Retour aux projets
CogniNote — Plateforme SaaS pour thérapeutes

CogniNote — Plateforme SaaS pour thérapeutes

Développement full-stack d'un SaaS de prise de notes intelligentes et suivi thérapeutique par IA

oct. 2025 - déc. 2025 • 2 mois
Démo en ligne

Technologies

Vue.jsFastAPIAzurePostgreSQLCI/CDSTTREST APIRAGLLMSaaS

Contexte & mission

CogniCorp est une entreprise montréalaise spécialisée dans les solutions technologiques pour la psychologie et le bien-être. Durant une mission freelance de 3 mois, j’ai travaillé en binôme avec un ami pour construire CogniNote de A à Z — une plateforme SaaS de prise de notes intelligentes et de suivi patient destinée aux psychologues et thérapeutes.

Le besoin : moderniser la prise de notes cliniques, automatiser la rédaction de comptes-rendus de séance grâce à l’IA, et améliorer le suivi patient entre les consultations.

Vue d’ensemble

CogniNote est une plateforme biface avec une interface thérapeute (consultation, notes, gestion patients) et une interface patient (suivi entre les séances, devoirs, chatbot quotidien).

Dashboard thérapeute — stats, sessions récentes, clients et timeline d'activité

flowchart LR
    T[🧑‍⚕️ Thérapeute] --> FT[Interface thérapeute<br/>Vue.js]
    P[🧑 Patient] --> FP[Interface patient<br/>Vue.js]
    FT --> API[⚡ API REST<br/>FastAPI]
    FP --> API
    API --> STT[🎙️ STT &<br/>Diarization]
    API --> LLM[🤖 LLM<br/>Résumés & Chat]
    API --> RAG[📚 RAG<br/>Recommandations]
    API --> SA[📊 Analyse de<br/>sentiment]
    API --> DB[(PostgreSQL)]
    API --> VDB[(Vector Store)]

Interface thérapeute — Consultation intelligente

L’enregistrement de séance est au cœur de CogniNote. Deux modes sont disponibles :

Pendant la séance, le thérapeute dispose de :

Page d'enregistrement — timer, spectre audio, transcription live, sélection client/template

flowchart LR
    Mic[🎙️ Micro / Tab Audio] --> STT[STT + Speaker<br/>Diarization]
    STT --> Trans[📝 Transcription]
    Trans --> Template[📋 Template<br/>sélectionné]
    Template --> LLM[🤖 LLM]
    LLM --> Summary[📄 Résumé<br/>structuré]
    Summary --> Dims[📊 Dimensions<br/>bien-être]
    Dims --> Reco[💡 Recommandations]

Résumés de séance & système de templates

À la fin de chaque séance, un résumé structuré est généré automatiquement par le LLM à partir de la transcription. Plusieurs formats prédéfinis sont disponibles :

FormatDescription
SOAPSubjective, Objective, Assessment, Plan
DAPData, Assessment, Plan
BIRPBehavior, Intervention, Response, Plan
Free FormFormat libre personnalisé

Le système inclut un éditeur de templates personnalisés avec une interface à blocs (sections drag & drop). Sous le capot, chaque template génère un prompt en markdown qui guide le LLM dans la structuration du résumé.

Fonctionnalités supplémentaires :

Rapport de session SOAP — sections structurées, dimensions bien-être et recommandation vidéo

Analyse de sentiment & 8 dimensions du bien-être

Chaque transcription est analysée automatiquement selon 8 dimensions du bien-être :

  1. Émotionnelle
  2. Comportementale
  3. Physique
  4. Sociale
  5. Environnementale
  6. Professionnelle
  7. Spirituelle
  8. Financière

Les résultats sont visualisés via des barres de progression et un radar chart (Chart.js), permettant au thérapeute de suivre l’évolution du patient au fil des séances.

flowchart LR
    T[📝 Transcription] --> SA[🔍 Analyse de<br/>sentiment]
    SA --> Score[📊 Scoring<br/>8 dimensions]
    Score --> Viz[📈 Visualisation<br/>Radar + Barres]
    Score --> Reco[💡 Recommandations<br/>personnalisées]

Système RAG & recommandations de ressources

CogniNote intègre une bibliothèque de vidéos, audios et exercices de professionnels, tagguées par dimension de bien-être. Le système de recommandation repose sur un pipeline RAG :

Bibliothèque de vidéos thérapeutiques tagguées par dimension de bien-être

Interface patient — Suivi entre les séances

Le patient dispose de son propre espace :

L’objectif est de maintenir l’implication du patient entre les séances et de fournir au thérapeute des données continues sur l’état de son patient.

Architecture technique & infrastructure

flowchart TB
    subgraph Frontend
        VUE[Vue.js + Tailwind CSS]
        CHART[Chart.js]
    end
    subgraph Backend
        FAST[FastAPI + Python]
        REST[API REST]
    end
    subgraph Services IA
        STT_S[🎙️ STT + Diarization]
        LLM_S[🤖 LLM]
        RAG_S[📚 RAG]
        SENT[📊 Sentiment Analysis]
    end
    subgraph Data
        PG[(PostgreSQL)]
        VEC[(Vector Store)]
    end
    subgraph Infra
        AZ[☁️ Azure]
        CI[CI/CD Pipelines]
    end

    VUE --> REST
    REST --> FAST
    FAST --> STT_S
    FAST --> LLM_S
    FAST --> RAG_S
    FAST --> SENT
    FAST --> PG
    RAG_S --> VEC
    AZ --> FAST
    CI --> AZ
CoucheTechnologies
FrontendVue.js, Tailwind CSS, Chart.js
BackendFastAPI, Python, API REST
Base de donnéesPostgreSQL
VectorisationEmbeddings + vector store (RAG)
IA / MLLLM (résumés, chatbot), STT (transcription, speaker diarization), analyse de sentiment
InfrastructureAzure (hébergement, déploiement)
CI/CDPipelines automatisés
TestsUnitaires + end-to-end
SécuritéHIPAA/RGPD, signature électronique, vérification email
SaaSMulti-tenant, organisations, gestion d’équipe, plans d’abonnement

Plans d'abonnement SaaS — Freemium, Standard, Professional, Enterprise

Mon rôle & contributions

Bilan & apprentissages

Voir tous les projets