CHANGELOG.md

Changelog

Tous les changements notables du projet sont documentés ici.

Format basé sur Keep a Changelog. Le projet suit un versionnement informel (pas de tags pour l'instant).

[Non publié]

Added

• 2026-08-08 — Ajout dans chaque catégorie du digest RSS d'une annexe déterministe Évaluation du scoring. Chaque article retenu (score 3 à 5) affiche son score initial de phase 1 et la raison du modèle de filtrage. Le rendu est produit par Python, sans appel LLM supplémentaire, et couvert par des tests unitaires.

Fixed

• 2026-08-07 — Suppression du trou de collecte nocturne : les horaires 7h/13h/19h créent un intervalle de 12h incompatible avec l'ancienne fenêtre fixe de 8h. Le pipeline repart désormais de last_success.json, avec 60 min de chevauchement, et n'avance cet état qu'après un run terminé avec succès.
• 2026-08-07 — Maîtrise du coût avant les appels LLM : tri par fraîcheur, plafond de 50 articles par source puis 200 articles par run avant la phase 1. Les garde-fous sont couverts par des tests unitaires.

Changed

• 2026-08-07 — logs/audit-details.md n'est plus versionné. Il est publié comme artefact GitHub Actions avec une rétention de 30 jours ; seuls le résumé et les erreurs restent dans Git afin de limiter la croissance du dépôt.
• 2026-08-07 — Documentation d'architecture mise à jour : fenêtre dynamique, état de succès, plafonds pré-LLM, artefacts et nouveaux paramètres de tuning.
• 2026-06-22 — SCORING_PROMPT simplifié pour maximiser le rappel (« on loupe trop d'articles ») :
  • Schéma de sortie réduit à {score, decision, tags, raison} (abandon de confiance, signal_principal, plafond_appliqué, et tag+tags_secondaires fusionnés en une liste tags de 1-3).
  • Décision strictement déterministe sans exception : 5→read_now, 4→read_later, 3→skim, 2/1→archive. Rétention = score ≥ 3.
  • Suppression de tous les plafonds (recall max, bruit marketing assumé).
  • Recherche IA théorique sortie du score 2 (peut atteindre 3 = retenu).
  • digest.py parse tags (1ᵉʳ = principal, reste = secondaires) ; audit.py perd les colonnes Conf/Signal/Plafond (devenues constantes) + code mort retiré.
• 2026-06-22 — Refonte du SCORING_PROMPT pour le rendre déterministe :
  • Règle d'agrégation explicite : 4 axes notés sur {0,1,2} (Actionabilité, Fiabilité, Nouveauté, Profondeur), score brut = 2 + A avec A=0 ⇒ score ≤ 2, F=0 ⇒ score = 2, élévation à 5 réservée aux signaux forts vérifiables. Les anciennes bandes deviennent des exemples de calibration.
  • Mapping score→décision déterministe (5→read_now, 4→read_later, 3→skim, 2/1→archive) avec exceptions strictes chiffrées (A=2, P≥1, urgence explicite).
  • Deux nouveaux tags définis : ia_stratégie, ia_management_equipe (+ ordre de précédence des tags). confiance et signal_principal outillés.
• 2026-06-22 — ACCEPTED_DECISIONS inclut désormais "skim" → {read_now, read_later, skim}, ce qui revient à retenir tout score ≥ 3 (avant : score 4-5 seulement, rétention ~0 % les jours calmes).

Fixed

• 2026-06-22 — Métriques d'audit : depuis l'ajout de skim à ACCEPTED_DECISIONS, les articles skim (retenus dans le digest) étaient comptés dans Arch et exclus de Retenue% → rétention sous-estimée (17 % affiché vs 31 % réel). Ajout d'un compteur skim, d'une colonne Skim dans audit-summary.md, et Retenue% = (RN + RL + Skim) / Trouvés.

• 2026-06-22 — llm_client : resp.choices[0] levait TypeError: 'NoneType' object is not subscriptable quand OpenRouter renvoie choices vide/None (réponse d'erreur/refus) → article perdu au scoring. Garde ajoutée (retourne "" comme pour content=None).

• 2026-06-22 — Bloquant d'exécution dans la refonte du SCORING_PROMPT : accolades du schéma JSON non échappées → KeyError à chaque .format() (digest vide permanent). Toutes les accolades littérales doublées ({{ }}).

• 2026-06-22 — llm_client.complete() n'envoyait aucune temperature → les deux providers échantillonnaient à leur défaut (1.0), rendant le scoring non reproductible (un même article pouvait basculer de score d'un run à l'autre, bruit dans les logs d'audit). Ajout de temperature=0 (constante TEMPERATURE) sur tous les appels. Déterminisme quasi-total — résiduel possible côté MoE/routage OpenRouter, atténuable via seed + provider.order.

• 2026-06-21 — Workflow digest.yml : collision au git push quand deux runs se chevauchaient (! [rejected] (fetch first)). Ajout d'un garde-fou concurrency: build-digest (cancel-in-progress=false) qui sérialise les runs,

  • git pull --rebase --autostash avant push en défense en profondeur.

• 2026-06-21 — Cron décalé d'1h en heure d'été : 0 6,12,18 → 0 5,11,17 pour viser 7h/13h/19h Paris l'été (UTC+2). 1h trop tôt l'hiver, compromis assumé (GitHub Actions n'a pas de support DST).

• 2026-06-21 — Audit logs/audit-errors.md jamais créé tant qu'aucune erreur ne survenait (le besoin était 3 logs persistés, seuls 2 existaient). Le fichier est désormais toujours écrit avec son en-tête.

Changed

• 2026-06-21 — logs/audit-details.md trace désormais tous les articles scorés en phase 1 (et plus seulement score ≥ 3), avec une ligne de distribution des scores en tête de bloc. Motivation : un run sans rétention affichait _Aucun article score ≥ 3_ et masquait les scores/raisons, rendant l'audit aveugle exactement quand on en avait besoin.

• 2026-04-25 — Déclencheur push manquant dans .github/workflows/digest.yml. Le README §3 documentait 3 déclencheurs (cron, workflow_dispatch, push sur main) mais le workflow n'en avait que 2. Ajout de push: branches: [main] avec paths-ignore sur **.md et LICENSE pour éviter un build inutile à chaque modification de doc.

Changed

• 2026-04-25 — Documentation inline de digest.py étoffée pour faciliter la prise en main par un dev tiers (code inchangé, 277 → 404 lignes) :
  • Docstring module avec vue d'ensemble des 6 étapes du pipeline et des effets de bord persistés
  • Section Configuration : chaque paramètre commenté avec sa sémantique et la justification du défaut
  • Docstrings de fonctions (Args / Returns / comportement d'erreur)
  • Commentaires aux points subtils : tolérance feed-par-feed sur les erreurs de fetch, extraction regex du JSON dans la réponse Haiku, persistance de seen[hash] dès l'appel Haiku indépendamment du score, ordre de persistance RSS puis seen pour cohérence sur crash

À venir

• Intégration Jina Reader ou Wallabag pour fetcher le contenu complet des articles (feeds RSS souvent tronqués)
• Retry avec backoff sur les appels API Anthropic
• Batch scoring pour paralléliser les appels Haiku

---

[0.1.0] — 2026-04-19

Première version fonctionnelle en production.

Added

• Pipeline complet digest.py : lecture OPML → fetch RSS → déduplication (seen.json) → scoring Haiku → synthèse Sonnet → génération RSS
• Fichier prompt.py séparé avec les deux prompts (scoring + synthèse) pour faciliter l'itération sans toucher au code
• Workflow GitHub Actions digest.yml avec cron 3x/jour (7h, 13h, 19h heure de Paris) et déclenchement manuel (workflow_dispatch)
• Déploiement automatique sur GitHub Pages via branche gh-pages
• OPML sources.opml avec 53 sources organisées en 5 catégories :
  • Sources françaises IA (15)
  • Grandes sources internationales (15)
  • Labos & éditeurs (11)
  • Recherche & veille technique (7)
  • Automatisation & agents (5)
• Dédoublonnage par hash SHA1 d'URL avec fenêtre glissante de 14 jours
• Conversion Markdown → HTML artisanale pour le contenu RSS
• Documentation complète dans README.md (660 lignes)
• Licence MIT

Configuration par défaut

• LOOKBACK_HOURS = 8 (fenêtre de temps par run)
• MIN_SCORE = 3 (seuil de pertinence Haiku)
• MAX_ARTICLES_PER_CATEGORY = 20 (garde-fou coût API)
• SEEN_RETENTION_DAYS = 14
• HAIKU_MODEL = "claude-haiku-4-5-20251001"
• SONNET_MODEL = "claude-sonnet-4-6"

Sources documentées sans RSS

Les sources suivantes sont listées dans l'OPML avec leur raison mais n'ont pas de flux RSS exploitable :

• Bloomberg Technology (pas de RSS officiel)
• Financial Times AI (paywall)
• The Information (paywall)
• Superhuman AI (newsletter, convertir via Kill the Newsletter)
• Substack AI (agrégateur)
• Mistral AI News (pas de RSS officiel)
• Lindy Blog (pas de RSS officiel)
• Papers with Code (pas de RSS global)
• Stanford AI Index (rapports annuels uniquement)

Feeds tiers utilisés (pas d'officiel)

• Anthropic News/Engineering via Olshansk/rss-feeds
• Hugging Face Daily Papers via papers.takara.ai

Fixed au cours du setup initial

• digest.yml placé à la racine : déplacé vers .github/workflows/ pour que GitHub Actions le détecte (les dossiers cachés .github sont souvent oubliés lors d'un upload via l'interface web)
• Erreur Client.__init__() got an unexpected keyword argument 'proxies' : conflit de version entre anthropic==0.39.0 (trop ancien) et httpx installé par défaut. Corrigé en passant à anthropic>=0.49.0 et en ajoutant httpx>=0.27.0 dans requirements.txt
• GitHub Pages inactif après le premier run : configuration manuelle nécessaire (Settings → Pages → gh-pages / / (root)) après création automatique de la branche par le premier run réussi

Notes de déploiement

• Repo public (nécessaire pour GitHub Pages gratuit)
• Minutes GitHub Actions illimitées sur repo public
• Consommation réelle observée : ~100 minutes/mois estimées (large marge)
• Clé API stockée dans GitHub Secrets (ANTHROPIC_API_KEY)
• Budget Anthropic plafonné à 20$/mois, auto-reload désactivé

---

[0.0.1] — 2026-04-19

Phase de conception et construction avant première mise en production.

Décisions d'architecture

• Stratégie de curation choisie : digest synthétisé par IA, 3x/jour, livraison par RSS sur iPhone (Reeder)
• Stack technique retenue : Python + GitHub Actions + GitHub Pages (vs VPS, Raspberry Pi, n8n, Claude Code -p)
• Modèles Claude : split Haiku (scoring) + Sonnet (synthèse) pour optimiser le ratio qualité/coût
• Source de vérité des sources : OPML standard (vs URLs hardcodées) pour double usage pipeline Python + import Reeder
• Persistance : seen.json commité dans le repo (vs SQLite éphémère sur le runner, Redis, DynamoDB)
• Format RSS : un item par run contenant tout le digest (vs un item par article)

OPML construit

• Audit des 50 sources initiales proposées (sites francophones IA, grandes sources internationales, labos, recherche, automation)
• Vérification des URLs RSS via recherche web (contournement des blocages anti-bot qui empêchaient les tests directs)
• Identification des feeds tiers nécessaires (Anthropic, HF Daily Papers)
• Documentation des sources sans RSS (9 sur 53) avec raison explicite
• Structure hiérarchique OPML en 5 catégories pour permettre un scoring/synthèse différenciée par catégorie