IA
J'ai construit mon propre Jarvis : un assistant vocal local, en français
Un assistant qui répond à « Hey Jarvis », comprend le français et agit vraiment sur mon ordinateur. Il peut tourner entièrement en local, sans abonnement obligatoire et sans que mes données sortent de ma machine.
Note
Le projet est open source (licence MIT) : github.com/AnewarFlutter/jarvis-assistant-vocal
Pourquoi ce projet
Les assistants vocaux du marché sont pratiques, mais ils envoient tout dans le cloud, se limitent à leur écosystème et laissent peu de place à la personnalisation. Je voulais un assistant qui :
- parle et comprend le français naturellement ;
- contrôle mes outils (PC, lumières, OBS, agenda, mails…) ;
- peut fonctionner 100 % hors ligne quand je le décide ;
- se branche sur l'écosystème des agents IA grâce au protocole MCP.
Ce qu'il sait faire
- Tout à la voix : mot d'activation, transcription locale et réponses parlées.
- Vision de l'écran : « c'est quoi cette erreur ? », « lis ça », « traduis ».
- Domotique : Philips Hue (lumières, ambiances, scènes).
- Streaming : contrôle d'OBS (direct, enregistrement, scènes, replay).
- Contrôle du PC : lancer des applications, gérer le média et le volume, stats GPU/CPU/RAM en direct.
- Productivité : Google Agenda (tous mes calendriers), Gmail (résumés et rédaction).
- Réseaux : Discord (mentions, récap des messages), Instagram (statistiques des comptes).
- Divertissement : musique et vidéos à la demande sur Spotify et YouTube.
- Réservations : restaurant ou rendez-vous via un vrai navigateur automatisé (Playwright).
- Assistant navigateur : résumer ou traduire l'onglet actif, gérer les onglets.
- Appels téléphoniques automatisés (Twilio).
- Mémoire long terme : il retient mes préférences, mes proches et mes projets.
- Personnalités changeables à la voix : majordome sarcastique, neutre ou concis.
- Détection de présence : il déclenche des scènes quand j'arrive ou je pars.
- Utilitaires : météo, minuteurs, heure et date.
- Serveur MCP : les mêmes outils sont exposés à Claude Desktop ou à tout autre client compatible.
Comment ça marche
Le fonctionnement suit une chaîne simple :
- openWakeWord détecte « Hey Jarvis » ;
- faster-whisper transcrit la phrase, en local ;
- un LLM raisonne et décide quels outils appeler ;
- les outils agissent (domotique, PC, web, téléphone…) ;
- un moteur de synthèse vocale répond à voix haute.
Cloud ou local : au choix, en une ligne
| Mode cloud | Mode local | |
|---|---|---|
| LLM | Claude (API Anthropic) | Ollama (Qwen…) |
| Voix | ElevenLabs | Piper (français) |
| Transcription | faster-whisper (local) | faster-whisper (local) |
| Coût | à l'usage | gratuit |
| Vie privée | appels API | rien ne sort de la machine |
On bascule avec mode: cloud ou mode: local dans la configuration.
Astuce
En local, une carte graphique de 6 Go (RTX 2060/3060) suffit pour faire tourner confortablement Whisper et un petit modèle comme qwen3.5:4b.
Le portage sur Mac
J'ai aussi porté tout le moteur audio sur Apple Silicon : accélération GPU via MLX et correction d'un bug de micro et de haut-parleur. Jarvis tourne donc aussi bien sur Mac que sur Windows.
Démarrer
uv sync
uv run playwright install chromium
copy config.example.yaml config.yaml
uv run python jarvis14.py
Puis dites simplement « Hey Jarvis ». La plupart des intégrations sont optionnelles et se désactivent proprement si elles ne sont pas configurées.
En résumé
Jarvis montre qu'un assistant vocal sérieux peut être personnel, respectueux de la vie privée et ouvert. Le code est disponible : n'hésitez pas à le tester, à l'adapter et à contribuer.