# Script de Démonstration Recruteur (3 Minutes Chrono)

> **Objectif** : Prouver en 180 secondes que vous maîtrisez à la fois l'ingénierie LLM/RAG/Agents, la conception didactique pour utilisateurs réels et le cadrage pédagogique.

---

### [00:00 – 00:30] Introduction & Cadrage Métier
- **Ce que vous dites** :
  > "Bonjour. Je vous présente **IA Sans Panique**, une plateforme d'acculturation et de formation interactive conçue pour les équipes et managers non techniques. L'objectif n'est pas de faire un simple chatbot, mais de faire comprendre les mécanismes réels — du Machine Learning aux Agents supervisés — à travers des manipulations directes, sans barrière mathématique et avec un design accessible pensé pour des adultes en reconversion ou en montée en compétences."
- **Ce que vous montrez à l'écran** :
  - La page d'accueil élégante, la barre de progression, et le diagnostic initial ("Est-ce de l'IA ?").

---

### [00:30 – 01:15] Le Machine Learning & l'Overfitting Décomplexifiés
- **Ce que vous dites** :
  > "Dans le module 2, nous abordons l'une des notions fondamentales du ML : l'overfitting. Au lieu d'équations de régression polynomiale, l'utilisateur manipule un curseur de complexité. En direct, on voit la courbe s'adapter : trop simple, c'est du sous-apprentissage. Trop complexe, le modèle colle à 100% à ses données d'entraînement mais le score de test s'effondre. C'est l'analogie de l'étudiant qui apprend par cœur les annales au lieu d'assimiler la méthode."
- **Ce que vous montrez à l'écran** :
  - Déplacez le curseur de gauche à droite : observez la courbe SVG onduler et les compteurs Train/Test réagir en direct.

---

### [01:15 – 02:00] RAG d'Entreprise : Citations et Garde-fous
- **Ce que vous dites** :
  > "Dans le module 5, nous expliquons le RAG. La métaphore : un LLM seul est comme un collègue cultivé qui récite de mémoire ; le RAG, c'est ce même collègue avec le classeur de procédures ouvert sous les yeux. Si je demande : *'Puis-je réserver moi-même un hôtel à 250 € ?'*, le moteur localise précisément la section dans la charte de déplacement, extrait le passage et répond en citant la source. Et surtout : si je lui pose une question hors champ, le garde-fou d'abstention s'active pour refuser d'halluciner."
- **Ce que vous montrez à l'écran** :
  - Cliquez sur la question de test dans le lab RAG. Montrez les 3 colonnes : Question → Chunks sourcés → Réponse avec pastilles de citations.
  - Cliquez sur le test du garde-fou pour montrer le refus propre et documenté.

---

### [02:00 – 02:40] Agents IA & Human-in-the-Loop
- **Ce que vous dites** :
  > "Le module 6 illustre la différence fondamentale entre un modèle conversationnel et un agent autonome. Ici, un workflow LangGraph prépare un déplacement à Lyon : il analyse les contraintes, extrait la charte, sélectionne le TGV et l'hôtel conforme. Mais attention : au moment critique, l'agent s'interrompt obligatoirement sur un checkpoint de validation humaine. L'utilisateur technique peut également activer le mode 'Sous le capot' pour inspecter les traces d'état et les payloads des outils."
- **Ce que vous montrez à l'écran** :
  - Déroulez les étapes du graphe de l'agent.
  - Montrez la modale de validation humaine avec approbation / rejet.
  - Activez le toggle *"Voir sous le capot"* pour dévoiler le JSON d'état LangGraph en direct.

---

### [02:40 – 03:00] Synthèse, Mode Formateur & Conclusion
- **Ce que vous dites** :
  > "Enfin, la plateforme intègre un mode Formateur complet avec déroulé minuté de 3h30, fiches d'animation et métriques d'apprentissage avant/après. Tout est conteneurisé en Docker, testé unitairement et pensé pour une adoption d'entreprise conforme à l'AI Act."
- **Ce que vous montrez à l'écran** :
  - Basculez sur l'onglet *"Mode Formateur / Dashboard"* pour montrer le planning 3h30 et les fiches pédagogiques.