Notes de conception

Selon la politique de versionnement actuelle, chaque nouvelle version d’ARGUS indique s’il s’agit d’une version majeure, mineure ou d’un correctif, et pourquoi. Les entrées antérieures restent visibles telles qu’elles ont été publiées. L’historique des versions fait donc partie de la piste d’audit ; ce n’est pas seulement un journal de modifications destiné aux curieux.

Dans le cas Amodei, une condition plus forte était même satisfaite. Le contrôle qui a produit le constat central, le contrôle de constance modale, avait été publié dans ARGUS V5.1.0 en août 2026, avant même l’essai de septembre. Il vérifie si une même proposition portante est formulée avec un engagement fort lorsqu’elle fait le travail argumentatif, puis affaiblie lorsque maintenir cet engagement aurait un coût.

La critique textuelle ad hoc court toujours le risque de façonner son critère autour du texte déjà sous les yeux de l’analyste. Une spécification publique et datée ne supprime pas ce risque ; elle permet au moins d’en vérifier la chronologie.

Avant les contrôles de fond, l’analyse indique ce qu’elle acceptera comme appui suffisant pour le genre considéré. Dans le cas Amodei, il fallait une source identifiable ou retrouvable pour une affirmation présentée comme étayée, un mécanisme causal explicite pour une affirmation prospective, un engagement formulé assez précisément pour qu’un tiers puisse le contrôler ensuite et, pour une affirmation quantitative, une base et un périmètre déclarés.

La même discipline vaut pour les contrôles numériques. Les chiffres retenus comme probants sont désignés avant les calculs, au lieu d’être sélectionnés après coup selon les résultats qui se révèlent utiles.

Cela ne rend pas la norme choisie correcte par définition. Un lecteur peut la trouver trop stricte ou trop laxiste. Mais il peut alors discuter cette norme séparément des verdicts qu’elle a produits.

Une fois l’analyse de référence achevée, la synthèse de publication est produite dans une exécution séparée à partir de cette seule analyse, dont le résumé primaire est masqué. L’objet analysé n’est pas fourni. Les sources externes, la conversation précédente et les traductions ne le sont pas non plus, et la recherche externe est désactivée.

Cette seconde exécution ne peut donc pas revenir à l’essai original pour réparer l’analyse, ajouter un fait tiré d’une source que l’analyste aurait omise ou renforcer discrètement une conclusion par une nouvelle recherche. Sa tâche est plus étroite : reconstruire ce que le texte soutient, dire ce que l’analyse achevée considère comme solide, identifier les principales faiblesses et ce qui leur survit, conserver la distinction entre une affirmation forte qui échoue et une affirmation plus faible qui tient, sans ajouter de constat absent de l’analyse fournie.

Si la synthèse était produite dans la même exécution, elle resterait exposée aux mêmes effets de contexte. La séparation ne rend pas le second modèle impartial ; elle circonscrit sa dépendance et permet de l’inspecter.

Une première lecture du rendu textuel de l’essai d’Amodei, avant l’extraction et l’intégration des annotations de liens, l’avait traité comme essentiellement dépourvu de sources. Cette lecture était erronée.

Une fois les liens examinés, l’audit des sources et l’évaluation de la fermeture interprétative ont dû être repris. La correction a fait passer cette dernière du niveau 3 au niveau 2, en faveur de l’essai. L’analyse consigne ce changement au lieu de l’absorber silencieusement.

Elle consigne aussi un risque de biais allant dans l’autre sens. Un modèle produit par Anthropic peut être porté à la déférence envers le directeur général d’Anthropic. Il peut aussi surcorriger et devenir anormalement sévère pour afficher son indépendance. L’analyse nomme les deux possibilités et précise où la seconde devrait apparaître : dans des niveaux de gravité artificiellement élevés ou un niveau de fermeture excessif.

Le dossier conserve même un exemple concret de déférence. L’analyste n’avait d’abord pas contrôlé la première raison avancée par l’essai, parce qu’une affirmation technique du dirigeant de l’entreprise concernée semblait venir de la personne la mieux placée pour savoir. Le protocole a fini par imposer ce contrôle.

L’essai affirme que le progrès de l’IA est désormais principalement tiré par la capacité croissante de l’IA à construire la génération suivante d’IA. La page de l’Anthropic Institute liée à cette affirmation décrit une forte accélération du travail humain d’ingénierie, tout en indiquant qu’il reste réellement incertain que les méthodes actuelles puissent permettre d’atteindre la capacité plus forte ainsi revendiquée.

L’essai rapproche également les incidents d’Anthropic de l’épisode OpenAI–Hugging Face, qu’il dit « similaires, quoique moins graves ». L’évaluation publiée par Anthropic, liée par le texte, indique que ces incidents impliquaient des instances uniques de modèle, sans coordination entre agents, et que les modèles ne sont pas sortis des exercices qui leur étaient assignés. Ces différences comptent dans la comparaison proposée par l’essai.

Un troisième exemple concerne l’organisme de normalisation proposé par Demis Hassabis. L’essai l’invoque comme exemple de dialogue au sein de l’industrie. La proposition elle-même va plus loin : elle envisage un organisme d’abord volontaire, susceptible de devenir obligatoire pour le déploiement aux USA et capable, si nécessaire, de coordonner un ralentissement entre laboratoires de pointe.

Certaines des objections les plus fortes de l’analyse viennent donc des sources que l’essai a lui-même choisi de fournir, et non de sources adverses ajoutées par l’analyste.

Le même examen relève les éléments favorables à l’essai.

L’analyse consigne sa prédiction datée de six à douze mois, qui pourra ensuite être confrontée aux faits. Elle retient aussi en sa faveur la divulgation des échecs d’Anthropic, accompagnée de liens vers les rapports concernés, ainsi qu’une disposition donnant aux examinateurs externes le droit de publier leurs constats sans contrôle éditorial d’Anthropic.

La manière dont l’essai documente ses affirmations compte également. Dans sa description la plus chargée de l’incident OpenAI–Hugging Face, il renvoie à une enquête indépendante qui étaye l’essentiel de ce que dit la phrase. L’analyse en tient compte au lieu de considérer d’emblée cette formulation comme un défaut.

Un dispositif qui ne ferait ressortir que des critiques ressemblerait davantage à un verdict écrit d’avance qu’à un audit.

Réexécuter ARGUS sur le même texte ne garantit pas une analyse identique. Il ne s’agit donc pas de reproductibilité au sens expérimental.

Ce que cette conception permet est plus modeste : on peut localiser le désaccord.

Les étapes, la norme de preuve, les sources et les corrections étant déclarées, deux analystes qui divergent peuvent identifier le point où leurs lectures se séparent et discuter à cet endroit, plutôt que d’échanger des impressions générales sur le texte.

L’analyse Amodei applique cette exigence à son propre constat central. Le verdict de rétractation modale est consigné avec une confiance moyenne. La lecture concurrente est exposée explicitement : peut-être que « pacing » a toujours désigné l’exigence plus faible consistant à laisser assez de temps pour l’alignement et la vérification ; dans ce cas, il n’y aurait pas rétractation, seulement une phrase d’ouverture trop comprimée. L’analyse rejette cette lecture, en donne les raisons et présente ce rejet comme un jugement plutôt que comme une démonstration.

La promesse est plus modeste que la reproductibilité expérimentale, mais le lecteur peut la vérifier.

Aucune de ces exigences ne suppose une infrastructure spécialisée. Elles demandent surtout du calcul supplémentaire et une discipline de consignation. Publier les critères, avec leur date, avant de les appliquer. Déclarer ce qui comptera comme preuve avant les contrôles de fond. Séparer les exécutions. Consigner les corrections, surtout celles qui affaiblissent sa propre conclusion.

Sans cette trace, une analyse demande à être crue pour la seule qualité de sa formulation.

Le lecteur d’une analyse ARGUS consulte le protocole à deux moments. Avant, pour savoir ce qui sera appliqué : la Design Note 01 explique pourquoi des critères publiés et datés avant l’analyse comptent pour son audit. Après, pour vérifier ce qui a été fait. Les rubriques du rapport, ses qualifications et les contrôles qu’il déclare renvoient à des notions du protocole, que le lecteur retrouve dans la version qu’il lit.

Sur ce site, l’analyse de référence d’une étude de cas est rendue dans la langue du texte analysé, et certaines sont ensuite traduites. L’analyse de l’essai de Dario Amodei, écrite en anglais, se lit aussi en français et en allemand. Son lecteur allemand la vérifie avec le protocole allemand, quelle que soit la version que l’IA a reçue.

Chaque version peut donc être celle qu’applique l’IA, et chacune est celle que lit un lecteur. Les six doivent dire la même chose. C’est dans les mots qu’elles risquent de s’écarter : un protocole d’un millier de lignes, rendu en six langues, laisse à chacune des choix de vocabulaire qu’on ne voit qu’en les confrontant.

Trois cas relevés dans les protocoles V5.1.0 montrent ce que glisser veut dire.

Une notion, deux mots. Le protocole prévoit, en 0.a, deux cas où l’arrêt obligatoire n’a pas lieu. Le français appelle cela une dispense et garde le mot partout, jusque dans la version courte et dans l’annexe consacrée aux corpus. L’anglais, l’allemand, l’espagnol et l’italien font de même avec exemption, Befreiung, exención et esenzione. Le protocole portugais intitule la règle Isenção, puis parle de « regime de dispensa » dans la version courte et de « fórmulas de dispensa » dans l’annexe des corpus. Le lecteur portugais qui rencontre la seconde forme doit deviner qu’il s’agit de la première.

Un mot, plusieurs notions. Le protocole allemand emploie Ausnahme pour trois choses : la « dérogation déclarée » de 0.a, lorsque l’utilisateur demande malgré tout l’analyse d’un texte peu pertinent ; les trois exclusions du contrôle de constance modale, à l’étape 6 ; et l’exception que constitue la règle 13 dans la version courte. Chacune des cinq autres versions emploie au moins deux mots pour ces trois notions.

L’intitulé que le lecteur a sous les yeux. L’IA remplit un modèle de rapport, le gabarit de sortie, livré avec chaque version du protocole, et c’est lui qui fournit les intitulés du rapport. Pour le test 3.I, les gabarits espagnol, italien et portugais écrivent circularidad informacional, circolarità informazionale et circularidade informacional ; leurs protocoles disent informativa. Le lecteur qui cherche l’intitulé dans le protocole ou le glossaire de sa langue ne le retrouve pas. Le contrôle du gabarit portugais a relevé 21 rubriques sur 28 formulées autrement que dans le protocole, à l’endroit correspondant ; celui du gabarit italien, 24 écarts.

Une IA rapproche sans peine dispensa d’isenção. Pour un lecteur qui vérifie, chacun de ces écarts est un endroit où la vérification peut s’égarer.

Un écart peut aussi être un bon choix. Pour l’homme de paille de l’étape 1, le protocole portugais emploie espantalho, l’épouvantail. En français, homme de paille désigne traditionnellement un prête-nom, seul sens que Le Robert enregistre pour la locution, et le glossaire français doit mettre le lecteur en garde. Le glossaire portugais, lui, n’a eu à écarter que l’épouvantail des champs et un sens figuré. La divergence a été conservée, et le chantier l’a jugée à l’avantage du portugais.

Un glossaire explicatif dit au lecteur ce qu’un terme veut dire dans ARGUS, dans sa langue. On aurait pu en écrire un, puis le traduire cinq fois. Les six glossaires ont été construits autrement : la partie de chaque notice qui décrit l’emploi ARGUS est tirée du seul protocole de sa langue, sans lire les notices des autres glossaires, et aucune notice ne signale de convergence ou de divergence avec une autre langue.

La raison est celle que le protocole donne pour l’audit croisé, le deuxième des trois niveaux de contradiction qu’il prévoit : une seconde IA analyse le même texte en aveugle, sans la première analyse, car « une seconde IA à qui l’on montre la première produit une révision, non un audit ». Un glossaire rédigé avec un autre sous les yeux en serait la traduction, et son accord avec son modèle ne prouverait rien. Rédigés séparément, six glossaires qui décrivent une notion de la même façon attestent que les six protocoles la disent de la même façon. Lorsqu’ils divergent, la divergence désigne un endroit à examiner.

La séparation a un second effet : chaque glossaire répond aux difficultés de sa langue. Le glossaire allemand précise, dans sa notice sur la constance modale, que les trois Ausnahmen de l’étape 6 ne se confondent ni avec la dérogation de 0.a ni avec l’exception de la règle 13. Le glossaire portugais réunit isenção et dispensa dans une même entrée. Les autres langues n’ont besoin d’aucun de ces avertissements.

Les listes d’entrées diffèrent aussi : 109 en français, 108 en anglais, 115 en espagnol, 94 en italien, 134 en allemand, 135 en portugais. Ce nombre est un résultat, sans cible fixée d’avance. L’italien réunit plusieurs termes sous une même entrée. L’allemand, rédigé parmi les derniers, est parti d’un relevé de 205 notions dans son protocole ; le portugais a fait son propre relevé, puis aligné sa liste sur celle de l’allemand.

La règle s’est durcie en chemin. Les premières notices, du 10 au 12 septembre, ont été rédigées dans les six langues côte à côte, entrée par entrée. L’interdiction de lire les notices des autres glossaires est venue ensuite, hormis un glossaire d’une langue éloignée pris comme modèle de mise en page : pratiquée pour l’espagnol, formulée pour l’italien le 20 septembre, écrite dans la procédure le 23. Même alors, pendant le chantier allemand, trois glossaires gelés d’autres langues ont été ouverts par erreur, et leur texte est entré dans la conversation de travail.

Des glossaires séparés ont besoin d’un point de rencontre, faute de quoi rien ne dirait que dispense et isenção désignent la même notion. Ce point de rencontre est un glossaire transversal, non publié. Il a deux faces. La première est une table des formes : pour chaque concept ARGUS qu’elle couvre, la forme qu’emploie chacun des six protocoles. Elle sert aussi aux traductions, qui doivent rendre chaque terme ARGUS par la forme du protocole de la langue d’arrivée. La seconde est un inventaire de 205 notions, chacune rattachée à la section du protocole où elle apparaît et aux titres des entrées qui la traitent dans chaque glossaire.

Le glossaire transversal aligne les langues par section du protocole et par titre d’entrée. Il ne contient aucune définition et ne compare jamais le contenu des notices. Il sert à trois contrôles. Chaque notion traitée dans une langue a-t-elle son correspondant dans les autres ? Les ensembles fermés du protocole, comme une échelle ou une grille de questions, sont-ils couverts en entier ? Chaque formule que le protocole prescrit mot pour mot est-elle rattachée à une entrée ?

Ce qu’il signale se vérifie ensuite dans les protocoles. Le 23 septembre, les quatre premiers glossaires gelés ont été confrontés par leurs seuls ancrages. Cinq mesures indépendantes donnaient le même partage : le français et l’anglais d’un côté, l’espagnol et l’italien de l’autre. Ce partage suivait l’ordre du chantier : les contrôles automatiques, mis au point pendant l’espagnol et l’italien, n’avaient pas été appliqués aux deux premiers. Le français et l’anglais ont été révisés. Dans les six glossaires de la version 1.0.0, chaque renvoi « Voir aussi » mène à une entrée existante.

Le cas Ausnahme montre la limite de l’outil. L’inventaire des 205 notions a été tiré du relevé du protocole allemand, le plus récent quand il a été dressé. Il a rattaché les trois exclusions de l’étape 6 à la section 0.a, parce que le mot Ausnahme y figure pour la dérogation. Le contrôle portugais a relevé que le protocole portugais n’en parlait pas en 0.a ; le protocole allemand n’en parle pas davantage. L’écart venait du mot allemand. Le glossaire transversal signale, et le protocole de chaque langue tranche.

Il ne fait d’aucune langue la référence. Ses identifiants de concepts sont techniques, et la table des formes, rédigée en français, déclare n’accorder de priorité normative à aucune des six langues. Elle a ses propres erreurs : sa révision 1.2.0, numérotée à part des glossaires explicatifs, donne encore, dans les six langues, le nom de « pôle faible » à un élément du contrôle de constance modale que les six protocoles appellent « pôle rétracté ». Sa correction est en attente.

Rédiger une notice oblige à lire chaque occurrence d’un terme dans son protocole. Ce travail, conduit six fois, a fait apparaître des écarts dans les protocoles eux-mêmes. Le protocole italien nomme Modalità retorica, au féminin, le descripteur que son gabarit appelle Modo retorico, au masculin, avec des valeurs accordées à chacun. La dispense portugaise et les intitulés des gabarits sont du même ordre.

Une version publiée d’ARGUS ne se modifie pas. Ces écarts sont consignés pour la version suivante, et la correction italienne est déjà prête dans une version de travail, V5.1.1.

Un écart signalé n’est pas toujours retenu. Le qualificatif allemand du mode rhétorique, raffiniert, là où les autres langues disent « sophistiqué », a d’abord été présenté comme un défaut du protocole allemand. L’examen l’a requalifié en choix de terme, qui reste à arbitrer.

Les six glossaires ont été rédigés, dans des conversations séparées, par des modèles d’IA d’une même famille : les documents sont séparés, le rédacteur est commun. Confier chaque langue à un rédacteur distinct aurait rapproché la méthode de l’audit croisé qu’elle imite, mais il aurait fallu coordonner six rédacteurs en même temps, ce qui était hors de portée du projet. En contrepartie, chaque glossaire a été soumis à l’audit d’une autre IA, et chaque constat de cet audit a été vérifié dans le protocole ou la source citée avant d’être accepté.

La familiarité réelle d’un mot pour un lecteur de chaque langue n’a pas été mesurée ; elle a été appréciée d’après les dictionnaires et la formation des mots. Le glossaire transversal garde la marque de la langue sur laquelle son inventaire a été relevé, et ses erreurs n’apparaissent qu’en revenant aux protocoles. Les écarts relevés dans les protocoles V5.1.0 ne sont pas encore corrigés : le lecteur de cette version les rencontre, et son glossaire en signale une partie.

Le résultat reste perfectible : un glossaire gelé peut être rouvert, dans une nouvelle version, pour un défaut documenté ou une décision d’inventaire. Les six versions d’ARGUS restent six textes ; ce dispositif montre où elles diffèrent et le dit au lecteur de chacune, dans sa langue.

Cette note a été rédigée en français. Chacune de ses traductions a été faite séparément, avec le glossaire de sa langue pour les termes ARGUS.

Le champ « Dans ARGUS » est le cœur de la notice. Il est tiré du protocole, à l’endroit où celui-ci définit ou emploie la notion. Le glossaire français en fixe l’exigence : si l’on ne garde que le terme et la première phrase de ce champ, le lecteur doit pouvoir expliquer correctement la notion à quelqu’un d’autre. Les conditions, les exceptions et les renvois aux étapes viennent ensuite, et aucun ne peut être supprimé ou atténué pour simplifier la lecture.

Ainsi, dans le glossaire français, un contrôle est « une question de vérification définie avant d’être menée et comptée comme une seule unité ». La suite précise que chaque contrôle reçoit l’un des trois statuts prévus en 3.B, et que toute analyse déclare trois nombres, un par statut.

Le champ « Dans ARGUS » ne dit rien que le protocole ne dise. Dans les glossaires allemand et portugais, chaque citation du protocole est comparée au texte du protocole par un script avant tout audit. L’audit du portugais a encore relevé une notice qui distinguait deux termes par des phrases définitoires que le protocole ne formule pas ; elles ont été remplacées.

Le régime décide de la forme de la notice. Il y en a trois.

Au régime A, un mot ordinaire reçoit dans ARGUS un sens précis. Contrôle en est un exemple : le lecteur connaît le mot, il ne connaît pas l’unité de compte.

Au régime B, le mot est un terme établi d’un domaine, et la notice donne ce « sens établi » avant l’emploi ARGUS. Assertorique vient de la classification kantienne des jugements, où il occupe le degré médian entre le problématique et l’apodictique. Dans ARGUS, il désigne le degré le plus élevé d’une échelle d’engagement qui en compte quatre. La notice doit dire les deux, car un lecteur qui connaît Kant lirait sinon l’échelle de travers.

Au régime C, l’expression est une création du protocole, sans sens antérieur. Nuance verrouillée en est un exemple : selon le glossaire français, une nuance « intégrée de telle manière qu’elle renforce ou protège la conclusion au lieu de l’ouvrir ». Le champ « À ne pas confondre » y compte davantage qu’ailleurs, car l’expression, faite de mots courants, donne au lecteur l’impression de la comprendre.

Le régime appartient à la notice, dans sa langue. Une même notion peut être en B dans une langue et en A dans une autre, soit parce que la langue ne dispose pas du même terme établi, soit parce que la preuve disponible diffère. Le glossaire portugais range ainsi deferência au régime A, là où l’espagnol et l’allemand rangent la notion en B : un emploi en droit administratif a été signalé par la recherche, mais la source n’a pas pu être lue. Faute de source lue, la notice n’en dit rien, et le point reste ouvert.

Dire qu’une expression n’a pas de sens avant ARGUS, c’est affirmer que personne ne l’employait. C’est l’affirmation la plus difficile à établir, et les audits l’ont souvent mise en défaut.

Audit croisé, qui nomme le deuxième niveau de contradiction prévu par le protocole, a d’abord été classé au régime C en français, en anglais et en allemand. Dans les trois langues, l’expression s’est révélée attestée avant ARGUS dans la pratique de la qualité et de l’audit. Les trois notices sont passées au régime A, et mentionnent désormais cet emploi antérieur.

Le chantier allemand a posé une règle, reprise en portugais. Une entrée n’est classée C que si trois vérifications sont faites et consignées : les dictionnaires consultés ne donnent pas l’expression ; la recherche n’a trouvé aucun emploi établi dans un domaine ; le protocole construit lui-même la notion. Faute de quoi l’entrée reste au régime A, où la notice cite le sens de chacun des mots qui composent l’expression. Ce choix prudent n’affirme aucune absence.

La règle n’a pas suffi du premier coup. La première version allemande comptait 17 entrées en C. Les huit constats majeurs de son audit portaient tous sur des entrées de ce régime : les recherches négatives n’avaient pas visé les littératures de domaine, comme le droit, la qualité ou les études littéraires. Sept de ces entrées sont passées en A, une en B, et neuf restent en C.

L’effet est visible dans les chiffres. Le régime C compte 44 entrées sur 109 en français, 44 sur 108 en anglais, 46 sur 115 en espagnol et 33 sur 94 en italien ; il en compte 9 sur 134 en allemand et 10 sur 135 en portugais. L’écart tient à la règle : six notions classées C en espagnol, comme la contre-épreuve courte ou le test de substitution, sont en A en allemand et en portugais. Huit notions restent en C dans ces trois langues, parmi lesquelles la nuance verrouillée, la propagande adaptée et le conformisme de série.

Dans la version 1.0.0, les quatre premiers glossaires n’ont pas été réexaminés sous cette règle. Ils avaient été gelés le 24 septembre, la veille du jour où elle a été posée. Un glossaire gelé ne se rouvre que pour un défaut documenté ou une décision d’inventaire. Une entrée classée C sous l’ancienne règle reste peut-être juste ; sa preuve est plus faible que celle exigée aujourd’hui, et seule une recherche nouvelle, suivie d’un audit, dirait si elle tient. Pour les 167 entrées concernées, cette révision n’a pas été faite dans la version 1.0.0 ; elle figure parmi les travaux réservés à une version suivante. Les glossaires portent ainsi la date de leur méthode, et les chiffres ci-dessus en gardent la trace.

La règle sur les affirmations d’usage a été posée pendant le chantier espagnol, et le rédacteur l’a enfreinte le jour même. La notice zetética écrivait que la recherche n’avait trouvé aucun emploi installé du couple zetética / dogmática dans la littérature juridique en espagnol. Le contre-audit a produit quatre pièces qui l’attestent, dont une revue de droit péruvienne et le programme d’un congrès de philosophie du droit. La leçon en est restée : une recherche qui ne trouve rien n’établit rien.

Les affirmations de fréquence suivent la même règle. Le glossaire espagnol disait d’un sens qu’il était « el más frecuente », d’un mot qu’il « no tiene uso corriente en castellano ». Le dictionnaire de référence ne mesure pas la fréquence : les six affirmations de ce type ont été retirées, et chacune remplacée par ce que le dictionnaire enregistre ou n’enregistre pas. Pour hombre de paja, le remplacement a renforcé la mise en garde : le dictionnaire ne donne à la locution que le sens de prête-nom.

Dans les glossaires allemand et portugais, chaque source externe est citée mot pour mot, avec l’ouvrage, l’entrée, l’acception, l’adresse et la date de consultation. Chacun des deux glossaires compte plus de 450 adresses de ce type. Pour matiz bloqueado, l’équivalent portugais de la nuance verrouillée, la notice écrit que l’expression ne figure ni dans le dictionnaire Priberam, consulté le 25 septembre, ni dans le dictionnaire Infopédia, consulté le 26, puis cite le sens de chacun des deux mots. La notice française de la même notion, rédigée deux semaines plus tôt, s’en tient à deux phrases, sans source. Une source illisible, payante ou bloquée n’est pas contournée ; le point reste ouvert. Deux documents que l’outil de lecture ne pouvait pas atteindre ont été fournis en PDF par un responsable du projet, puis lus.

Les notices sont rédigées dans des fichiers de travail, par groupes d’entrées. Un script les assemble en un glossaire, vérifie sa structure et ses renvois, et refuse d’écraser une version existante. Le fichier assemblé n’est jamais corrigé à la main : toute correction se fait dans les fichiers de travail, puis le glossaire est réassemblé. Le glossaire français a connu dix-sept versions, le portugais deux.

Chaque passage d’une version à la suivante est décrit dans un document de migration : les notices modifiées, celles qui restent identiques à l’octet près, et l’empreinte numérique de chaque fichier. Entre ses versions 0.1 et 0.2, le glossaire portugais a ajouté deux entrées, en a retiré une, en a modifié trente dans les champs annoncés, et toutes les autres sont restées identiques.

Le gel se fait sur l’accord explicite d’un responsable humain du projet. Un glossaire gelé ne se modifie plus ; une correction ouvre une nouvelle version. C’est le rendu réel de la page qui a révélé, en italien, un défaut que les relectures n’avaient pas vu : une phrase en gras contenant un mot en italique s’affichait mal. Depuis, avant le gel, le candidat passe par le générateur qui produit la page du site, et la page issue du fichier gelé doit être identique, à l’octet près, à celle du candidat validé.

Chaque glossaire a été audité par une autre IA, sur un paquet dont le contenu est vérifié par script avant l’envoi : le glossaire, le protocole de sa langue, la migration et, en allemand et en portugais, les sources lues. Aucun constat n’est accepté sur la foi de l’auditeur. Il est vérifié dans le protocole ou dans la source avant d’être concédé, et ce qui n’a pas pu être vérifié est déclaré.

Ce contrôle joue dans les deux sens. L’audit allemand datait de 2020 un article paru en 2021, et de 1917 une publication de 1921 ; les deux dates ont été corrigées avant usage. Pour une autre entrée, l’auditeur proposait le régime B ; la vérification a montré que le sens établi portait sur un autre objet, l’entrée est passée en A, et l’audit suivant a retiré sa recommandation.

Ce que les audits ont trouvé tient en quelques familles : des régimes C sans preuve, des affirmations d’usage sans source, des conditions du protocole absentes d’une notice, des citations mal transcrites. L’audit portugais a relevé 29 citations du protocole dont les guillemets internes avaient été changés ; la consigne venait du mandat de rédaction, et le glossaire ne la déclarait pas.

Certains défauts échappent à l’audit, parce qu’aucune grille ne les couvre. Le contrôle final du glossaire espagnol a trouvé deux lignes d’arbitrage, en français, restées dans le corps de deux notices.

Les notes de suivi du chantier tiennent enfin la liste des erreurs du rédacteur, quelle que soit la façon dont elles ont été trouvées : l’instrument de comptage s’est trompé cinq fois avant d’être juste, et une page 96 avait été citée comme la page 95.

Les citations des glossaires allemand et portugais reproduisent le texte des pages tel que l’outil de lecture l’a restitué. En allemand, un échantillon tiré au hasard a été relu sur la page ; le glossaire portugais déclare que la vérification sur l’original reste à faire.

Chaque glossaire déclare ses points ouverts dans une note de travail, 19 pour le portugais ; ces notes figurent dans les fichiers gelés, et la page du site ne les affiche pas.

Les quatre premiers glossaires n’ont pas non plus été repris sous la règle des citations datées. Les glossaires français et anglais renvoient encore, à quelques reprises, à un point « 3.A » que le protocole ne nomme jamais ainsi.

Le travail pourrait ne jamais finir : on trouvera toujours un point à améliorer. En septembre, le glossaire français a été gelé quatre fois et rouvert trois fois, entre ses versions de travail 0.10 et 0.17. Pour que le chantier puisse s’arrêter, les six glossaires gelés forment désormais une version commune, 1.0.0. Une version gelée ne se modifie plus ; les améliorations connues sont réservées à une version suivante, qui les traitera ensemble et portera un nouveau numéro.

Aucun relevé d’ensemble n’a été fait ; ce qui suit est qualitatif.

Le plus coûteux a été de relire le protocole entier, qui compte près de 1 100 lignes. Au chantier allemand, plusieurs agents d’IA lancés en même temps relisaient chacun le protocole et leur propre historique à chaque étape ; certains ont été coupés par la limite d’usage avant d’avoir écrit leur travail, qui a été perdu. Les audits coûtent aussi, avec la préparation de leur paquet et la vérification de chaque constat. Les consultations de dictionnaire, elles, ont peu coûté.

Trois choix ont réduit la dépense au chantier portugais. Un script extrait du protocole les seuls paragraphes où chaque terme apparaît, et le rédacteur ne lit que ceux-là. La recherche dans les dictionnaires est séparée de la rédaction et confiée à un modèle plus léger. Un seul agent travaille à la fois, et un agent coupé est repris là où il s’est arrêté. Le glossaire portugais a ainsi coûté nettement moins que l’allemand, sans atteindre l’objectif de moitié qui lui avait été fixé. Ce qui a encore pesé : conduire les premières étapes dans une même conversation, où le protocole et les résultats des outils étaient relus à chaque appel.