synthese-multi-llm
Synthèse co-fabriquée par un conseil de 3 LLMs (Claude, Gemini, Codex). Ce skill devrait être utilisé quand l'utilisateur demande une synthèse robuste, traçable et vérifiée. Il orchestre trois modèles avec des rôles experts distincts (Extracteur, Critique, Architecte) pour produire une synthèse fidèle au texte source, avec contrôle des glissements sémantiques et trail d'audit complet.
What this skill does
# Synthèse Multi-LLM (Council)
Synthèse co-fabriquée par délibération de trois LLMs : Claude, Gemini et Codex.
## Principe
> "Le sens ne s'extrait pas, il se co-fabrique."
Ce skill orchestre trois modèles IA avec des rôles experts distincts pour produire une synthèse robuste. Chaque modèle apporte une perspective différente, permettant de détecter les glissements de sens et de converger vers une synthèse fidèle.
## Prérequis
### Installation des CLI
```bash
# Claude CLI (nécessite abonnement Claude Pro/Max)
npm install -g @anthropic-ai/claude-code
claude auth login
# Gemini CLI
npm install -g @google/gemini-cli
gemini auth login
# Codex CLI
npm install -g @openai/codex
codex auth
```
### Vérification
```bash
python3 scripts/synthese.py --check
```
## Utilisation
### Phrases de déclenchement
| Phrase | Action |
|--------|--------|
| "Synthétise ce texte avec le conseil" | Processus complet multi-LLM |
| "Synthèse robuste de..." | Mode standard avec les 3 experts |
| "Synthèse rapide de..." | Mode accéléré (1 round) |
| "Analyse critique de..." | Focus sur les glissements |
| "Fais vérifier cette synthèse" | Critique croisée d'une synthèse existante |
### En ligne de commande
```bash
# Depuis un fichier
python3 scripts/synthese.py -f document.txt
# Texte direct
python3 scripts/synthese.py -t "Texte à synthétiser..."
# Mode rapide avec cadrage
python3 scripts/synthese.py -f doc.txt --mode rapide \
--destinataire "comité de direction" \
--finalite "décision" \
--longueur "5 lignes" \
--ton "formel"
# Sortie JSON
python3 scripts/synthese.py -f doc.txt --json
```
### Options
| Option | Description | Défaut |
|--------|-------------|--------|
| `--mode` | standard, rapide, critique, pedagogique | standard |
| `--destinataire` | Public cible | interactif |
| `--finalite` | Objectif de la synthèse | interactif |
| `--longueur` | Longueur souhaitée | 10-15 lignes |
| `--ton` | Registre de langue | accessible |
| `--niveau` | Expertise attendue | intermédiaire |
| `--timeout` | Timeout par modèle (secondes) | 300 |
| `--no-trail` | Désactive la sauvegarde | false |
| `--json` | Sortie JSON structurée | false |
## Architecture
### Les 3 experts
| Rôle | Modèle par défaut | Focus |
|------|-------------------|-------|
| **L'Extracteur de Substance** | Claude | Faits, données, thèse centrale |
| **Le Gardien de la Fidélité** | Gemini | Glissements, biais, omissions |
| **L'Architecte du Sens** | Codex | Structure, logique, cohérence |
### Processus en 3 rounds
```
ROUND 1: EXTRACTION
├─ Chaque expert analyse selon son focus
├─ Identification thèse + faits + structure
└─ Production de 3 analyses indépendantes
ROUND 2: CRITIQUE CROISÉE
├─ Chaque expert critique les autres
├─ Détection des divergences
├─ Calcul du score de convergence
└─ Si convergence > 80%: passe à la synthèse
ROUND 3: SYNTHÈSE FINALE
├─ Consolidation des analyses
├─ Résolution des divergences
├─ Production de la synthèse
└─ Mention des points de dissensus
```
### Score de convergence
Le score de convergence (0-100%) indique le niveau d'accord entre les experts :
- **> 90%** : Consensus fort, haute fiabilité
- **70-90%** : Accord majoritaire, quelques nuances
- **50-70%** : Divergences significatives, vérifier les points de désaccord
- **< 50%** : Divergences majeures, analyse approfondie nécessaire
## Modes de délibération
### Standard (défaut)
Processus complet en 3 rounds. Recommandé pour les textes importants ou ambigus.
### Rapide
Un seul round d'extraction, synthèse directe. Pour les textes courts et clairs.
### Critique
Focus sur la détection des glissements. Utile pour vérifier une synthèse existante.
### Pédagogique
Explique chaque étape du processus. Pour comprendre la méthode.
## Trail d'audit
Chaque session génère un fichier JSON dans `synthese_trails/` contenant :
- Texte source (tronqué)
- Paramètres de cadrage
- Réponse de chaque expert à chaque round
- Score de convergence
- Synthèse finale
- Métadonnées (durée, modèles utilisés)
### Consulter un trail
```bash
cat synthese_trails/synthese-20250702-143052-a1b2c3.json | jq
```
## Résilience
### Modèles indisponibles
Le skill fonctionne avec 1 à 3 modèles :
| Modèles | Comportement |
|---------|--------------|
| 3 | Processus optimal |
| 2 | Processus réduit, convergence limitée |
| 1 | Mode dégradé, pas de critique croisée |
### Timeouts
Timeout adaptatif par modèle (défaut: 5 minutes). Configurable via `--timeout`.
### Erreurs
Les erreurs d'un modèle n'interrompent pas le processus. Le trail indique les échecs.
## Exemples
### Exemple 1 : Synthèse d'un rapport
```bash
python3 scripts/synthese.py -f rapport_annuel.txt \
--destinataire "conseil d'administration" \
--finalite "décision stratégique" \
--longueur "1 page" \
--ton "formel"
```
### Exemple 2 : Vérification critique
```bash
python3 scripts/synthese.py -t "Ma synthèse existante..." \
--mode critique
```
### Exemple 3 : Pipeline avec sortie JSON
```bash
python3 scripts/synthese.py -f doc.txt --json | \
jq -r '.synthese_finale' > synthese.md
```
## Documentation de référence
| Document | Description |
|----------|-------------|
| [configuration.md](references/configuration.md) | Paramètres avancés (timeouts, convergence, retry, cache) |
| [troubleshooting.md](references/troubleshooting.md) | Guide de résolution des problèmes |
| [cadrage.md](references/cadrage.md) | Guide du cadrage (destinataire, finalité, etc.) |
| [couches-semiotiques.md](references/couches-semiotiques.md) | Détail des 4 couches d'analyse |
| [glissements.md](references/glissements.md) | Catalogue des glissements sémantiques courants |
## Crédits
Inspiré de [Council](https://github.com/bacoco/Council-board-skill) par bacoco et du concept [LLM Council](https://github.com/karpathy/llm-council) d'Andrej Karpathy.
Related in AI Agents
skill-development
IncludedComprehensive meta-skill for creating, managing, validating, auditing, and distributing Claude Code skills and slash commands (unified in v2.1.3+). Provides skill templates, creation workflows, validation patterns, audit checklists, naming conventions, YAML frontmatter guidance, progressive disclosure examples, and best practices lookup. Use when creating new skills, validating existing skills, auditing skill quality, understanding skill architecture, needing skill templates, learning about YAML frontmatter requirements, progressive disclosure patterns, tool restrictions (allowed-tools), skill composition, skill naming conventions, troubleshooting skill activation issues, creating custom slash commands, configuring command frontmatter, using command arguments ($ARGUMENTS, $1, $2), bash execution in commands, file references in commands, command namespacing, plugin commands, MCP slash commands, Skill tool configuration, or deciding between skills vs slash commands. Delegates to docs-management skill for official documentation.
reprompter
IncludedTransform messy prompts into well-structured, effective prompts — single or multi-agent. Use when: "reprompt", "reprompt this", "clean up this prompt", "structure my prompt", rough text needing XML tags and best practices, "reprompter teams", "repromptception", "run with quality", "smart run", "smart agents", multi-agent tasks, audits, parallel work, anything going to agent teams. Don't use when: simple Q&A, pure chat, immediate execution-only tasks. See "Don't Use When" section for details. Outputs: Structured XML/Markdown prompt, quality score (before/after), optional team brief + per-agent sub-prompts, agent team output files. Success criteria: Single mode quality score ≥ 7/10; Repromptception per-agent prompt quality score 8+/10; all required sections present, actionable and specific.
adaptive-compaction
IncludedAdaptive add-on policy and recovery layer that decides WHEN to compact, prune, snapshot, or fork -- replacing fixed-percent auto-compaction across Claude Code, Codex, and MCP-capable hosts. Trigger on auto-compact timing or damage: "when should I compact", "is it safe to compact now or start a fresh session", "auto-compact fires too early/mid-task", "switching to an unrelated task but the window still has space", "context rot", "answers get worse the longer the session runs", "the agent forgot the plan or my decisions after it summarized", "add a layer on top that manages context without changing the agent", raising autoCompactWindow to give the policy room, or installing/tuning a cross-tool compaction policy or PreCompact hook -- even when "compaction" is never said but the problem is context-window pressure or post-summarization memory loss. Do NOT use to summarize a conversation, build RAG, write a summarization prompt (decides WHEN not HOW), or answer max-context-length trivia.
agent-skill-creator
IncludedCreate cross-platform agent skills from workflow descriptions. Activates when users ask to create an agent, automate a repetitive workflow, create a custom skill, or need advanced agent creation. Triggers on phrases like create agent for, automate workflow, create skill for, every day I have to, daily I need to, turn process into agent, need to automate, create a cross-platform skill, validate this skill, export this skill, migrate this skill. Supports single skills, multi-agent suites, transcript processing, template-based creation, interactive configuration, cross-platform export, and spec validation.
llm-wiki
IncludedUse when building or maintaining a persistent personal knowledge base (second brain) in Obsidian where an LLM incrementally ingests sources, updates entity/concept pages, maintains cross-references, and keeps a synthesis current. Triggers include "second brain", "Obsidian wiki", "personal knowledge management", "ingest this paper/article/book", "build a research wiki", "compound knowledge", "Memex", or whenever the user wants knowledge to accumulate across sessions instead of being re-derived by RAG on every query.
skill-master
IncludedAgent Skills authoring, evaluation, and optimization. Create, edit, validate, benchmark, and improve skills following the agentskills.io specification. Use when designing SKILL.md files, structuring skill folders (references, scripts, assets), ingesting external documentation into skills, running trigger evals, benchmarking skill quality, optimizing descriptions, or performing blind A/B comparisons. Keywords: agentskills.io, SKILL.md, skill authoring, eval, benchmark, trigger optimization.