Python agent IA de transformation (simple) de documents (PDF, Word...)

Cahier des charges – Développement d’un agent IA de transformation de documents

## 1. Contexte du projet

Nous souhaitons développer un **backend intelligent permettant de transformer et manipuler des documents** (PDF, Word, etc.) à partir de commandes en langage naturel.

L’utilisateur pourra par exemple charger un document et donner des instructions comme :

* « Transformer ce PDF en Word »
* « Supprimer la page 3 »
* « Faire une rotation de la page 5 »
* « Supprimer certains textes de la page 10 »
* « Extraire certaines pages »
* « Fusionner plusieurs documents »

Le système devra **interpréter la demande et exécuter automatiquement les actions nécessaires**, puis produire un **nouveau document modifié**.

L’objectif est de créer un **ensemble de fonctions documentaires (skills)** qui pourront être orchestrées par un **agent IA / chatbot**.

---

# 2. Objectifs de la mission

Le freelance devra :

1. **Développer un backend de manipulation de documents**
2. **Créer un ensemble de fonctions ("skills") modulaires**
3. **Créer un agent capable d’appeler ces fonctions automatiquement**
4. **Préparer l’intégration avec une future interface utilisateur**

Le système doit permettre :

* utilisation **en langage naturel via un chatbot**
* utilisation **directe des fonctions via API**

---

# 3. Fonctionnalités attendues

## 3.1 Upload et gestion des documents

Le système doit permettre :

* upload de documents
* gestion de plusieurs formats :

* PDF
* Word (.docx)

Fonctions attendues :

* chargement du document
* stockage temporaire
* gestion de plusieurs documents dans une session

---

# 3.2 Fonctions de manipulation (skills)

Les fonctions devront être **modulaires et appelables via API**.

Exemples de fonctions à implémenter :

### Manipulation de pages

* supprimer une page
* supprimer plusieurs pages
* rotation d’une page
* extraction de pages
* réorganisation de pages
* fusion de documents

### Conversion de format

* PDF → Word
* Word → PDF

### Manipulation de contenu

* suppression de texte spécifique
* remplacement de texte
* extraction de texte

### Opérations globales

* fusion de documents
* séparation d’un document
* export du document final

---

# 4. Agent IA

Un **agent IA devra être capable de comprendre une instruction utilisateur et appeler les bonnes fonctions**.

Exemples :

Instruction utilisateur :

> Supprime la page 3 et fais une rotation de la page 5

L’agent doit transformer cela en :

```
delete_page(page=3)
rotate_page(page=5)
```

Puis générer le document final.

---

# 5. Architecture souhaitée

Architecture cible :

```
Utilisateur
↓
Interface (future)
↓
Agent IA / Chatbot
↓
Orchestrateur
↓
Skills / fonctions document
↓
Moteur de manipulation de fichiers
↓
Document final généré
```

---

# 6. Contraintes techniques

Technologies recommandées (mais ouvertes à proposition) :

Backend :

* Python
* FastAPI

Librairies possibles :

* PyPDF
* PDFPlumber
* pdf2docx
* python-docx

Pour l’agent :

* système d’appel de fonctions compatible LLM
* architecture type **tool calling**

---

# 7. Interface API

Chaque fonction devra être :

* accessible via API
* testable indépendamment
* documentée

Exemple :

```
POST /delete-page
{
"document_id": "...",
"page": 3
}
```

---

# 8. Interface utilisateur (phase suivante)

Une interface sera développée dans un second temps.

Elle permettra :

* upload de documents
* utilisation en **langage naturel**
* utilisation des **fonctions directement via des formulaires**

Le backend devra donc être **conçu pour supporter ces deux modes**.

---

# 9. Livrables

Le freelance devra fournir :

* code source complet
* API documentée
* architecture claire et modulaire
* exemples d’utilisation
* tests simples
* documentation d’installation

---

# 10. Profil recherché

Compétences souhaitées :

* Python backend
* manipulation de PDF / Word
* API (FastAPI ou équivalent)
* expérience avec agents IA ou LLM (un plus)

---

# 11. Critères de réussite

Le projet sera considéré comme réussi si :

* un document peut être uploadé
* une instruction en langage naturel peut être interprétée
* plusieurs transformations peuvent être exécutées
* un **document final est généré automatiquement**