Comment un agent IA a organisé une archive photo de 36 000 images et des e-mails depuis 2005 en une nuit

Un utilisateur de Habr a décrit comment il a organisé une archive de photos de 36.000 fichiers et 222 Go, accumulés sur 20 ans, en une seule soirée — en utilisant un agent AI alimenté par des modèles locaux. Dans le même processus, il a nettoyé sa boîte de réception, qui n'avait pas été touchée depuis 2005.

Un Problème Reporté Pendant des Années

Le désordre numérique s'accumule imperceptiblement. Les téléphones intelligents créent des doublons, les messageries remplissent votre galerie de captures d'écran, les disques durs sont transférés de portable en portable — et après 20 ans, vous vous retrouvez avec 222 Go de chaos qu'il fait peur de toucher. L'organisation manuelle signifie des dizaines d'heures de travail fastidieux.

La plupart des gens commencent, arrivent à la deuxième heure et abandonnent. L'auteur le formule parfaitement : « le volume tue l'intention ». La tâche semble psychologiquement insurmontable non pas parce qu'elle est complexe — mais en raison de son ampleur.

Chaque fois que vous ouvrez un dossier contenant des milliers de photos sans structure, votre cerveau refuse de s'engager. La solution fut un agent AI — un programme qui gère tout le travail fastidieux tandis que le propriétaire fait autre chose.

Comment Fonctionne l'Agent

L'agent fonctionne localement — aucune photo personnelle n'est envoyée à des serveurs externes. C'est un choix délibéré : les photos de famille ne deviennent pas des données d'entraînement pour les modèles d'autres personnes, et la confidentialité reste préservée. Le travail se déroule en plusieurs étapes :

• Analyse de tous les dossiers, y compris les anciennes sauvegardes et les lecteurs oubliés
• Recherche de doublons — par hachage de contenu et métadonnées EXIF
• Détermination de la date et du lieu de la photo à partir des données de l'appareil photo
• Classification du contenu via un vision-model : personnes, nature, documents, captures d'écran
• Suppression des déchets — cadres sombres, photos accidentelles de poche, doublons évidents
• Organisation par structure : année → événement → type de contenu

L'agent ne se contente pas de déplacer des fichiers — il prend des décisions sur ce qu'il faut conserver et ce qu'il faut supprimer, en se basant sur l'analyse visuelle. Le principe human-in-the-loop est maintenu : les décisions finales sur les cas ambigus restent avec l'utilisateur, mais il ne reste plus que quelques-unes au lieu de milliers.

Courrier électronique de 2005

En parallèle, la boîte de réception a été traitée — une boîte aux lettres intacte depuis 2005. La même histoire : volume massif, aucune organisation, tout mélangé. Des infolettres, des notifications, des conversations importantes, des reçus financiers — tout mélangé pendant deux décennies. L'agent a parcouru les messages, identifié les fils importants, supprimé les spams et les notifications automatiques, et organisé les documents dans des dossiers séparés.

« Il y a des tâches qui ne se font jamais.

Non pas parce qu'elles sont complexes, mais parce que le volume tue l'intention vers la deuxième heure », écrit l'auteur.

En une soirée — une archive de vingt ans, nettoyée.

Les Modèles Locaux comme Clé

Toute la pile utilise des modèles ouverts sur du matériel grand public. Un vision-model classe les images par contenu, un LLM local gère la logique de l'agent et prend des décisions structurelles. Pas de clés API, pas d'abonnements, aucune dépendance vis-à-vis des services externes. Quiconque dispose d'un ordinateur portable moderne avec 16+ Go de RAM peut reproduire cela. Vous n'avez pas besoin d'un GPU coûteux — les modèles locaux comme LLaVA ou Ollama fonctionnent bien sur du matériel standard. Le code et l'approche de l'article s'adaptent à n'importe quelle collection.

Ce Que Cela Signifie

Ce cas démontre une nouvelle classe d'applications des agents AI : non pas des tâches de bureau ou de codage, mais le nettoyage de l'héritage numérique personnel accumulé au fil des ans. La plupart des gens ont de telles archives, mais ne trouvent jamais le temps de les organiser. Les technologies sont déjà disponibles et fonctionnent sur du matériel grand public. Les prochaines applications logiques — anciens documents et scans, conversations dans les applications de messagerie, catalogage de bibliothèques personnelles.