Système local de transcription de réunions et de recherche dans un Decision Wiki

J’ai créé un outil open source qui permet d’enregistrer localement des réunions en coréen, de les transcrire, les résumer, les organiser dans un Decision Wiki et d’effectuer des recherches dessus (chat IA).

Je me suis dit que cela pourrait aider les personnes qui, comme moi, ne peuvent pas utiliser d’IA externes ni de services d’enregistrement/transcription de réunions dans leur environnement de travail.
Les jours où j’ai plus de 10 réunions, rien que vérifier les comptes rendus et les actions à mener issus de ces réunions promet déjà des heures sup.
Le problème n’était pas seulement de conserver un compte rendu, mais de le conserver sous une forme que l’on puisse retrouver plus tard.

Plutôt qu’une simple transcription de réunion, mon objectif est donc de construire un Decision Wiki local qui accumule les décisions et les actions à mener issues des réunions, avec leurs passages sources comme justification.

• Pour que cela puisse fonctionner même sur un M4 avec 16 Go de RAM....

À ce stade, le flux visé est le suivant.

• Exécution locale sur un Mac Apple Silicon
• Enregistrement/transcription de réunions en coréen
• Séparation des intervenants
• Correction/résumé basé sur un LLM local (Gemma E4B)
• Recherche dans les réunions via ChromaDB + SQLite FTS5
• Organisation des décisions et actions à mener dans un Wiki Markdown
• Vérification des timestamps sources depuis les entrées du Wiki
• Recherche/chat à partir des transcriptions de réunions et du Wiki

Tout le traitement a été conçu pour s’effectuer localement. La priorité a été donnée aux environnements où il est difficile d’envoyer les données de réunion vers des API externes, ou de publier des discussions internes de l’organisation sur des services externes.

C’est encore une bêta initiale, et c’est réservé aux Mac Apple Silicon. (Il m’est difficile de tester d’autres environnements...)

Comme il faut plusieurs modèles, l’installation n’est pas totalement légère.
Pour utiliser le modèle de séparation des intervenants de pyannote, il faut accepter le gated model sur HuggingFace et configurer un token, et comme les modèles sont exécutés en local, il y a aussi des contraintes matérielles.

Je l’ai tout de même publié, car je pense que cela peut être utile aux personnes qui, comme moi, ont beaucoup de réunions, passent beaucoup de temps à consigner les décisions à prendre, et travaillent dans un environnement où la connexion à une IA externe est difficile.

Je serais ravi d’avoir vos retours, ou d’entendre des expériences similaires si vous avez rencontré le même problème.