QuartierScope AI

Appearance

QuartierScope AILe coéquipier IA des cabinets CGP indépendants

2h d'étude de quartier → brief sourcé en 30 secondes, attaché au deal HubSpot. Données ouvertes en temps réel via le MCP officiel de data.gouv.fr.

Pitch en 2 phrases
Architecture
Setup journey & lessons
🧠

Multi-agents (LangGraph)

Routeur + RAG (corpus expert) + Tools (DVF, INSEE, web) + Actions (HubSpot avec confirmation). 4 agents qui coopèrent au lieu d'un LLM seul.

🇫🇷

data.gouv MCP officiel

Connexion native au serveur MCP de data.gouv.fr (mcp.data.gouv.fr/mcp). DVF découvert dynamiquement via l'API Données Foncières du Cerema.

📋

Citations exploitables AMF

Chaque chiffre cliquable vers sa source. Lettre de Mission auditable directement à partir du brief.

🪝

HubSpot Free natif

Lecture + écriture (notes, propriétés custom, tâches) sans forcer l'équipe à upgrader. Toujours derrière une confirmation `[y/N]`.

🐳

Déploiement single-host

Docker Compose sur DigitalOcean droplet 4GB Premium AMS3. CI/CD GitHub Actions auto-deploy à chaque push.

🔒

Sécurité by-default

Pydantic input validation, secure headers, slowapi rate-limit, SSRF guards, prompt-injection mitigations, two-agent split pour les writes.

En une phrase ​

QuartierScope AI permet à un cabinet CGP indépendant de 2 personnes de doubler son volume de dossiers d'investissement locatif — en réduisant 2 heures d'étude de quartier à un brief sourcé de 30 secondes, attaché automatiquement au bon deal HubSpot.

État actuel ​

v1 livré (Sprints 1–4, ~44h) — multi-agents LangGraph en production pendant les sprints, puis droplet décommissionné le 2026-05-10 pour stopper le run $24/mo. La stack reproduit à l'identique en local via docker compose up -d. Redeploy documenté dans REDEPLOY.md (~5 min).

  • ✅ Infrastructure provisionnée puis décommissionnée (Terraform, DigitalOcean AMS3, $24/mo)
  • ✅ Stack docker-compose (Caddy + FastAPI + Qdrant 264 chunks + Redis + Langfuse v2 + Postgres) — tourne en local
  • ✅ CI/CD opérationnel (GitHub Actions, 3 workflows : CI, Deploy, Docs)
  • ✅ Tous les secrets externes câblés (OpenAI, Tavily, HubSpot, MCP data.gouv)
  • ✅ 4 agents coopératifs (Routeur + RAG + Tools + Actions) avec citations enforced
  • ✅ Mémoire conversationnelle injectée dans les prompts (QS-200)
  • ⏳ v1.5 (Sprints 5–8, ~50h) — simulateurs fiscaux Pinel/LMNP, PDF Lettre de Mission, scoring quantitatif
  • ⏳ v2 (Sprint 9, ~8h) — multi-tenant

→ Voir le détail des sprints→ Voir le journey complet (avec les ratés)

Built as a 44h student project — multi-agent AI for CGP firms.

MIT licensed