Skip to content

Configuration de l’IA

Notez que les fonctionnalités d'IA de QualCoder sont optionnelles et désactivées par défaut. Après une nouvelle installation, un assistant s'affichera pour vous guider dans la configuration si vous choisissez de les activer. Vous pouvez le relancer ultérieurement en sélectionnant l'option de menu « IA > Assistant de configuration ».

Toutes les options liées à l'IA se trouvent au bas de la boîte de dialogue des paramètres. Faites défiler vers le bas si nécessaire.

Capture d'écran des paramètres IA

Étapes de l'assistant de configuration :

  1. Activez l'intégration de l'IA en cochant la case dans la boîte de dialogue Paramètres.
  2. Choisissez le modèle d’IA que vous souhaitez utiliser et configurez-le.
  3. La mémoire IA locale est ensuite configurée et créée automatiquement. Soyez patient, car cela peut prendre un certain temps.
  4. L’agent IA dans QualCoder est alors prêt à l’emploi.

Vous pouvez également consulter comment préparer au mieux votre projet à l'utilisation de l'IA ainsi que nos remarques sur la confidentialité des données ci-dessous.

Sélection d'un modèle d'IA

Avec QualCoder, vous pouvez choisir parmi un large éventail de fournisseurs d'IA commerciaux et non commerciaux, et même utiliser des modèles locaux hébergés sur votre propre machine. Sélectionnez l'une des options dans le menu déroulant « Profil IA » de la boîte de dialogue Paramètres.

Modèles de pointe d’OpenAI, d’Anthropic ou de Google

Ces modèles de grande envergure offrent l’analyse la plus nuancée de vos données empiriques et garantissent une expérience globale des plus fluides. Plusieurs options s’offrent à vous :

Accès via une clé API

  • Créez un compte auprès de l’un des fournisseurs, obtenez une clé API, puis collez-la dans la boîte de dialogue des paramètres de QualCoder.
    • OpenAI : rendez-vous sur la plateforme OpenAI, ajoutez vos informations de facturation, puis accédez à Paramètres > Clés API > Créer une nouvelle clé secrète.
    • Anthropic : créez un compte dans la Claude Console, ajoutez des crédits API ou vos informations de facturation, puis rendez-vous dans Paramètres > Clés API > Créer une clé.
    • Google Gemini : connectez-vous à Google AI Studio, sélectionnez ou créez un projet Google Cloud, puis choisissez « Obtenir une clé API ». Un forfait gratuit limité peut être disponible pour certains modèles.
  • L’accès à l’API est facturé à l’utilisation. Le fournisseur facturera des frais minimes pour chaque requête. En général, vous achetez des « crédits » à l’avance, qui sont ensuite consommés au fur et à mesure. La recherche qualitative portant généralement sur des ensembles de données relativement petits, le coût de l’utilisation de l’IA dans votre analyse est généralement modeste.
  • Confidentialité des données : toute information envoyée via l’interface API payante est généralement exclue de l’entraînement futur des modèles et conservée sur les serveurs pendant 30 à 50 jours uniquement à des fins de facturation et de surveillance des abus. Cependant, vous devez toujours vérifier la politique de protection des données en vigueur de votre fournisseur, car les conditions peuvent changer.

Abonnement ChatGPT Plus, Pro ou Team

  • Depuis la version 4.0 de QualCoder, vous pouvez également utiliser votre abonnement ChatGPT (Plus, Pro ou Team) comme fournisseur d’IA au sein de l’application. Dans ce cas, l’utilisation dans QualCoder est déduite du quota général de votre compte, sans frais supplémentaires. Comme il s’agit d’une fonctionnalité expérimentale, sa disponibilité future peut varier.
  • Pour activer cette option, sélectionnez « OpenAI_ChatGPT_Login... » dans le menu déroulant des profils d’IA de la boîte de dialogue Paramètres, puis cliquez sur « S’authentifier... ». Une page de connexion à ChatGPT s’ouvrira dans votre navigateur par défaut. Vous devrez alors autoriser QualCoder à utiliser les modèles d’IA de ce compte. Cela remplace la clé API requise pour les autres profils d’IA.
  • Si votre authentification expire au bout de quelques semaines, retournez dans la boîte de dialogue des paramètres pour la renouveler.
  • Notez que QualCoder n’a accès à aucune information de votre compte ChatGPT en dehors des modèles d’IA bruts. Cela vaut également dans l’autre sens, puisque ChatGPT ne peut accéder à aucune donnée au sein de QualCoder.
  • Il est toutefois recommandé de désactiver l’option « Améliorer le modèle pour tous » dans les paramètres « Contrôles des données » de votre profil ChatGPT. Cela empêche que le contenu de vos interactions avec ChatGPT ne soit utilisé pour l’entraînement futur de modèles d’IA.
  • QualCoder utilise la même interface de communication que Codex, l’assistant de programmation d’OpenAI. Si votre organisation a désactivé Codex dans votre compte ChatGPT, il se peut que vous ne puissiez pas utiliser cette intégration avec QualCoder.
  • Pour les abonnements à Anthropic Claude ou Google Gemini, la connexion à QualCoder est moins simple. Si vous avez des compétences techniques, vous pouvez tout de même y parvenir en utilisant CLIProxyAPI comme passerelle. Si vous optez pour cette solution, ajoutez un profil IA personnalisé dans QualCoder et utilisez http://localhost:8317/v1 comme paramètre « API Base URL ».

Microsoft Azure

Microsoft héberge les grands modèles d’IA d’OpenAI sur sa plateforme cloud Azure. Cela s’avère particulièrement utile si vous souhaitez vous assurer que vos données sont traitées intégralement dans l’UE ou dans une autre région géographique spécifique. Azure propose des paramètres spéciaux de « zone de données » à cet effet. Les tarifs sont légèrement plus élevés qu’en passant directement par OpenAI, mais restent raisonnables.

Pour utiliser un modèle, vous devez d’abord le « déployer » avec votre compte Azure à l’aide d’Azure AI Foundry. Recherchez des tutoriels expliquant comment procéder, ou consultez : https://www.youtube.com/watch?v=a2JtWKSKP4Q

Pour continuer, vous aurez besoin des informations suivantes : - le nom de votre déploiement, - l’URL du point de terminaison (elle doit ressembler à https://XXX.openai.azure.com/), et - votre clé API.

Accédez à « Projet > Paramètres > Intégration IA », cliquez sur « Options IA avancées > Nouveau profil IA », puis attribuez-lui un nom. Saisissez ensuite votre clé API dans le champ correspondant, le nom de votre déploiement Azure dans les champs « Large Model » et « Fast Model » (ces deux champs peuvent contenir la même valeur), et l’URL du point de terminaison Azure dans le champ « api_base ». Vous pouvez également ajuster la taille de la fenêtre de contexte en fonction du modèle.

Infrastructure universitaire d'IA

Les infrastructures universitaires d'IA à but non lucratif vous permettent d'accéder à des modèles de taille moyenne tout en respectant des normes très strictes en matière de confidentialité des données. Ces services sont généralement gratuits pour le personnel éligible. La qualité des résultats fournis par ces modèles de taille moyenne s'est considérablement améliorée ces derniers temps et est suffisante pour la plupart des tâches sur QualCoder. Cependant, elle n'atteint pas encore le niveau des grandes offres commerciales. Vous pouvez également rencontrer davantage de problèmes lors de vos interactions avec l’agent d’IA, tels que des erreurs opérationnelles ou des références sources mal formées.

Blablador – service d’IA gratuit fourni par l’agence allemande de recherche universitaire Société Helmholtz.

Autres options universitaires

Allemagne :

  • GWDG SAIA Göttingen : L’accès semble limité aux universités du nord-ouest de l’Allemagne. Pour l’utiliser, vous devez d’abord créer un compte chez GWDG et obtenir une clé API. Ouvrez ensuite QualCoder, allez dans « Projet > Paramètres > Intégration IA », cliquez sur « Options IA avancées > Nouveau profil IA », puis donnez un nom à ce profil. Saisissez ensuite votre clé API dans le champ correspondant, l’URL https://chat-ai.academiccloud.de/v1 dans le champ « Base API », puis sélectionnez un modèle puissant et rapide dans la liste. Vous pouvez également ajuster la taille de la fenêtre de contexte en fonction du modèle.
  • hessian.AI Darmstadt : Accès expérimental, réservé aux personnes éligibles issues des universités de Hesse en Allemagne. Suivez les instructions pour GWDG ci-dessus, mais utilisez https://llm-service.ai.tu-darmstadt.de comme URL de base de l’API.

Modèles de taille moyenne tels que Mistral, DeepSeek et autres

Le menu déroulant « Profil IA » de la boîte de dialogue des paramètres propose également des options pour Mistral (France), DeepSeek (Chine) et OpenRouter, une plateforme permettant d’accéder à de nombreux grands modèles linguistiques hébergés sur différents serveurs.

Pour toutes ces options, vous aurez besoin d’une clé API et, très probablement, d’un compte payant pour un usage intensif. Vérifiez attentivement les conditions de confidentialité des données avant d’utiliser l’un de ces services.

Modèles d’IA locaux sur votre propre machine

Les modèles d’IA locaux offrent le plus haut niveau de protection des données, mais ils nécessitent également un matériel assez puissant pour fonctionner à une vitesse et avec une qualité raisonnables. Lors de mes tests, Gemma-4-31B-it a plutôt bien fonctionné. Il nécessite au moins 24 Go de VRAM en quantification 4 bits avec une taille de fenêtre de contexte acceptable. Pour tout travail sérieux impliquant des agents dans QualCoder, je ne descendrais pas bien en dessous de cette configuration. Le codage assisté par IA peut toutefois fonctionner avec des modèles légèrement plus petits.

  • Ollama est un choix populaire pour exécuter des modèles linguistiques en local et fonctionne bien avec QualCoder, grâce à l’API compatible OpenAI d’Ollama.
  • Assurez-vous qu’Ollama et le modèle d’IA sont configurés et opérationnels. Sélectionnez ensuite le profil préconfiguré « Ollama local AI » dans la boîte de dialogue Paramètres, qui utilise « http://localhost:11434/v1/ » comme base d’API.
  • La clé API n’est pas réellement utilisée par Ollama, mais elle ne doit pas être vide, sinon une erreur se produira.
  • Sélectionnez un modèle volumineux et rapide dans la liste, probablement le même pour les deux, car vous n’aurez généralement qu’un seul modèle chargé à la fois. Vous pouvez également ajuster la taille de la fenêtre de contexte en fonction de vos paramètres Ollama.

Autres modèles

Si vous avez accès à d’autres modèles linguistiques volumineux sur des plateformes cloud, des serveurs universitaires ou votre propre machine, vous pouvez également essayer de les intégrer à QualCoder. - Le service que vous souhaitez utiliser doit fournir une interface compatible avec l’API OpenAI. C’est souvent le cas, car cette API est devenue une norme de facto ces dernières années. - Cliquez sur « Options IA avancées > Nouveau profil IA » dans la boîte de dialogue des paramètres, saisissez l’adresse réseau de l’API dans le champ « URL de base de l’API », puis indiquez le nom du modèle dans les champs prévus pour le modèle volumineux et le modèle rapide (ceux-ci peuvent être identiques). Vous pouvez également ajuster la taille de la fenêtre de contexte en fonction du modèle. - Si vous souhaitez disposer de plus d’options, modifiez le fichier config.ini, situé dans le sous-dossier .qualcoder du répertoire personnel de l’utilisateur. Ne procédez à cette opération que lorsque QualCoder n’est pas en cours d’exécution. Les définitions des modèles d’IA sont répertoriées à la fin du fichier config.ini et présentent le format suivant (omettez les balises « <> ») :

[ai_model_your_model_name]
desc = Une description affichée dans l'interface utilisateur.
       Peut comporter plusieurs lignes.
access_info_url = <URL pointant vers un site web contenant des informations sur le modèle. Peut être vide>
large_model = <Nom exact du modèle dans l’API>
large_model_context_window = <Nombre maximal de tokens par requête>
fast_model = <Peut être identique à large_model ou désigner un modèle plus petit, utilisé pour des tâches simples>
fast_model_context_window = <Nombre maximal de tokens pour le petit modèle>
reasoning_effort = par défaut
api_base = <URL de la base de l’API, par exemple http://localhost:11434/v1 pour un Ollama local>
api_key = <Clé API si nécessaire, ou « None » à la place. Ne laissez pas ce champ vide.>

Notez que le nom de la section doit toujours commencer par le préfixe « ai_model_ ».

Si vous parvenez à faire fonctionner d’autres services dans QualCoder, ou si vous avez essayé sans succès, nous aimerions connaître votre expérience.

Options avancées d’IA

Tout en bas de la boîte de dialogue « Paramètres », vous trouverez un bouton « Options avancées d’IA ». En cliquant dessus, vous accéderez à quelques options supplémentaires.

  • Un cas d’utilisation courant consiste à passer à un modèle d’IA plus récent ou plus performant si votre fournisseur en propose un. Pour ce faire, sélectionnez le modèle dans la liste déroulante des champs « grand modèle » et « modèle rapide », ou saisissez directement son nom exact. Pour trouver le nom exact du modèle, effectuez une recherche sur le Web en tapant NOM DE VOTRE MODÈLE api. Les modèles « large » et « rapide » peuvent être identiques, mais le modèle « rapide » peut également être beaucoup plus petit, car il est utilisé uniquement pour des tâches de gestion interne, telles que la génération automatique de titres pour les nouveaux chats avec l’agent IA.
  • Raisonnement : ce paramètre détermine l’intensité de la « réflexion » interne effectuée par l’IA avant de répondre. Tous les modèles ne prennent pas en charge ce paramètre ; en cas de doute, laissez-le sur « par défaut ». Notez également que QualCoder intègre déjà de nombreuses boucles de « réflexion » dans le flux de travail de l’agent lui-même ; un réglage élevé du paramètre de raisonnement peut donc vous apporter moins d’amélioration que prévu. Cependant, un niveau de raisonnement élevé consommera plus d’énergie, coûtera plus cher et ralentira également l’IA ; utilisez donc cette option avec prudence.
  • En ce qui concerne les autres options avancées, il est probablement préférable de les laisser à leurs valeurs par défaut si vous ne comprenez pas leur signification. Notez que les paramètres « temperature » et « top_p » peuvent être ignorés sans avertissement par certains modèles, en particulier en mode de raisonnement.

Configuration de la mémoire locale de l’IA

  • L’agent IA de QualCoder utilise une mémoire locale spéciale pour effectuer des recherches rapides dans des documents empiriques et trouver des passages pertinents. Cela réduit considérablement la quantité de données envoyées vers le cloud, ce qui renforce la confidentialité, économise des ressources et augmente la vitesse.
  • Cette mémoire s’appuie sur un petit modèle d’IA open source local, d’une taille d’environ 2,5 Go, qui est téléchargé automatiquement lors de la première activation de l’IA. Emplacements de stockage du modèle :
  • Windows : C:\Users\VOTRE_NOM_D'UTILISATEUR\.cache\torch\sentence_transformers
  • Linux : /home/VOTRE_NOM_D'UTILISATEUR/.cache/torch/sentence_transformers
  • macOS : /users/VOTRE_NOM_D'UTILISATEUR/.cache/torch/sentence_transformers
  • Dès que vous ouvrez un projet QualCoder, ce modèle d’IA lit tous les documents texte et les intègre dans sa mémoire interne.
  • Ce processus ne se produit qu’une seule fois. Lorsque vous rouvrez le projet par la suite, la « mémoire de l’IA » se charge rapidement depuis le disque. Si vous ajoutez de nouveaux documents à votre projet ou modifiez ceux qui existent déjà, votre mémoire locale de l’IA est mise à jour en conséquence.
  • Le processus initial de lecture et de mémorisation de vos documents peut prendre un certain temps, veuillez donc patienter. Il s'effectue en arrière-plan, la barre d'état affichant « IA : lecture ». Pendant ce temps, les fonctions liées à l'IA ne sont pas disponibles, mais vous pouvez utiliser le reste de QualCoder comme d'habitude.

Message « AI : lecture en cours »

Note technique : la mémoire IA locale de QualCoder est un système hybride basé sur des embeddings E5 sentence encoder stockés dans un magasin de vecteurs FAISS pour la recherche sémantique, et sur un index BM25 SQLite pour une recherche rapide par mot-clé. De plus, l’agent IA peut utiliser des expressions régulières pour effectuer des recherches dans les données du projet.

Améliorer l'ergonomie de l'IA dans votre projet

L'agent IA de QualCoder doit être capable de lire et de comprendre la structure de votre projet, vos documents empiriques, vos codes et vos notes. Il doit également avoir une vision claire des objectifs, des questions de recherche et des méthodes qui guident votre recherche. Cela lui permet de fournir des réponses bien plus ciblées. Voici quelques suggestions :

  • Mettez à jour votre note de projet (menu « Projet > Note de projet ») en y ajoutant une brève description de vos thèmes de recherche, de vos questions, de vos objectifs et des données empiriques collectées. Ces informations accompagneront chaque requête envoyée à l’IA, ce qui se traduira par des réponses bien plus utiles.
  • Donnez à vos documents empiriques des noms lisibles afin que l’agent IA puisse déduire le type de données, par exemple « Entretien Alice.txt ». Vous pouvez renommer les documents directement dans l’onglet « Gérer les fichiers » sans avoir à les réimporter.
  • Lorsque vous travaillez avec des transcriptions d’entretiens, il est conseillé de distinguer l’intervieweur et la personne interrogée à chaque tour de parole, par exemple à l’aide d’un préfixe tel que « Intervieweur : » et « Alice : ». Cela permet à l’agent IA de saisir les différents rôles dans l’entretien, même en ne consultant qu’une petite partie de la transcription.
  • Si vous utilisez des mémos pour consigner des notes personnelles et des idées de brainstorming inachevées que vous ne souhaitez pas partager avec l’agent IA, placez ces notes après la marque « ##### ». Tout contenu de mémo situé sous cette marque ne sera pas transmis à l’IA.

Quelques remarques sur la confidentialité et la protection des données

  • Nous comprenons que l’utilisation de services basés sur le cloud, tels que ceux proposés par OpenAI, soulève des questions concernant la confidentialité et la protection des données.

  • Cependant, nous estimons que l’utilisation de ces services par QualCoder est conforme aux principes éthiques qui régissent la recherche sociale qualitative. Sinon, nous ne proposerions pas de telles fonctionnalités.

  • La décision finale vous appartient et dépend fortement de votre projet spécifique, du type de données que vous traitez et du fournisseur d’IA que vous décidez d’utiliser. Nous nous efforçons d’être aussi transparents que possible sur le sort réservé à vos données afin que vous puissiez prendre une décision éclairée.

QualCoder suit une approche « Privacy by Design » :

  • L’application enverra le moins de données possible vers le cloud, en recourant au traitement local chaque fois que cela est possible. La plupart des fonctionnalités utilisent la mémoire IA locale décrite ci-dessus pour effectuer une présélection des données pertinentes. Par la suite, seul un petit nombre d’extraits de texte sélectionnés, d’environ 500 caractères chacun, est envoyé vers le cloud pour une analyse plus approfondie.

  • Lorsque vous utilisez l’API OpenAI, vos données sont régies par les règlements de confidentialité pour les entreprises. Ces règlements sont bien plus stricts en matière de protection des données que ceux applicables aux chatbots gratuits sur Internet. OpenAI garantit que les données envoyées via cette interface NE SERONT PAS utilisées pour entraîner des modèles d’IA, qu’elles resteront confidentielles et qu’elles seront supprimées dans un délai de 30 jours. D’autres fournisseurs de services d’IA proposent des conditions similaires.

  • QualCoder ne se limite pas aux fournisseurs d’IA commerciaux. Par exemple, nous avons établi un partenariat avec « Blablador », un service exploitant de grands modèles linguistiques sur du matériel universitaire non commercial qui offre une excellente protection de la vie privée (voir ci-dessus).

  • De plus, il est possible d’ajouter vos propres modèles à QualCoder, y compris ceux fonctionnant entièrement en local sur votre machine sans aucun accès au réseau. À l’heure actuelle, cependant, la perte de qualité des résultats est si importante que les modèles d’IA locaux n’ont que des cas d’utilisation limités, à moins que vous ne disposiez d’un matériel très puissant. Nous espérons que cette situation évoluera à l’avenir.

  • De manière générale, nous vous recommandons d’anonymiser vos données avec le plus grand soin avant d’utiliser tout service d’IA basé sur le cloud à des fins d’analyse.