Généré le 13/10/2026 18:11

Analyse de faisabilité — Planification de missions différées et conditionnelles dans Jarvis

Date : 13/10/2026
Demande : permettre à Raphaël de dire "lance X dans 10 minutes" (différé temporel) ou "quand la mission Y est terminée, lance Z" (conditionnel événementiel), avec une architecture capable de gérer cette logique dans la durée.

Verdict : Faisable, risque faible, effort modéré (1 nouveau démon + 1 outil MCP + ~200-300 lignes). L'écosystème a déjà tous les briques nécessaires (démons détachés, fichiers d'état JSON, détection de statut de mission, canal Telegram/WS) — il manque uniquement la brique de planification elle-même, qui doit être un nouveau composant dédié plutôt qu'un bricolage dans un démon existant.


1. État réel de l'infrastructure (vérifié dans le code, pas supposé)

Composant Fichier Fréquence État persisté Rôle
Pulse Daemon V2 C:\ASSISTANT_IA\pulse_daemon.py boucle 60s (CHECK_INTERVAL_SEC) pulse_state.json Déclenche des routines récurrentes (12h/24h/48h/7j) si is_system_idle(), écrit trigger_task.json
Mission Watchdog C:\ASSISTANT_IA\mission_watchdog.py boucle asyncio 5s, sous-scan pipelines 30s mission_watchdog_state.json Scanne pipelines/*/state.json, détecte fin de mission via TERMINAL_PATTERN (regex L137-140), alerte Telegram + injecte Claude Code
Workflow Architect Daemon tools/workflow_architect_daemon.py boucle 10s + pulsation intégrité 6h workflow_architect_state.json Supervise l'arborescence tools/, singleton par PID (ensure_singleton(), L107)
Fast Check Daemons tools/fast_check_daemons.py ponctuel (pas une boucle) — Vérifie via Win32_Process que chaque démon tourne, relance sinon via .vbs
Serveur Jarvis JARVIS_LIVE_VOICE\server.py process long-lived (uvicorn, supervisé par supervisor.py) missions_history.json + dict mémoire _global_missions dispatch_mission() (L6613) lance une mission, statut queued→dispatched/running→done/failed. Endpoint POST /api/missions/launch (L1609)

Constats clés pour la conception :
- Aucun scheduler générique n'existe (pas d'APScheduler, pas de threading.Timer, pas de tâche Windows planifiée — tous les démons sont des process détachés lancés via .vbs).
- Le statut de fin de mission est déjà normalisé à deux endroits : mission["status"] in ("done","failed") côté serveur (source mémoire, perdue si le process redémarre) et TERMINAL_PATTERN sur pipelines/*/state.json (source disque, résiliente). Il faut s'appuyer sur la source disque pour une condition fiable dans la durée.
- Le canal de notification de fin de mission existe déjà en double (WS broadcast_mission_update() + Telegram via summarize_mission_closure() dans mission_watchdog.py) — rien à réinventer ici.
- L'enregistrement MCP suit un pattern fixe : tools/registry.py::register() ou plugin tools/mcp_plugins/*.py + sync_mcp_registry.py pour propager.
- À ne pas confondre : les outils CronCreate/CronList/CronDelete et le skill schedule disponibles dans Claude Code pilotent des routines cloud Claude Code planifiées par cron — un système entièrement différent, qui n'a pas accès au serveur FastAPI local ni à pipelines/*/state.json. Ils ne sont pas réutilisables pour ce besoin.


2. Architecture proposée

2.1 Principe : un nouveau démon dédié, pas une extension de mission_watchdog.py

Tentant de greffer la planification sur mission_watchdog.py puisqu'il scanne déjà pipelines/*/state.json avec TERMINAL_PATTERN — mais ce serait mélanger deux responsabilités (surveillance/alerte vs. déclenchement d'actions), et créer un risque de régression sur un démon déjà critique. Recommandation : un nouveau fichier scheduler_daemon.py à la racine, qui importe TERMINAL_PATTERN et find_current_mission-like logic depuis mission_watchdog.py (ou en extrait la détection dans un petit module partagé tools/mission_status_lib.py) plutôt que de la dupliquer — c'est le point exact où la règle "cohérence systématique" du projet mord : deux copies de la même regex qui divergent un jour est le genre de bug déjà vécu (cf. mémoire sur le mapping de colonnes).

2.2 Schéma de données : scheduled_actions.json

Même pattern que pulse_state.json/mission_watchdog_state.json (fichier JSON au format {"items": [...]}) :

{
  "items": [
    {
      "id": "sched-20261013-001",
      "created_at": "2026-10-13T14:32:00-04:00",
      "type": "delai",
      "trigger_at": "2026-10-13T14:42:00-04:00",
      "action": {"instruction": "Lance la chasse produit mission X", "brain": "claude"},
      "status": "pending"
    },
    {
      "id": "sched-20261013-002",
      "created_at": "2026-10-13T14:35:00-04:00",
      "type": "condition",
      "condition": {"mission_slug": "page-produit-ysenra-01", "statuts_attendus": ["done"], "timeout_at": "2026-10-13T20:00:00-04:00"},
      "action": {"instruction": "Lance la campagne pub pour Ysenra", "brain": "claude"},
      "status": "pending"
    }
  ]
}

Champ type extensible ("delai" / "condition" aujourd'hui ; laisse la place à "heure_fixe" ou "fenetre_horaire" plus tard sans changer le schéma).

2.3 Boucle du démon

2.4 Interface d'entrée : nouvel outil MCP planifier_mission

Nécessaire pour que Raphaël puisse dire vocalement "dans 10 minutes, lance..." ou "quand la mission Y est finie, lance..." et que le LLM (Claude/Antigravity) le traduise en appel structuré plutôt qu'en texte libre mal interprété.

2.5 Intégration supervision


3. Risques et points d'attention

  1. Source de vérité du statut mission : s'appuyer sur pipelines/*/state.json (disque, résilient au redémarrage du serveur) pour les conditions, jamais sur le dict mémoire _global_missions du serveur qui est perdu à chaque restart (supervisor.py relance uvicorn sur crash).
  2. Duplication de la regex TERMINAL_PATTERN : à factoriser dans un module partagé avec mission_watchdog.py plutôt que copiée — sinon risque de divergence silencieuse entre les deux détections (incident déjà vécu sur un mapping de colonnes dupliqué, cf. mémoire projet).
  3. Idempotence du déclenchement : écrire l'état triggered avant l'action réseau, pas après — sinon un crash du démon entre les deux relance la même action au redémarrage.
  4. Items jamais résolus : toujours prévoir un timeout_at sur les conditions événementielles, avec notification explicite d'expiration — sinon un item "condition jamais remplie" reste invisible pour toujours (même anti-pattern que les alertes watchdog laissées sans décision, déjà corrigé dans la checklist d'auto-validation du projet).
  5. Granularité : 10-15s de polling suffit largement pour un besoin exprimé en minutes ; pas besoin d'une précision à la seconde.
  6. Ne pas confondre avec CronCreate/skill schedule de Claude Code (routines cloud) — mécanisme totalement séparé, sans accès au serveur FastAPI local ni aux pipelines.

4. Plan d'implémentation (si validé)

  1. Extraire TERMINAL_PATTERN + logique de lecture pipelines/*/state.json dans tools/mission_status_lib.py, importé par mission_watchdog.py (refactor sans changement de comportement) et par le futur scheduler_daemon.py.
  2. Créer scheduler_daemon.py (boucle, singleton PID, lecture/écriture scheduled_actions.json, déclenchement HTTP + fallback trigger_task.json, notification Telegram).
  3. Créer lance_scheduler_daemon_invisible.vbs + ajouter l'entrée dans tools/fast_check_daemons.py.
  4. Ajouter l'outil MCP planifier_mission (+ annuler_mission_planifiee) dans tools/registry.py ou tools/mcp_plugins/scheduler.py, puis sync_mcp_registry.py --notify.
  5. Test réel : planifier une mission factice à +2 minutes, vérifier son déclenchement HTTP réel ; planifier une mission conditionnée à la fin d'une mission en cours, vérifier le déclenchement au bon moment ; tester le cas machine éteinte au moment du trigger (rattrapage au redémarrage) et le cas serveur down (fallback trigger_task.json).

Aucune implémentation n'a été faite à ce stade — ce document est uniquement l'étude de faisabilité et l'architecture proposée, prête à être construite sur confirmation.