How h-4mza/plateforme-confiance-numerique works
Plateforme Flask de gestion d’investigations de fraude académique. Le parcours principal est : un professeur crée une investigation et téléverse des copies, la plateforme les transmet à n8n pour analyse OCR et détection, puis reçoit un résultat et un rapport consultable. L’analyse distingue détection de génération par IA, similarité/collusion et verdict forensique, avec gestion des comptes et modules. Les relations entre composants sont limitées aux appels visibles dans les extraits ou aux capacités et échanges explicitement décrits par le README ; le détail du workflow n8n n’a pas été inspecté.
Main entry points: app.py Application Flask · tasks.py Tâches d’analyse · workflow_fraude.json Workflow n8n · pipeline_runner.py Envoi et callback
Components 20
Plateforme web
- Application Flask
web/app.py - Comptes et rôles
web/app.py - Gestion des modules
web/app.py - Investigations et copies
web/app.py - Modèles métier
web/models.py - Envoi et callback
web/pipeline_runner.py
Analyse forensique
- Extraction OCR
logic_crewai/ocr_batch.py - Pipeline CrewAI
logic_crewai/crew_pipeline.py - Agents spécialisés
logic_crewai/agents.py - Tâches d’analyse
logic_crewai/tasks.py - Détection IA
logic_crewai/step1_nlp.py - Analyse stylométrique
logic_crewai/tools/tool_detection_ia.py - Similarité collaborative
logic_crewai/step2_similarite.py - Similarité et clustering
logic_crewai/tools/tool_similarite.py - Verdict forensique
logic_crewai/step3_juge.py
Orchestration externe
- Workflow n8n
n8n/workflow_fraude.json
Résultats
- Génération de rapport
logic_crewai/tools/tool_rapport.py
Other components
- Professeur
- Stockage des copies
- Google Gemini
Connections 25
- Professeur → Application Flask: utilise
README.md - Application Flask → Comptes et rôles: gère
web/app.py - Application Flask → Gestion des modules: gère
web/app.py - Application Flask → Investigations et copies: crée
web/app.py - Comptes et rôles → Modèles métier: lit et écrit
web/app.py - Gestion des modules → Modèles métier: lit et écrit
web/app.py - Investigations et copies → Modèles métier: enregistre
web/app.py - Investigations et copies → Stockage des copies: sauvegarde
web/app.py - Application Flask → Envoi et callback: délègue
web/app.py - Envoi et callback → Workflow n8n: envoie copies
web/pipeline_runner.py - Workflow n8n → Envoi et callback: rappelle
README.md - Workflow n8n → Extraction OCR: extrait le texte
README.md - Workflow n8n → Pipeline CrewAI: déclenche analyse
README.md - Pipeline CrewAI → Agents spécialisés: construit
logic_crewai/crew_pipeline.py - Pipeline CrewAI → Tâches d’analyse: construit
logic_crewai/crew_pipeline.py - Tâches d’analyse → Agents spécialisés: assigne tâches
logic_crewai/tasks.py - Tâches d’analyse → Analyse stylométrique: utilise
logic_crewai/tasks.py - Tâches d’analyse → Similarité et clustering: utilise
logic_crewai/tasks.py - Tâches d’analyse → Génération de rapport: utilise
logic_crewai/tasks.py - Détection IA → Analyse stylométrique: analyse
logic_crewai/step1_nlp.py - Similarité collaborative → Similarité et clustering: calcule similarités
- Verdict forensique → Agents spécialisés: configure juge
logic_crewai/step3_juge.py - Verdict forensique → Génération de rapport: génère rapport
logic_crewai/step3_juge.py - Analyse stylométrique → Google Gemini: interroge
logic_crewai/tools/tool_detection_ia.py - Envoi et callback → Modèles métier: met à jour
web/pipeline_runner.py