diff --git a/hermes-tt/nyora-notes-tt-roadmap-pieces-jointes.md b/hermes-tt/nyora-notes-tt-roadmap-pieces-jointes.md new file mode 100644 index 0000000..fbce2a8 --- /dev/null +++ b/hermes-tt/nyora-notes-tt-roadmap-pieces-jointes.md @@ -0,0 +1,26 @@ +# nyora-notes-tt -- Pieces jointes : chantier dedie futur, cible plutot qu'exhaustif + +**Date** : 31/07/2026 + +## Decision + +L'extraction du texte des pieces jointes ne fait PAS partie du backfill texte actuellement en cours (205 dossiers, 2024-2026). C'est un chantier separe, a lancer une fois le backfill texte stabilise. + +## Infrastructure deja disponible (rien a construire cote hermes-mail-browser) + +- `GET /message/{index}/attachments` -- liste les pieces jointes d'un message (leger, pas de telechargement). +- `GET /message/{index}/attachments/{filename}/text` -- telecharge (via CDP, jusqu'a 45s d'attente -- pas de gestion de telechargement native sur un navigateur pilote a distance) puis extrait le texte (`extract_text_from_file`, PDF/Office geres). +- Equivalents `/search/message/attachments*` pour un contexte de recherche. + +## Pourquoi pas maintenant + +1. **Cout** : jusqu'a 45s par piece jointe telechargee. Applique a toutes les PJ de tous les messages, ca ralentirait significativement chaque dossier (les AO a plusieurs lots ont souvent une PJ par lot). +2. **Memoire a deux vitesses** : ajouter cette capacite en cours de backfill laisserait les dossiers deja traites (Veille, Consultations, Medenine...) sans contenu de PJ, contrairement aux dossiers traites apres l'ajout -- incoherence de qualite dans le corpus. + +## Approche retenue pour le futur chantier + +**Cible, pas exhaustif.** Pas de balayage systematique de toutes les PJ. A definir avec Nabil : quels dossiers/types de contenu ont une vraie valeur a extraire (grilles d'evaluation AO, notifications PDF de resultats) versus les PJ a faible valeur (signatures, logos) qui ne justifient pas le cout de 45s/telechargement. + +## Piste d'implementation (a affiner le jour venu) + +Pour chaque message traite, appeler d'abord `/attachments` (leger) pour verifier s'il y a des PJ AVANT de decider si un telechargement+extraction est justifie -- eviter de payer le cout de verification lourde sur les messages qui n'en ont pas, et le cout de telechargement sur les PJ hors-cible.