# Roadmap

## Phase 0 — Cadrage
- [x] Créer la structure du projet et le système de suivi (2026-07-20)
- [ ] Définir l'usage cible du modèle (quel problème résout-il ?)
- [ ] Inventorier les données disponibles (source, volume, qualité, droits)
- [ ] Décider la stratégie : fine-tuning LLM (LoRA/QLoRA) vs petit modèle spécialisé → D-001
- [ ] Fixer le budget maximum (€/mois et €/run)

## Phase 1 — Suivi & documentation
- [x] git init + docs (JOURNAL, DECISIONS, EXPERIENCES) (2026-07-20)
- [x] Convention de nommage des runs — `run-NNN-methode-modele` (2026-07-20)

## Phase 2 — Données
- [x] Dataset d'exemple choisi : Allociné (160k critiques FR, sentiment) (2026-07-20)
- [ ] Nettoyage + déduplication (si données propres à nous)
- [x] Splits train/validation/test — fournis par le dataset (160k/20k/20k) (2026-07-20)
- [x] Fiche dataset — `site/data/dataset.json`, visible sur le site (2026-07-20)

## Phase 3 — Entraînement à moindre coût
- [x] **Baseline à coût nul** : run-001 TF-IDF + SGD sur CPU local →
      acc test 93,67 %, référence à battre (2026-07-20)
- [x] Infra GPU gratuite choisie : Kaggle (~30 h/sem, T4×2), Colab en secours (2026-07-20)
- [x] run-002 : embeddings word2vec sur le corpus (étape pédagogique 1) (2026-07-21)
- [x] run-003 : mini-Transformer écrit à la main, 1 bloc d'attention, CPU local
      (étape pédagogique 2) + visualiseur d'attention sur le site (2026-07-21)
- [x] run-004/004b : génération (mini-GPT dessin QuickDraw) — étape pédagogique 3 ;
      **premier run GPU Kaggle réussi** (25,3 % acc token suivant, 0 €) (2026-07-22)
- [ ] run-005 : fine-tuning d'un petit modèle FR sur Kaggle (GPU gratuit), battre la baseline
      (script prêt : `training/kaggle/run-005/`)
- [ ] Évaluation systématique après chaque run → EXPERIENCES.md
- [ ] Itérer : données > hyperparamètres > taille de modèle (dans cet ordre)

## Phase 4 — Site ia.vmailx.com (sur ce serveur)
- [x] Vitrine : présentation du projet + avancement (2026-07-20)
- [x] Dashboard : lecture en direct de docs/ + section dataset + entraînement temps réel (2026-07-20)
- [x] Démo interactive : testeur du modèle sur la page d'accueil via `/api/predict` (2026-07-20)
- [x] Explorateur du dataset complet (200k critiques paginées) — `dataset.html` (2026-07-20)
- [x] nginx docker + Traefik + DNS `ia.vmailx.com` + HTTPS Let's Encrypt (2026-07-20)

## Phase 5 — Exploitation
- [x] Servir le modèle — API FastAPI conteneurisée (`ia-api`, CPU, coût 0 €) (2026-07-20)
- [ ] Suivi des coûts d'inférence dans le dashboard