Au moment où j'écris ce diagnostic, un appel vocal est très probablement en cours : la dernière ligne de live_session.log date de 17:04:55 (mode live_tour, deux bascules de mode en 1 seconde à 17:04:30/31), soit 37 secondes avant le début de cette analyse. Conformément à l'incident de ce matin (un redémarrage serveur a probablement coupé l'appel de 10:37), je n'ai touché à aucun fichier de JARVIS_LIVE_VOICE/ dans ce diagnostic — analyse de code et de logs uniquement, zéro redémarrage, zéro édition de server.py/app.js.
| Paramètre | Mode live (natif) |
Mode live_tour |
Mode robuste |
|---|---|---|---|
| Qui détecte la fin de phrase | VAD neuronale Google, côté serveur Gemini (AutomaticActivityDetection) |
VAD neuronale Google en second rideau + VAD locale client en premier filtre | VAD locale client uniquement (RMS adaptatif) |
silence_duration_ms |
900ms (server.py:311) |
900ms, identique (server.py:9858) |
N/A (pas de VAD Google) |
prefix_padding_ms / sensibilités |
200ms, START=HIGH, END=LOW (server.py:310-313) |
Identiques, même constantes partagées (server.py:9857-9860) |
N/A |
| Seuil local avant envoi au serveur | Aucun — tout le flux audio est transmis en continu, sans filtrage | Filtre client _onAudioProcessRobuste (seuil baseSpeakingThreshold=0.012, bruit de fond adaptatif) |
Identique — même fonction JS partagée (app.js:2562, commentaire "Mode robuste & Mode live_tour") |
| Audio envoyé pendant le silence ? | Oui, systématiquement (server.py:10150-10153, aucune condition RMS sur l'envoi) |
Non — gated, seul le son au-dessus du seuil + pré-roll ~0,6s est transmis | Non — identique à live_tour |
Constat principal : les constantes de VAD neuronale Google (900ms, 200ms, HIGH/LOW) sont déjà strictement identiques entre live et live_tour depuis le correctif du 15/10/2026 — il n'y a donc plus d'écart à "porter" sur ce point précis, c'est déjà fait. Le filtre RMS local (baseSpeakingThreshold=0.012) est lui aussi déjà partagé à l'identique entre robuste et live_tour (même fonction JS). Je n'ai trouvé aucun paramètre numérique du mode live qui ne soit pas déjà répliqué dans les deux autres modes à l'endroit où une réplication a du sens.
live ne passe jamais par un filtrage local avant envoi — tout est transmis à Google en continu, qui fait sa propre VAD sur un flux ininterrompu. C'est ce qui le rend si fiable : il n'y a pas de "porte" côté client qui puisse rater un début de phrase.robuste/live_tour ont une porte locale (JS, RMS) en amont : si cette porte ne s'ouvre pas (voix trop faible, bruit ambiant qui a fait monter le plancher de bruit adaptatif), aucun octet n'arrive au serveur — ni la VAD neuronale Google (pour live_tour), ni aucun filtre serveur ne peut "rattraper" une parole jamais transmise. C'est une limite structurelle de l'architecture "gated côté client", pas un paramètre mal réglé : chaque octet économisé en données (voir Partie 3) a cette contrepartie en fiabilité.robuste/live_tour constatées aujourd'hui (16h31-16h40) venaient d'un autre facteur, déjà corrigé : la cascade de repli de call_ai_brain() (Gemini Flash Lite → OpenRouter → agy), qui échouait en chaîne et ne concerne QUE ces deux modes (live ne passe jamais par cette fonction). Voir DIAGNOSTIC_REGRESSION_CAPTATION_VOCALE_ROBUSTE_LIVE_TOUR_20261016.md — déjà reverté et déployé avant ce diagnostic-ci.Conclusion de la Partie 1 : il n'existe pas aujourd'hui de paramètre numérique "gagnant" du mode live qui resterait à copier ailleurs — l'alignement des constantes VAD est déjà fait (15/10), et le bug de cascade qui dégradait réellement les 2 autres modes est déjà corrigé (16/10, avant cette session). L'écart de fiabilité restant entre live et les 2 autres est structurel (porte locale côté client qui peut ne jamais s'ouvrir) : le réduire demanderait soit d'assouplir le seuil local (risque de faux positifs sur bruit ambiant, à valider en conditions réelles, pas en aveugle), soit d'ajouter un filet de sécurité serveur — mais ce filet ne peut agir que sur ce qui lui est transmis, donc ne résout pas le vrai goulot (le filtrage a lieu avant l'envoi, pas après).
Le log demandé dans DIAGNOSTIC_LOCALISATION_PANNE_CAPTATION_LIVE_TOUR_20261016_1650.md (tracer les paquets reçus même filtrés, pour éviter la "boîte noire" du trou de 64s) est déjà présent dans le code déployé (server.py:10074-10085) :
if voice_mode in ("robuste", "live_tour"):
now_diag = time.time()
if now_diag - session_record.get("_audio_diag_last_log", 0) >= 2.0:
session_record["_audio_diag_last_log"] = now_diag
peak = pcm_peak_rms(pcm)
log_live(f"[Jarvis Diagnostic Audio] mode={voice_mode} son reçu, pic RMS={peak:.0f} (seuil VAD live_tour=240).")
Preuve de fonctionnement en conditions réelles, capturée pendant la rédaction de ce diagnostic (pas un test, un vrai paquet de l'appel en cours) :
[2026-10-16 17:04:55.322] [Jarvis Diagnostic Audio] mode=live_tour son reçu, pic RMS=0 (seuil VAD live_tour=240).
Ce log trace désormais, au plus 1 ligne toutes les 2 secondes, si du son arrive réellement côté serveur et son pic RMS — qu'il déclenche ou non un tour. L'angle mort du 16h50 (trou de 64s sans aucune trace) est comblé pour robuste et live_tour. Le mode live natif n'a pas ce log (il n'a pas de filtre RMS qui rejette quoi que ce soit avant envoi — rien n'y est jamais "silencieusement filtré" côté serveur), mais dispose de sa propre instrumentation dédiée ajoutée aujourd'hui pour la latence (_live_last_user_speech_sent_at, voir DIAGNOSTIC_LATENCE_MODE_LIVE_NATIF_20261016.md).
Rien à ajouter ici : le log existe, est déployé (process actif PID 11180 depuis 16:59, après l'écriture de ce code), et vient de produire une ligne réelle il y a moins d'une minute.
liveaudio/pcm;rate=16000, app.js resampling + types.Blob côté serveur).live/live_tour : PCM 24kHz mono 16-bit brut, non compressé (wf.setframerate(24000), server.py:5985).robuste : MP3 via edge_tts (tts_synthesize_mp3), compressé — débit très inférieur (ordre de grandeur ~64-128 kbit/s selon l'encodage), non comparable au PCM brut des 2 autres modes.robuste/live_tour : l'uplink est gated côté client (porte RMS, voir Partie 1) — seul le son pendant la parole détectée + un pré-roll de ~0,6s est transmis. Pendant les silences (l'essentiel d'une conversation réelle), zéro octet n'est envoyé.live (natif continu) : confirmé dans le code (server.py:10150-10153), chaque bloc audio reçu du micro est transmis à Google sans aucune condition de volume — y compris le silence ambiant pendant que Raphaël écoute Jarvis ou réfléchit. Le débit uplink de 256 kbit/s est donc soutenu pendant toute la durée de connexion, pas seulement pendant la parole.Le compteur serveur de downlink (audio_out_bytes, réinitialisé à chaque tour, log "Tour terminé (Audio envoyé : X octets)") donne, cumulé sur tous les tours live/live_tour de la journée (09h-17h05) :
25 830 672 octets ≈ 24,6 Mo de parole Jarvis uniquement (hors uplink, hors mode robuste).
live natif (formule + fenêtres réelles observées aujourd'hui)Deux fenêtres où le mode live était actif et confirmées par les bascules persistées sur disque ([Configuration Vocale Persistante] Mode de réponse fixé sur disque -> live) :
- 10:10:16 → 10:37:11 (passage à robuste) ≈ 27 min
- 16:47:35 → 17:04:30 (repassage à robuste puis live_tour) ≈ 17 min
Soit ~44 minutes cumulées en mode live aujourd'hui, pendant lesquelles l'uplink tourne à 256 kbit/s en continu, parole ou pas :
→ 44 × 1,875 Mo/min ≈ 82,5 Mo rien que pour l'uplink, sans compter le downlink PCM 24kHz qui s'ajoute dès que Jarvis répond.
La suspicion est confirmée, avec une cause précise et quantifiée : le mode live natif consomme mécaniquement 2 à 3 fois plus de données qu'un appel vocal compressé classique (type VoIP ~0,5-1 Mo/min tout compris), pour deux raisons cumulées et confirmées dans le code :
1. Audio brut non compressé dans les deux sens (PCM16/24kHz) — alors qu'un appel vocal classique utilise un codec compressé (Opus, AMR...).
2. Flux uplink continu sans coupure sur silence, contrairement à robuste/live_tour qui ne transmettent que pendant la parole détectée.
Ce n'est pas un bug mais un choix architectural : le flux continu non filtré est précisément ce qui permet à la VAD neuronale de Google de fonctionner sans jamais rater un début de phrase (Partie 1) — le gain de fiabilité du mode live a pour contrepartie directe ce surcoût de données. Sur une ligne Wi-Fi ce n'est jamais un problème ; sur une connexion GSM/4G avec un forfait data limité, un usage intensif du mode live (plusieurs appels longs par jour) peut représenter plusieurs centaines de Mo supplémentaires par jour par rapport à un usage équivalent en robuste/live_tour.
Aucun compteur d'octets uplink n'existe dans le code actuel (seul le downlink est comptabilisé par tour) — les 82,5 Mo ci-dessus sont une estimation par formule à partir d'une durée de connexion réelle mesurée, pas un octet réellement compté. Pour un chiffre exact et vérifiable à l'avenir, il faudrait ajouter un compteur d'octets uplink (symétrique à audio_out_bytes existant) — non fait maintenant, par prudence, un appel étant très probablement en cours au moment de ce diagnostic (voir avertissement en tête de document). À faire au calme, hors appel, si validé.
Généré par Claude Code (agent de secours Antigravity), 16/10/2026 ~17h05, sans aucune modification de code ni redémarrage (appel en cours détecté).