Généré le 16/10/2026 17:28

Diagnostic — Latence audio Live Tour, interface web (16/10/2026 ~17h20 Guadeloupe)

Demande

Décomposer le délai entre la fin de la parole de Raphaël et la réponse de Gemini sur l'incident du 16/10/2026 ~17h20, en 3 étapes : (1) enregistrement/compression audio côté interface web, (2) transmission du fichier compressé vers le serveur, (3) traitement + génération de réponse par l'API Gemini.

Résultat : les étapes 1 et 2 n'existent quasiment pas dans l'architecture réelle — 100% du délai mesuré vient de l'étape 3 (Google)

Le découpage "enregistrer → compresser → envoyer un fichier" ne correspond pas à l'implémentation réelle du mode live_tour. Vérifié dans le code (JARVIS_LIVE_VOICE/public/app.js et server.py) :

Étape Mécanisme réel Durée
1. Enregistrement/compression Pas de fichier, pas de compression. Un ScriptProcessor (app.js:2492) capture des blocs de 2048 échantillons en continu, convertit en PCM16 mono 16kHz brut (app.js:2526-2546) ~43ms par bloc, streaming continu dès le début de la parole — pas une étape isolée après coup
2. Transmission Chaque bloc PCM16 brut est envoyé immédiatement sur la WebSocket déjà ouverte (this.ws.send(pcm16.buffer), app.js:2546) Latence réseau standard d'un frame WebSocket binaire (ms), négligeable
3. Traitement + génération par Gemini Détection de fin de parole côté serveur Google (automatic_activity_detection, server.py:6108) dans la session Gemini Live native — pas de VAD client qui retarderait l'envoi C'est ici que se joue tout le délai observé

Autrement dit : il n'y a pas de "fichier audio compressé" à constituer avant l'envoi — l'audio part en temps réel, bloc par bloc, dès qu'il est capté. Le temps entre la fin de la phrase et la réponse est donc quasi intégralement du temps de traitement côté Gemini Live (Google), pas un goulot côté client ou réseau local.

Mesure réelle de l'incident du 16/10 17h20 (déjà extraite de live_session.log)

Cet incident est une coupure+latence anormale de la session Google elle-même (pas un ralentissement graduel). Confirmé : le mode live_tour est strictement identique entre canal téléphone et interface web (même session WebSocket serveur, même tunnel réseau vers Google) — aucune différence de latence attendue entre les deux canaux. Aucune mission concurrente ni surcharge locale au moment de l'incident.

Pourquoi le filet de sécurité n'a pas absorbé ce cas

Le seul mécanisme qui aurait pu forcer une reconnexion sur silence prolongé (watchdog 4.5s, server.py ~ligne 8809) a été désactivé le même jour, sur demande explicite de Raphaël, après un cas où Google répondait normalement après 9-12s sous tunnel WARP dégradé (détruire la session dans ce cas-là aurait perdu une réponse qui allait arriver). Ce choix reste valable pour ce cas précis mais laisse désormais le système sans filet pour un cas plus extrême comme celui du 16/10 17h20 (coupure réelle + 78s de silence post-reconnexion).

Conclusion

L'étape responsable de la latence variable est exclusivement l'étape 3 (traitement/génération par l'API Gemini Live de Google) — les étapes 1 (enregistrement/compression) et 2 (transmission) sont négligeables par construction (streaming PCM brut en temps réel, pas de fichier ni de compression à produire). Le délai de 89.6s mesuré est entièrement attribuable à une coupure de session Google (code 1008) suivie d'un silence anormalement long (78s) après reconnexion, sans aucun filet de sécurité actif ce jour-là car le watchdog généraliste avait été désactivé quelques heures plus tôt.

Piste proposée, non codée (décision à valider par Raphaël avant implémentation, la désactivation du watchdog étant un choix délibéré récent) : réintroduire un filet spécifique au cas "silence prolongé après reconnexion suite à coupure réelle" (ex. seuil 30-45s), distinct et plus tolérant que le watchdog générique désactivé le 16/10, pour ne pas revenir sur la décision prise plus tôt dans la journée sur les tunnels WARP dégradés.