Pourquoi censurer les récits de vie?

Comme je l'évoquais dans mon article précédent, la mise en production de la version alpha de MyMémoires m'a réservé quelques surprises. En inspectant les générations de certaines biographies, j'ai découvert des chapitres totalement vides.

Mon premier réflexe a été d'accuser l'infrastructure : surcharge d'appels parallèles sur l'API Gemini, threads qui sautent ou timeout classique. Mais en ouvrant la console dans Google AI Studio, le verdict était tout autre. Le modèle me renvoyait une erreur explicite : « Forbidden, je ne peux pas générer ce texte car il enfreint mes règles de sécurité ».

Quand les filtres de sécurité se heurtent à la vraie vie

Ma première parade technique a été d'ajuster les safety settings. Pour les catégories harassment, hate speech ou sexually explicit, j'ai passé les seuils à BLOCK_NONE. Un récit de vie authentique ne filtre pas la réalité : nos aînés racontent fidèlement des situations rudes, des contextes d'injustice ou des conflits passés.

Cette modification a débloqué une partie du pipeline, mais pas la totalité. J'ai vite réalisé que certains filtres fondamentaux des modèles commerciaux restent infranchissables. Des thématiques comme la guerre, le travail des enfants ou le suicide déclenchent des blocages stricts et non configurables. Or, le travail infantile ou les traumatismes de guerre sont le quotidien de personnes nées il y a 85 ou 90 ans.

Ce blocage impose un vrai défi d'architecture : soit je dois injecter un contexte lourd pour convaincre le modèle qu'il s'agit d'un travail historiographique légitime ( ce qui alourdit mon pipeline automatique ), soit je dois arbitrer entre la qualité de plume d'un modèle et sa tolérance aux récits sans fard. Réécrire ou édulcorer un pan de vie sous prétexte de modération automatisée n'est pas une option.

Le piège du lissage émotionnel et du contexte historique forcé

Au-delà de la censure, le réglage fin du prompt d'écriture m'a demandé des dizaines d'itérations pour désamorcer deux défauts majeurs des LLM :

1. Le syndrome du « happy ending » : Par défaut, les modèles ont une fâcheuse tendance à vouloir consoler le lecteur. Si un témoin partageait une tristesse profonde liée au deuil, l'agent ajoutait systématiquement une formule d'espoir réconfortante à la fin du chapitre. C'est un ressort classique de narration grand public, mais c'est l'antithèse d'une biographie. Si une émotion est brute, sombre ou douloureuse au moment où la personne la raconte, elle doit rester intacte sur la page.
2. L'obsession de la grande Histoire : Sachant que le modèle maîtrise le contexte d'une époque, j'avais d'abord tenté de lui faire relier les récits aux événements majeurs. S'il voyait « Paris en 1968 », je voulais qu'il comprenne les secousses de mai 68 sans obliger le témoin à expliciter le décor. Résultat : une galère sans nom. L'agent écrivain forçait des passerelles artificielles vers les manuels d'histoire, reléguant le quotidien du témoin au second plan. J'ai abandonné l'idée : je fournis désormais l'ancrage temporel pour éviter les anachronismes, mais je lui interdis d'inventer des liens historiques.

Exemple de paragraphe de ma vie, généré avec abus de références historiques :

Je me revois courir dans les allées, indifférent à la géopolitique qui redessinait l'Europe avec le traité de Maastricht, ignorant tout des fractures du monde qui m'avait vu naître. Ma réalité, c'était la rentrée des classes avec des cartables trop grands, le bruit du modem 56k qui commençait tout juste à chanter dans les foyers les plus modernes, et cette sensation diffuse, mais persistante, d'être un point d'interrogation au milieu d'une phrase affirmative.

Le rôle du modèle n'est pas d'en faire des tonnes, mais de retranscrire avec humilité et justesse l'authenticité de la parole recueillie.

Dans les coulisses : mon architecture agentique

Pour orchestrer tout cela proprement, j'utilise actuellement un système à deux niveaux :

• L'agent orchestrateur : Il balaie rapidement les résumés et les transcriptions brutes de chaque session d'enregistrement. Son rôle est de bâtir la structure globale, chapitre par chapitre. Il définit le titre, rassemble les extraits pertinents et rédige la feuille de route de chaque partie. Pour garantir une transition fluide et bannir les répétitions, il donne des consignes strictes d'exclusion : « Rédige sur le sujet A. En revanche, n'aborde absolument pas les sujets C et D, car ils sont planifiés pour les chapitres 3 et 5 ».
• Les agents écrivains : Une fois le plan verrouillé, l'orchestrateur instancie autant d'agents écrivains que de chapitres. Chaque agent prend connaissance de ses données brutes, applique la charte stylistique et génère sa section de manière ciblée.

La prochaine étape : structurer la mémoire du récit

Ce workflow fonctionne et donne d'excellents résultats sur l'alpha, mais il atteint ses limites sur la consistance globale. Aujourd'hui, les agents écrivains peinent parfois à réconcilier des mentions éparses : si le témoin mentionne « mes deux frères » dans la session une, puis « ma sœur » dans la session trois, le modèle peut s'emmêler les pinceaux sur la composition exacte de la fratrie.

La suite logique de mon chantier technique consiste à extraire et persister en base de données les entités clés dès la transcription : l'arbre généalogique, les lieux récurrents et la chronologie des faits. Ces métadonnées structurées serviront de source de vérité absolue à l'orchestrateur.

L'expérimentation sur le terrain valide l'intérêt de la démarche : le vibe coding permet d'avancer vite, mais c'est la confrontation aux vraies données utilisateurs qui révèle les vrais défis d'ingénierie logicielle.