Aller au contenu
Margelle Voir l’offre

Margelle · les preuves

Chaque affirmation, sa source et ses limites.

Ce que j’ai testé, moi, Mike (Mickaël Ahouansou). Sans décision écrite, votre IA reprend souvent l’ancienne piste ; avec une ligne datée sur la page du projet, que le coffre appelle sa fiche, elle reprend votre décision. Projet fictif, aucune mesure chez des acheteurs. Testés : ChatGPT, et quatre agents (des IA qui ouvrent elles-mêmes vos fichiers, comme Claude Code et Codex) avec six modèles, en sept couples. Dans ChatGPT, fiche collée : la nouvelle décision 3 fois sur 3 ; sans elle, l’ancienne 3 fois sur 3 (entrée 15).

Voir l’offre

Sans décision écrite : l’ancienne piste, 28 fois sur 42. Avec une ligne datée sur la fiche : la décision, 125 fois sur 126.

  1. Claude Code claude-sonnet-5-5ancienne piste 0 / 6décision 18 / 18
  2. Claude Code claude-haiku-5-5ancienne piste 5 / 6décision 18 / 18
  3. Codex gpt-6.1-solancienne piste 5 / 6décision 18 / 18
  4. Codex gpt-6-lunaancienne piste 4 / 6décision 18 / 18
  5. OpenCode minimax-m3.1-flash-freeancienne piste 6 / 6décision 17 / 18 · 1 retirée
  6. OpenCode deepseek-v4.1-flash-freeancienne piste 3 / 6décision 18 / 18
  7. Hermes gpt-6.1-solancienne piste 5 / 6décision 18 / 18
Un carré : une réponse. Sans décision écrite : gris plein, l’ancienne piste ; gris évidé, « rien n’est décidé ». Avec la ligne datée : noir plein, la décision ; noir évidé, une réponse donnée puis retirée par l’IA. Par ligne, 6 essais sans, 18 avec, sur un projet fictif : trop peu pour mesurer une fiabilité. ChatGPT, testé à part : entrée 15, plus bas. Entrée 1 ↓

Le registre

Ouvrez une phrase pour voir ce qui la prouve.

Le test, et le moment où vous choisissez

  1. 1« Dans nos essais, les agents répondent depuis une décision écrite. »20 et 21 oct. 2026
    Ce qui la prouve
    tests des 20 et 21 octobre 2026, sept couples agent et modèle dans Claude Code, Codex, OpenCode et Hermes, sur six modèles. Avec une décision écrite, dans la fiche ou une note à part : 167 réponses sur 168 donnent la décision, 1 reste indéterminée après rétractation. Compte d’origine : 168 sur 168, avant la relecture du 22 octobre. Pour la ligne dans la fiche seulement : 125 sur 126, 1 indéterminée. Donner la décision ne signifie pas que l’ancienne piste a été écartée.
    Date
    20 et 21 octobre 2026 ; lecture révisée le 22 octobre.
    Ne prouve pas
    un résultat chez vous ou sur d’autres modèles. Un scénario fictif, 3 essais par cas dans deux mises en place : une démonstration, pas une mesure de fiabilité.
    Avec les consignes 1.0.5
    dans le second test, la décision n’était écrite que dans une note à part. 2 réponses sur 15 donnent la décision ; 13 disent d’abord que rien n’est inscrit dans la fiche, dont 11 citent ensuite la note sans la confirmer et 2 ne la mentionnent pas. Cette série n’entre pas dans les 168 réponses précédentes. Dans la 1.0.6, issue de ces consignes, inscrivez la décision en vigueur dans la fiche du projet.
  2. 2« Écrivez ce que la décision remplace. »20 et 21 oct. 2026
    Ce qui la prouve
    OpenCode avec MiniMax, ligne datée sans « remplace » : ancien format gardé à côté 6 fois sur 6 ; avec « remplace » : écarté 5 fois sur 6. Claude Code avec Haiku : ancien format laissé ouvert 1 fois sur 6 sans ce mot.
    Date
    20 et 21 octobre 2026.
    Ne prouve pas
    que chaque modèle en ait besoin. OpenCode avec DeepSeek, Codex et Hermes écartaient l’ancien format sans ce mot.
  3. 3« Vous tranchez, puis vous demandez à l’agent de proposer la ligne sans écrire. »20 et 21 oct. 2026
    Ce qui la prouve
    demande explicite (« sans rien écrire, et attends mon accord »), outils de lecture seule : 42 propositions sur 42 sans écrire, 41 sur 42 demandant l’accord en toutes lettres. Sept couples agent et modèle, 6 essais chacun.
    Date
    20 et 21 octobre 2026 ; lecture révisée le 22 octobre.
    Ne prouve pas
    l’attente avec des droits d’écriture, ni l’effet des consignes du coffre : la demande imposait l’attente, le « oui » était simulé par un script. Certaines lignes omettaient ce qu’elles remplaçaient. Relisez la ligne avant de l’accepter.
  4. 4« Si vous demandez la ligne avant d’avoir choisi, l’agent peut reprendre l’ancienne piste. »20 oct. 2026
    Ce qui la prouve
    Claude Code avec Sonnet, quand la consigne lui demandait de dégager lui-même la décision de la conversation la plus récente : ancienne piste 3 fois sur 6, la bonne 2 fois, aucune ligne proposée 1 fois.
    Date
    20 octobre 2026.
    Ne prouve pas
    la même chose pour d’autres agents. Un seul agent, un seul scénario.

OpenCode avec MiniMax, même ligne datée, avec ou sans « remplace »

Sans « remplace » : l’ancien format gardé à côté6 sur 6
Avec « remplace » : l’ancien format écarté5 sur 6
Un carré : un essai. Scénario fictif, 20 et 21 octobre 2026. Entrée 2.

Ce que vous recevez

  1. 5« Margelle ne fournit pas d’IA : vous utilisez la vôtre. »22 oct. 2026
    Ce qui la prouve
    le coffre livré, le parcours pas à pas, les guides, les consignes et Margelle Hub, le plugin des mises à jour. Aucun modèle ni abonnement IA fourni.
    Date
    1.0.6, état produit du 22 octobre 2026.
  2. 6« Margelle Hub montre ce qui va changer avant d’écrire et garde vos modifications. »16 et 22 oct. 2026
    Ce qui la prouve
    le guide des mises à jour et le plugin : plan avant écriture, fusion ou « À examiner », refus d’annuler si cela écrase votre travail. La conservation des modifications figure dans l’état produit 1.0.6.
    Date
    fonctionnement documenté le 16 octobre 2026 ; état produit du 22 octobre.
    Ne prouve pas
    une mise à jour de coffre modifié rejouée devant témoin. Margelle Hub ne remplace pas une sauvegarde.
  3. 7« Margelle Hub n’envoie pas le contenu de vos notes. »16 oct. 2026
    Ce qui la prouve
    ce que le plugin transmet, d’après son code : à l’activation, la clé de licence, un identifiant d’appareil tiré au hasard, le type de l’appareil (ordinateur ou mobile) et son système (par exemple « Ordinateur · Windows »), et les versions du Hub et du coffre ; ensuite, le jeton reçu à l’activation, ces versions et le nom de ce qu’il télécharge. Rien du contenu des notes.
    Date
    fonctionnement documenté le 16 octobre 2026.
    Ne prouve pas
    ce que votre IA transmet à son fournisseur. Ce qu’elle lit lui est envoyé pour produire la réponse.
  4. 8« Les tableaux des projets signalent un projet actif resté sans prochaine action. »version 1.0.4.
    Ce qui la prouve
    la Base des projets livrée (PROJETS.base) et ses vues d’anomalies.
    Date
    version 1.0.4.
    Ne prouve pas
    une correction. La Base signale ; elle ne corrige rien.
  5. 9« Dans la 1.0.6, la fiche du projet demande ce que chaque décision remplace. »22 oct. 2026
    Ce qui la prouve
    le modèle « Décisions en vigueur » et la consigne de fin de séance construits pour la 1.0.5, repris dans la 1.0.6 selon l’état produit. L’agent propose la ligne après votre choix et a pour consigne d’attendre votre accord.
    Date
    22 octobre 2026.
    Ne prouve pas
    une décision détectée seule, ni un verrou logiciel. Relisez la ligne avant de l’accepter.

Ce que le plugin des mises à jour transmet

Transmis
  • à l’activation : votre clé de licence
  • un identifiant d’appareil tiré au hasard
  • le type et le système de l’appareil, ordinateur ou mobile
  • les versions du Hub et du coffre
  • ensuite : le jeton reçu à l’activation, ces versions et le nom de ce qu’il télécharge
Jamais envoyé par le plugin

le contenu de vos notes

Ce que votre IA envoie à son fournisseur dépend d’elle, pas du coffre. Entrée 7.

Retrouver une note d’avant

  1. 10« Votre IA cherche ce que vous avez noté, grâce à vos mots et à vos liens. »20 oct. 2026
    Ce qui la prouve
    une recherche de Claude Code en lecture seule, enregistrée dans le coffre de démonstration le 20 octobre 2026 et présentée sur la page Démonstration.
    Date
    20 octobre 2026.
    Ne prouve pas
    la fiabilité, ni le retour d’une ancienne idée chez un acheteur. Un seul essai, sur une scène reconstituée. La recherche par le sens demande un module en plus.
  2. 11« Le 28 septembre 2026, mon agent a relié un blocage du jour à une note du 21 mai 2024. »
    Ce qui la prouve
    la note de 2024 atteste son texte et sa date.
    Ne prouve pas
    le rapprochement lui-même. Il est raconté par moi et reconstitué pour la démonstration ; aucune transcription de cette séance n’est publiée.

Une note du 21 mai 2024, reliée le 28 septembre 2026

La note est datée ; le rapprochement est raconté par moi, sans transcription publiée. Entrée 11.

Ce que je dis de moi

  1. 12« C’est le socle du système avec lequel je travaille chaque jour. »20 oct. 2026
    Ce qui la prouve
    ma déclaration et mes journaux de séances, relus mot pour mot le 20 octobre 2026.
    Date
    20 octobre 2026.
    Ne prouve pas
    un résultat d’acheteur. Mes notes et mes extensions, les outils ajoutés à mon propre système, ne sont pas livrées.
  2. 13« Plus de 600 personnes ont suivi Obsidian Expert. »2023
    Ce qui la prouve
    le nombre de participants du programme Obsidian Expert (2023), montré sur demande.
    Date
    programme de 2023.
    Ne prouve pas
    des acheteurs ou des résultats de Margelle. C’est un autre programme.
  3. 15« Testé dans ChatGPT : collez vos notes et votre fiche, ChatGPT répond depuis la décision écrite. »21 oct. 2026
    Ce qui la prouve
    test dans ChatGPT, le 21 octobre 2026, GPT-6, effort « Extra High », compte payant de Mike avec sa personnalisation, conversation éphémère, notes fictives. Avec les deux anciennes conversations seules, l’ancien format est donné comme décidé, 3 fois sur 3. Avec la fiche du projet et sa ligne datée « remplace la piste de juillet », le nouveau format est donné en citant cette ligne, 3 fois sur 3. Dans les 9 essais du « Tri du soir » (3 jeux fictifs × 3), ChatGPT trie les notes, juxtapose les pistes contradictoires sans choisir, recopie la décision datée et ce qu’elle remplace, puis la cite en vigueur dans une conversation neuve. Seuls 3 de ces essais ont été rejoués avec la version actuelle du message de l’étape 2, sur un seul des trois jeux de notes : même résultat. La version courte a donné 3 réponses sur 3 avec les quatre éléments demandés : choix, titre, quoi écrire et prochaine action.
    Date
    21 octobre 2026, chatgpt.com, GPT-6, effort « Extra High », compte payant de Mike avec sa personnalisation, conversation éphémère neuve à chaque essai, notes fictives.
    Ne prouve pas
    un autre modèle, un effort plus bas, un compte gratuit, de vraies notes ou le souvenir d’une décision. Le résultat vient de la fiche collée. Trois essais par cas : une démonstration, pas une mesure de fiabilité. Dans 6 fiches sur 9, ChatGPT a recopié l’ancienne décision sous la nouvelle ; il l’a parfois citée en premier avant de la dire remplacée. Aucun essai n’a échoué pour cette raison. Gardez une seule ligne de décision par sujet.
    Configuration avancée
    la lecture du coffre par ChatGPT, avec le tunnel sécurisé et le MCP Optimike, a été testée dans mon coffre le 20 septembre 2026 : dans une conversation neuve, ChatGPT a ouvert lui-même les consignes, une skill et une note de référence, et est arrivé, sur trois notes, aux mêmes conclusions qu’un autre connecteur. Le 21 octobre, un essai a lu un contenu vide : le serveur était en reconstruction ce matin-là. Ce n’est pas une garantie de choix parfait sur toute demande. Cette installation n’est pas livrée avec Margelle ; le parcours se suit par copier-coller. Le 20 septembre 2026, une modification demandée depuis ChatGPT a aussi été appliquée, vérifiée par ce MCP, puis contrôlée à part par un autre agent : l’ajout présent une seule fois, le reste de la note inchangé, à part sa date de modification. Le refus d’une modification préparée avant une retouche a été essayé sur des copies de Margelle le 23 octobre 2026 (voir l’entrée 20), pas encore depuis ChatGPT. Ce que fait ce MCP, et les autres essais →

    Le même essai est publié sur optimike.net, par le même auteur, avec une version antérieure de l’outil : voir la page.

  4. 20Une modification d’agent, refusée parce que la note avait été retouchée entre-temps.23 oct. 2026

    Sur des copies de Margelle dans sa version de ce jour-là, avec la version publique 3.13.0 du MCP Optimike, Codex (GPT-6.1) puis Claude Code (Claude Sonnet 5.5). Claude Code a préparé sa modification par le MCP sans qu’on le lui demande ; pour Codex, c’est mon script qui l’a préparée dans le MCP. Une retouche a été saisie dans Obsidian par un script. La modification préparée avant elle a été refusée, et la fiche n’a pas changé d’un octet. Une modification autorisée, renvoyée à l’identique, n’a été ajoutée qu’une fois.

    Ce qui le prouve
    deux cas conformes, un par agent, selon un protocole écrit avant le premier essai puis amendé trois fois. Les reçus du MCP et la comparaison des fichiers avant et après, octet par octet. Une relecture par un autre modèle d’IA (Claude Opus), qui a validé le constat, pas cette page. Trois autres tentatives n’ont pas abouti, sans rien écrire ; elles sont conservées. Le dépôt du test comparatif →
    Ce que ça ne prouve pas
    que le MCP fait mieux que l’agent seul (sans lui, les mêmes agents ont aussi gardé la retouche, en deux essais) ; ce qui se passe pour une retouche ailleurs dans la note ; une réponse perdue ou une connexion coupée ; une écriture qui ne passe pas par ses outils protégés ; d’autres agents, d’autres modèles ou d’autres scénarios ; ChatGPT ; l’usage par une personne, puisque la retouche et les messages d’accord étaient envoyés par des scripts.

Mon relevé, et les avis

  1. 16« 25 pages web gardées en 15 jours, 3 lues, 1 utilisée. »oct. 2026
    Ce qui la prouve
    un relevé de mon propre coffre.
    Date
    octobre 2026.
    Ne prouve pas
    un ratio du produit. C’est un relevé de mon coffre, à cette date.
  2. 17« Au 21 octobre 2026, aucun avis d’acheteur publié sur ce site. »21 oct. 2026
    Ce qui la prouve
    aucun avis reçu ni publié à cette date. Tout témoignage publié dira si l’accès a été offert et le lien réel de la personne avec moi.
    Date
    21 octobre 2026.

Ce que les consignes ajoutent, avec un agent

  1. 18« Quand une décision change, votre agent liste les notes qui répètent l’ancienne et n’écrit rien sans votre accord, note par note. »22 oct. 2026
    Ce qui la prouve
    Sur un scénario fictif écrit avant le test, avec 5 couples agent et modèle et 3 essais par cas, revérifiés à l’aveugle, la règle de Margelle n’a modifié aucune note à garder (0 sur 30, contre 3 sur 30 avec la règle précédente) et n’a jamais proposé de toucher à l’historique (0 sur 60, contre 7 sur 60). Redites repérées : 60 sur 60 (contre 56 sur 60). Couples : Claude Code avec Sonnet, Claude Code avec Haiku, Codex avec gpt-6.1-sol, Codex avec gpt-6-luna, OpenCode avec DeepSeek V4.1 Flash. Scénario : un atelier de réparation de quartier, 13 notes dont 4 redites.
    Date
    22 octobre 2026, avant la publication de la 1.0.6.
    Ne prouve pas
    une garantie : un seul scénario, pas encore essayé dans un vrai coffre. Le bilan des fichiers modifiés était conforme au disque 30 fois sur 30 ; la remise en l’état n’a jamais eu à servir. C’est une consigne, pas un verrou.
  2. 19« Dites « on reprend » : votre agent fait le point, sans rien écrire. »21 oct. 2026
    Ce qui la prouve
    cinq couples agent et modèle (Claude Code avec Sonnet, Claude Code avec Haiku, Codex avec sol, Codex avec luna, OpenCode avec DeepSeek), 3 essais chacun, sur un scénario fictif : un point complet 15 fois sur 15 avec la consigne, aucune fois sans. Sans la consigne, certains font un point partiel et les Claude demandent le plus souvent quoi reprendre. Aucune écriture.
    Date
    21 octobre 2026, sur la 1.0.5 ; consigne inchangée dans la 1.0.6, au nom près.
    Ne prouve pas
    un résultat dans un vrai coffre, ni avec d’autres modèles. Ce test compte cinq couples ; le test de lecture de la décision en compte sept.

Ce que vous payez, ligne par ligne

  1. 21« Votre IA propose une place à chaque note, sans que vous disiez où ; vous dites oui. »21 oct. 2026
    Ce qui la prouve
    le test « Premier contact », avec Claude Code et Sonnet, 3 essais, droits d’écriture ouverts : aucune écriture avant le « oui », une note créée et rien d’autre de modifié, puis un compte rendu en quatre lignes. Les règles de rangement sont écrites en clair dans le coffre.
    Date
    21 octobre 2026, sur la version précédente du coffre ; consigne inchangée dans la version du 23 octobre.
    Ne prouve pas
    un résultat avec d’autres IA, ni dans un coffre qui a déjà des projets : un seul couple, 3 essais, une seule idée. Ni que l’IA cite la règle qu’elle suit : ce test-là a échoué le 23 octobre (1 essai sur 3 avec Claude Code, 2 sur 3 avec Codex, pour un seuil de 3 sur 3), et la phrase a quitté le site.
  2. 22« Les consignes de votre IA sont déjà écrites dans le coffre. »23 oct. 2026
    Ce qui la prouve
    le coffre livré : les consignes de l’agent et 12 skills, en texte clair, posées là où Claude Code et Codex les cherchent ; 48 modèles de notes et 13 tableaux. Trois skills ont un test de comportement : les décisions (entrée 18), « on reprend » (entrée 19) et le rangement (entrée 21).
    Date
    coffre livré le 23 octobre 2026.
    Ne prouve pas
    qu’une IA les applique : sa liste de consignes lues ne prouve pas qu’elle en suit les règles. Les neuf autres skills sont des consignes écrites ou mon propre usage ; Skill Forge n’a été jouée par aucun test du produit.
  3. 23« Le parcours : 12 leçons, dont 11 vidéos (1 h 18), et 14 guides écrits. »23 oct. 2026
    Ce qui la prouve
    la liste des leçons, avec la durée de chaque vidéo et son repère « C’est réussi si… », sur la page Le parcours.
    Date
    catalogue du 23 octobre 2026.
    Ne prouve pas
    que vous le suivrez jusqu’au bout : aucun taux de complétion n’est mesuré.
  4. 24« Je vous réponds moi-même sous 2 jours ouvrés, sinon 30 jours d’aide en plus. »CGV, art. 8
    Ce qui la prouve
    l’engagement écrit dans les conditions générales de vente, qui vous donne un recours à chaque dépassement constaté, hors absences annoncées.
    Date
    conditions générales de vente, article 8.
    Ne prouve pas
    un délai moyen observé : il n’y a pas encore assez de questions d’acheteurs pour en calculer un.
  5. 25Margelle 1.1, état du produit vendu au 27 octobre 202627 oct. 2026
    Ce qui la prouve
    Le coffre Margelle 1.1.0 livré : 14 skills, dont 5 de base, 6 pour traiter vos sources (leurs outils externes ne sont pas installés avec le coffre) et 3 pour aller plus loin, dont 2 en version d’essai, avec 0 usage réel confirmé sur 3 ; 13 tableaux et des modèles de notes.
    Source
    Inventaire du coffre établi le 26 octobre 2026 et archive Margelle-1.1.0.zip, SHA-256 : 7a65126d…e9ae1.
    Date
    État du produit vendu au 27 octobre 2026.
    Ne prouve pas
    Que votre IA applique ces consignes, ni que les outils externes de traitement des sources soient prêts à l’emploi sur votre poste. Aucun décompte global des modèles de notes n’est établi.

Les sept combinaisons agent + modèle

Projet fictif, lecture seule, 3 essais par cas.

Le tableau, colonne par colonne
Tests des 20 et 21 octobre 2026
Agent et modèleAvec une décision écriteSans décision dans la ficheLigne sans « remplace » : ancien format encore valable ?Sur demande : propose sans écrire, accord simulé
Claude Code · claude-sonnet-5-524 sur 24rien de consigné, 6 sur 6non (une réserve sur 6)6 sur 6 ; accord demandé 6 sur 6
Claude Code · claude-haiku-5-524 sur 24juillet, 5 sur 6 ; rien de consigné, 1oui, 1 sur 66 sur 6 ; accord demandé 6 sur 6
Codex · gpt-6.1-sol24 sur 24juillet, 5 sur 6 ; rien de consigné, 1non, 0 sur 66 sur 6 ; accord demandé 6 sur 6
Codex · gpt-6-luna24 sur 24juillet, 4 sur 6 ; rien de consigné, 2 (dont 1 qui conclut ensuite juillet)non, 0 sur 66 sur 6 ; accord demandé 5 sur 6
OpenCode · minimax-m3.1-flash-free23 sur 24 ; 1 indéterminée (rétractée)juillet, 6 sur 6oui, 6 sur 66 sur 6 ; accord demandé 6 sur 6
OpenCode · deepseek-v4.1-flash-free24 sur 24juillet sans le confirmer, 3 sur 6 ; rien de consigné, 3non, 0 sur 66 sur 6 ; accord demandé 6 sur 6
Hermes · gpt-6.1-sol24 sur 24juillet, 5 sur 6 ; rien de consigné, 1non, 0 sur 66 sur 6 ; accord demandé 6 sur 6
  • Un agent par modèleSauf gpt-6.1-sol, testé dans deux agents.
  • Pas une mesureProjet fictif, 3 essais par cas, dans deux mises en place.
  • Agents isolésSans consignes personnelles, mémoire, skills ni MCP. OpenClaw : aucun test ici. ChatGPT : entrée 15.

Le protocole, en entier

Comment le test a été fait, essais écartés compris.

J’ai préparé
un atelier fictif, en vrac ou rangé comme dans Margelle, avec ou sans décision écrite.
L’agent a reçu
la même question, en lecture seule, sans mes réglages personnels. Trois essais par dossier.
J’ai gardé
toutes les réponses, et les essais écartés avec leur raison.

Ce que le test montre

La décision écrite change la réponse. Le détail des 42 réponses sans elle : entrée 1.

Ce qu’il ne montre pas

  • Un résultat avec d’autres modèles ou d’autres coffres.
  • Un gain de temps.
  • Que Margelle change seule le résultat : la ligne marche partout ; Margelle donne la fiche où l’écrire, les messages pour ChatGPT et des consignes testées à part (entrées 18 et 19).
  • Ce qui pèse le plus, de la date ou de l’emplacement de la ligne.
Le test du 10 octobre, puis Codex, OpenCode et Hermes : le détail, essais écartés compris

Le test initial du 10 octobre

Un test que vous ne pouvez pas relire ne prouve rien. Voici comment il a été fait, y compris les deux essais qui n’ont pas compté.

Date10 octobre 2026
AgentClaude Code, en mode non interactif, modèle Sonnet
Droits de l’agentLecture seule : lire, lister et chercher dans les fichiers. Aucune écriture.
IsolementSans mes instructions personnelles, sans serveur MCP, avec la consigne de travailler uniquement avec les fichiers du dossier courant.
Dossier ADeux traces de conversation avec l’IA. Juillet : « Format retenu pour le lancement : journée complète, 12 participants », avec un prix. Septembre : « Piste : un pilote plus court, de 90 minutes, avec cinq participants […]. À trancher. » Plus deux notes sans rapport avec la question, tirées d’un coffre de démonstration.
Dossier BExactement le même contenu, plus une note : « Décision, pilote atelier IA », tirée du même coffre de démonstration.
QuestionLa même, mot pour mot, dans les deux dossiers (ci-dessus).
Essais3 par dossier, soit 6 réponses, toutes conservées.
ScénarioFictif : un atelier IA pour consultants. Aucune donnée de client.
Test du 20 octobreMême question, mêmes réglages, Claude Code (claude-sonnet-5-5). Le dossier du 10/10 rejoué, puis le même contenu avec une note projet, à plat (dossier minimal) ou rangé comme un coffre Margelle avec ses consignes : sans décision écrite, avec une note de décision à part, avec une ligne datée dans la note projet, et quand l’agent propose la ligne. 53 réponses conservées, aucune écartée.

Les 6 réponses

DossierEssai 1Essai 2Essai 3
A, sans note de décisionJournée de 7 heures, 12 participants. Source : juillet.IdemIdem
B, avec note de décision90 minutes, 5 participants, aucun prix fixé. Source : la décision.Idem, et juillet présenté comme remplacéIdem
Dans les trois essais sans note de décision, l’agent cite aussi la piste de septembre, mais la juge « non tranchée ». Prix du scénario omis.

Les deux essais qui n’ont pas compté

  • Premier essai, écarté. Il partait de copies complètes d’un coffre de démonstration. Dans la version sans règles, l’agent est sorti de son dossier et a cherché ailleurs sur l’ordinateur. Ses réponses ne mesuraient plus rien : elles ont été écartées et ne sont pas publiées.
  • Deuxième essai, sans écart. La note de décision était présente dans les deux copies : l’agent l’a trouvée à son titre et a répondu juste partout, 3 fois sur 3 de chaque côté. On ne pouvait rien en conclure, d’où les deux dossiers minimaux du test retenu.

Avec Codex, OpenCode et Hermes : la ligne datée, et ce qu’elle remplace

Le même jour, le même protocole a été repris à l’identique, mêmes dossiers, avec Codex (gpt-6.1-sol, effort high) et OpenCode (son modèle gratuit par défaut, minimax-m3.1-flash-free) : 36 appels chacun, chacun depuis une copie neuve, en lecture seule. Le soir, Hermes Agent (v0.17.0, gpt-6.1-sol, effort medium) a passé exactement le même protocole.

  • Avec une décision écrite dans la fiche du projet, Codex avec gpt-6.1-sol et Hermes avec le même modèle donnent la décision 18 fois sur 18 chacun ; OpenCode avec MiniMax, 17 fois sur 18, 1 réponse restant indéterminée après rétractation. Cela ne signifie pas que l’ancienne piste est écartée dans chaque réponse.
  • Sans décision inscrite dans la fiche, juillet est présenté comme retenu 5 fois sur 6 avec Codex gpt-6.1-sol et Hermes gpt-6.1-sol, 6 fois sur 6 avec OpenCode MiniMax. Dans ce même scénario fictif, Claude Code avec Sonnet dit d’abord qu’aucune décision actuelle n’est consignée ou confirmable 6 fois sur 6 ; Haiku présente juillet comme retenu 5 fois sur 6. Lecture révisée le 22 octobre 2026.
  • Avec la ligne datée seule, OpenCode donne le pilote mais garde l’ancien format à côté, 6 fois sur 6. Quand la ligne dit ce qu’elle remplace, il l’écarte 5 fois sur 6 ; la sixième réponse déraille et se rétracte. Codex et Hermes, eux, écartent l’ancien format même sans ce mot, 6 fois sur 6.
  • Quand vous tranchez et le demandez explicitement, Codex gpt-6.1-sol, OpenCode MiniMax et Hermes gpt-6.1-sol proposent la ligne sans écrire et demandent l’accord en toutes lettres, 6 fois sur 6 chacun. Outils de lecture seule, « oui » simulé par un script : ce n’est pas un essai avec droits d’écriture.

Le 21 octobre, trois autres modèles ont passé le même protocole : Claude Code avec Haiku, Codex avec gpt-6-luna, OpenCode avec DeepSeek. Dans S1-S2, avec une décision écrite dans la fiche ou une note à part, les sept couples donnent la décision 167 fois sur 168 ; 1 réponse reste indéterminée. Compte d’origine : 168 sur 168, avant la relecture du 22 octobre. Pour la ligne dans la fiche : 125 sur 126, 1 indéterminée. Sans « remplace », Haiku a laissé l’ancien format ouvert 1 fois sur 6 ; DeepSeek, aucune. Projet fictif, 3 essais par cas.

Ce qui était faux : les six premiers essais de Codex ont tourné avec un réglage qui l’empêchait de lire les fichiers ; ils ont été écartés, archivés et refaits. Hermes, prévu l’après-midi, a tourné le soir, une fois son compte reconnecté.

Le test compare des couples agent et modèle, pas des agents seuls ; chaque nouveau modèle n’a été testé que dans un agent, et Codex et Hermes partagent gpt-6.1-sol ; même scénario fictif ; 3 essais par cas. Le détail agent par agent

Les limites

  1. Vous tranchez ; la dernière décision écrite vit dans la fiche du projet.
  2. Le coffre, votre dossier de notes, ne repère pas seul les contradictions ; l’agent peut en signaler une en lisant.
  3. Les résultats valent pour les IA et conditions nommées.
  4. Ce que votre IA lit part chez son fournisseur. Avec ChatGPT, vous choisissez ce que vous collez ; avec un agent, gardez hors du coffre ce qui ne doit pas sortir.
  5. Aucun gain de temps ni résultat d’acheteur mesuré. Les comptes ont été relus par deux agents, avec une grille écrite ; je ne les ai pas encore recomptés moi-même.

Vous voulez les réponses complètes, ou vous avez vu une erreur ? Écrivez-moi : contact@optimike.net.

Voir l’offre

350 € TTC · 14 jours pour changer d’avis