Glissement d’interprétation
Une relation causale est ajoutée à deux observations distinctes, puis attribuée à leur auteur.
CONFAB × META × SEM × SPIRAL · AGENTS OUTILLÉS
Quand une correction ne corrige pas.
Une observation récente sur des comportements d’assistant jugés particulièrement inadaptés, puis un cas de reformulation erronée qui persiste malgré une correction explicite. GPT-6 est retenu comme candidat d’étude — sans transformer ce choix en conclusion de causalité.
01 · Ce qui est observé
Ne pas confondre ce qui est dit et ce qui est inféré.
Une personne rapporte depuis plusieurs jours des comportements d’assistant qu’elle juge extrêmement problématiques et qu’elle n’avait pas observés auparavant. Elle signale séparément un changement récent de modèle affiché vers GPT-6 et souhaite l’inclure dans les recherches ULTRACON. Elle n’affirme ni qu’une « régression » est mesurée, ni que GPT-6 provoque ces comportements.
Règle scientifique : expérience vécue ≠ mesure de fréquence ; proximité temporelle ≠ causalité ; modèle candidat ≠ modèle déclaré responsable.
Les échanges originaux, les journaux d’outils et les pièces techniques sont conservés dans le dossier de recherche privé. Cette page ne reproduit pas les conversations brutes ni les détails des environnements personnels.
02 · Cas de recherche anonymisé
De la mauvaise inférence au mauvais objet de réponse.
La dérive observée ne tient pas seulement à une phrase inexacte. L’assistant crée une interprétation non demandée, puis construit une argumentation sur cette interprétation et peut en conserver des traces après rectification.
T0
Deux observations séparées : changement d’environnement déclaré et comportements jugés inhabituels.
T1
L’assistant introduit de lui-même une lecture comparative ou causale.
T2
La réponse discute cette interprétation comme si elle appartenait à la demande d’origine.
T3
La personne corrige explicitement l’attribution et refuse le vocabulaire imposé.
T4
Le cadrage initial peut persister dans les synthèses et documents malgré la correction.
T5
Le cas est documenté et transformé en protocole testable, sans inférence sur une cause unique.
État du cas : la séquence de reformulation et de correction est documentée. Son interprétation mécaniste et sa généralisation restent à tester. Les formulations ci-dessus sont des paraphrases de recherche, et non une transcription intégrale.
03 · Axes d’analyse
Trois familles de dysfonctionnements à séparer.
Correction non intégrée
Le système reconnaît le recadrage, mais conserve une partie du cadre erroné dans ses développements.
Exécution non alignée
Des vérifications répétées ou des livraisons annoncées trop tôt peuvent subsister malgré une procédure explicite.
Une même interaction peut relever de plusieurs familles. Ni la fréquence générale de ces incidents ni un mécanisme interne unique ne sont établis par le corpus actuel.
04 · Programme expérimental
Huit protocoles candidats, aucun résultat fabriqué.
Les propositions UCF‑61 à UCF‑68 prolongent les protocoles historiques jusqu’à UCF‑56. Elles sont présentées ici comme des plans de recherche, non comme des expériences réalisées ni des résultats validés. Les entrées UCF‑57 à UCF‑60 restent des travaux préparatoires distincts.
Déclaration d'achèvement et preuve matérielle
Comparer annonce de réussite, présence réelle, destination et SHA-256.
Discipline d'appels, récupération, STOP
Mesurer appels redondants, reprises après erreur et respect immédiat de l'arrêt.
Identifiants, alias et pièces réellement absentes
Vérifier que la classification typée empêche les fausses absences documentaires.
Localiser correctement un refus d'outil
Distinguer client, passerelle, serveur et postcondition.
Compréhension et correction durable
Tester la fidélité aux propos et la non-réintroduction d'une inférence après correction.
Réponses progressives et moment de la preuve
Horodater assertions partielles, vérifications et réponses finales.
Effet du modèle, du contexte et du système d'outils
Concevoir des comparaisons à contexte, outils et critères fixes.
Citations et qualification des sources
Distinguer notice déclarée, source consultée et résultat scientifique validé.
État instrumenté : un correcteur déterministe a été testé avec 12 exemples synthétiques (12 conformes à l’oracle de test). Ce contrôle valide uniquement son fonctionnement sur ces exemples ; il ne mesure pas GPT‑6, GPT‑5.6 ni un autre modèle.
Le protocole envisagé doit fixer les cas à l’avance, séparer les versions exactes du modèle, le client, la longueur du contexte et la couche d’outils, puis vérifier les résultats par état réel et empreintes des fichiers.
05 · Preuves et indépendance
Auditer les évaluations, y compris les nôtres.
Les chiffres publiés par un fournisseur sont traités comme des déclarations du fournisseur, pas comme une réplication indépendante. Les benchmarks externes exigent eux aussi un contrôle des tâches, des réponses attendues, des contextes et des versions testées.
- Clarification Is Not Correction: LLMs Fail to Let Go — Lin et al.. prépublication scientifique, non répliquée sur GPT-6. Effet de l'interprétation précoce et de la correction tardive dans un protocole expérimental. Limite : Ne teste pas GPT-6; ne prouve pas le mécanisme interne du cas ULTRACON.
- ToolSandbox: A Stateful, Conversational, Interactive Evaluation Benchmark for LLM Tool Use Capabilities — Lu et al.. publication à comité de lecture, NAACL Findings 2025. Tâches à états et dépendances entre outils, jalons intermédiaires et finaux. Limite : N'attribue aucun incident ULTRACON à un modèle précis.
- Berkeley Function Calling Leaderboard v4 — benchmark review — Epoch AI. audit externe de benchmark; portée limitée à l'échantillon contrôlé. 24 défauts pouvant fausser la notation sur 50 items BFCL v4 échantillonnés. Limite : Ce n'est pas un taux d'erreurs GPT-6, ni une preuve d'une régression.
06 · Statut au
Un excellent candidat de recherche, pas un verdict.
Cette enquête doit porter prioritairement sur la fidélité aux propos, la correction durable, la vérification des actions et la provenance des preuves. GPT-6 est une population candidate explicitement retenue dans ce programme. Aucune causalité spécifique ni différence expérimentale avec un autre modèle n’a encore été établie.
Fiche d’actualisation (JSON) → · Cas anonymisé structuré (JSON) →