Date : 16 octobre 2026 (23h12 UTC-4 — Guadeloupe)
Fichiers analysés : JARVIS_LIVE_VOICE/live_session.log (22h50→23h12), JARVIS_LIVE_VOICE/server.py, les deux rapports précédents du même jour (RAPPORT_ANALYSE_ET_CORRECTION_CONFLIT_MODE_DISCRET_20261016.md à 21h47, DIAGNOSTIC_ET_CORRECTIF_MODE_DISCRET_ANDROID_20261016.md à 22h50)
Fichier corrigé : server.py (3 points)
Statut : Correctif appliqué sur disque. Serveur non redémarré — une session vocale (call_1792206479238_v17aka) est toujours active au moment de ce diagnostic (tokens de reprise de session capturés en continu jusqu'à 23h20). Un redémarrage maintenant couperait Raphaël en plein appel, exactement comme documenté dans le rapport de 22h50. À appliquer à la prochaine fenêtre calme.
Le Mode Discret a déjà fait l'objet de deux correctifs le même jour :
- 21h47 : 6 causes racines cumulées (seuil VAD, conflit turn_in_progress, déformations phonétiques STT, formulations naturelles manquantes, faux positif d'activation, absence de garde-fou anti-hallucination).
- 22h50 : 2 causes supplémentaires (notification Android jamais mise à jour, ancrage ^ trop strict sur DISCRET_ENTER_PATTERNS).
Raphaël a retesté entre 23h08 et 23h10 et a rencontré 6 échecs consécutifs sur 6 tentatives (activations ET désactivations), avec un symptôme nouveau : le garde-fou anti-hallucination (ajouté à 21h47) bloquait systématiquement, mais sur des transcriptions totalement absurdes et multilingues :
23:08:06 BLOQUÉ : 'Mundiscuite'
23:08:25 BLOQUÉ : 'Eu te julgo, vá.' (portugais)
23:08:34 BLOQUÉ : 'I just want to be active.' (anglais)
23:09:48 BLOQUÉ : 'Aktivieren Modus' (allemand)
23:10:08 BLOQUÉ : 'No. Je joue pas.'
Ces fragments ne correspondent à rien de ce que Raphaël a réellement prononcé.
23:08:02.465 Session Live connectée (mode=live)
23:08:06.200 Commande vocale UI : configurer_interface('mode_discret', 'activer')
23:08:06.201 [Mode Discret Garde-Fou] BLOQUÉ : transcription = 'Mundiscuite'
23:08:07.054 Parole (transcrite, JARVIS) : "D'accord, je passe en mode discret. Fais-moi signe quand tu as fini."
Deux faits capitaux :
1. Gemini avait manifestement bien compris la demande : sa propre réponse orale, générée dans le MÊME tour, est la confirmation exacte prévue par la consigne système pour une activation réussie. Son moteur sémantique (qui "entend" l'audio directement) n'a jamais douté de l'intention de Raphaël.
2. Le garde-fou, lui, n'a rien vu : user_turn_text ne contenait que 'Mundiscuite' au moment précis où le function-call a été traité.
Dans server.py, gemini_receiver() lit les messages de Gemini Live un par un via async for msg in active_session.receive(). Deux types de messages arrivent, dans un ordre non synchronisé :
- Le function-call (configurer_interface), émis dès que le moteur de Gemini a compris sémantiquement l'audio — très rapide.
- Les morceaux de input_transcription (le flux texte de ce que Gemini "entend"), générés par un processus de transcription séparé qui peut prendre plus de temps à démarrer ou à produire du texte fiable que la décision du modèle elle-même — surtout sur une phrase courte en tout début de tour.
Le garde-fou Mode Discret (ajouté à 21h47, L9715 à l'époque) validait user_turn_text à l'instant même où le function-call arrivait dans la boucle — donc contre un fragment quasi vide ou bruité, pas contre ce que Raphaël avait réellement dit. Résultat : rejet quasi systématique, peu importe la clarté réelle de la demande. C'était la même architecture pour les 6 tentatives consécutives — 100% d'échec, pas un hasard.
Ce bug est indépendant des deux correctifs précédents (ancrage regex, notification Android) : même une fois ceux-ci déployés, ce problème de timing aurait continué à bloquer presque toutes les activations.
Toujours dans l'extrait ci-dessus : le serveur a renvoyé status="rejete_non_demande" à Gemini, mais Jarvis a tout de même prononcé la confirmation de succès ("D'accord, je passe en mode discret... C'est activé maintenant, tu peux continuer."). La consigne système demandait de confirmer "IMMÉDIATEMENT" après l'appel, sans condition sur le résultat réellement renvoyé par l'outil. Résultat : Raphaël entendait un "oui c'est fait" à chaque tentative alors que rien ne changeait jamais côté serveur — ce qui explique l'enchaînement de 6 tentatives frustrées en 2 minutes et la remarque "tu es complètement à côté de tes pompes".
server.pyRemplacement du rejet immédiat par un mécanisme à 3 étapes, utilisant une nouvelle variable locale pending_discret_fc :
1. Au moment du function-call : si la validation échoue immédiatement, ne plus rejeter — mémoriser l'appel en attente (id, name, cible, échéance 2,5s) et continuer la boucle sans répondre tout de suite à Gemini.
2. À chaque nouveau morceau de transcription reçu (sc.input_transcription) : retenter la validation avec le texte mis à jour ; dès qu'elle passe, appliquer réellement _set_discret_mode() et répondre au function-call en attente.
3. À turn_complete (filet de sécurité final) : si l'appel est toujours en attente, trancher définitivement avec le texte complet et définitif du tour — appliquer si valide, sinon rejeter proprement. Garantit qu'aucun function-call Gemini ne reste jamais sans réponse.
La consigne système de configurer_interface(mode_discret) précise maintenant explicitement à Gemini d'attendre le status retourné par l'outil avant de parler : confirmation uniquement si status="configured", sinon dire "Je n'ai pas bien capté, tu peux répéter ?" sans jamais prétendre qu'un changement a eu lieu s'il n'a pas eu lieu.
python -m py_compile server.py exécuté avec succès après les 3 modifications — aucune erreur de syntaxe introduite.
user_turn_text existe aussi pour deux autres garde-fous anti-hallucination du fichier — lancer_musique (server.py ~L9772-9779) et gerer_appel/play_media (~L9843-9869, ~L9974-9981). Rien ne prouve aujourd'hui qu'ils souffrent du même timing (pas d'incident rapporté dessus), mais le mécanisme sous-jacent est identique et donc potentiellement exposé à la même course. À surveiller dans les logs ; si un échec similaire apparaît un jour sur ces outils, le même correctif différé s'applique.Aucune nouvelle dépendance, zéro changement d'architecture audio/VAD — uniquement un réordonnancement de la logique de validation déjà existante.