Framework #FLTR — Note méthodologique

Open source du pipeline de publication

Refonte majeure de la note méthodologique avec séparation claire entre l'intelligence éditoriale FLTR et l'infrastructuré technique de publication.

Ce qui change

• Note méthodologique simplifiée : recentrée sur les 5 piliers, la posture éditoriale et le fonctionnement du pipeline
• Pipeline open-source : publication du système de publication multiplateforme sous forme de skill Claude Code
• Repo GitHub public : publish-from-notion
• GitHub Sponsors : mise en place du programmé de sponsoring

Ce qui est conserve

• Les 5 piliers : Souveraineté, Imprévisibilité, Mobilité, Factualité, Solidarité
• La boucle de feedback : le système d'amélioration continue
• Le journal des changements : évolutions techniques et corrections éditoriales
• Le scoring Charte de Munich : référentiel déontologique

Publication multi-plateforme : Bluesky

FLTR publié désormais sur 6 plateformes simultanément. Bluesky (AT Protocol) rejoint Ghost, LinkedIn, Facebook, Twitter/X et Mastodon dans le pipeline de publication automatisé.

Architecture technique

• Protocole AT natif : Authentification par session, creation de posts via com.atproto.repo.createRecord
• Facets : Détection automatique des URLs et hashtags avec calcul des byte offsets UTF-8 pour le rich text
• Embed cards : Extraction des métadonnées Open Graph (titre, description, image) avec décodage des entités HTML
• Gestion des images : Upload de thumbnails via blob, avec respect de la limite 1 Mo de Bluesky

Pipeline de publication

• Synchronisation Notion : Détection des articles a publier, génération du contenu via Claude, creation des pages Bluesky dans la base dédiée
• Timing : LinkedIn +60 minutes (après Ghost -15, Facebook +15, Twitter +30, Mastodon +45)
• Format : 300 caractères max, ton analytique, 0-2 emojis, pas de hashtags

Corrections embarquées

• Decodage HTML : Les métadonnées OG de Ghost contiennent des entités HTML — décodage systématique pour titres, descriptions et URLs d'images
• Prévention du shadowing : Import html as html_module pour éviter le conflit avec la variable locale html = resp.text

Veille automatisée des initiatives

FLTR ne se contente plus d'analyser des articles — il repère aussi les initiatives concrètes qui illustrent les 5 piliers en action : ONG, coalitions, outils, lois, mouvements citoyens.

Pourquoi c'est important

Documenter les problèmes ne suffit pas. Pour agir, il faut aussi connaître les solutions qui fonctionnent déjà. Cette mise à jour crée une base de données d'exemples inspirants, directement alimentée par la veille quotidienne.

Comment ça fonctionne

• Détection automatique : Lors de l'analyse d'un article, Claude identifié les initiatives mentionnées qui ont un résultat mesurable
• Déduplication : Avant creation, vérification que l'initiative n'existe pas déjà (similarité nom + type + piliers)
• Matching intelligent : Chaque nouvelle initiative est automatiquement liée aux pistes d'action correspondantes

Critères d'inclusion

Une initiative n'est capturée que si elle remplit tous ces critères :

• Action concrète (pas juste une annonce)
• Résultat mesurable (victoire juridique, adoption, utilisateurs...)
• Source vérifiable (URL vers site officiel)
• Replicable ou inspirant pour d'autres contextes

Action non-violente stratégique (Gene Sharp)

Integration d'un nouveau cadre théorique pour guider la génération des pistes d'action de type Résistance. Base sur les travaux de Gene Sharp (From Dictatorship to Democracy), ce cadre privilegie le retrait de consentement sur la confrontation directe.

Trois catégories de méthodes

• Protestation et persuasion : Rendre visible le désaccord (marches, petitions, vigiles)
• Non-cooperation : Retirer son soutien économique, social ou politique (boycotts cibles, greves, retrait de services)
• Intervention non-violente : Creer des faits accomplis (institutions paralleles, alternatives qui rendent l'adversaire obsolète)

Piliers du pouvoir a cibler

• Ressources financières (investisseurs, annonceurs, clients entreprise)
• Ressources humaines (employés, développeurs, modérateurs)
• Compétences et savoirs (experts, consultants qui légitiment)
• Ressources materielles (fournisseurs, infrastructuré)
• Autorité et légitimité (médias, institutions, opinion publique)

Intégrité éditoriale : viral ≠ pertinent

Un article peut faire du bruit sans contribuer à la compréhension des enjeux. Cette mise à jour corrigé une faille dans le système de filtrage : un article "viral" (2+ critères de viralité) mais hors-sujet sur les 5 piliers ne doit pas polluer les chaînes de publication.

La solution

Après l'analyse Sonnet, si le score de pertinence est inférieur a 7/10, l'article est rejeté — même s'il avait passe le filtre de viralité.

Les 5 critères de viralité (rappel)

• Coalition : Alliance entre acteurs differents
• Rapport de force : Victoire/défaite, inversion de rapport
• Chiffre + Acteur : Donnee quantifiée avec un nom propre
• Précédent : Premier cas historique
• Outil concret : Solution pratique, alternative utilisable

Publication automatique sur Twitter/X

Les analysés FLTR sont désormais publiées automatiquement sur Twitter, avec un format optimise pour le réseau : 250 caractères max, accroche percutante suivie d'un angle unique.

Comment ça fonctionne

• Génération : Un tweet est créé pour chaque article
• Programmation : Publication automatique 45 minutes après Ghost (+15 min après LinkedIn, +15 min après Facebook)
• Card OG : Twitter affiche automatiquement l'image et le titre depuis les métadonnées Ghost

Migration vers Claude Haiku 4.5

Mise à jour du modèle de pré-filtrage suite à l'annonce d'Anthropic : Claude Haiku 3.5 sera retiré le 19 fevrier 2026.

Impact sur les coûts

Haiku 4.5 est facturé $1/$5 par million de tokens (input/output), contre $0.25/$1.25 pour Haiku 3.5. Le coût du pré-filtrage est multiplie par 4, mais reste marginal dans le budget global (environ $1/mois pour 1500 articles filtrés).

Les feedbacks éditoriaux s'appliquent partout

Correction d'un bug structurel : les generateurs LinkedIn et Facebook utilisaient une version tronquée de la charte éditoriale (3000 caractères) et n'intégraient pas les feedbacks valides.

Ce qui change

• Socle complet : plus de troncature a 3000 caractères
• Grille d'analyse : les 5 piliers sont pris en compte
• Feedbacks éditoriaux : toutes les règles validées (tournures interdites, observations, exemples) sont injectées dans le prompt

Ce journal devient public

Publication de ce journal des évolutions sur la note méthodologique FLTR. Désormais, chaque modification du protocole FLTR est automatiquement documentée et rendue accèssible.

Pourquoi c'est important : Dans l'esprit de la Charte de Munich, la transparence sur les méthodes de travail est un pilier de la déontologie journalistique. Ce journal rend visible ce qui est habituellement invisible : les choix éditoriaux inscrits dans les outils.

Voir l'analyse FLTR face à la Charte de Munich →

Le protocole apprend de ses erreurs

Mise en place d'un système de feedback qui permet d'affiner les règles d'analyse au fil du temps, sans jamais modifier les principes fondamentaux (les "5 piliers de la liberté").

Ce qu'on privilegie désormais

• Les sources qui montrent comment faire : Priorité aux articles qui documentent des cas concrets avec des mécanismes explicites
• Les alliances inattendues : Bonus pour les articles qui montrent des coalitions entre acteurs qu'on n'attendrait pas ensemble

Ce qu'on évite désormais

• Les adjectifs creux : Plus de "fascinant", "intéressant", "remarquable"
• Les formules émotionnelles toutes faites : Plus de "fait froid dans le dos", "glacant", "donne le vertige"
• Les drames vagues : Plus de "catastrophique" ou "irréversible" sans préciser pour qui, a quelle échéance, par quel mécanisme
• Les erreurs de flux financiers : Vérification systématique du sens de l'argent (qui paie qui) avant toute reformulation

Publication automatique sur Facebook

Les analysés FLTR sont désormais publiées automatiquement sur Facebook, avec un ton adapté au grand public : tutoiement, vocabulaire accèssible, moins de jargon.

• Chaque publication inclut un "point de vigilance" : les limites de l'analyse sont explicitement mentionnées
• Une "piste d'ouverture" propose des questions plutôt que des prescriptions
• Le lien vers l'article complet permet d'approfondir

Nouvelle dimension dans le scoring : l'activabilité

• Les articles alarmistes sans pistes d'action sont pénalisés
• Les articles qui documentent des solutions existantes sont favorisés
• La diversité des titres est encouragée (moins de "Quand..." en boucle)

Publication sur Discord. Les analysés sont désormais partagées sur le serveur Discord FLTR, avec un ton plus direct (tutoiement).

Passage en production

Le protocole FLTR devient pleinement opérationnel avec une chaîne de publication automatisée.

Comment ça fonctionne

• Détection : Les flux d'actualité sont surveillés en continu
• Pré-filtrage : Un premier tri éliminé les articles hors sujet (score inférieur a 5/10)
• Analyse complète : Les articles retenus sont analysés selon les 5 piliers
• Publication : Si le score atteint 7/10, l'article est publié sur le site
• Diffusion : Les réseaux sociaux sont alimentés automatiquement

Refonte de l'architecture

Séparation claire entre les règles éditoriales (la "charte") et le code qui les applique.

• La philosophie FLTR et les 5 piliers de la liberté
• Les critères d'analyse (grille Meadows, archetypes Senge)
• Le système de scoring bidimensionnel (pertinence + qualité documentaire)
• Les formats de publication par plateforme

Le pilier "Sociabilité" est renommé "Solidarité" pour mieux refléter l'intention originale de Timothy Snyder.

Première version

Lancement du système de veille automatisé FLTR.

• Framework théorique : Les "5 piliers de la liberté" de Timothy Snyder servent de grille d'analyse
• Scoring : Chaque article est note de 0 a 10 selon sa pertinence pour comprendre les enjeux technopolitiques
• Multi-canal : Publication sur le site (articles longs), LinkedIn (réseau professionnel), et Instagram (format visuel)

Garde-fous factuels — validation bloquante et source-grounding

Un post LinkedIn publié contenait une étude entièrement fabriquée par le modèle. L’audit des 10 brouillons suivants a révélé 1 exagération grave, 2 contaminations croisées et 1 violation de tournure. Cette version ajoute 6 couches de protection.

Ce qui change

• Règle F4 : toute référence académique (étude, rapport, enquête) doit être traçable dans l’article source. Absente = inexistante.
• Anti-contamination croisée : interdiction d’injecter des faits provenant des connaissances générales du modèle. Seuls les éléments de la source sont utilisables.
• 4 regex FORBIDDEN_PATTERNS : détectent les signaux de fabrication (« une étude de [mois] [année] » et variantes)
• Validation bloquante : les 4 workflows de génération (LinkedIn, Facebook, Bluesky, Mastodon) tentent une régénération automatique en cas de violation, puis bloquent si le problème persiste
• Gate Ghost : notion_ghost_sync refuse de créer un brouillon Ghost si le champ Compliance n’est pas « Conforme »
• Source-grounding : nouvelle fonction qui vérifie chaque claim factuel du post contre le texte source via un appel Haiku (~0,02 $/article)
• Alertes Discord : notification automatique dans #status-update quand un post est bloqué

Ce qui ne change pas

• Le pipeline de publication reste identique (Inoreader → Notion → Ghost → RS)
• La charte éditoriale et la grille d’analyse ne changent pas
• Le principe : la machine propose, l’humain valide et publie

Audit IA-slop — triple filet et validation analyses croisées

Un post LinkedIn contenait « un mécanisme fascinant » — un mot explicitement interdit depuis janvier. L’audit systématique des 20 derniers articles Ghost et 20 derniers posts LinkedIn a révélé 51 formulations IA-slop, dont 8 violations de règles déjà définies.

Cause racine

Le flux analyses croisées (ac_social_sync_base.py) ne validait pas les FORBIDDEN_PATTERNS. Zéro check, zéro retry, zéro blocage — pendant 3 mois. Les posts d’articles individuels étaient protégés, les AC ne l’étaient pas.

Ce qui change

• +13 regex FORBIDDEN_PATTERNS : saisissant, troublant, redoutable, spectaculaire, « n’est pas anodin », « ce n’est pas un hasard », « les chiffres parlent d’eux-mêmes », tic structurel « Ce qui se joue/dessine/révèle », « brutal » sans « pour qui »
• Validation AC : ac_social_sync_base.py inclut désormais validate_social_post_compliance() + retry + blocage _compliance_blocked + statut « À revoir »
• Triple filet : tout mot banni doit figurer dans les 3 couches — socle-commun.md (prompt), FORBIDDEN_PATTERNS (pipeline), quality-checks.md (session Claude Code)
• Socle-commun : 3 nouvelles sections — « Adjectifs évaluatifs vides » (9 mots interdits), « Tics structurels » (détectés dans 65% des articles), « Formules auto-référentielles »
• Règles T8 et T9 : tic « Ce qui [verbe], c’est [Y] » et formules auto-référentielles ajoutés aux règles opérationnelles

Ce qui ne change pas

• Le pipeline de publication reste identique
• La charte éditoriale et la grille d’analyse ne changent pas
• Les articles individuels étaient déjà protégés — cette mise à jour comble le trou sur les AC

Analyses croisées — Layer 2 du pipeline

FLTR peut désormais produire des synthèses multi-sources qui font dialoguer plusieurs articles pour révéler convergences, tensions et pistes d'action émergentes.

Ce qui change

• Nouveau type de contenu : les analyses croisées (AC) complètent les analyses individuelles. Déclenchement manuel uniquement.
• Triple scoring : pertinence (0-10), valeur documentaire (0-10) et convergence (sources convergentes, tensions identifiées, angles complémentaires)
• 3 templates Ghost : Perspective (analyse approfondie), Educate (pédagogique), Signal (convergence rapide)
• Cascade AC complète : Ghost → LinkedIn (120s) → Facebook (600s) → Mastodon/Bluesky (600s)
• Newsletter comme étape du pipeline : identification de patterns dans le corpus hebdomadaire, intégrée entre le hub éditorial et le routage
• Pipeline restructuré : 11 étapes (contre 8), avec séparation claire entre extraction des pistes et boucles de rétroaction/transparence
• Facebook dans le pipeline : ajouté à la cascade de publication (articles individuels et AC)
• Token tracking : suivi de la consommation API par workflow (CSV logger)
• Twitter/X supprimé : retiré du pipeline (API 503 + nouveau modèle de tarification)

Architecture technique

• 6 LaunchAgents AC : génération (15 min), Ghost sync (60s), LinkedIn (120s), Facebook (600s), Mastodon + Bluesky (600s)
• Format JSON pivot AC : structure enrichie avec convergences, tensions, citations comparatives, initiatives détectées
• Garde-fous : le nombre de sources ne transparaît jamais, les pistes doivent être émergentes, les formules creuses sont bannies

Ce qui ne change pas

• Le principe fondamental : la machine filtre, analyse et propose. L'humain valide et publie.
• Le pipeline individuel : les 8 étapes d'analyse article par article restent inchangées
• La charte éditoriale : socle commun et grille d'analyse chargés dans chaque prompt, AC comprise

Analyses croisées — images et corrections éditoriales

Image Prompt AC

Formule Notion calculée automatiquement à partir du Ghost Template (perspective/educate/signal) et du Pilier majeur, avec palette de couleurs par pilier. Même logique que la base Articles.

Cover AC prioritaire

Le pipeline Ghost et social cherche d’abord la cover propre de la page AC (générée via Notion AI), puis se rabat sur celle du premier article source. Re-upload automatique des images Notion temporaires (S3) vers Ghost.

Fallback Ghost Template / User Need

Si le modèle omet ces champs dans le JSON, le pipeline les déduit automatiquement (user_need → ghost_template via mapping).

Correction fuite nombre d’articles

Le prompt envoyé au modèle exposait explicitement le nombre d’articles sources. Le modèle reformulait ensuite en structures binaires (« ces deux phénomènes »). Corrigé : le nombre n’est plus transmis, et une règle explicite interdit toute formulation qui permettrait au lecteur de compter les sources.

Règle : Ne jamais laisser deviner le nombre d’articles sources dans une analyse croisée. Interdit : structures binaires, numérotation implicite, toute formulation qui permet de compter les sources. Écrire comme si la synthèse émergeait d’une veille continue.

Cause : Le user message du pipeline envoyait le nombre d’articles et numérotait les sources. Le modèle recopiait cette structure dans la synthèse.

Correction : Suppression du compteur et de la numérotation dans le prompt. Ajout d’une règle explicite dans les instructions finales.

Type : éditoriale

Portée : analyses croisées

Règle : Quand un chiffre est attribue à un acteur spécifique dans la source, préserver systématiquement : (1) l'émetteur et sa position (investisseur ≠ chercheur ≠ institution), (2) le perimêtre exact de la statistique (ne jamais élargir 'startups open-source chez a16z' a 'la Silicon Valley'), (3) le degré de certitude ('80% de chance que' ≠ '80% utilisent'). Tout élargissement du perimêtre ou renforcement de la certitude déforme le fait, même si le chiffre est correct.

Contexte : Commentaire LinkedIn sur post modèles IA chinois/Silicon Valley — fevrier 2026. Source MIT Technology Review citant Martin Casado (a16z) sur X. Chiffre de 80% élargi de 'startups pitchant avec stacks open-source' a 'la Silicon Valley'.

Règle : Ne JAMAIS inclure un chiffre (montant, pourcentage, statistique) qui n'apparait pas TEXTUELLEMENT dans l'article source. Vérifier que chaque donnée chiffrée est présenté mot pour mot dans la source avant de l'intégrer à l'analysé. Ne jamais substituer un chiffre provenant d'un autre contexte (plafond théorique, article connexe, connaissance générale).

Contexte : Erreur factuelle grave sur post LinkedIn DSA/X — 30 janvier 2026. Chiffre publié : 1,8 milliard € (plafond théorique DSA). Chiffre reel dans la source : 120 millions €. Facteur d'erreur : 15x.

Règle : Dans les titres et accroches, ne jamais fusionner plusieurs étapes d'une chaîne causale en un raccourci direct. Si le mécanisme est 'A stocke X' + 'B demande X a A' + 'A transmet X', le titre ne peut pas dire 'A transmet X a B automatiquement'. Chaque étape impliquant une action humaine (demande, décision, validation) doit être préservée ou le titre doit refléter uniquement l'étape initiale ('A stocke X par défaut').

Contexte : Commentaire LinkedIn critique sur post Windows/BitLocker — 29 janvier 2026. Titre original : 'Windows 11 transmet vos cles de chiffrement au FBI automatiquement'. Erreur : fusion de 'sauvegarde cloud par défaut' + 'transmission sur demande legale' en 'transmission automatique'.

Règle : Sur les figures publiques décédées ou controversées, se mefier des narratifs hagiographiques ou accusatoires dominants. Vérifier les faits documentés indépendamment de l'intention qu'on leur prêt (des deux côtés). Question-test : 'Cette action a-t-elle eu lieu, ou est-ce l'intention qu'on lui attribue ?'

Contexte : Commentaire LinkedIn sur post Aaron Swartz/OpenAI — janvier 2026. Le narratif 'Swartz voulait liberer le savoir' est répète partout mais reste une intention présumée, jamais confirmée par lui.

Règle : Quand une action est attribuée a quelqu'un (notamment dans un contexte judiciaire ou polemique), vérifier si l'action a effectivement eu lieu ou s'il s'agit d'une intention présumée. Ne jamais utiliser un verbe d'action accomplie ('libérer', 'distribuer', 'révéler') pour une action qui n'a pas été réalisée.

Contexte : Commentaire LinkedIn sur post Aaron Swartz/OpenAI — janvier 2026. Erreur : 'libérer des articles academiques' alors que Swartz n'a jamais distribue les fichiers JSTOR.

Règle : Quand la source analysée est un texte court (< 500 mots) contenant principalement un lien vers un media reconnu (presse, magazine), la traiter comme source secondaire (agregateur/curateur). Identifier et récupérer la source primaire pour l'analysé.

Règle : Sur les sujets tech (open source, infrastructuré, cloud, code), toujours distinguer quatre dimensions : (1) qui code/contribue, (2) qui heberge l'infrastructuré, (3) qui gouverne les roadmaps, (4) qui capture la valeur économique. Ne jamais territorialiser ce qui est mondial par nature.

Règle : Sur les sujets clivants (fact-checking, souveraineté numérique, regulation des plateformes), poser soi-même la question de la légitimité démocratique ("qui mandate, selon quels critères, avec quelle responsabilité") plutôt que de la laisser aux critiques. Ça renforce la crédibilité et désamorce les attaques "qui decide ?".

Règle : Sur les sujets techniques (données, biometrie, surveillance, RGPD), toujours distinguer explicitement : (1) le MECANISME (quelles bases, quel flux, quel accès, quels critères) et (2) l'IMPACT (précédent, asymetrie, souveraineté, acteurs affectés). Une formulation imprecise sur le mécanisme offre une surface d'attaque rhetorique même quand l'analyse de fond est correcte.

Règle : Quand un article mentionne 'the President' ou 'l'administration' sans nommer explicitement la personne, vérifier la date de l'article et le contexte politique. Ne jamais inferer le nom du president à partir du contexte thematique — utiliser uniquement les indices temporels.

Règle : Ne JAMAIS utiliser la première personne du singulier ('je', 'me', 'mon') dans les analysés. Proscrire les formulations 'Ce qui me derange', 'Ce qui m'inquiète', 'je pense', 'a mon sens', 'selon moi'. Utiliser 'on', 'nous' ou des formulations impersonnelles.

Règle : Pour toute nouvelle interdiction de Tournure ajoutée au feedback, ajouter également le pattern regex correspondant dans FORBIDDEN_PATTERNS (shared_veille_functions_v2.py) pour garantir une validation post-génération.

Règle : Ne JAMAIS utiliser 'fascinant', 'intéressant', 'remarquable' comme qualificatifs d'une idée ou d'un fait. Si quelque chose mérite l'attention, expliquer POURQUOI — le mécanisme, la tension, le paradoxe — plutôt que de coller un adjectif évaluatif vide.

Règle : Proscrire les expressions clichés de type 'fait froid dans le dos', 'glacant/glacante', 'donne le vertige', 'laisse songeur', 'interpelle', 'édifiant'. Si un chiffre ou un fait est frappant, le montrer par la comparaison ou le contexte, pas par une formule émotionnelle toute faite.

Règle : Éviter les adjectifs dramatiques vagues comme 'fatal', 'catastrophique', 'irréversible' sans préciser : fatal pour QUI, a QUELLE échéance, par QUEL mécanisme. Préférer des formulations qui nomment les acteurs affectés et le type de conséquence.

Règle : Lors de l'analyse d'une relation financière entre deux acteurs (paiement, investissement, amende), vérifier systématiquement le sens du flux : QUI paie QUI. Ne jamais inverser émetteur et récepteur. En cas de doute, relire la phrase source mot à mot avant de reformuler.

Règle : Lors de l'analyse d'un article, détecter les marqueurs de source primaire externe (FR: 'Voir l'article complet', 'Source originale', 'Lire l'enquête sur' / EN: 'Read full article', 'Originally published', 'Full story at'). Si détecté, récupérer le contenu de la source primaire et attribuer les citations et données à leur origine.

Règle : Accorder un bonus de pertinence aux articles provenant de sources qui documentent des cas pratiques avec mécanismes explicites (TechPolicy.Press, Open Markets Institute, EFF, iFixit, NOEMA, La Quadrature du Net) plutôt que des éditoriaux d'opinion pure.

Règle : Privilégier les articles qui documentent des "coalitions improbables" — alliances entre acteurs qu'on n'attendrait pas ensemble (petits/grands, concurrents, secteurs differents) face à un adversaire commun. Ce pattern génère un fort engagement car il démontre que l'action collective est possible.

Règle : Quand un article documenté une coalition d'acteurs varies (petits/grands, locaux/nationaux) faisant front commun contre une plateforme dominante, lui accorder un bonus de pertinence (+1 activabilité). Ce type de recit génère un fort engagement sur LinkedIn auprès des professionnels des médias.