Mary : un tour, deux voies
Partie II — Le nœud et la jonction · Chapitre 5 sur 9
Mary est l’assistant macOS qui complète la pile — le programme qui vit là où vit la personne. Elle écoute et parle, lit l’espace de travail et opère de vraies applications. Et dès l’instant où un système à la fois parle avec des connaissances ancrées par la récupération et agit sur un vrai ordinateur, une question de conception apparaît que je tiens pour la plus importante de ce livre : ce qui parle et ce qui agit doivent-ils être le même esprit ?
La réponse de Mary est non. Chaque tour se scinde en deux.
Le tour figé
Avant la scission, le gel. À l’entrée du tour, Mary fige le monde dans lequel le tour s’exécutera : l’instantané actif du registre des abilities, les signaux d’interaction et de perception actuellement valides, la route ambiante et les preuves de focus, le plan de mémoire, la disponibilité des adaptateurs, et la graine de conversation que les deux voies partagent. Quoi qu’il change en plein tour — un paquet modifié, une application fermée — le tour en cours garde son monde ; le changement arrive au tour suivant.
Une phrase de la documentation d’assemblage du prompt mérite l’italique maintenant et un rappel plus tard :
Les signaux publiés sont revalidés quand le tour suivant se fige et disparaissent quand leur schéma ou leur version de Value n’existe plus ou que leur adaptateur de publication est indisponible.
La capacité, dans ce système, n’est pas une liste statique. Elle est redérivée de l’environnement vivant à chaque frontière de tour — présente quand son fournisseur est présent, disparue quand il l’est. Retenez cette forme ; le chapitre 8 lui donne un nom.
Deux voies
Puis l’énoncé bifurque :
La voie A est Seer — la voie de raisonnement du chapitre 1. Elle possède chaque parole prononcée. Elle récupère la mémoire côté serveur, ancre la réponse, diffuse de la prose (et des spans d’attribution) vers la page de conversation. Elle ne reçoit pas de graphe de paquets exécutable et ne possède pas le dispatch macOS. Elle parle ; elle ne peut pas toucher.
La voie B est l’orchestrateur — silencieux, local. Il voit le même énoncé et le même instantané figé, propose des Skills tirées de la liste validée du tour, les exécute par des adaptateurs et émet des reçus. Il agit ; il ne parle pas. (Sa prose n’existe que comme repli hors ligne — conservée, jamais prononcée, quand Seer est en bonne santé.)
Les voies s’exécutent simultanément et se rejoignent quand les deux ont fini. L’ordre qui gouverne, énoncé comme doctrine dans le code source même du cerveau : RÉCUPÉRER D’ABORD, PUIS PARLER — l’ancrage précède la voix ; la voix ne raconte jamais une action qui n’a pas été vérifiée.
Sous forme d’organigramme, d’après la même documentation :
Et le repli n’est pas une réflexion après coup : sans fournisseur Seer, Mary exécute une boucle à moteur unique entièrement en local. La documentation est catégorique sur le cadrage — la voie locale « n’est pas un chemin dégradé, c’est le chemin quand le réseau n’est pas là ». Un assistant ambiant qui cesse de fonctionner quand un serveur s’arrête n’a jamais été ambiant.
Le garde-fou
Pourquoi deux voies, au fond ? Pas pour la performance. La vraie raison est une posture de sécurité, et la documentation l’énonce comme un encart de sûreté :
Le contexte récupéré n’entre jamais dans le prompt de l’orchestrateur. La voie B — celle qui peut réellement toucher votre Mac — ne voit jamais ce que la voie A a récupéré. Ni vos conversations passées, ni le contexte partagé d’une autre personne, ni la charge utile RAG. Elle voit l’énoncé, l’instantané figé et les preuves ambiantes.
Le raisonnement est direct : le texte récupéré est un contenu que vous n’avez pas écrit ce tour-ci — le vecteur classique des instructions déguisées en contenu — et la voie qui propose des effets est exactement là où de telles instructions seraient les plus dangereuses. La voie dotée de mains est donc structurellement aveugle à la voie dotée de mémoire. Un test épinglé affirme la propriété par son nom, pour qu’elle ne puisse pas régresser en silence.
Je veux être précis sur ce que cela apporte, car « défense contre l’injection de prompt » sous-vend la chose. C’est une architecture d’autorité. La voix a l’autorité du savoir : elle peut tout savoir et ne peut rien affecter. Les mains ont l’autorité de l’effet : elles peuvent changer le monde et ne savent que ce que l’utilisateur a dit et ce que la machine montre. Toute fonctionnalité future qui mêle le contexte de quelqu’un d’autre à la récupération — la direction vers laquelle pointe Totem — hérite de la garantie par construction : le contexte emprunté atteint la voie qui parle et s’y arrête.
Ce qu’un tour laisse derrière lui
Un tour se termine en consignant ce qui s’est réellement passé. Les reçus — enregistrements, sûrs pour la vie privée, de chaque invocation de Skill, de son effet de capacité, de son résultat — rejoignent l’historique du tour ; le texte brut sélectionné, la prose générée, le code source et les secrets sont exclus des traces par règle. Un registre de traces de récupération consigne ce que la récupération a demandé et ce qui est revenu — identifiants, scores et décomptes seulement, avec une rédaction imposée à la compilation — et il est purement observationnel : rien ne peut le lire sur un chemin de décision. Le registre existe parce que la récupération est le cœur du paradigme, et que « pourquoi ne s’en est-elle pas souvenue ? » méritait une réponse à l’exécution.
Les mutations qui valent d’être gardées sont déposées dans Totem sous forme de projections explicites — la seule porte par laquelle la mémoire durable grandit. Et lorsqu’un tour qui voulait manifestement qu’on fasse quelque chose a épuisé ses rounds sans rien exécuter, un dernier mécanisme — la sonde d’affordances, « le dernier barreau avant l’échec honnête » — vérifie ce que l’écran lui-même offre avant que Mary admette qu’elle n’a pas pu. Ce mécanisme appartient au chapitre suivant.
Le tour à deux voies est le point de jonction de toute la première moitié de ce livre : le raisonnement de Seer (chapitre 1) et la mémoire de Totem (chapitre 4) d’un côté d’un mur ; les mains de la machine de l’autre ; la personne au-dessus, dont les mots démarrent chaque tour et dont l’entrée physique met fin instantanément à toute exécution.
La voie qui touche le Mac ne lit jamais ce que la mémoire a renvoyé.