MiroFish : Plateforme de Simulation IA Multi-Agent pour l'Analyse des Réseaux Sociaux

Introduction

Vous l'avez déjà vu. Une entreprise annonce une nouvelle politique. Une célébrité fait une déclaration controversée. Une nouvelle inattendue éclate. Les réseaux sociaux s'emballent, et les conséquences se propagent de manière imprévue.

Essayez Apidog dès aujourd'hui

Et si vous pouviez voir comment un scénario se déroule avant qu'il ne se produise dans le monde réel ?

MiroFish est une plateforme de simulation d'IA multi-agents qui répond aux questions « et si » concernant les réseaux sociaux. Elle crée un monde parallèle numérique où des centaines d'agents IA dotés de personnalités, de mémoires et de comportements distincts interagissent librement. Vous téléchargez des documents de base — un article de presse, un projet de politique, un article de recherche — et MiroFish simule la manière dont différents publics pourraient réagir au fil du temps.

💡 L'équipe MiroFish a conçu et testé toutes les API de simulation à l'aide d'Apidog. De la conception des points d'accès pour la construction de graphes à la validation des réponses des API d'entretien, Apidog a servi de source unique de vérité pour le contrat backend/frontend tout au long du développement.

Cet article explicatif couvre ce que fait MiroFish, comment fonctionne la simulation multi-agents et quand vous pourriez l'utiliser.

Quel problème MiroFish résout-il ?

L'écart de prédiction

Les réseaux sociaux évoluent rapidement et réagissent de manière imprévisible. Les outils d'analyse traditionnels regardent vers le passé :

• L'analyse des sentiments vous dit ce que les gens pensent maintenant
• La surveillance des tendances vous montre ce qui est populaire aujourd'hui
• Les métriques d'engagement mesurent ce qui s'est déjà produit

Aucun de ces éléments ne vous aide à voir ce qui pourrait se passer si vous publiez cette annonce, diffusez ce rapport ou répondez à cette controverse.

L'alternative : des mondes parallèles numériques

MiroFish adopte une approche différente. Au lieu d'analyser les réseaux sociaux réels, il en crée une version simulée :

1. Construire un graphe de connaissances à partir de vos documents source
2. Extraire les entités (personnes, organisations, médias) et les transformer en agents IA
3. Attribuer des personnalités basées sur les informations extraites (niveaux d'activité, poids d'influence, positions)
4. Exécuter une simulation où les agents publient, commentent et réagissent sur des heures ou des jours simulés
5. Analyser le résultat pour voir comment les récits se forment, quelles voix dominent et quels contre-mouvements émergent

Considérez-le comme un simulateur de vol pour les scénarios de réseaux sociaux.

Comment MiroFish fonctionne : le processus en cinq étapes

┌─────────────┐     ┌─────────────┐     ┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│   Step 1    │ ──► │   Step 2    │ ──► │   Step 3    │ ──► │   Step 4    │ ──► │   Step 5    │
│  Ontology   │     │  GraphRAG   │     │   Env       │     │ Simulation  │     │   Report    │
│  Generation │     │   Build     │     │   Setup     │     │   Run       │     │ Generation  │
└─────────────┘     └─────────────┘     └─────────────┘     └─────────────┘     └─────────────┘

Étape 1 : Génération de l'ontologie

Le système analyse vos documents et exigences, puis utilise un LLM pour générer une ontologie personnalisée :

• 10 types d'entités (ex : Étudiant, Professeur, Université, Média, Agence Gouvernementale)
• 10 types de relations (ex : TRAVAILLE_POUR, COMMENTE_SUR, RÉPOND_À)
• Attributs pour chaque type

L'ontologie structure l'ensemble avec 8 types spécifiques et 2 types de secours (Personne, Organisation).

Étape 2 : Construction du GraphRAG

• Découpez vos documents (500 caractères, 50 de chevauchement)
• Envoyez-les à Zep Cloud par lots
• Créez un graphe autonome avec ID unique
• Définissez l'ontologie
• Envoyez les lots pour extraction d'entités et relations
• Attendez la fin du traitement
• Récupérez le graphe final (nœuds et arêtes)

Résultat : un graphe de connaissances prêt à être simulé.

Étape 3 : Configuration de l'environnement

Le générateur de configuration analyse le graphe et produit :

• Temps : fuseaux horaires chinois (heures de pointe/creuses)
• Événements : sujets initiaux, triggers
• Activité agents : fréquences, délais, poids d'influence
• Plateformes : paramètres propres à Twitter et Reddit

Étape 4 : Exécution de la simulation

Les agents publient, commentent et réagissent selon leur configuration. Les actions sont enregistrées en temps réel dans des fichiers JSONL.

Une simulation de 72h génère des milliers d'actions sur Twitter et Reddit.

Étape 5 : Génération du rapport

L'Agent de Rapport utilise :

• InsightForge : décompose les questions en sous-requêtes
• PanoramaSearch : vue d'ensemble, y compris les faits historiques
• InterviewAgents : entretiens en temps réel avec les agents

Le rapport final décrit les évolutions narratives, les moments clés, et les contre-mouvements.

Que sont les agents IA dans MiroFish ?

Chaque agent dans MiroFish est une entité autonome avec :

Attribut	Description	Exemple
Identité	Nom, nom d'utilisateur, biographie	« @ZhangWei_Étudiant »
Persona	Personnalité et arrière-plan	« Étudiant en master recherchant l'éthique de l'IA »
Niveau d'activité	Fréquence des publications (0.0-1.0)	0.8 = très actif
Heures d'activité	Quand ils sont en ligne	[8, 9, 10, 11, 18, 19, 20, 21, 22, 23]
Délai de réponse	Vitesse de réaction (minutes)	5-30 min
Poids d'influence	Probabilité que les autres voient leurs publications	0.8 (faible) à 3.0 (élevé)
Position	Position sur les sujets	Favorable, opposé, neutre, observateur
Mémoire	Actions et interactions passées	Stocké dans le graphe Zep Cloud

Les agents prennent des décisions autonomes : quand publier, quoi commenter, comment réagir selon leur personnalité et l'état de la simulation.

Que pouvez-vous simuler ?

Annonces de nouvelles et de politiques

• Téléchargez un projet ou un article de presse
• Observez :
  • Quelles voix amplifient le message ?
  • Quelles critiques émergent ?
  • Comment le récit évolue sur 24-72h ?

Recherche Académique

• Téléchargez un article scientifique
• Simulez la réception :
  • Quelles découvertes retiennent l'attention ?
  • Quels malentendus surgissent ?
  • Comment experts et non-spécialistes réagissent-ils ?

Scénarios de Crise

• Téléchargez un rapport d'incident
• Testez la réponse :
  • Impact d'une réaction immédiate vs différée
  • Contre-récits, influenceurs

Analyse Littéraire et Historique

• Téléchargez un roman ou texte historique
• Explorez des scénarios « et si » :
  • Réactions hypothétiques des personnages
  • Résultats alternatifs

Qu'est-ce qui rend MiroFish différent ?

Intelligence en Essaim, Pas Agents Uniques

Contrairement aux outils IA classiques à agent unique, MiroFish simule des centaines d'agents aux personnalités variées pour générer des comportements émergents.

Simulation Bi-plateforme

Twitter et Reddit sont simulés séparément :

• Twitter : propagation virale rapide, fort impact des influenceurs
• Reddit : discussions en fils, narratives communautaires

Comparez l'impact de la dynamique de chaque plateforme sur vos scénarios.

Graphe de Connaissances Temporel

Les relations incluent des métadonnées temporelles (valid_at, invalid_at, expired_at) pour suivre l'évolution des connexions et influences.

Entretiens en Direct avec les Agents

Interrogez les agents pendant ou après la simulation pour obtenir des insights qualitatifs sur leur raisonnement et comportement.

Architecture Technique en un Coup d'Œil

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│  Frontend       │     │  Backend        │     │  External       │
│  (Vue.js)       │ ◄─► │  (FastAPI)      │ ◄─► │  Services       │
│                 │     │                 │     │                 │
│ - Graph builder │     │ - REST API      │     │ - Zep Cloud     │
│ - Simulation    │     │ - Subprocess    │     │ - LLM API       │
│   monitor       │     │   management    │     │ - OASIS         │
│ - Report viewer │     │ - JSONL stream  │     │   Framework     │
└─────────────────┘     └─────────────────┘     └─────────────────┘

Pile Technologique Backend

• Python FastAPI : points d'accès REST
• Framework OASIS : simulation d'agents
• Zep Cloud : stockage et récupération du graphe de connaissances
• SQLite : base d'état de simulation

Pile Technologique Frontend

• Vue.js 3 : interface réactive
• WebSocket : mises à jour temps réel
• D3.js : visualisation de graphes

Conception d'API avec Apidog

Le backend MiroFish expose plus de 40 endpoints sur 5 services principaux :

Service	Points d'accès	Objectif
Construction du Graphe	8	Génération d'ontologie, téléchargement par lots, interrogation de statut
Lecteur d'Entités	4	Filtrage d'entités, sélection de type, exportation
Générateur de Configuration	6	Génération de configuration temps/événement/agent/plateforme
Exécuteur de Simulation	12	Démarrer, arrêter, surveiller, interroger, gestion d'état
Générateur de Rapport	5	Récupération, analyse, génération de résumé

Apidog a été utilisé pour concevoir, simuler et documenter tous les endpoints, ce qui a permis de maintenir la cohérence backend/frontend.

Quand devriez-vous utiliser MiroFish ?

Bons Cas d'Utilisation

• Planification de scénarios : « Et si nous annoncions X la semaine prochaine ? »
• Analyse des parties prenantes : « Comment différents groupes réagiront-ils à Y ? »
• Suivi narratif : « Quels contre-arguments émergent contre Z ? »
• Validation de la recherche : « Nos hypothèses sur le comportement du public sont-elles valables ? »
• Exploration pédagogique : « Comment ces figures historiques pourraient-elles réagir aux événements modernes ? »

Cas d'Utilisation Moins Appropriés

• Prédiction précise : MiroFish génère des scénarios plausibles mais non garantis
• Surveillance en temps réel : ne suit pas l'activité réelle des réseaux sociaux
• Analyse à petite échelle : surdimensionné pour des cas simples ou des sondages individuels
• Phénomènes non sociaux : pas adapté à la modélisation économique ou physique

---

Démarrer avec MiroFish

Exigences

• Python 3.10+
• Node.js 18+
• Clé API Zep Cloud
• Accès API LLM (compatible OpenAI)

Démarrage Rapide

# Cloner le dépôt
git clone https://github.com/666ghj/MiroFish.git
cd MiroFish

# Installer les dépendances
pip install -r requirements.txt
npm install

# Configurer l'environnement
cp .env.example .env
# Modifiez .env avec vos clés API

# Démarrer le backend
python backend/app/main.py

# Démarrer le frontend
npm run dev

Première Simulation

1. Téléchargez des documents : PDF, TXT ou MD
2. Définissez les exigences de simulation : question à explorer
3. Générez l'ontologie : analyse automatique
4. Construisez le graphe : extraction des entités/relations
5. Configurez et exécutez : durée, options de simulation
6. Surveillez et interviewez : actions temps réel, entretiens agents
7. Générez le rapport : synthèse des résultats

Une première simulation prend généralement 30 à 60 minutes.

Questions Fréquemment Posées

Quelle est la précision des simulations ?

MiroFish propose des scénarios plausibles, basés sur vos données et des modèles comportementaux. Il explore l'espace des possibles, sans garantir des prédictions précises. Sa valeur : révéler des dynamiques inattendues.

Combien d'agents MiroFish peut-il simuler ?

Le système gère facilement 50 à 200 agents. >500 agents sont possibles avec plus de ressources et de temps.

Puis-je personnaliser le comportement des agents ?

Oui. Modifiez l'activité, l'influence, la position dans les paramètres. Les utilisateurs avancés peuvent éditer les configurations des agents manuellement.

MiroFish prend-il en charge les scénarios non chinois ?

La configuration par défaut est adaptée aux réseaux sociaux chinois, mais vous pouvez modifier les schémas d'activité temporelle pour d'autres régions.

Mes données sont-elles privées ?

Les documents sont traités localement puis envoyés à Zep Cloud pour extraction. Zep respecte ses propres conditions. Pour les documents sensibles, optez pour une base de données de graphes locale.

Conclusion

MiroFish permet de tester des scénarios de réseaux sociaux dans des mondes parallèles numériques avant qu'ils ne se produisent. En simulant des centaines d'agents IA dotés de personnalités et comportements distincts, il révèle des dynamiques émergentes que l'analyse traditionnelle ne détecte pas.

Que ce soit pour planifier une annonce, valider une recherche ou explorer un récit alternatif, MiroFish offre une nouvelle approche de la compréhension des dynamiques sociales complexes.