agentleFS
enzobleuzeenzobleuze/machine-claude/.claude/skills/controle-verite/SKILL.md

controle-verite

Skill2 starsChanged 20 days agoMITView on GitHub

Installe les contrôles de vérité qui passent sur tout texte avant publication : zéro chiffre inventé (chaque chiffre trace vers une source), attributions sourcées (une personne citée a sa fiche source, pas de « des études montrent »), zéro nom de client réel en public, plus un outil pour pseudonymiser les paroles de clients. Utiliser quand l'utilisateur dit « Claude invente des chiffres », « vérifie ce texte avant que je publie », « anonymise mes clients ». Pas pour le style (utiliser controle-voix).

The file

Files
SKILL.md

Les contrôles de vérité

Pourquoi

Un modèle de langue écrit des chiffres plausibles avec aplomb. Dans le système d'origine, un article publié prêtait à un auteur de référence des délais précis qu'il n'avait jamais écrits : le texte « sonnait » juste, et il était faux. Depuis, trois règles dures passent sur chaque texte avant publication, par un script qui ne se laisse pas convaincre : tout chiffre vient d'une source ou devient une formule qualitative (« quelques jours », « la plupart ») ; toute personne citée a une fiche source ; aucun vrai nom de client n'apparaît en public.

Prérequis

  • Python 3.8 ou plus.
  • Les fiches sources des auteurs (wiki/sources/auteur-*.md, skill carnets-experts).
  • Le dossier des clients du vault (bloc D), pour la liste des noms privés.

Interview

Lis d'abord : wiki/sources/ (auteurs déjà sourcés), carnets.json, wiki/clients/ (seulement pour lister les noms, jamais pour copier une histoire), les textes déjà publiés (pour repérer les chiffres que l'utilisateur répète souvent).

Puis demande :

  1. « Quels chiffres sur toi ou ton business ont le droit d'apparaître en public ? » (exemples : année de création, prix publics, un nombre de clients que tu assumes. Chacun avec sa preuve.) Range dans wiki/maps/chiffres-permis.txt, un par ligne.
  2. « Comment veux-tu dire ta preuve sans chiffre fragile ? » (exemple : « des centaines de clients accompagnés » plutôt qu'un nombre exact qui vieillit.) Range la phrase exacte dans wiki/maps/regles-verite.md.
  3. « Quels auteurs as-tu le droit de citer nommément en public ? Et lesquels restent internes ? » (va dans carnets.json, champ public, et dans auteurs.json.)
  4. « Tes clients ont-ils accepté d'être nommés quelque part ? » (par défaut : non. Un témoignage nommé demande un accord écrit, noté dans la fiche.)
  5. « Une histoire inventée pour illustrer, avec un prénom fictif, c'est permis chez toi ? » (si oui : seulement si un vrai client pourrait la vivre, et jamais avec une statistique inventée.)

Construire

  1. Poser l'outil (Claude) : copier outils/verite.py dans scripts/verite.py du vault. python scripts/verite.py selftest doit imprimer selftest OK.
  2. Écrire les listes (Claude) :
    • wiki/maps/chiffres-permis.txt (réponse 1).
    • auteurs.json à la racine : {"Nom affiché": "wiki/sources/auteur-nom.md"} pour chaque auteur citable. Les auteurs internes n'y vont pas : les citer en public sort alors une erreur.
    • noms-prives.txt (privé, dans .gitignore) : les vrais prénoms et noms des clients et de leurs proches, tirés de wiki/clients/. Une ligne par nom, les variantes d'orthographe comprises.
  3. Les trois commandes que tout skill de publication lance sur le texte extrait :
    python scripts/verite.py chiffres <texte> --sources <source1> <dossier-sources> --permis wiki/maps/chiffres-permis.txt
    python scripts/verite.py attributions <texte> --auteurs auteurs.json
    python scripts/verite.py noms <texte> --liste noms-prives.txt
    Chacune sort 0 si propre, 1 avec la liste des problèmes. --sources reçoit la source que le texte adapte (l'article, la transcription, la réponse du carnet) : un chiffre absent de ces sources est un chiffre inventé.
  4. Écrire wiki/maps/regles-verite.md (Claude), court : les trois règles, la phrase de preuve, la règle des histoires illustratives (réponse 5), et l'ordre de correction : un chiffre sans source devient qualitatif ou sort ; une citation sans fiche sort ou reçoit sa fiche ; un nom réel devient un prénom d'emprunt.
  5. Ajouter le contrôle adverse pour les textes qui adaptent une source (Claude) : dans le skill concerné, une étape où un sous-agent en lecture seule reçoit le brouillon ET la source, et liste chaque chiffre, délai, anecdote nommée et attribution, avec « trouvé dans la source : oui ou non ». Un seul « non » bloque.
  6. Brancher dans le board des textes (siège Vérité) et dans chaque skill de publication : les trois commandes sortent 0 avant la porte.

Test

Sur un texte piège écrit par Claude (un pourcentage inventé, « des études montrent », un prénom de client réel) : les trois commandes sortent 1 et nomment chaque problème. Sur un vrai texte propre de l'utilisateur : les trois sortent 0.

Pièges vécus

  • Le texte sonne juste et il est faux. Des délais précis (« en six jours », « après 48 heures ») attribués à un auteur qui ne les avait jamais écrits. Le contrôle compare au texte source, jamais à la vraisemblance.
  • Une année ou une date fait sauter le contrôle. Le bandeau d'un visuel portait l'année : lue comme un chiffre inventé. Mettre les chiffres légitimes dans la liste des permis, ou ne contrôler que le texte que le public lit.
  • Un chiffre de preuve qui vieillit. Un nombre exact de clients ou d'heures, répété partout, devient faux ou fragile. Une formule assumée sans chiffre (« des centaines de personnes accompagnées ») tient dans le temps.
  • Les modèles inventent des études. Un outil de réécriture « pour humaniser » ajoutait des études chiffrées qui n'existaient pas. Il a été retiré. Tout outil qui réécrit un texte repasse ensuite par ces contrôles.
  • Nommer un client avec son histoire. Même avec de bonnes intentions, c'est un risque légal et une trahison de confiance. Le vrai nom reste dans le vault privé ; en public, un prénom d'emprunt et des détails modifiés.
  • Le script ne juge pas le conseil. Il attrape les chiffres, les noms et les attributions. Le fond (le conseil est-il juste ?) reste le travail des carnets d'experts au board.

Entretien dans le temps

  • Chaque nouveau client : son nom va dans noms-prives.txt le jour de sa fiche.
  • Chaque nouvel auteur cité : sa fiche dans wiki/sources/ et sa ligne dans auteurs.json.
  • Quand un faux passe malgré tout : ajouter le cas au selftest de verite.py (un assert de plus), pour qu'il ne repasse jamais.

Après

Mets à jour wiki/maps/parcours.md, log.md, la mémoire (la phrase de preuve choisie). Propose ensuite controle-voix.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.