Architecture et Confidentialité des Données

WeChatMsg est une solution open source conçue pour extraire, archiver et analyser les bases de données locales de l'application WeChat. Contrairement aux solutions cloud qui présentent des risques de fuite de données, cet outil opère exclusivement en local. Le taux de traitement local atteint 99,6 %, garantissant que les bases de données SQLite chiffrées de WeChat sont décryptées et parsées directement sur la machine de l'utilisateur sans transit par des serveurs tiers.

Installation et Environnement d'Exécution

Le projet repose sur un écosystème Python. Pour isoler les dépendances et éviter les conflits avec l'environnement système, il est recommandé d'utiliser un environnement virtuel. Voici une approche optimisée pour la configuration du projet :

# Création et activation d'un environnement virtuel
python3 -m venv env_wechat
source env_wechat/bin/activate

# Récupération du code source et installation des dépendances
git clone https://github.com/LC044/WeChatMsg.git wechat_extractor
cd wechat_extractor
pip install --upgrade pip setuptools
pip install -r requirements.txt

# Lancement de l'interface ou du script d'extraction
python main.py

Ce script bash automatise la mise en place de l'environnement. Le module main.py initialise ensuite le scan des répertoires système pour localiser les fichiers .db de WeChat et procède au décryptage via les clés mémoire extraites.

Formats d'Exportation et Cas d'Usage

L'outil prend en charge plusieurs formats de sortie pour répondre à des besoins spécifiques d'archivage et d'analyse :

Analyse de Données et Traitement NLP

Au-delà de la simple extraction, WeChatMsg intègre des pipelines d'analyse de données. En exportant les historiques au format CSV, il devient possible d'appliquer des algorithmes de traitement du langage naturel (NLP) et des analyses statistiques.

• Analyse de fréquence et temporelle : Agrégation des timestamps pour identifier les pics d'activité et les modèles de communication.
• Extraction d'entités nommées (NER) : Identification des sujets récurrents et des mots-clés via des modèles comme TF-IDF ou des embeddings locaux.
• Graphes de relations : Modélisation des interactions entre les contacts pour générer des visualisations de réseaux sociaux (SNA) avec des outils comme NetworkX ou Gephi.

Automatisation et Intégration Python

Pour les utilisateurs avancés, l'architecture modulaire du projet permet d'importer ses classes directement dans des scripts Python personnalisés. Voici un exemple de script pour automatiser l'extraction et le filtrage des messages :

import pandas as pd
from wechat_msg.parser import DatabaseDecryptor
from wechat_msg.exporter import CsvExporter

def process_chat_history(db_path, output_dir):
    # Initialisation du décrypteur et extraction des données brutes
    decryptor = DatabaseDecryptor(db_path)
    raw_messages = decryptor.extract_messages()
    
    # Conversion en DataFrame pour filtrage
    df = pd.DataFrame(raw_messages)
    
    # Filtrage des messages texte uniquement et suppression des doublons
    text_df = df[df['type'] == 'text'].drop_duplicates(subset=['msg_id'])
    
    # Exportation vers un fichier CSV structuré
    exporter = CsvExporter(output_dir)
    exporter.save(text_df, filename="filtered_chat_logs.csv")
    print(f"Extraction terminée : {len(text_df)} messages sauvegardés.")

# Exécution du pipeline
process_chat_history("./data/wechat_decrypted.db", "./exports/")

Ce code démontre comment intercepter les données après décryptage, les manipuler avec Pandas pour isoler les messages textuels, et les exporter pour des traitements ultérieurs. L'utilisation de classes telles que DatabaseDecryptor et CsvExporter illustre la flexibiltié de l'API interne du projet.

Perspectives d'Intégration avec l'IA Locale

Les données extraites et structurées par WeChatMsg constituent une base d'entraînement idéale pour des modèles de langage locaux (LLM). En convertissant les conversations en formats JSONL ou en paires instruction/réponse, il est possible d'affiner (fine-tuner) des modèles open source comme Llama ou Mistral. Cette approche permet de créer des assistants personnels capables de comprendre le contexte hitsorique, le style de communication et les préférences de l'utilisateur, tout en maintenant une confidentialité stricte grâce à l'inférence locale.