Que fait Votre Voix ?
Faites en sorte que cela ressemble à l'utilisateur, écrivant dans ce but. Préservez son sens, ses jugements, son vocabulaire technique, ses citations et ses preuves. Ne remplacez pas une voix d'IA générique par une voix d'éditeur générique.
Commencez par le contexte, pas un questionnaire
Annoncez cette compétence. Inspectez le brouillon et le contexte du projet disponible pour déduire l'auteur, la langue, le public cible, le type de document, l'objectif, le domaine et les conditions d'écriture. Le domaine inclut le sujet, le genre et le registre ; les conditions peuvent également inclure la collaboration, la révision, la traduction, le temps et la fonction de la section. Enregistrez ce qui est connu par rapport à ce qui est déduit.
Lisez references/corpus-and-model.md avant de collecter des références ou de mesurer le style. Cherchez d'abord dans les documents fournis par l'utilisateur et les dossiers de projet pertinents, pas sur l'ensemble de son disque. Si l'identité de l'auteur est établie, recherchez des copies publiques légitimes de travaux comparables. Privilégiez une provenance d'auteur solide et un objectif comparable : travail d'un seul auteur, passages confirmés comme écrits par l'auteur, puis travail de premier auteur avec une réserve de co-auteur-éditeur. Les travaux antérieurs à ChatGPT sont utiles lorsqu'ils sont par ailleurs comparables, mais pas une preuve d'écriture non assistée. Ne devinez jamais une identité et n'attribuez pas la voix entière d'un article co-écrit à son premier auteur.
Visez quelques bonnes références, pas un grand corpus mal assorti. En général, trois à cinq documents comparables constituent un point de départ utile, pas un seuil de validité. Un document récent ayant le même objectif peut être meilleur qu'un vieil article non lié. Effectuez vous-même le travail de découverte ; ne posez qu'une seule question concise si l'identité, l'accès, la paternité ou l'objectif ne peuvent pas être résolus. Ne créez pas de référence personnelle artificielle lorsqu'aucune référence appropriée n'existe.
Établissez une bibliothèque vocale locale
Réutilisez la zone d'analyse/révision existante du projet ou créez your_voice/ à côté du brouillon. Conservez les références originales inchangées. Enregistrez les URL/chemins sources, la confiance dans la paternité, la date, le domaine/conditions, les exclusions d'extraction et les sommes de contrôle ; puis stockez le texte propre et un court profil qualitatif de la voix. Ne téléchargez pas de documents privés et ne redistribuez pas d'articles téléchargés dans le cadre de la compétence. Une bibliothèque personnelle réutilisable reste locale et est partitionnée par langue/genre, pas regroupée en une seule empreinte universelle.
Utilisez state.md pour enregistrer l'instantané du brouillon original, les références sélectionnées, la configuration d'extraction/modèle figée, l'étape en cours, les sorties/vérifications de chaque passe, les problèmes restants et la prochaine action exacte. Lisez-le lors de la reprise ; conservez la référence originale plutôt que de l'écraser avec du texte révisé. Les révisions assistées par IA ultérieures sont des sorties de comparaison, pas un nouveau matériel de référence indépendant.
Procédure
Lisez references/edit-and-report.md avant de modifier. Conservez un brouillon original et vérifiez qu'il s'agit d'une tâche de révision linguistique ; signalez les problèmes scientifiques non résolus plutôt que de les polir pour leur donner une apparence de certitude.
- Référence. Lisez des passages de référence représentatifs, décrivez leurs habitudes réelles et mesurez le texte du brouillon et celui de la référence de manière comparable. Utilisez les mots de fonction, la ponctuation et les longueurs de phrases. Les tableaux et autres documents non rédigés par l'auteur sont exclus de l'analyse, pas supprimés du manuscrit.
- Dé-gluçage léger. Supprimez les résidus évidents de chatbot, les emphases vides, les résumés répétitifs et les cadrages maniérés lorsqu'ils n'ajoutent rien. Si une compétence de dé-gluçage/académique simple est disponible, lisez-la et utilisez-la ; sinon, utilisez les instructions autonomes de la référence de révision. N'imposez pas ses quotas génériques ou ses planchers de longueur de phrases contre les preuves de cet auteur. Enregistrez cela comme
nettoyage, distinct de l'original et des trois passes de voix personnelle. - Passe 1 — différences faciles et importantes. Inspectez trois à cinq caractéristiques stables à fort impact. Ne modifiez que les opportunités naturelles : résultats enchaînés, ouvertures répétitives, ou échafaudages conjonctifs inutiles. Conservez les bonnes phrases originales.
- Passe 2 — travail contextuel sur les mots de fonction et le rythme. Remesurez ; corrigez les plus grandes différences restantes là où les phrases réelles le justifient. Vérifiez les modaux, conjonctions, pronoms et articles pour leur sens, pas seulement leur fréquence. N'insérez pas de mots de remplissage pour faire concorder les taux.
- Passe 3 — résidus et lecture complète. Remesurez, apportez les modifications restantes clairement utiles, et lisez pour le flux, la grammaire, le raisonnement et la voix reconnaissable. Une passe peut honnêtement ne faire aucune modification. Ne forcez pas trois séries de changements arbitraires.
Après chaque passe, enregistrez un diff, mesurez avec la configuration figée, vérifiez les affirmations/chiffres/citations/terminologie, et montrez brièvement à l'utilisateur ce qui a changé. Continuez les trois passes sans questions inutiles, sauf si la portée, les autorisations ou le sens scientifique nécessitent une décision. Respectez les limites de taille de lot locales.
La règle des 80/20 priorise l'effort ; elle ne signifie pas que cinq fréquences appariées résolvent 80 % du style. Arrêtez-vous après trois passes avec un compte rendu honnête de ce qui reste. Un nouvel ajustement ou une nouvelle édition nécessite une raison, pas un désir d'atteindre une précision due au hasard.
Mesure
Le script fourni scripts/compare_voice.py mesure le texte anglais segmenté en phrases et ajuste une régression logistique standardisée et régularisée lorsqu'un plan d'expérience groupé apparié est disponible. Ses dépendances sont NumPy et scikit-learn pour une analyse transparente des caractéristiques et une classification groupée. Il ne modifie jamais le brouillon. Lisez la référence du corpus/modèle pour le format d'entrée, l'extraction, le regroupement, les limitations et l'appel.
Utilisez un inventaire Koppel-512 vérifié s'il est disponible et que son utilisation est autorisée. Le fichier fourni assets/function_words_en.txt est une petite alternative anglaise explicitement étiquetée, pas Koppel-512. Ne revendiquez pas la provenance d'une liste en fonction de sa longueur. Les autres langues nécessitent une tokenisation et des inventaires appropriés ; ne passez pas de texte chinois ou traduit par le script anglais et ne rapportez pas de mesures valides de la voix personnelle.
Ce classifieur sépare les échantillons de référence et de brouillon selon un plan spécifique. Il n'identifie pas l'écriture IA, ne certifie pas la paternité, n'estime pas « à quel point c'est humain », ni ne mesure un pourcentage de la voix de l'utilisateur. Les coefficients corrélés sont des indices diagnostiques, pas une importance causale des mots. Une baisse de la distinguabilité n'est pas une preuve suffisante d'une meilleure écriture.
Rapportez comme un collègue
Soyez bref, direct et précis. Expliquez le modèle en une ou deux phrases, montrez une petite comparaison référence/original/final pour les caractéristiques les plus pertinentes, et deux ou trois modifications avant/après représentatives. Indiquez le contenu scientifique inchangé seulement après l'avoir vérifié. Mentionnez la provenance faible des références, les données insuffisantes, les limites d'extraction et les modifications qui n'ont pas aidé. Pas d'enthousiasme théâtral, d'aphorismes, de grandes déclarations ou de cadrage cérémoniel « pas X mais Y ».
Livrez le brouillon modifié, les chemins de mesure/provenance locaux, le nombre de passes terminé et les éléments non résolus. Ne publiez, n'envoyez et ne validez pas de références privées. Suivez les autorisations existantes pour les validations de manuscrit ; la soumission finale et la divulgation de l'utilisation de l'IA restent la responsabilité de l'auteur.