Créer son propre Jarvis : les trois voies honnêtes

Définition

Qu'est-ce qu'un « Jarvis » en 2026 ?

Un Jarvis, au sens où on l'entend aujourd'hui, est un assistant vocal personnel qui comprend des phrases naturelles et agit sur votre environnement : ordinateur, maison, agenda, messagerie. Le nom vient de J.A.R.V.I.S., l'intelligence artificielle de Tony Stark dans les films Marvel, qui parle, plaisante et pilote tout l'atelier. Pour l'histoire du personnage, voyez notre page sur le Jarvis d'Iron Man.

Pendant des années, « créer son Jarvis » voulait dire assembler des commandes vocales rigides : « ouvre Chrome », « allume la lampe ». Les grands modèles de langage ont changé la donne. Un assistant peut désormais comprendre « mets-moi le dossier client de mardi sur l'écran de gauche » et choisir lui-même les outils à appeler. La difficulté s'est déplacée : la compréhension est devenue facile, la fiabilité et la sécurité des actions sont devenues le vrai travail.

Précision utile : « Jarvis » et « J.A.R.V.I.S. » sont des marques de Marvel et Disney. Jarvis Perso n'est ni affilié ni approuvé par Marvel ou Disney ; nous employons le mot pour désigner un type d'assistant.

Voie 2

Le montage maison open source : les cinq briques

Monter soi-même un assistant vocal open source revient à enchaîner cinq briques logicielles, chacune remplaçable. C'est la voie des bricoleurs, celle des tutoriels Python et des vidéos « j'ai construit Jarvis avec un Raspberry Pi ».

• Le mot d'éveil (wake word). Un petit modèle écoute en local et ne réveille l'assistant qu'au mot choisi. openWakeWord et Porcupine sont les options les plus citées.
• La reconnaissance vocale (speech-to-text). Elle transforme votre voix en texte. Whisper, publié en open source par OpenAI, fonctionne en local sur une machine correcte ; Vosk tourne sur du matériel modeste.
• Le cerveau (LLM). Un modèle de langage comprend la demande et décide quoi faire. Il peut être local (via Ollama, par exemple) ou appelé par API chez OpenAI, Anthropic, Google ou Mistral.
• La synthèse vocale (text-to-speech). Piper produit une voix française correcte en local ; les services en ligne offrent des voix plus naturelles, à l'usage.
• Les outils. Ce sont les fonctions que l'assistant a le droit d'appeler : lire l'agenda, allumer une prise, lancer une application. Sans outils, votre Jarvis n'est qu'un chatbot qui parle.

Côté plateforme, trois écosystèmes reviennent sans cesse. Python pour coller les briques entre elles dans un script. Home Assistant, dont le pipeline Assist et le boîtier Voice Preview Edition permettent un assistant vocal domestique local, relié à vos équipements. Et n8n, outil d'automatisation à nœuds, pratique pour brancher l'assistant sur vos mails, votre CRM ou des webhooks sans tout coder. Nous détaillons l'option domotique sur la page Home Assistant vocal.

Voie 3

Le Jarvis sur mesure clé en main

La troisième voie consiste à confier la conception à un spécialiste qui fabrique, installe et règle l'assistant chez vous. C'est ce que fait Jarvis Perso, en partant de l'architecture d'ARIA, éprouvée au quotidien.

Le travail se découpe en quatre étapes. La fabrication : unité centrale silencieuse, micros à champ lointain avec annulation d'écho, écrans et enceintes, testés en atelier. La construction : le logiciel sur mesure, les connecteurs vers vos outils, l'interface à vos couleurs. L'installation sur place : câblage, réglage acoustique, intégration des écrans, de la domotique, du compteur électrique ou du visiophone. Le paramétrage enfin : voix, nom, mot d'éveil, personnalité, routines, autorisations et prise en main.

Trois formules couvrent la plupart des besoins : MK-I Essentiel pour un poste de travail, MK-II Maison pour le bureau et la maison (la plus demandée), MK-III Sur mesure pour les dirigeants qui ont besoin de connecteurs métier. Le prix se fait uniquement sur devis, parce qu'aucune installation ne ressemble à une autre. Le détail de l'offre est sur la page création d'un Jarvis personnalisé.

Architecture

L'architecture type d'un Jarvis, celle d'ARIA

ARIA est l'assistante vocale personnelle conçue et utilisée chaque jour par Stéphane Delgado, fondateur de Jarvis Perso, sur un PC Windows 11 à quatre écrans. Au 5 octobre 2026, elle compte 147 outils vocaux répartis en 25 compétences, avec 40 tests automatisés sur le socle. Son architecture sert de modèle à chaque assistant que nous construisons.

• Écoute locale. Le mot d'éveil est détecté par openWakeWord, en local, 24 heures sur 24. Rien ne part sur Internet tant que le mot n'est pas prononcé.
• Voix temps réel. Une session vocale temps réel OpenAI (voix « coral ») gère l'écoute et la parole d'un bloc, ce qui réduit fortement la latence par rapport à une chaîne reconnaissance, LLM, synthèse.
• Orchestrateur. Il reçoit les demandes d'outils et applique trois niveaux d'autorisation : lecture, réversible, sensible.
• Registre d'outils par connecteur. Agenda, mails, fichiers, caméra du portail, électricité, cartes : chaque connecteur déclare ses outils et leur niveau.
• Interface animée. Un avatar réagit à la parole sur les écrans.
• Journal et secrets. Chaque action est consignée dans un journal SQLite avec masquage des données privées ; les clés d'API sont rangées dans le coffre Windows.

Deux garde-fous complètent l'ensemble. Un mode invités désactive toute action sensible quand quelqu'un d'autre parle à l'assistant. Et une action sensible ne s'exécute qu'après un « oui » prononcé par l'utilisateur et vérifié dans sa voix, dans la même session. ARIA n'a volontairement aucune fonction de paiement, de suppression définitive, de mot de passe ou de réglage de sécurité Windows.