Ce qui tourne, ce qui a été essayé, ce qui est en pause.

G2 se lit « Go to ». G2tiktokWork est la pièce centrale de la famille : un bot Telegram auquel on donne une niche et une idée, et qui rend une vidéo 1080×1920 terminée. Entre les deux, une chaîne Python : script et accroche générés, voix de synthèse ElevenLabs avec repli local, fond vidéo libre de droits choisi par mots-clés, transcription par Whisper pour caler chaque mot des sous-titres, montage au tempo et rendu par FFmpeg.

Dans Telegram, le menu tient en quatre boutons : Mes Métiers, Nouveau Métier, Mon Compte, Import Rapide. Chaque niche a sa configuration en JSON : voix, fourchette de prix, rushs propres. Les utilisateurs ont des comptes et des crédits en SQLite, sauvegardés chaque jour ; l'historique des rendus et des accroches déjà utilisées évite de produire deux fois la même chose.

État réel : en service, une soixantaine de vidéos rendues. La publication reste manuelle : c'est le rôle de G2TiktokAutopost.

Le second membre de la famille prend le problème à l'envers : la matière existe déjà, sous forme de vidéo longue (YouTube, TikTok, Instagram). Le bot la télécharge, repère les segments qui tiennent seuls, les recadre en 9:16 avec fond flouté, y brûle des sous-titres Whisper et renvoie les clips.

Deux contraintes ont dicté l'architecture : des fichiers lourds, d'où Pyrogram et le protocole MTProto pour envoyer jusqu'à deux gigaoctets, et un modèle payant, d'où des crédits achetés en Telegram Stars avec une file de traitement par utilisateur. Le même moteur existe en tableau de bord web, qui a servi de banc d'essai avant la version bot.

Le dernier maillon avant l'écran du spectateur. Les vidéos rendues sont rangées par séries, chaque série a son compte, et le bot publie à la cadence voulue en pilotant un navigateur avec Selenium sur des sessions enregistrées. Il contourne les fenêtres surgissantes, respecte les limites de débit et déplace chaque fichier publié dans un dossier posted/ pour ne jamais republier deux fois.

Pas d'interface au-delà de Telegram : on y reçoit l'état des séries et les erreurs. C'est l'outil le plus fragile de la famille, parce qu'il dépend d'une interface qui n'est pas la sienne.

La famille G2 a un membre tourné vers le direct. Un client écoute le chat d'un TikTok Live, un moteur de jeu tient les questions, les réponses et les scores, un serveur WebSocket pousse l'état vers un overlay que le streamer incruste dans OBS, et une voix de synthèse annonce les manches.

Prototype : les questions sont dans un fichier JSON, il n'y a pas de comptes ni de persistance au-delà d'une session. Il a servi à comprendre ce qu'un chat peut faire en temps réel, ce qui a nourri Roast My Music.

Même socle que le reste de la famille, tableau de bord Telegram compris, mais un tout autre terrain. Le bot écoute la blockchain Solana par WebSocket pour repérer les nouveaux pools de liquidité sur Raydium, passe chaque candidat au crible (pot de miel, autorités de mint et de gel, concentration des détenteurs), puis exécute, en simulation ou en réel, avec des règles de gestion après achat : sécurisation d'une partie des gains, liquidation des positions qui stagnent, stop et objectif dynamiques.

Il est présenté ici pour la mécanique : temps réel, sécurité automatisée, asynchrone de bout en bout. Pas comme un conseil, et il est en pause.

Le point de départ est un format de live : un streamer écoute des morceaux ou des albums avec sa communauté et les note en direct. Roast My Music outille ce moment. Le streamer charge un morceau, donne sa note de 1 à 10, et le chat vote en même temps : les messages Twitch et TikTok sont lus en temps réel, pondérés (un cadeau TikTok pèse plus qu'un message), et le score final se fige quand les votes sont clos.

Trois surfaces : le tableau de bord du streamer (lecture en cours, sa note, les moyennes par plateforme, l'activité du chat en direct), un overlay à incruster dans le live qui affiche le score qui bouge, et un historique des sessions. Un pont écoute les chats via tmi.js pour Twitch et un connecteur TikTok Live.

Une seconde piste, plus ancienne, explorait la fiche d'album classique avec notes et critiques. Elle a servi à tester le parcours de notation, mais c'est le format live qui porte le produit : la note collective en temps réel est ce que ni Letterboxd ni RateYourMusic ne font.

État réel : prototype fonctionnel en local, pas de comptes, sessions stockées en JSON. Prochaine étape : un modèle de données partagé et l'authentification Twitch pour ouvrir l'outil à d'autres streamers.

L'idée de départ était la mienne : la rue est un musée de street art à ciel ouvert, sans cartel ni guide. Hall of Arts géolocalise les œuvres autour de soi sur une carte, raconte chacune avec du texte et de l'audio, garde une frise de son évolution à partir des photos de la communauté, laisse les artistes revendiquer et publier leurs œuvres, et permet de voir une œuvre en réalité augmentée là où elle se trouve, même quand elle a été effacée.

Nous étions trois. J'ai tenu le rôle de chef de projet, du cadrage aux jalons de rendu, et celui de développeur sur l'application mobile en React Native : carte et géolocalisation, fiches d'œuvres avec lecteur audio, notes et avis, remontée des photos. La première version reposait sur Firebase et Mapbox ; la reprise de 2026 passe sur une API dédiée et prépare la vue en réalité augmentée avec ViroReact. Le projet a été présenté comme projet de fin d'études et a compté pour l'obtention du diplôme.

Une nouvelle version, avec un back-end refondu, a été entamée en 2026. Le projet est présenté ici pour ce qu'il est : un projet d'école abouti, en pause, dont la réalité augmentée sur des téléphones hétérogènes reste la leçon la plus coûteuse et la plus utile.

Un prototype mobile qui applique une méthode simple : sept jours d'observation pour établir une consommation de référence, puis un plan de réduction par paliers, avec un relevé quotidien et les raisons de chaque prise. Les graphiques montrent l'écart entre le plan et le réel.

C'est une application de santé comportementale au même titre qu'un carnet de sommeil ou un suivi de sevrage tabagique. Elle prolonge, sur un autre terrain, le travail fait sur Neocortex : donner à une personne et à celui qui l'accompagne un outil de mesure honnête plutôt qu'un jugement.

Le prototype n'a pas dépassé le stade de la démonstration locale : pas de compte, pas de synchronisation, pas de validation clinique.