Mon produit · En ligne
Chaque semaine, les publications qui comptent, déjà résumées.
Veille scientifique automatisée : recherche multi-sources, filtrage et classement des publications, puis synthèse par IA livrée chaque semaine.
60+
chercheurs inscrits
800+
digests envoyés depuis sa création
3 000+
publications identifiées
Statistiques de my-research-digest.com
Le problème
Suivre la littérature de son domaine demande un temps que peu de chercheurs et d'équipes R&D peuvent y consacrer : le volume de publications croît bien plus vite que le temps disponible pour les lire.
my-research-digest automatise cette veille. À partir d'un sujet décrit en quelques lignes, le produit repère chaque semaine les publications récentes qui comptent et en restitue une synthèse lisible, livrée par e-mail.
La difficulté n'est pas de trouver des articles, mais de n'en garder que les bons. Les bases académiques en renvoient des milliers : c'est là que se joue l'essentiel du travail.
La réponse : chercher large, puis resserrer
Le produit élargit d'abord la recherche, avec plusieurs requêtes sur deux bases académiques complémentaires, Semantic Scholar et OpenAlex. Il resserre ensuite en deux passes successives : la pertinence, puis la qualité. La rédaction ne vient qu'en dernier, sur ce qui a survécu.
Découper ainsi a un intérêt concret : chaque étape s'évalue séparément. Quand un numéro déçoit, on sait si le problème vient de ce qui a été cherché, gardé ou écrit, et on corrige là sans toucher au reste.
01 · Requêtes
→ plusieurs angles
02 · Recherche
Semantic Scholar · OpenAlex
→ des milliers d'articles
03 · Filtrage
LLM relecteur
→ ce qui traite vraiment le sujet
04 · Classement
citations · h-index · cosinus
→ les mieux placés
05 · Synthèse
LLM · e-mail
→ un numéro
Étape par étape
Un LLM reformule le sujet en plusieurs requêtes complémentaires, pour couvrir des angles qu'une seule formulation manquerait.
Chaque requête est jouée sur les deux bases, puis les résultats sont dédoublonnés par titre normalisé.
Titre et résumé passent devant un LLM qui joue le rôle de relecteur expert et écarte ce qui sort du sujet.
Deux stratégies au choix : l'autorité des auteurs (citations et h-index), ou la proximité sémantique avec la description du sujet.
Les articles retenus sont résumés par LLM, compilés en numéro et envoyés par e-mail.
Autour de la chaîne
Mise en pause automatique d'une veille après plusieurs numéros non lus, précédée d'un e-mail d'avertissement : inutile de produire, et de payer en tokens, du contenu que personne n'ouvre.
Deux back-ends séparés : une API produit en Node.js sur MongoDB, et un service Python/FastAPI pour la génération, afin que la chaîne IA évolue à son rythme.
Une bibliothèque personnelle pour mettre un article de côté et le retrouver d'un numéro à l'autre.