Généré le 16/10/2026 10:18

Analyse — Hallucinations sur le statut des produits abandonnés & confusion sur l'état des missions

Date : 16/10/2026 — Claude Code

0. Contexte de la demande

Pendant l'investigation, constat en direct dans JARVIS_LIVE_VOICE/missions_history.json : la demande de Raphaël a été dispatchée deux fois à Antigravity (agy) sous des formulations quasi identiques, toutes deux encore "status": "running" plus de 6 minutes après leur lancement, en parallèle de ce traitement par Claude Code :
- m_1792159732542 — "Analyser les logs système récents pour diagnostiquer les incohérences de Jarvis concernant les statuts de missions et l'abandon du produit..."
- m_1792159739804 — reformulation quasi identique de la même demande + latence de réponse.

C'est une démonstration en temps réel du problème n°2 ci-dessous (double-dispatch sans déduplication), pas une supposition.


1. Hallucinations sur le statut des produits — cas concrets retrouvés

1.1 Dental Pod / Ondia (connu, non résolu)

1.2 Skovasken (nouveau cas, découvert dans cette analyse, 15/10/2026)

Chronologie reconstituée depuis missions_history.json + pipelines/sac-lavage-chaussures-skovasken/state.json :

  1. 11-12/10 : Skovasken analysé, verdict Juge Produit positif, noté dans le pipeline.
  2. 15/10 22:57 : Raphaël demande de reprendre l'étude Skovasken. Agy relit le Tracker en direct : la colonne R (statut Juge) était repassée à "À réévaluer", contredisant les notes internes du pipeline qui affirmaient un verdict positif depuis le 11/10. Citation exacte du journal : "cause non identifiee, probable remise a zero par un lot ulterieur".
  3. Agy a bien réagi par le réflexe défensif attendu (rejouer le verdict avec des données fraîches plutôt que recopier l'ancien), et le nouveau verdict est revalidé (7/7 filtres).
  4. Fait signalé par agy lui-même dans m_1792119008503 : "pendant la session, le statut du produit sur le Tracker est passé de 'À réévaluer' à 'Validé', et la colonne T (réservée exclusivement à toi) s'est remplie à 'Validé' — je n'y ai pas touché, c'était probablement toi-même ou Antigravity en parallèle."
    - Vérification faite dans cette analyse : grep sur tout tools/ ne trouve aucun script qui écrit programmatiquement la colonne T — cohérent avec la règle 7bis (colonne jamais touchée par le code). Cela rend l'hypothèse "Raphaël lui-même" plus probable qu'une écriture automatisée bugguée. Mais aucune certitude : ni Claude ni agy ne peuvent confirmer qui a écrit cette valeur, et c'est exactement le type de situation qui avait déjà causé l'incident du 11-12/08/2026 (5 lignes auto-remplies à tort, règle 7bis créée en réaction).
    - Recommandation explicite : demander confirmation à Raphaël que c'est bien lui qui a validé Skovasken en colonne T le 15/10 — ne pas le présumer.

Point commun des deux cas : une colonne du Tracker censée être une source de vérité stable (R = verdict Juge, T/U = décision Raphaël) change de valeur sans qu'aucun log ne dise qui/quand/pourquoi. Un agent qui lit le Tracker à un instant T n'a aucun moyen de distinguer "changement légitime récent" de "régression/bug silencieux", donc il doit deviner — et c'est cette devinette qui produit l'hallucination quand elle n'est pas signalée comme telle (heureusement, dans les deux cas observés le 15/10, agy a bien signalé l'anomalie au lieu de l'avaler silencieusement — mais rien n'empêche que ça ne soit pas le cas la prochaine fois).


2. Confusion sur l'état des missions — 4 causes structurelles identifiées

2.1 Double-dispatch sans déduplication (démontré en direct, voir §0)

Rien dans dispatch_mission() ne vérifie si une mission sémantiquement proche est déjà "running" avant d'en créer une nouvelle. Résultat : la même demande de Raphaël tourne simultanément sur agy (x2) et sur moi (Claude Code, repli CLAUDE.md), sans qu'aucun des trois ne sache que les autres bossent sur le même sujet. Chacun peut produire une réponse différente, et Raphaël reçoit potentiellement 2-3 rapports contradictoires sur la même question.

2.2 Champ "brain" non fiable (déjà documenté, confirmé toujours vrai)

call_ai_brain() peut basculer silencieusement vers claude-code en cas d'échec agy (quota/503, cf. m_1792110621781 dans cette même session : "UNAVAILABLE (code 503)") sans jamais réécrire le champ brain dans l'historique. Un "brain": "agy", "success": true ne garantit donc pas que le travail vient réellement d'agy.

2.3 Statut "failed" générique après redémarrage serveur masque le travail réel

Exemple retrouvé dans cette session : m_1792121750687 (claude-code, latence vocale) → "status": "failed", "result": "Mission interrompue suite au redémarrage du serveur." C'est le même pattern déjà documenté le 11/10 sur 4 autres missions : le registre perd la trace de la mission au redémarrage, pas forcément le travail déjà écrit sur disque. Un agent qui voit "failed" peut donc soit refaire un travail déjà fait (perte de temps), soit — pire — répondre "ça a échoué, rien n'a été fait" alors que du code existe déjà (hallucination par défaut pessimiste, symétrique de l'optimisme d'Antigravity documenté par ailleurs).

2.4 Trois surfaces d'interface différentes pour "une" carte de mission

/ (public/app.js), /jarvis (public_jarvis/app.js — quasi-clone maintenu séparément), /dashboard (dashboard.js/dashboard.css physiquement dans public/ malgré le nom du dossier). Une même mission peut donc s'afficher de façon incohérente selon l'interface consultée, et un correctif appliqué à une seule surface laisse les deux autres non synchronisées — source de confusion visuelle qui s'ajoute à la confusion de données.


3. Pourquoi ça dégénère en "hallucination" plutôt qu'en simple bug visible

Le point commun des 6 cas ci-dessus : aucun d'entre eux n'empêche un agent de répondre — ils le laissent juste répondre sur une base de données incomplète ou contradictoire, sans marqueur d'incertitude machine-lisible. Un LLM invité à trancher entre deux sources contradictoires (Tracker vs state.json, brain déclaré vs brain réel, failed vs travail réel sur disque, carte A vs carte B) a deux issues : signaler explicitement l'incertitude (bon réflexe, observé 2x sur 2 dans le cas Skovasken) ou choisir une réponse plausible et l'affirmer avec confiance (hallucination). Le système actuel dépend donc entièrement de la discipline de chaque agent à l'instant T — rien ne la impose structurellement.


4. Solutions concrètes proposées

# Solution Corrige Effort
1 Log d'audit des écritures Tracker (tracker_audit_log.jsonl, append-only) : chaque script qui écrit une cellule (tracker_writer.py, product_judge.py, juge_produit_orchestrateur.py, chasse_orchestrateur.py) logue {timestamp, script, mission_id, ligne, colonne, ancienne_valeur, nouvelle_valeur}. §1.1, §1.2 — permet de répondre "qui/quand" au lieu de deviner Faible — un seul petit module audit_writer.py importé partout où le Tracker est écrit
2 Garde-fou anti-régression sur colonnes R/T/U : avant d'écrire R (verdict Juge), comparer à l'ancienne valeur ; si elle régresse d'un verdict positif vers "À réévaluer" sans mission explicite de ré-audit, logger une alerte au lieu d'écraser silencieusement. §1.2 (le "probable remise à zéro par un lot ultérieur" devient traçable) Moyen
3 Interdiction structurelle d'ajouter des champs racine non datés dans state.json : petit validateur (validate_pipeline_state.py) appelé en fin de mission qui refuse tout champ (status, decision, blacklisted...) ajouté hors d'une entrée de journal horodatée. §1.1 (empêche la récidive du pattern Dental Pod) Faible
4 Déduplication de dispatch : avant dispatch_mission(), comparer (similarité texte simple, fenêtre ~10-15 min) la nouvelle instruction aux missions "status": "running" existantes ; si collision, soit fusionner, soit avertir explicitement l'utilisateur ("déjà en cours sur agy depuis X min, relancer quand même ?") plutôt que dispatcher en silence. §2.1 — corrige le double-dispatch observé en direct dans cette session Moyen
5 Réécriture du champ brain au moment du repli réel dans call_ai_brain(), pas seulement à la création de la mission (ex: "brain": "agy→claude-code (fallback 503)"). §2.2 Faible
6 Statut "interrupted_check_disk" au lieu de "failed" après un redémarrage serveur, avec détection automatique des artefacts déjà produits (fichiers dans artifacts/, pipeline state.json modifié après started_at) avant de conclure à un échec. §2.3 Moyen
7 Factoriser le rendu de carte mission dans un seul module JS partagé entre /, /jarvis et /dashboard au lieu de 3 implémentations divergentes. §2.4 Moyen-élevé (refactor UI)
8 Confirmer avec Raphaël, sans présumer : (a) le vrai statut de Dental Pod/Ondia (Tracker dit lancé/validé, BACKLOG dit blacklisté) ; (b) que c'est bien lui qui a écrit "Validé" en colonne T pour Skovasken le 15/10 (aucun script ne le fait automatiquement, donc probable, mais à faire confirmer vu l'incident similaire du 11-12/08). §1.1, §1.2 Aucun code — juste une question à poser

Priorité recommandée : #4 (déduplication) et #1 (audit log) d'abord — ce sont les deux causes qui génèrent le plus directement de futures hallucinations/confusions, et les plus simples à coder. #8 est à faire immédiatement car ce sont de simples questions, pas du code.