure. Le prompt doit donc être beaucoup plus stable et précis dès le départ.
- Solutions apportées
- Une première solution a été d’accepter que l’automatisation ne pouvait pas simplement reproduire l’usage manuel de ChatGPT. Comme l’accès à ChatGPT par n8n nécessite une API, l’expérimentation s’est tournée vers Ollama et vers des modèles accessibles dans un workflow.
- Le modèle Gemma a été testé, puis écarté pour cette tâche, car ses réponses ne produisaient pas une écriture suffisamment poétique. Ce test a permis de confirmer que tous les modèles ne sont pas adaptés à la transformation littéraire, même lorsqu’ils peuvent traiter correctement une consigne.
- Le modèle gpt-oss 120b a ensuite été exploré comme alternative plus puissante. Comme son utilisation locale posait problème, l’accès par le cloud a permis de poursuivre l’expérimentation tout en gardant l’objectif d’un workflow automatisé.
- Le workflow a aussi été pensé pour fonctionner par étapes et par fichier, plutôt que comme une génération massive lancée d’un seul coup. Cette organisation permet de mieux gérer le temps de traitement, d’identifier les erreurs et de reprendre la production à partir d’un point précis.
- Le prompt doit être retravaillé pour l’automatisation. Il doit préciser le style attendu, la longueur, la forme du poème, l’interdiction de produire un résumé, et la nécessité de transformer le texte source en écriture poétique. Dans ce contexte, la qualité du prompt devient centrale, car il remplace en partie les ajustements manuels faits habituellement dans une conversation.
- Actant ayant créé ce retour d'expérience
-
Anjara Mamisoa Rafidison
Linked resources
| Title | Class |
|---|---|
 IV. Automatiser la création : vers une chaîne de génération poétique assisté par IA |
Annotations
There are no annotations for this resource.