journal-arena ENB-Pro v4.0 (édition pré-soumission exclusive)

SKILL.md — journal-arena ENB-Pro v4.0 (édition pré-soumission exclusive)

But : revue scientométrique complète d’un manuscrit avant soumission à Energy and Buildings (méthode de codage), exécutée par des agents réels sur des modèles locaux – la division originale en 16 groupes, ≤ 100 exécuteurs, chaque appel séparé et horodaté. Tout en anglais. Toutes les capacités v3.1 conservées (double ancrage, grand livre, corpus, matrice, conseil, kit, garde) plus la vague machine sur input/ (carte, pré-vérification, contrôle des figures, diffnum) et l’équipe de rédaction post-conseil avec des spécialistes des figures.

0. Les lois (chaque agent, chaque modèle, chaque phase)

1. Loi d’unicité de fonction – chaque agent possède EXACTEMENT une partie (sa carte de groupe G dans groups/16-group-playbooks.md); les observations hors fonction transmettent au maximum une note transférée (sévérité style).
2. Loi du double ancrage – tout jugement évaluatif porte DEUX ancrages : (a) une citation exacte de la LITTÉRATURE ÉTUDIÉE avec identifiant source + localisateur ([L:e4-012 ...] de work/ledger.jsonl), et (b) une citation exacte du manuscrit, uniquement lorsqu’une affirmation est cartographiée. Absence de (a) => mise en quarantaine, jamais comptée. Exemption : les conclusions de conformité déterministe (anchor_type: rulebook|machine, lit_quote_id: L:rule-<id> où l’identifiant existe dans checklists/ ou un moteur d’exécution) sont des FAITS – vérifiés par la machine via matrix3.py rule_exists.
3. Loi de la valeur décisionnelle – verdict + au plus 3 actions réalisables + les citations. Pas de résumé paraphrasé uniquement. Le grand livre déduplique ; une activité sans décision est un gaspillage.
4. Loi des niveaux de preuve – corps=1.0 > résumé=0.5 > livret de règles=1.0 (déterministe) > métadonnées=0 (mise en quarantaine). Chaque citation porte son niveau.
5. Licence de vérification – accès en lecture seule aux sources et à input/ ; le manuscrit ne quitte jamais la machine du propriétaire sauf décision explicite de --attach (POL-AI-5 pour les modèles en ligne ; modèles locaux exemptés).
6. PRIV-1…PRIV-6 – engine/humanize.py est un module dérivé PRIVÉ : ne jamais le publier ; guard_private.py scan doit afficher un résultat propre avant que TOUT paquet ne quitte cette machine (les versions publiques l’excluent – voir NOTICE.md).
7. Loi de non-falsification – ne jamais inventer de nombres ; valeur manquante = [nombre nécessaire], résolue uniquement par l’auteur. Aucun score de détecteur ne décide.
8. Loi de non-exagération – aucune affirmation plus grande que sa preuve ; l’inflation des affirmations est notée et peut être opposée par veto (G11 méta-audit + poids de la grille d’arène).
9. Loi d’honnêteté d’exécution – chaque artefact enregistre QUI l’a exécuté : indep: machine (outil déterministe – un fait) · harness (appels de modèles séparés via engine/harness.py, clé uniquement de l’environnement du propriétaire) · human (propriétaire ou copie-retour) · single (un seul modèle portant plusieurs chapeaux – une simulation étiquetée). « 100 agents » n’est vrai qu’avec 100 appels séparés (campaign.py) – sinon c’est single. Les conclusions d’un seul exécuteur NE CONFIRMENT JAMAIS un P0 seul : P0 nécessite une confirmation machine, ≥ 2 exécuteurs indépendants, ou l’approbation du propriétaire.
10. Loi de différence d’artefact (NOUVEAU, décision du propriétaire 2026-10-12) – les agents N’exécutent JAMAIS le pipeline de recherche (chronophage ; travail du propriétaire). Le propriétaire dépose les sorties du pipeline dans input/results/ (manifestes, JSON d’audit, tableaux, CSV, journaux) et le code dans input/pipeline/ (revue statique en lecture seule). engine/diffnum.py vérifie chaque nombre du manuscrit par rapport aux artefacts (traçé / NON TRACÉ) ; les nombres non tracés deviennent des conclusions machine pour G8 et des candidats [nombre nécessaire]. Un indicateur NON TRACÉ est un signal d’écran, pas une preuve d’erreur – honnête par construction.

1. Décisions enregistrées

Héritées de v3.1 (propriétaire, 2026-10-09/11) : code_scope=research_code · tier1_journals=[Energy and Buildings (primaire), Applied Energy, Building & Environment, Energy, Journal of Building Engineering, Energy and AI] · corpus_axis=manuscript-derived (work/corpus/axis.json) · corpus_counting=body-access-only · corpus_ceiling=20 + suffisance (étude FERMÉE à E6 128 / E2 82 / E4 76 dénombrables ; ancres déposées dans work/ledger.jsonl) · humanizer_mode=distilled-brief. Nouvelles (propriétaire, 2026-10-12) : Édition exclusive ENB-Pro – tout en anglais · division des agents EXACTEMENT la topologie v2 d’origine (16 groupes de tâches, vagues de 10, ≤ 100 exécuteurs réels) · exécution sur des modèles LOCAUX (actuel : qwen3.5:4b ; code optimisé pour la classe 4B) · pipeline jamais exécuté par les agents (loi 10) · contrat de zone de dépôt input/ · équipe de rédacteurs inclut les spécialistes des figures FIG-MPL + FIG-GV · figures doivent respecter le savoir-faire le plus avancé d’ENB (modèles fournis).

2. Topologie – la division originale en 16 groupes (source unique : groups/16-group-playbooks.md)

G1 titre · G2 résumé · G3 mots-clés-accroches-GA · G4 introduction-lacune · G5 revue de littérature · G6 méthodologie-codage · G7 données · G8 cohérence des résultats · G9 statistiques-UQ · G10 discussion-affirmations · G11 recommandations+méta-audit (veto) · G12 intégrité des références · G13 éthique-politique · G14 formatage-kit · G15 langage-style · G16 simulation d’examinateur. Mathématique de division (campaign.py) : N=100 => G1–G4 x7 + G5–G16 x6 = exactement 100 emplacements (v2 utilisait ceil => 112 ; Pro respecte la loi du propriétaire ≤ 100), vagues de 10, identifiants d’agent G6-a03. Équipe de rédaction post-conseil (6 rôles fixes) : WR-TEXT-1/2/3, FIG-MPL, FIG-GV, STAT-CHECK.

3. Pipeline (vagues, repris)

W-machine   run.py prep --work work --input input        (carte, pré-vérification, contrôle des figures,
                                                          diffnum, inventaire – pas de clé)
W-division  run.py campaign run --work work [--agents 100] (exécuteurs réels, loi 9 ;
            reprenable ; point de contrôle après chaque groupe : check + matrix + council)
  ou MODE AGENT (pas de clé ; clone && exécute via GitHub selon AGENTS.md) : briefs de campagne ->
            l’agent de clonage répond dans work/answers/<slot>.txt -> campagne
            ingest-dir --indep single (timbre honnête : un modèle, 100 chapeaux)
W-aggregate run.py check/matrix/council work/findings.jsonl ...
W-writers   run.py campaign run --stage writers --work work (après les verdicts du conseil)
W-apply     task/05 + apply_revisions.py (le propriétaire approuve ; traçabilité : copies uniquement)
W-kit       kit.py strip --src input/manuscript.txt --out <soumission-copie> + figureqc clean
W-release   LICENSE / DOI Zenodo / dépôt de données (Option C) / déclaration GenAI

4. Ancres & réservoirs

Les lignes du grand livre conservent leurs identifiants E v3.1 ; la campagne mappe les groupes de tâches aux réservoirs : G2,G7,G8 -> E6 (intégrité, 319 ancres) · G4,G5 -> E2+E4 (nouveauté/méthodologie, 412) · G6,G9 -> E4 (+ lignes du dépôt E5) · tous les autres groupes : ancres du livret de règles provenant de checklists/ (L:rule-*). Les briefs embarquent ≤ 20 ancres (troncature à 120 caractères) – le SEUL réservoir de citations (loi 2).

5. Contrat pour petits modèles (modèles locaux classe 4B)

Invites : résumé des lois ~700 caractères + carte de tâche + ≤ 20 ancres + extrait de manuscrit pertinent pour la tâche UNIQUEMENT (≤ 6000 caractères, mappé par section) + faits machine + un exemple few-shot JSONL. Génération : max_tokens 1200, profil de température 0.2–0.5, /no_think pour la famille qwen3 (par défaut), une tentative d’analyse, extraction robuste (délimiteurs/virgules finales/objets concaténés). Attendez-vous à une mise en quarantaine agressive par les portes – c’est le système qui fonctionne, pas un échec ; rendement réaliste sur 4B : 2–4 conclusions survivantes par exécuteur.

6. Disposition & commandes

checklists/ engine/ groups/ input/ sources/ task/ templates/ demo/ work/ Entrée : python3 engine/run.py prep|campaign|diffnum|figureqc|harness|map|precheck|matrix|council|check|validate|ledger|corpus|kit|apply|guard|stage — RUNNER.md est le guide de connexion (Ollama/API/copie-retour). NOTICE.md : confidentialité, statut de licence, variables d’environnement.