AskEfrei
Le ChatBot qui simplifie la vie étudiante
Index
1. Problématique
2. Qu'est ce que AskEfrei ?
3. L'Équipe
4. Élaboration du projet
5. Réalisations personnelles
Problématique
D'où est venu l'idée d'AskEfrei ?
Problématique
Comment simplifier l’accès aux informations académiques dispersées entre emails, intranet et administration ?
- 4 plateformes à consulter pour une info EFREI
- 30 min : Temps moyen pour trouver une info admin
- <2 min: Temps de réponse cible avec AskEfrei
Qu'est-ce qu'AskEfrei ?
"Pose ta question, AskEfrei s’occupe du reste."
L'application AskEfrei
La plateforme qui centralise toutes les informations étudiantes
- Chatbot RAG sur documentation EFREI
- Réponses contextualisées par filière et année
- Escalade vers l'administration.
- FAQ regroupant les questions les plus demandée.
L'Équipe d'AskEfrei
Un projet imaginé et pensée par des étudiants, pour les étudiants.
Team
Membre 3
Membre 4
Membre 2
Membre 1
Membre 5
Benchmark
Product
Documentation, Qualité & Technique
Chef de Projet
UI/UX Designer
Personas & Users Stories
Organisation du Projet
Comment nous avons mené AskEfrei : méthodes et outils
Méthodes de gestion de projet
Kanban
SCRUM
AGILE
- Sprints courts - Rôles précis dans l'équipe
- Itération régulière- Priorité au client (acceptation CR) - Priorisation et rituels quotidiens
- Board de suivi de l'avancée du projet- Respect du principe : 1 carte / tâche.
Jira
Pourquoi cet outil ?
- Permet une vue organisée des tâches du projet
- Planification des tâches avec dates butoirs
- Traçabilité de l'avancée des tâches (retard ou avance) avec des diagrammes.
Planification du Projet
- Jour 1 : Planification des besoins (MVP, Personas & User Stories, Benchmarks)
- Jour 2 : Planification technique (Cahier des charges, KPI, Stack technique)
- Jour 3 : Faisabilité du projet, point sur la rédaction des livrables, Change Request
- Jour 4 : Bilan de fin de projet et finalisation de la rédaction
Gestion de l'assignation des tickets
Réaffectation d'une tâche
Collaboration entre les membres de l'équipe
Actions de formation proposées
Gestion des données et de l'IA
Besoin de compétences en Data → Besoin de former un ou plusieurs dev.
Si non, risque de stagnation du Bot.
Résultat attendue à l'issue
Réduction des réponses non pertinentes/inappropriées
Risque d'hallucination moindre
Réalisations personnelles
Rôles assurés
Documentation
Technique
Qualité
Cadrage architecture RAG, choix stack front Next.js, règles de fiabilité (refus/escalade), contraintes perf (<5s).
NFR + abuse cases (hallucinations, prompt injection, données sensibles), critères d’acceptation Must, cohérence des livrables.
structure E7/E8, ADR core (RAG vs fine-tuning), consolidation des décisions et du périmètre (in/out).
Options envisagées vs retenues
Auth
IA
Front
Options : FAQ statique / Fine-tuning / RAG Choix : RAG Pourquoi : contenu évolutif, besoin de sources, mise à jour par réindexation, réduction hallucinations.
Options : Next.js / Vite+React / Vue Choix : Next.js Pourquoi : structure, crédibilité, évolutivité V2, mobile-first rapide.
Option initiale : SSO EFREIChoix : JWT + appel données internes Pourquoi : moins de dépendances, moins de risques.
Architecture MVP
Pipeline : Ingestion → Index vectoriel → Retrieval → Génération → Post-traitement
Sources
Site EFREI + PDF + FAQ validées
Garde fous
Citations obligatoires, Seuil de similarité (sinon “je ne sais pas”), Détection contradictions → escalade, Sujets sensibles → refus + contact humain. NFR clés : <5s, logs minimisés RGPD, mobile-first.
Livrables produits
E7/E8 structurés : périmètre in/out, specs fonctionnelles/techniques, NFR + abuse cases.User stories Must/Should : critères d’acceptation, MoSCoW, MVP clair. ADR-3 (core) : RAG vs fine-tuning (décision + conséquences). Gouvernance : responsable contenu, escalade par service, règles de fraîcheur. Mesure de succès proposée : taux de résolution, taux d’escalade, temps <2 min, satisfaction rapide.
Thank you!
Lorem ipsum dolor sit amet consectetur adipiscing
Copie - AskEfrei
Harold
Created on February 19, 2026
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Company Dossier
View
Corporate Brand Book
View
Online Course Dossier
View
Professional Project Dossier
View
Basic Shapes Dossier
View
Color Shapes Dossier
View
Corporate Illustration Dossier
Explore all templates
Transcript
AskEfrei
Le ChatBot qui simplifie la vie étudiante
Index
1. Problématique
2. Qu'est ce que AskEfrei ?
3. L'Équipe
4. Élaboration du projet
5. Réalisations personnelles
Problématique
D'où est venu l'idée d'AskEfrei ?
Problématique
Comment simplifier l’accès aux informations académiques dispersées entre emails, intranet et administration ?
Qu'est-ce qu'AskEfrei ?
"Pose ta question, AskEfrei s’occupe du reste."
L'application AskEfrei
La plateforme qui centralise toutes les informations étudiantes
L'Équipe d'AskEfrei
Un projet imaginé et pensée par des étudiants, pour les étudiants.
Team
Membre 3
Membre 4
Membre 2
Membre 1
Membre 5
Benchmark
Product
Documentation, Qualité & Technique
Chef de Projet
UI/UX Designer
Personas & Users Stories
Organisation du Projet
Comment nous avons mené AskEfrei : méthodes et outils
Méthodes de gestion de projet
Kanban
SCRUM
AGILE
- Sprints courts - Rôles précis dans l'équipe
- Itération régulière- Priorité au client (acceptation CR) - Priorisation et rituels quotidiens
- Board de suivi de l'avancée du projet- Respect du principe : 1 carte / tâche.
Jira
Pourquoi cet outil ?
Planification du Projet
Gestion de l'assignation des tickets
Réaffectation d'une tâche
Collaboration entre les membres de l'équipe
Actions de formation proposées
Gestion des données et de l'IA
Besoin de compétences en Data → Besoin de former un ou plusieurs dev.
Si non, risque de stagnation du Bot.
Résultat attendue à l'issue
Réduction des réponses non pertinentes/inappropriées
Risque d'hallucination moindre
Réalisations personnelles
Rôles assurés
Documentation
Technique
Qualité
Cadrage architecture RAG, choix stack front Next.js, règles de fiabilité (refus/escalade), contraintes perf (<5s).
NFR + abuse cases (hallucinations, prompt injection, données sensibles), critères d’acceptation Must, cohérence des livrables.
structure E7/E8, ADR core (RAG vs fine-tuning), consolidation des décisions et du périmètre (in/out).
Options envisagées vs retenues
Auth
IA
Front
Options : FAQ statique / Fine-tuning / RAG Choix : RAG Pourquoi : contenu évolutif, besoin de sources, mise à jour par réindexation, réduction hallucinations.
Options : Next.js / Vite+React / Vue Choix : Next.js Pourquoi : structure, crédibilité, évolutivité V2, mobile-first rapide.
Option initiale : SSO EFREIChoix : JWT + appel données internes Pourquoi : moins de dépendances, moins de risques.
Architecture MVP
Pipeline : Ingestion → Index vectoriel → Retrieval → Génération → Post-traitement
Sources
Site EFREI + PDF + FAQ validées
Garde fous
Citations obligatoires, Seuil de similarité (sinon “je ne sais pas”), Détection contradictions → escalade, Sujets sensibles → refus + contact humain. NFR clés : <5s, logs minimisés RGPD, mobile-first.
Livrables produits
E7/E8 structurés : périmètre in/out, specs fonctionnelles/techniques, NFR + abuse cases.User stories Must/Should : critères d’acceptation, MoSCoW, MVP clair. ADR-3 (core) : RAG vs fine-tuning (décision + conséquences). Gouvernance : responsable contenu, escalade par service, règles de fraîcheur. Mesure de succès proposée : taux de résolution, taux d’escalade, temps <2 min, satisfaction rapide.
Thank you!
Lorem ipsum dolor sit amet consectetur adipiscing