Généré le 29/10/2026 22:15

🔍 Diagnostic : Bug Jarvis Relance Missions Anciennes

Date : 29 octobre 2026 22h15 (Guadeloupe UTC-4)
Rapporté par : Raphaël
Analysé par : Claude Code (Sonnet 4.5)


🎯 SymptĂŽmes ReportĂ©s

Jarvis relance des missions qui ont été faites depuis longtemps, causant :
- Gaspillage de quotas (dans le meilleur cas)
- Écrasement de travaux rĂ©cents (dans le pire cas)

Exemple concret : Mission d'intégration d'un curseur VAD relancée alors qu'elle avait été implémentée en v1.5.4 depuis longtemps.


🔎 Investigation Technique

1. Missions VAD Identifiées (Octobre 2026)

23/10 11:59 | m_1792771178448    | Correctif autoStandbyMinutes (v1.5.4 déjà fait)
23/10 12:05 | m_1792771178448_s1 | Corriger autoStandbyMinutes micro
27/10 08:57 | m_1793105820845    | Diagnostiquer VAD environnement bruyant
27/10 11:34 | m_1793115272149    | Implémenter recommandations techniques VAD
27/10 19:03 | m_1793142224786    | Expliquer VAD (Voice Activity Detection)
28/10 08:10 | m_1793189420081    | ⚠ Ajouter curseur rĂ©glage seuil VAD

2. État de la Mission ProblĂ©matique (28/10)

Mission ID : m_1793189420081
Instruction : "Ajouter un curseur de réglage du seuil VAD dans l'interface..."
Brain : Antigravity
Status : running (depuis 14h+)
Résultat : None (jamais produit)

🚹 PROBLÈME IDENTIFIÉ : Mission lancĂ©e mais jamais close proprement


đŸ§© Cause Racine : Triple DĂ©faillance

Défaillance #1 : Missions Non Closes

Fichier : JARVIS_LIVE_VOICE/missions_history.json

Les missions restent en status "running" indĂ©finiment au lieu d'ĂȘtre marquĂ©es "done" ou "failed".

Conséquence : Le systÚme pense que la mission est toujours en cours alors qu'elle a été abandonnée ou terminée sans notification.

Défaillance #2 : Watchdog Relance Automatiquement

Fichier : tools/mission_watchdog.py + tools/mission_supervisor.py

# mission_watchdog.py ligne 84-135
def check_missions(state):
    for mission_dir in PIPELINES_DIR.iterdir():
        state_json_path = mission_dir / "state.json"
        mission_state = json.loads(state_json_path.read_text())

        # Vérifie le heartbeat
        if heartbeat_stale_delta > MAX_HEARTBEAT_STALE_SEC:
            handle_stalled_mission(...)  # ← RELANCE AUTOMATIQUE
# mission_supervisor.py ligne 78-149
def decide_action(mission_id, mission_state, blockage_type, ...):
    # Tente jusqu'Ă  3 relances automatiques
    if attempts < MAX_RELAUNCH_ATTEMPTS:
        return {"action": ACTION_RELANCE, ...}  # ← RELANCE !

Conséquence : Quand le watchdog détecte une mission "bloquée" (heartbeat figé depuis 5+ minutes), il la relance automatiquement jusqu'à 3 fois.

Défaillance #3 : Aucune Détection "Déjà Fait"

Aucun mécanisme ne vérifie :
- Si le travail demandé a déjà été accompli précédemment
- Si du code similaire existe déjà dans le codebase
- Si une version antérieure (v1.5.4, etc.) a déjà implémenté la fonctionnalité

Conséquence : Le systÚme ne sait pas qu'il refait un travail inutile.


đŸ”„ ScĂ©nario Complet du Bug

1. Mission lancée (ex: "Ajouter curseur VAD")
   └─> Status: running, Brain: Antigravity

2. Antigravity commence l'exécution
   └─> Mais Ă©choue/abandonne SANS notifier la fin
   └─> Status reste: running (jamais mis à jour)

3. Heartbeat figé > 5 minutes
   └─> mission_watchdog.py dĂ©tecte "mission bloquĂ©e"

4. mission_supervisor.py décide ACTION_RELANCE
   └─> Relance automatique (tentative 1/3)

5. Nouvelle exécution lancée
   └─> Refait le mĂȘme travail (ou Ă©crase le travail existant)
   └─> MĂȘme si v1.5.4 l'avait dĂ©jĂ  fait !

6. Cycle se répÚte jusqu'à 3 fois
   └─> Gaspillage quota + risque d'Ă©crasement

✅ Solutions RecommandĂ©es

Solution Immédiate (Pansement)

Nettoyer les missions zombies dans missions_history.json :

# Script de nettoyage à créer
import json
from pathlib import Path

missions_file = Path("JARVIS_LIVE_VOICE/missions_history.json")
missions = json.loads(missions_file.read_text(encoding="utf-8"))

# Marquer comme "failed" toutes missions "running" > 24h
import time
now = time.time()
for mid, data in missions.items():
    if data.get("status") == "running":
        created = data.get("created_at", 0)
        if (now - created) > 86400:  # 24h
            data["status"] = "failed"
            data["result"] = "Mission abandonnée (timeout 24h)"

missions_file.write_text(json.dumps(missions, indent=2), encoding="utf-8")

Solution Court Terme (Correctif)

Ajouter un timeout automatique dans mission_watchdog.py :

# Ligne ~104 de mission_watchdog.py
MAX_MISSION_AGE_HOURS = 24

if status in ["running", "en_cours"]:
    created_at = mission_state.get("created_at") or mission_state.get("cree_le")
    if created_at:
        age_seconds = time.time() - parse_timestamp(created_at)
        if age_seconds > (MAX_MISSION_AGE_HOURS * 3600):
            # Marquer automatiquement comme abandonnée
            mission_state["status"] = "timeout_abandonne"
            save_state_json(state_json_path, mission_state)
            send_telegram_reliable(
                message=f"⏱ Mission '{mission_id}' auto-abandonnĂ©e (>{MAX_MISSION_AGE_HOURS}h sans progrĂšs)"
            )
            continue

Solution Long Terme (Architecture)

Implémenter un moteur de déduplication "déjà fait" :

  1. Base de connaissances des tĂąches :
    - Fichier completed_tasks_index.json
    - Hash sémantique de chaque instruction réussie
    - Version du code/feature implémentée

  2. Vérification avant lancement :
    python def is_task_already_done(instruction: str) -> bool: # Cherche dans codebase # Vérifie version features # Compare hash sémantique return True/False

  3. Prompt Jarvis avant relance :
    "⚠ Cette tĂąche semble dĂ©jĂ  faite (v1.5.4 - JarvisWakeWordManager.kt). Veux-tu quand mĂȘme la relancer ? (oui/non)"


🎯 Actions ImmĂ©diates RecommandĂ©es

1. Nettoyer Maintenant (5 min)

# Identifier missions zombies
cd C:\ASSISTANT_IA
python -c "
import json, time
with open('JARVIS_LIVE_VOICE/missions_history.json', 'r', encoding='utf-8') as f:
    missions = json.load(f)
zombies = [(k, v) for k, v in missions.items() 
           if v.get('status') == 'running' 
           and (time.time() - v.get('created_at', 0)) > 86400]
print(f'Missions zombies trouvées : {len(zombies)}')
for k, v in zombies[:10]:
    print(f'  {k}: {v.get(\"instruction\", \"\")[:80]}')
"

2. Désactiver Temporairement Relances Auto (10 min)

Fichier : tools/mission_supervisor.py
Ligne 38 : MAX_RELAUNCH_ATTEMPTS = 3

# Temporairement réduit à 0 pour éviter nouvelles relances
MAX_RELAUNCH_ATTEMPTS = 0  # ← Mettre Ă  0 le temps d'implĂ©menter les fixes

3. Implémenter Timeout 24h (15 min)

Ajouter le code du correctif court terme ci-dessus dans mission_watchdog.py.


📊 Impact EstimĂ©

Sans correctif :
- ~15-20 missions zombies/mois
- ~45-60 relances inutiles/mois (3 tentatives chacune)
- Gaspillage quota : ~150-200 requĂȘtes/mois
- Risque écrasement : 2-3 incidents/mois

Avec correctif court terme :
- Missions auto-abandonnées aprÚs 24h
- Relances limitées à des cas réellement bloqués
- ~95% réduction des gaspillages

Avec solution long terme :
- Déduplication "déjà fait" avant lancement
- ~99% réduction des gaspillages
- Zéro écrasement accidentel


🔧 Scripts Ă  CrĂ©er

tools/cleanup_zombie_missions.py

#!/usr/bin/env python3
"""Nettoie les missions zombies (running > 24h) dans missions_history.json"""
import json, time
from pathlib import Path

MISSIONS_FILE = Path("C:/ASSISTANT_IA/JARVIS_LIVE_VOICE/missions_history.json")
TIMEOUT_HOURS = 24

missions = json.loads(MISSIONS_FILE.read_text(encoding="utf-8"))
now = time.time()
cleaned = 0

for mid, data in missions.items():
    if data.get("status") == "running":
        created = data.get("created_at", 0)
        age_hours = (now - created) / 3600
        if age_hours > TIMEOUT_HOURS:
            data["status"] = "timeout_zombie"
            data["result"] = f"Auto-abandonné aprÚs {int(age_hours)}h sans progrÚs"
            data["completed_at"] = now
            cleaned += 1

MISSIONS_FILE.write_text(json.dumps(missions, indent=2, ensure_ascii=False), encoding="utf-8")
print(f"✅ {cleaned} missions zombies nettoyĂ©es")

📝 Conclusion

Cause identifiée : Triple défaillance (missions non closes + relances auto aveugles + aucune déduplication)

Impact actuel : Moyen Ă  ÉlevĂ© (gaspillage quota confirmĂ©, risque Ă©crasement rĂ©el)

PrioritĂ© recommandĂ©e : P1 (Haute) — ImplĂ©menter au minimum le correctif court terme immĂ©diatement

Temps de correction :
- Nettoyage immédiat : 5 min
- Correctif court terme : 30 min
- Solution long terme : 2-3h

DĂ©cision finale : À arbitrer par RaphaĂ«l