Lot 3 — Veille agentique : catalogue de sources

Catalogue des flux pour le pipeline de veille (cf. specs/ia-veille.md). V1 = un thème pilote (IA) avec 10 flux ; le reste du catalogue est gardé en réserve pour les itérations suivantes (dev web, qualité, juridique).

1. Types de flux exploitables

Pour ce pipeline Symfony en pull, RSS et Atom couvrent 95 % du besoin et restent le bon choix pour le V1. Trois variantes méritent d'être connues, sans être indispensables pour démarrer :

• Flux Substack / Beehiiv : les newsletters hébergées sur ces plateformes exposent un RSS standard (/feed). Pas de cas particulier à coder — c'est du RSS classique, mais ça ouvre l'accès à beaucoup de newsletters analystes (Latent Space, Import AI, Ahead of AI…).
• Flux Atom des releases GitHub : tout dépôt expose https://github.com/<org>/<repo>/releases.atom. Très utile pour suivre les sorties de bibliothèques ou de modèles. Standard Atom, parsé comme le reste.
• Pont email → RSS : pour les newsletters qui n'ont que l'email (TLDR AI, Ben's Bites quand pas hébergées Substack), un service comme Kill the Newsletter! crée une boîte qui devient un flux RSS. Recommandé en V2, pas en V1 (dépendance externe).

Hors périmètre raisonnable : JSON Feed (peu adopté, ajoute un parser), webhooks (modèle push incompatible avec Scheduler/Messenger en pull), scraping de pages sans flux (fragile, non éthique, à éviter).

2. État des sources IA majeures (point critique)

Important pour la résilience du pipeline : plusieurs labos n'exposent plus de RSS natif depuis leurs refontes récentes. La communauté maintient des flux scrapés via GitHub Actions, fiables mais fragiles par nature.

Conséquence pour l'architecture : prévoir un champ source_type (native / community) sur chaque source pour pouvoir prioriser les natives, monitorer les communautaires, et basculer si l'une tombe.

3. Top 10 — V1 (thème pilote : IA)

Sélection raisonnée : 4 constructeurs majeurs, 1 souveraineté FR, 1 recherche source, 2 synthèses anglo, 1 source FR pro, 1 pulse communautaire.

Charge estimée V1 : ~30-50 items/jour après dédup, à résumer par Claude. Cohérent avec le périmètre annoncé.

4. Catalogue large (réserve pour V2+)

4.1 Constructeurs et labos IA (en plus du top 10)

4.2 Recherche

4.3 Synthèses / Analystes (newsletters Substack & assimilés)

4.4 Médias tech (anglo)

• MIT Technology Review (rubrique AI)
• The Verge (rubrique AI)
• VentureBeat AI
• Wired (rubrique AI)

4.5 Médias tech (FR)

• LeBigData.fr — https://www.lebigdata.fr/feed
• FrenchWeb — https://www.frenchweb.fr/feed
• Le Monde Informatique — flux thématiques sur lemondeinformatique.fr/flux-rss/
• Numerama (rubrique IA)
• ZDNet France
• La Revue du Digital
• Journal du Net (rubrique IA / web-tech)

4.6 Dev web (hors V1, futur lot)

• Symfony Blog — https://symfony.com/blog/feed.xml
• PHP releases (GitHub Atom)
• Web.dev (Google)
• MDN Blog
• CSS-Tricks
• Smashing Magazine

4.7 Qualité / Accessibilité (hors V1, futur lot)

• W3C Blog
• Opquast Blog
• The A11y Project
• WebAIM

4.8 Juridique (hors V1, futur lot — sujet sensible, garde-fous renforcés)

• CNIL — actualités RSS
• EUR-Lex — flux RSS sur le Journal Officiel UE (AI Act)
• ANSSI — alertes et avis
• Legifrance — RSS textes publiés

5. Conventions pour la config

Format pressenti pour veille.sources (à raffiner à l'implémentation) :

sources:
  - id: anthropic_news
    name: "Anthropic News"
    url: "https://raw.githubusercontent.com/Olshansk/rss-feeds/main/feeds/feed_anthropic_news.xml"
    type: community
    theme: ia
    subtheme: constructeurs
    lang: en
    enabled: true

• id : slug stable, sert de clé de dédup et de tag dans la classification.
• type: native|community : pour la priorisation et le monitoring de fiabilité.
• enabled : pouvoir couper un flux qui tombe sans toucher au code.

6. Points d'attention V1

• Vérifier chaque URL au branchement : certaines URL ci-dessus (notamment les natives DeepMind, Microsoft) sont indiquées « à vérifier au branchement » — RSS bouge, les CMS changent.
• Monitorer les flux communautaires : un repo GitHub peut être abandonné ; prévoir une alerte si un flux ne rend plus rien depuis N jours.
• Filtrage arXiv : volume très élevé. Au démarrage, retenir arXiv mais filtrer via embeddings sur 2-3 sous-thèmes ciblés plutôt que tout cs.AI brut.
• Hacker News : ajuster le seuil points= après quelques jours pour calibrer le bruit.
• Respect des sources : conformément à la spec, résumé + lien, jamais de copie intégrale.

7. Sources retenues pour mémoire mais non incluses dans le top 10

• Planet AI (planet-ai.net) : agrégateur en place, mais le sens du projet est de bâtir sa propre veille — utiliser un agrégateur tiers en source brouille le bénéfice de démonstration.
• Stratechery : excellent contenu, paywall — non exploitable en RSS public.
• Twitter/X listes IA : pas de RSS officiel, dépendance forte à des bridges fragiles. Hors V1.

Documents liés

• Spec du pipeline : specs/ia-veille.md
• Cadre vitrine : specs/ia-vitrine.md
• Cœur RAG (embeddings réutilisables pour la classification) : specs/ia-coeur.md

Implémentation

Historique des décisions