Dogfooder la méthode de cours
Sections
Réglages de lecture
Voix naturelle enregistrée pour ce cours, la même dans tous les navigateurs.
Aucune voix pour cette langue dans ce navigateur.
Plus de voix
Code et termes techniques en anglais
Désactivé : la voix de la page lit tout, sans pause entre deux voix.
Aucune voix pour cette langue dans ce navigateur.
Plus de voix
D’autres voix : Microsoft Edge propose des voix naturelles en ligne, et Windows (Paramètres › Heure et langue › Voix), macOS et Android en installent d’autres.
Un cours peut enseigner de bonnes pratiques tout en étant produit par un mauvais processus. Nous évaluons donc notre propre méthode.
- Exemples exécutables : toute sortie affirmée vient du code ou est marquée non testée.
- Preuves du journal : hypothèse, baseline, résultat, verdict et artefact restent distincts.
- Parité des langues : EN, FR et ES partagent fichiers et liens; l’automatisation vérifie la structure, l’humain le sens.
- Retour d’adoption : le journal suit rejet, incubation et intégration au-delà de la publication.
- Efficacité agentique : coût par résultat accepté, pas activité ni tokens seuls.
Un cours est publiable lorsque les faits instables ont des sources officielles, les commandes sont reproduites, l’inconnu est explicite, les mesures pointent vers des preuves, les traductions reflètent la source et les recommandations restent des hypothèses avant test dans le dépôt.
L’automatisation prouve parité de fichiers, liens, fraîcheur des matrices et tests. Elle ne prouve ni une traduction idiomatique ni la sagesse d’une architecture.
Exercice : rendre la matrice volontairement périmée
Modifiez un score sans régénérer matrices.md, puis exécutez python dogfood.py check. La commande doit échouer. Régénérez avec python dogfood.py write et relancez les tests.