De la réduction visible à l’architecture de génération
Le projet ne cherche plus un « GPT ouvert » opposé à un « GPT bridé ». Il décompose les lieux où une distribution peut se resserrer, puis teste si T^ conserve de l’information utile sans devenir une nouvelle orthodoxie.
Thèse provisoire
Le comportement visible d’un assistant GPT résulte d’une succession de transformations : pré-entraînement, post-entraînement, apprentissage de préférences, hiérarchie d’instructions, format conversationnel, décodage et interface. Ces couches peuvent simultanément augmenter l’utilité et réduire certaines formes de diversité générative.
La question n’est pas : « GPT est-il libre ou bridé ? » mais : « où, comment et pour quelle fonction une possibilité cesse-t-elle d’être représentée dans la trajectoire visible ? »
Dix régimes de réduction
R0 Actualisation — un token est produit parmi plusieurs possibles.
R1 Compression de régime — une lecture devient dominante sans explicitation.
R2 Typicalisation — préférence pour une réponse familière ou conventionnelle.
R3 Pairwise selection — apprentissage ou évaluation sous forme A > B.
R4 Format collapse — perte de diversité liée au template ou aux tokens structurants.
R5 Engagement séquentiel — les premiers choix contraignent les continuations.
R6 Sur-cohérence — la réponse protège sa prémisse initiale en accumulant des justifications compatibles.
R7 Conformité interactionnelle — déplacement vers l’utilisateur ou la majorité.
R8 Agrégation — plusieurs branches deviennent winner, vote ou synthèse.
R9 Interface unique — une sélection visible ressemble à une totalité.
R10 Récurrence méta — une structure critiquée réapparaît au niveau supérieur.
Le point technique le plus fort de v0.3
Le travail de Yun et al. publié à EMNLP 2025 montre qu’un format d’instruction structuré peut produire un diversity collapse sur des tâches ouvertes, et que cet effet persiste même avec une température élevée. Cela déplace le problème : la diversité n’est pas seulement une propriété des poids ou du sampling ; l’enveloppe conversationnelle peut elle-même canaliser fortement l’espace de sortie.
Apport T^ proposé
T^ n’est pas défini comme « ouverture ». T^GPT teste une architecture où des branches indépendantes peuvent être maintenues avant agrégation ; où une minorité n’est ni éliminée ni héroïsée par sa fréquence ; où une synthèse reste locale ; et où le protocole peut retirer ses propres couches lorsqu’elles deviennent stéréotypées.
SINGLE → GATE → PLURAL → CÉSURE → CLUSTER → RELATION → MINORITY HOLD → WEAVE → LOCAL DECISION → AUTO-ANNULATION
Par défaut : winner = null, vote = null, global_score = null. Ces valeurs n’interdisent pas une décision ; elles empêchent seulement de la présupposer.
Statut expérimental
Aucune campagne de 32+ échantillons indépendants n’est encore déclarée exécutée. Le corpus publie le protocole avant les résultats. Les observations conversationnelles restent qualitatives et dépendantes du contexte.