Huit parcours spécialistes transforment un corpus de conseil dispersé en une surface opérationnelle interrogeable et compatible avec la voix.

Gruszkos Consulting n’avait pas besoin d’un chatbot avec un prompt plus long. Le cabinet avait besoin d’un moyen fiable de transformer ses sources en travail de conseil sans demander à Tristan de devenir la passerelle entre chaque appel, fichier, note vocale et outil de recherche.

Éléments probants à la publication : huit agents configurés et 22 connexions ont été observés le 30 mai 2026 ; le routage Discord et Telegram, un service local de transcription actif, une mémoire vectorielle et des chemins d’ingestion média étaient présents dans l’environnement vérifié. Le dossier ne contient ni résultat commercial ni adoption quantifiée.

L’entreprise

Tristan Gruszkos dirige Gruszkos Consulting. Sa matière utile est naturellement désordonnée : appels, dossiers Drive, vidéos YouTube et autres sources, notes en allemand et en anglais, bibliothèques de référence et cadres de conseil. Ces éléments peuvent nourrir une offre, un brief de recherche, un livrable client ou un contenu, mais seulement après avoir été trouvés, compris et replacés dans la mission du moment.

Le mode d’interaction devait aussi convenir à un consultant en mouvement. Notes vocales, liens, listes de contenus à regarder et recherches rapides sont des entrées opérationnelles légitimes, pas des cas marginaux qu’il faudrait convertir à la main en prompts parfaits.

La contrainte

La connaissance existait, mais sa recherche et sa conversion dépendaient du fondateur. Les sources longues détenaient du levier tout en restant prisonnières de leur format d’origine. Chaque nouvelle tâche risquait une nouvelle revue manuelle de la même archive ; une conversation générique n’avait aucune compréhension durable de la source, de la langue, du cadre ou du contexte client pertinent.

Le goulot n’était pas l’accès à un modèle. Il consistait à transformer un corpus hétérogène en chemin de production contrôlé.

Pourquoi les outils existants ne suffisaient pas

Le stockage pouvait garder les fichiers et le chat répondre à un prompt, mais aucun n’apportait la discipline opérationnelle manquante. Un système fiable devait transcrire la voix et les médias, indexer la connaissance, préserver le bilinguisme, séparer recherche générale et travail profond sur le corpus, puis router chaque demande vers le bon spécialiste.

Il devait aussi échouer honnêtement. Les premiers comportements ont montré qu’un agent pouvait tenter d’utiliser des outils locaux de développement indisponibles. RECAST a remplacé cette ambiguïté par des connecteurs compatibles OpenClaw pour historique Discord, transcription média, Apify, Kie.ai et gbrain.

Cartographie de la transformation

Avant

Sources entre appels, dossiers, vidéos et notes -> Tristan localise et interprète le contexte -> brief ou ressource ponctuelle

Après

Voix, lien ou canal de tâche -> parcours spécialiste -> recherche ou ingestion de source -> outil borné -> livrable de conseil -> contexte opérationnel conservé

Un processus de bout en bout

1. Entrée : Tristan envoie une note vocale, un lien de recherche ou un fichier source en allemand ou en anglais via Discord ou Telegram.
2. Capture : la transcription locale et le pipeline média convertissent l’entrée orale ou longue en matière interrogeable.
3. Routage : la demande va au conseiller, à la recherche, au contenu, au corpus ou à la création plutôt que de rester chez un seul agent généraliste.
4. Recherche : gbrain interroge la connaissance de conseil importée et renvoie le contexte source pertinent.
5. Production : le spécialiste prépare brief de recherche, ressource stratégique, script ou brouillon avec ses connecteurs autorisés.
6. Revue : Tristan reste la couche de jugement pour les conclusions client et la publication.
7. Trace : la source et le contexte produit restent disponibles pour le travail suivant au lieu de disparaître dans une conversation isolée.

Ce qui a changé

• Construit : centre de pilotage bilingue à huit agents, architecture de canaux structurée, parcours propres au corpus et mémoire persistante.
• Connecté : Discord, messages directs Telegram, transcription Whisper locale, stockage vectoriel gbrain et surface d’ingestion média.
• Testé : routage des agents, transcription, ingestion de connaissance et connecteurs contraints pour historique, navigation, médias et création ont été exercés pendant la mise en œuvre.
• Environnement vérifié : le 30 mai 2026, l’environnement exposait huit agents, 22 connexions et un service Whisper local actif.
• Utilisé activement : la source établit un espace fonctionnel, sans historique suffisant pour quantifier l’adoption courante.
• Dépendances restantes : les actions Composio, Apify, Kie.ai ou sur sources externes dépendent encore des accès prestataires et permissions propres à la tâche.
• Résultat financier communiqué par le client : aucun.

Preuves

• Preuve agents : Main, advisor, research, content, promptlab, NHB+ bot, Dan Kennedy bot et creative configurés.
• Preuve de routage : 22 connexions au point de vérification.
• Preuve d’interface : les routes Discord et Telegram couvraient pilotage CEO, tâches, voix, connaissance, recherche, documents, contenu et journaux.
• Preuve d’exécution : Whisper local, gbrain avec stockage Postgres/vectoriel et pipelines média présents dans le déploiement inspecté.
• Frontière de revendication : aucun gain de temps, hausse de chiffre d’affaires ou volume de livrables n’a été enregistré ; aucun n’est publié.

La technologie — en dernier

Le déploiement exécute OpenClaw 2026.5.12 sur un VPS Hostinger avec Discord, Telegram, routage par proxy de facturation, Whisper local, gbrain, stockage Postgres/vectoriel, embeddings OpenRouter, edge-tts, Apify, Kie.ai et travaux de routage Composio. L’important n’est pas la longueur de cette liste : chaque capacité est placée derrière un parcours et un connecteur explicites, afin que le système retrouve et agisse par des chemins connus au lieu d’inventer des outils à l’exécution.

Témoignage client

Aucun témoignage textuel étayé par la source n’est publié. RECAST ne transforme pas un résumé d’implémentation interne en recommandation client.

Transformation suivante

Découvrez comment James, chez LEED Agency, a fait du reporting récurrent une mémoire opérationnelle persistante. Les deux cas rendent le savoir accumulé réutilisable : l’un part des sources de conseil, l’autre du reporting récurrent des comptes.

Obtenez votre feuille de route IA

Si vos meilleurs cadres vivent entre appels, dossiers et médias longs, le premier chantier n’est pas un nouveau bot de contenu. C’est une route de connaissance digne de confiance. Réservez un audit IA gratuit pour choisir le premier corpus et le premier processus à prouver.

Sources

• OPENCLAW-DEEP-CLIENT-CASE-STUDIES.pdf, page 2.
• RECAST_CASE_STUDIES_2026_UPDATED.pdf, page 10, document RA-CASES-001, version 2.0.
• RECAST_WEBSITE_MASTER_BLUEPRINT.md, sections 10.4, 11 et 58.