EvilHunter Agent

Inspiration

Dans le solaire, le vrai "mal" ce n'est pas le panneau. C'est l'arnaque. 3 devis pour la même maison. Écart de 900.000 FCFA. Des batteries plomb vendues comme Lithium. Des panneaux 200W étiquetés 550W.

Le client ne s'y connaît pas. Il signe un crédit sur 10 ans pour un système qui ne marchera jamais. Agent EvilHunter est né pour ça : Chasser les escrocs du solaire. Protéger chaque acheteur avant qu'il signe.

Ce que fait le projet

Agent EvilHunter est un agent IA qui chasse les fraudes dans les devis et installations solaires. Il ne vend pas. Il protège.

En 3 actions :

1. Analyser : Tu uploades un devis PDF d'un installateur. L'agent lit tout : puissance, prix, composants, garanties.
2. Chasser : L'agent compare avec la base de prix marché réels. Il détecte le "mal" : Prix +40% vs moyenne, batterie sous-dimensionnée, onduleur non certifié, garantie fausse.
3. Rapporter : L'agent sort un rapport clair : "Devis risqué : 3 anomalies détectées". Il explique pourquoi c'est une arnaque, quel est le prix juste, et quelles questions poser à l'installateur.

Promesse : En 30 secondes, savoir si le devis est honnête ou s'il faut fuir.

Comment nous l'avons construit

On a construit EvilHunter pour le terrain : PDF scannés, WhatsApp, téléphones bas de gamme.

Agent IA : GPT-4 + LangChain. L'agent sait lire un devis solaire, extraire kWc, prix panneau, prix batterie. Base de données : DynamoDB avec 50+ devis réels collectés. Prix moyens par composant, normes C15-712. Moteur de détection : Règles + IA. Ex: Si Prix/Wc > 1.2$ = Alerte. Si Batterie < 1 jour d'autonomie = Alerte. Si Pas de norme IEC = Alerte Rouge. Frontend : Next.js sur Vercel. Tu déposes le PDF, tu as le rapport en 20s. Preuves : Chaque alerte cite la ligne du devis + la source du prix moyen. Pas d'hallucination.

Difficultés rencontrées

1. PDF sales : Les installateurs envoient des scans flous, des photos WhatsApp. L'OCR se trompait. On a dû entraîner l'agent à relire 2 fois.
2. Jargon : "Micro-onduleur", "MPPT", "DoD 80%". Le client ne comprend pas. On a fait parler l'agent en langage simple : "Cette batterie tiendra 4h, pas 12h comme promis".
3. Pas de prix de référence : Aucune API publique. On a dû enquêter 3 semaines auprès d'installateurs pour créer notre base "prix juste".
4. Faux positifs : Un devis cher n'est pas toujours une arnaque, parfois c'est de la qualité. On a ajouté le contexte : marque, garantie, SAV.

Réussites dont nous sommes fiers

1. On chasse le vrai mal : Testé sur 15 devis. L'agent a détecté 6 arnaques : panneaux reconditionnés vendus neufs, batteries 2x trop petites.
2. Pédagogie : Le rapport est lu par des non-techniques. Ma tante a compris pourquoi elle devait refuser le devis n°2.
3. Rapide : Analyse d'un devis de 8 pages en 18 secondes. Un expert met 2 heures.
4. Neutre : EvilHunter ne prend pas de commission. Il n'est affilié à aucun installateur. Seul but : protéger l'acheteur.

Ce que nous avons appris

1. Le mal est humain : Le problème n'est pas technique. C'est l'opacité. L'IA sert à remettre la transparence.
2. La preuve sauve : Un client ne contestera jamais un installateur sans rapport écrit. L'agent doit toujours dire "page 2, ligne 5".
3. Simplifier : Mieux vaut 3 alertes claires que 20 indicateurs techniques. L'utilisateur veut une réponse : "Je signe ou pas ?"

La suite pour Agent EvilHunter

EvilHunter est le garde-fou avant l'achat. La suite c'est le contrôle après l'achat. Phase 1 : App mobile. Prends en photo le devis papier, l'agent répond direct sur WhatsApp. Phase 2 : Base d'installateurs notés. L'agent signale les sociétés avec >3 alertes "mal". Phase 3 : Audit post-installation. L'agent compare la production réelle vs le devis promis. Si ça ne produit pas, il alerte. Vision : Zéro famille arnaquée sur le solaire. Que chaque panneau acheté soit au prix juste.

On ne code pas un agent. On envoie EvilHunter chasser les escrocs du soleil.

Built With

• ai
• github
• learning
• machine
• numpy
• pandas
• python
• scikit-learn
• streamlit