---
title: "Les données valent plus que les modèles"
niveau: Fondations
tags: [données, modèles, stratégie]
---

# 1. Titre

Les données valent plus que les modèles

# 2. Pourquoi

Changer de modèle IA est rapide. Reconstruire des mois de données, de workflows, de mémoire et de contexte — c'est impossible. La tendance naturelle est de chercher le meilleur modèle. La réalité : les données, processus et workflows produisent davantage de valeur que n'importe quel modèle.

# 3. Explication simple

Un modèle IA, c'est un moteur. Les données, c'est le carburant. Un bon moteur sans carburant ne va nulle part. Un moteur moyen avec du bon carburant va loin. Dans JARVIS, le carburant c'est : la mémoire Obsidian, les workflows n8n, les configs OpenClaw, le vault de connaissances.

# 4. Explication détaillée

## Le piège du modèle parfait

On passe du temps à comparer glm-5.1, kimi-k2.6, GPT-5. La différence de performance entre modèles est marginale par rapport à la différence entre un système avec de bonnes données et un système sans données.

## Ce qui produit vraiment de la valeur

1. **Mémoire structurée** : le vault Obsidian avec ses daily notes, ses projets, ses index
2. **Workflows automatisés** : les crons, les pipelines, les procédures
3. **Contexte accumulé** : MEMORY.md, les leçons apprises, les échecs documentés
4. **Configs testées** : openclaw.json, les agents, les hooks

## Le cas JARVIS

JARVIS utilise glm-5.1:cloud comme modèle principal et kimi-k2.6:cloud comme fallback. Le choix est pragmatique : ces modèles sont suffisants pour les tâches d'orchestration. Ce qui fait la différence, c'est :
- 17 crons actifs qui tournent chaque jour
- 12 agents spécialisés avec des contrats clairs
- Un vault Obsidian de centaines de notes structurées
- Des procédures testées et documentées

# 5. Exemples concrets

## Exemple 1 : Morning Brief

Le cron "Morning Brief" à 7h30 produit un résumé quotidien. Ce n'est pas le modèle qui rend ce résumé utile — c'est la qualité des données en entrée (Gmail, Calendar, notes Obsidian) et la structure du prompt.

## Exemple 2 : Memory Dreaming

Chaque nuit à 3h, le système promeut les souvenirs courts en mémoire longue. Le modèle fait l'extraction, mais les données (les interactions de la journée) sont la source de valeur.

# 6. Pièges fréquents

- **Chercher le modèle parfait** : on perd du temps à benchmarker au lieu d'améliorer les données
- **Négliger la structure** : des données sans structure (notes en vrac) valent moins que des données structurées (daily notes, index, hub)
- **Oublier la maintenance** : les données se dégradent si elles ne sont pas mises à jour

# 7. Bonnes pratiques

1. Investir dans la structure de données avant de changer de modèle
2. Préférer un modèle stable avec de bonnes données à un modèle meilleur avec de mauvaises données
3. Documenter les leçons apprises (LL-001 à LL-004)
4. Maintenir le vault Obsidian régulièrement
5. Le fallback modèle existe pour la résilience, pas pour la performance

# 8. Pour aller plus loin

- Le projet Qdrant/AnySearch pour HERODOTE vise à améliorer la qualité de recherche — c'est un investissement données, pas modèle
- Les 30+ skills marketing sont des données structurées qui ajoutent plus de valeur qu'un changement de modèle
- La roadmap Phase 3 (autonomie) repose sur des procédures testées, pas sur un modèle meilleur

# 9. Résumé en 5 points

1. Les modèles changent, les données restent — investir dans les données
2. Un bon moteur sans carburant ne va nulle part
3. La mémoire Obsidian, les workflows, les configs = le vrai actif
4. Le choix du modèle est pragmatique, pas idéologique
5. La maintenance des données est aussi importante que leur création

# 10. Quiz

**Question 1 (choix unique) :** Qu'est-ce qui produit le plus de valeur dans JARVIS ?
A) Le modèle IA le plus récent
B) La mémoire Obsidian, les workflows et les configs
C) Le nombre de paramètres du modèle
D) La vitesse de réponse

**Question 2 (choix unique) :** Pourquoi le fallback modèle existe ?
A) Pour avoir le meilleur modèle en permanence
B) Pour la résilience en cas d'indisponibilité du modèle principal
C) Pour comparer les performances
D) Pour réduire les coûts

**Question 3 (vrai/faux) :** Des données sans structure valent autant que des données structurées.
A) Vrai
B) Faux

**Question 4 (choix unique) :** Que fait le cron "Memory Dreaming" chaque nuit à 3h ?
A) Il change de modèle IA
B) Il promeut les souvenirs courts en mémoire longue
C) Il supprime les données anciennes
D) Il met à jour le modèle

**Question 5 (choix unique) :** Quel investissement est le plus rentable ?
A) Changer de modèle IA chaque mois
B) Améliorer la structure des données et des workflows
C) Augmenter la puissance du serveur
D) Ajouter plus de crons