Aller au contenu principal

Laisser un chatbot chercher et lui apprendre des savoir-faire

InformatiqueÉducation aux médiasIA générativeAgent IASkillsCurationEsprit critiqueClaude CodeGitHub CodespacesOpen WebUI
ProjetDuréeDifficultéÂge
Youth AI Lab2 h (115 min de déroulé, 5 min de marge)IntermédiaireAdultes (animateur·rices)

Matériel​

Par binôme

  • 1 ordinateur avec un navigateur web
  • 1 compte GitHub gratuit, pour ouvrir le Codespace
  • 1 clé d'API (Anthropic ou OpenRouter), remise par l'animateur·rice
  • Le fichier my-work.zip enregistré à la fin de l'atelier 2
  • L'adresse de la page officielle de votre question 12 (la question sur votre territoire)
  • La fiche d'une page imprimée

Par personne

  • 1 carte de sortie imprimée, avec les trois questions de la fin de séance

En ligne

Laisser un chatbot chercher et lui apprendre des savoir-faire
Atelier 3 sur 6 de la série Construire son propre chatbot : ce qu'il lit, et qui décide

Cet atelier s'adresse aux animateur·rices, qui le vivent en binômes avant tout usage avec des jeunes. Il fait suite à Nourrir un chatbot de documents, puis d'extraits choisis (atelier 2) et prépare Brancher des outils sur un chatbot (atelier 4). La page d'accueil de la série est le kit : https://github.com/Youth-AI-Lab/yal-workshop-kit

Les pages, les commandes et le Codespace sont en anglais ; cette fiche en est l'adaptation française. Les commandes, les noms de fichiers, les boutons et les messages affichés restent donc en anglais ci-dessous, tels que vous les verrez à l'écran. Les captures d'écran se trouvent dans le dépôt de l'atelier.


Introduction​

Dans l'atelier 2, le chatbot lisait tout (mode B), ou bien un moteur de recherche choisissait des extraits pour lui (RAG). Aujourd'hui, le modèle cherche lui-même : il décide ce qu'il ouvre, une étape après l'autre, et vous pouvez lire chacune de ses étapes. Ensuite, vous faites entrer un nouveau document dans ses connaissances, et vous signez ce que le chatbot en dira.

Question du jour

Et si le modèle cherchait lui-même ? (à l'écran : What if the model searched by itself?)

Ce que change cette approche​

Le mode B chargeait toutes les connaissances, et les payait à chaque message. Un RAG donnait toujours des extraits, même quand la réponse n'y était pas. En mode C, rien n'est chargé à l'avance : le modèle sait où se trouvent les connaissances, dans deux dossiers qui ont chacun un index, et il cherche comme le ferait une personne. Quand une recherche ne trouve rien, ou rien qui réponde, le modèle le voit, et il peut dire « je ne sais pas ».

Vient ensuite la curation, que les outils ne font pas à votre place : une personne décide quel document entre dans les connaissances, vérifie le résumé que le modèle en écrit, et le signe de son nom.

Enfin, vous écrivez une skill : une procédure en langage courant, comme une fiche d'activité, que le modèle n'ouvre que lorsqu'une demande en a besoin.

Le lien avec WikiYouthBot​

L'activité Construire le chatbot de son quartier (WikiYouthBot) est ce que les partenaires mènent ensuite avec les jeunes.

  • La partie 3 correspond à la boîte à données : le groupe apporte des documents locaux, et quelqu'un vérifie ce que le chatbot en dira.
  • La partie 4 propose une skill par activité de WikiYouthBot (voir le tableau de la partie 4) : « J'ai entendu une rumeur » devient une skill qui confronte une rumeur aux documents.
  • Dans un chatbot Open WebUI, la même recherche a lieu quand le modèle dispose de sa base de connaissances et de ses outils : voir Partager un chatbot avec un groupe grâce à Open WebUI.

La série avance une pièce du chatbot à la fois :

Structure de l'atelier​

PartieDuréeNiveauCe que l'on fait
1. Accueil20 minOuvrir le Codespace, reprendre son travail, lancer Open WebUI en arrière-plan
2. Le laisser chercher20 min★★Regarder le modèle chercher pour deux questions et lire chacune de ses étapes
3. Faire entrer un document, et s'en porter garant35 min★★★Ajouter deux documents, vérifier un résumé phrase par phrase, le signer
4. Écrire sa propre skill30 min★★★Lire une vraie skill, utiliser source-note, en écrire une, tester quand elle se déclenche
5. Clôture10 minRejouer et noter la colonne C, voir son chatbot dans Open WebUI, sauvegarder

Avant de commencer​

Apportez my-work.zip, le fichier enregistré à la fin de l'atelier 2. Il contient vos instructions (le préprompt), votre question 12 et vos notes. Sans lui, l'exemple du kit, Feurisson, devient votre préprompt. Apportez aussi l'adresse de la page officielle de votre question 12 : à la partie 3, elle entre dans votre chatbot. Pas encore de question 12 ? Écrivez-en une au début de la partie 3 (fichier test-questions.md, section Question 12: your territory), ou faites la curation du document de Bénévent et ne notez que les questions 3, 8 et 11. Plus de détails dans la section Before you start du fichier SETUP.md du dépôt.

Tout au long de la séance, vous continuez à tester votre chatbot avec les mêmes questions. Aujourd'hui, vous remplissez la colonne C de scores.md, pour les questions 3, 11 et 12, et la question 8 pour l'atelier 4 : la partie 5 dit ce que chacune met à l'épreuve. Le barème ne change pas :

  • 2 : juste, et sourcé
  • 1 : honnête mais insuffisant
  • 0 : faux ou inventé

Documents de référence​

Tous ces fichiers sont dans votre Codespace, dans la liste des fichiers à gauche :

  • summaries/index.md et corpus/index.md : les catalogues des résumés et des documents officiels. C'est par là que le modèle commence.
  • inbox/README.md : le document de la province de Bénévent (Italie), pas encore dans le corpus, et la commande qui l'ajoute.
  • .claude/skills/ : les trois skills du kit (summarize, validate-summary, source-note).
  • test-questions.md et scores.md : le jeu de questions de test et votre feuille de notes.
  • SETUP.md : la mise en place, les commandes et les problèmes courants de toute la série.
Notes pour l'animateur·rice
  • Préparation (environ 1 h). Une clé d'API Anthropic par binôme, toutes dans un seul espace de travail pour la salle, plafonné à 3 $ × le nombre de binômes (8 binômes : 24 $ ; à Anvers, les binômes les plus avancés ont dépensé moins de 2 $ en 2 h d'atelier). Le plafond porte sur l'espace de travail, pas sur chaque clé : un binôme peut donc consommer la part d'un autre. Gardez la console Anthropic ouverte pendant l'atelier. Si le plafond de la console est mensuel, les ateliers d'un même mois le partagent : comptez 3 $ × binômes × ateliers du mois, ou relevez-le avant chaque atelier. Chaque organisation partenaire paie ses propres séances. Le coût par binôme mesuré pour le rejeu, les questions 3 et 7, le résumé et le juge est d'environ 0,55 $ ; les autres étapes de l'atelier ne sont pas comptées dans ce chiffre.
  • Ou des clés OpenRouter (sk-or-) : mêmes commandes, aucun modèle Claude, et toute la salle sur un seul modèle pour que les totaux restent comparables (guide OpenRouter). Les chiffres de cette fiche viennent de Claude et ne valent pas pour OpenRouter. Coût par binôme avec le modèle par défaut, DeepSeek V4 Flash : environ 0,03 $ pour les commandes du terminal de cet atelier, et environ 0,12 $ pour les ateliers 1 à 5, mesuré une fois dans un conteneur, hors Codespace et sans groupe ; replay RAG et les chatbots Open WebUI ne sont pas comptés, et un binôme qui pose plus de questions dépense plus. Les ateliers sont pour les adultes : aucun jeune ne tape dans le Codespace ni ne détient de clé. Les jeunes n'utilisent qu'un chatbot dans Open WebUI, dans leur navigateur. Quand ce qu'ils ont écrit passe par OpenRouter, retirez noms et détails personnels, et tapez d'abord workshop-login --europe (guide, section Sécurité).
  • Votre propre essai (25 min). Faites tout le parcours dans un Codespace neuf, y compris le refus d'un « I checked summary 80 » général puis la signature, et openwebui chatbot : ce chatbot vous servira de repli à la clôture.
  • Quelques jours avant, demandez à chaque binôme l'adresse de la page officielle de sa question 12, et essayez-la avec corpus-add : certaines pages sont refusées ou presque vides.
  • Imprimez la fiche d'une page (une par binôme, à traduire si votre salle a besoin d'une autre langue) et les cartes de sortie (une par personne).
  • Version de l'image. N'animez cet atelier qu'avec l'image 2026.10.34 du Codespace ou une plus récente : sans elle, la skill de la partie 4 ne se déclenche pas en conversation. La voie OpenRouter décrite ici et --europe demandent l'image 2026.10.43 ou une plus récente, et les skills transmises au chatbot dans Open WebUI (partie 5) l'image 2026.11.4 ou une plus récente.
  • Ne citez jamais une réponse attendue dans les pages du dépôt. À partir du mode C, le modèle peut lire tous les fichiers du dépôt, y compris son README.md. Gardez cette règle si vous adaptez les pages.

Glossaire​

  • Modèle : le modèle de langage, le programme d'IA qui écrit les réponses. Dans cet atelier, Claude Sonnet avec une clé Anthropic et deepseek/deepseek-v4-flash avec une clé OpenRouter, le même pour tous les binômes qui ont ce type de clé.
  • Codespace : un ordinateur prêt à l'emploi chez GitHub, ouvert dans le navigateur avec l'éditeur VS Code. Rien à installer.
  • Terminal : la fenêtre où l'on tape des commandes, en bas de VS Code. Cet atelier en utilise deux.
  • Claude Code : le programme qui fait dialoguer le modèle avec les fichiers du Codespace. La commande workshop le lance dans le mode du jour. Avec une clé OpenRouter, c'est OpenCode qui joue ce rôle.
  • Mode : un réglage de la commande workshop. Le mode B charge toutes les connaissances ; le mode C, celui d'aujourd'hui, ne charge rien et laisse le modèle chercher.
  • Préprompt (instructions) : le texte qui dit au chatbot qui il est et quelles règles suivre, lu avec chaque message. Ici, le fichier AGENTS.md, écrit à l'atelier 1.
  • Contexte : tout ce que le modèle a sous les yeux pour répondre : instructions, question, fichiers ouverts. Sa taille est limitée (la « fenêtre »).
  • Jeton : l'unité dans laquelle on compte la taille du contexte, un morceau de mot. Voir ce qu'est vraiment un jeton.
  • Jauge : l'indicateur affiché sous la conversation, qui montre combien de jetons remplissent le contexte.
  • RAG : une méthode vue à l'atelier 2, où un moteur de recherche choisit des extraits de documents et les donne au modèle.
  • Recherche agentique : le modèle décide lui-même quoi chercher et quoi ouvrir, étape par étape (lister un dossier, chercher un mot, lire un fichier).
  • Corpus : les documents officiels du chatbot, dans corpus/, jamais modifiés, avec une copie lisible de chacun dans corpus/text/.
  • Résumé : un texte court sur un document officiel, dans summaries/, écrit par le modèle puis vérifié par une personne.
  • Curation : choisir ce qui entre dans les connaissances du chatbot, le vérifier et le signer.
  • Skill : une procédure écrite en langage courant dans un fichier SKILL.md, que le modèle ouvre seulement quand une demande correspond à sa description.
  • Juge : un modèle qui propose une note de 0 à 2 pour chaque réponse, avec la commande score. C'est un modèle plus petit avec une clé Anthropic, deepseek/deepseek-v4-flash avec une clé OpenRouter.
  • Open WebUI : une interface de chatbot, lancée dans le Codespace, où vous retrouvez votre chatbot à la clôture.

Objectifs d'apprentissage​

À la fin de cet atelier, les participant·es seront capables de...

  • Lire les étapes d'un modèle qui cherche dans des fichiers (lister, chercher un mot, lire) et dire quels fichiers il a ouverts.
  • Expliquer pourquoi, en mode C, les échecs de la recherche se voient, là où un RAG renvoie toujours quelque chose.
  • Ajouter un document officiel de leur territoire aux connaissances du chatbot, avec corpus-add.
  • Vérifier un résumé écrit par le modèle, phrase par phrase, contre le document original, et décider ce qu'il faut corriger avant de le signer.
  • Écrire une skill, une procédure que le modèle suit quand une demande y correspond, et tester quand elle se déclenche.

Partie 1 : Accueil (20 min)​

Objectif : ouvrir le Codespace de cet atelier, reprendre votre travail, et lancer Open WebUI en arrière-plan pour la clôture.

Ouvrir son Codespace

Un Codespace par binôme : https://codespaces.new/Youth-AI-Lab/yal-workshop-search

Avant de cliquer, si le délai d'inactivité de ce compte GitHub n'est pas encore réglé, faites l'étape 1 de SETUP.md (Let the Codespace wait for you, 1 minute). Ce lien crée votre propre copie du dépôt, dans VS Code qui tourne dans le navigateur.

Étape 1 : Ouvrir son Codespace et enregistrer sa clé​

Suivre les étapes 1 à 5 de SETUP.md, avec le lien ci-dessus : laisser le Codespace vous attendre, l'ouvrir, enregistrer votre clé avec workshop-login, vérifier que s'affiche Key OK, et ouvrir un second terminal.

Si vous utilisez OpenCode

OpenCode est le second moteur possible, à la place de Claude Code. Les commandes sont les mêmes, après workshop-login --engine opencode. En mode C, OpenCode cherche avec ses propres outils (read, grep, glob), et il vous demande votre accord avant chaque commande et chaque fichier qu'il écrit. La fiche Construire son chatbot avec OpenCode montre le même genre de recherche dans un dossier de chatbot.

Si votre clé commence par sk-or- (OpenRouter)

Coller la clé dans workshop-login, sans option, et lire la section With an OpenRouter key du fichier SETUP.md du dépôt. Avec le modèle par défaut, DeepSeek V4 Flash, openwebui chatbot et une skill dans Open WebUI ont été essayés une fois sur un ordinateur portable, hors Codespace : la skill a cherché dans les documents et donné un verdict avec ses citations, mais en français, à une rumeur posée en anglais. Dans le terminal, avec ce modèle, summarize peut écrire un brouillon sans sa table de vérification, et validate-summary ou source-note peuvent ne rien écrire : vérifiez que les fichiers sont bien là.

Les étapes de cette page décrivent l'écran de Claude Code. Ctrl+O et la jauge sont les siens : OpenCode montre ce que le chatbot a fait au-dessus de chaque réponse, et son panneau latéral a un compteur context, avec le coût (Ctrl+X puis B affiche ou masque ce panneau). Ses commandes / ne sont pas les mêmes : /mcps, et non /mcp. Voir aussi la mise en route de l'atelier 1.

Avec des jeunes et une clé OpenRouter

Avant que quoi que ce soit d'écrit par des jeunes passe par OpenRouter, lire la section Young people and OpenRouter du fichier SETUP.md du dépôt, ainsi que la section Sécurité du guide OpenRouter.

Pas de Codespace ?

Le même dépôt s'ouvre sur votre propre ordinateur, avec Docker et VS Code : voir Ouvrir les ateliers sur son propre ordinateur.

Étape 2 : Récupérer son travail​

  1. Glisser my-work.zip depuis votre ordinateur dans la liste des fichiers du Codespace. Si vous l'avez téléchargé plusieurs fois, votre navigateur a peut-être nommé le plus récent my-work (1).zip : glisser celui-là, et taper son nom exact entre guillemets, par exemple workshop-start 3 --from "my-work (1).zip".

  2. Dans le premier terminal, taper :

    workshop-start 3 --from my-work.zip

    Vous devez voir Restored from my-work.zip (saved on ...) : vérifier que cette date est bien la fin de l'atelier 2. Ensuite s'affichent la liste des fichiers restaurés, puis :

    Prepared for this workshop:
    - nothing needed: everything is already here.

    Ready for workshop 3.
    Today's page: README.md (Ctrl+Shift+V to read it as a page)
    First command: workshop C

    Sans sauvegarde, taper workshop-start 3 : la ligne Prepared indique alors que AGENTS.md est désormais une copie de l'exemple Feurisson.

La première fois que vous tapez workshop C

Dans ce Codespace, Claude Code demande à nouveau si vous faites confiance au dossier. Le choix proposé est No, exit : appuyer sur la flèche du bas pour choisir Yes, I trust this folder, puis sur Entrée. Si Claude Code s'est fermé, taper de nouveau workshop C. Plus de détails à l'étape 4 de SETUP.md.

Étape 3 : Lancer Open WebUI en arrière-plan​

À la clôture, vous verrez votre chatbot, avec ses nouveaux documents, dans Open WebUI. Son premier démarrage prend quelques minutes : lancez-le maintenant.

  1. Dans le second terminal, taper :

    openwebui start
  2. Ne pas l'attendre : passer à la partie 2 dans le premier terminal. Le démarrage se termine par Open WebUI is ready, ....

Ne jamais rendre le port 3000 public

Le port 3000 est la porte numérotée par laquelle on accède à Open WebUI. Ne le rendez jamais public (onglet Ports, réglage Port Visibility). Cet Open WebUI n'a pas de comptes : toute personne qui aurait le lien pourrait utiliser votre clé.

Point de contrôle

Key OK, Ready for workshop 3, et openwebui start en cours dans le second terminal.


Partie 2 : Le laisser chercher (20 min)​

Objectif : regarder le modèle chercher dans les fichiers pour deux questions, lire chacune de ses étapes, et comparer la jauge avec le mode B.

Ce que vous allez découvrir​

  • La recherche agentique : le modèle décide ce qu'il ouvre, une étape après l'autre. Vous pouvez lire chaque étape dans la conversation.
  • Des outils qui lisent : lister un dossier (ls), chercher un mot (grep), lire un fichier. Ils ne demandent pas votre permission. Écrire un fichier, si.
  • Un échec visible : quand les documents ne contiennent pas la réponse, une recherche ne trouve rien (zéro résultat), ou elle trouve des fichiers qui ne répondent pas. Le modèle le voit, et vous aussi.

Ce que lit le modèle en mode C​

Seul, un modèle ne peut pas ouvrir un fichier. En mode C, il demande à Claude Code, le programme autour de lui, de lister un dossier, de chercher un mot ou de lire un fichier. Ce qui revient entre dans le contexte, et le modèle décide de la suite : une autre recherche, un autre fichier, ou la réponse. workshop C ajoute aussi un court texte au préprompt. Il dit où sont les deux dossiers, et il demande au modèle de commencer par les résumés, d'aller aux documents complets pour les détails, et de dire quel document il a utilisé.

AGENTS.md + où sont les connaissances (deux dossiers, deux index) → Modèle
Votre question → Modèle
Modèle → cherche un mot, lit un fichier → summaries/ et corpus/text/
summaries/ et corpus/text/ → seulement ce qu'il a ouvert → Modèle
Modèle → Réponse

À retenir : en mode C, c'est le modèle qui décide ce qui entre dans le contexte, étape par étape. Il ne lit que ce qui lui semble utile, et la jauge reste basse. Vous pouvez vérifier ce qu'il a lu, car chaque étape est affichée.

Étape 1 : Lancer le chatbot en mode C​

  1. Dans le premier terminal, taper :

    workshop C
  2. Vous devez voir un bandeau qui annonce le mode C et contient To quit: press Ctrl+C twice., puis l'écran de Claude Code.

Étape 2 : Question 3, une réponse qui n'est que dans un document complet​

  1. Ouvrir test-questions.md, copier la question 3 et la coller dans la conversation avec Ctrl+Shift+V (Cmd+V sur Mac). Elle porte sur l'accès aux massifs forestiers dans les Bouches-du-Rhône. Sa réponse n'est pas dans les résumés : seulement dans le texte complet d'un arrêté, une décision juridique de la préfecture. À l'atelier 2, dans notre test, le RAG l'a manquée : l'article qui répond n'était jamais dans ses morceaux. Le modèle peut-il l'atteindre en cherchant ?
  2. Au-dessus de la réponse, une ligne grise résume les étapes, par exemple Searched for 1 pattern, read 2 files. Appuyer sur Ctrl+O (aussi sur Mac) pour voir chaque étape : quel mot il a cherché, quels fichiers il a ouverts. L'écran affiche alors Showing detailed transcript · ctrl+o to toggle : Ctrl+O à nouveau ramène à la conversation. Les captures du dépôt montrent les deux vues sur une autre question.
  3. Regarder la jauge. Lors de notre essai, le modèle a cherché avec grep dans summaries/ et corpus/, a lu le résumé des Bouches-du-Rhône puis l'arrêté complet dans corpus/text/, sans demander aucune permission, et la jauge affichait environ 23 000 jetons (un jeton est un morceau de mot). La jauge est une somme : ce qui est toujours là, plus ce que le modèle a ouvert. Un simple « Hello » en mode C remplit déjà environ 8 000 jetons : les instructions, les outils, la liste des skills. Ici, les recherches, le résumé et l'arrêté ont donc ajouté environ 15 000 jetons (23 000 - 8 000). En mode B, elle en affichait environ 100 000 (mesure prise après la question 10) : tout le kit est dans la fenêtre, quelle que soit la question. Vos étapes peuvent être différentes : le modèle décide à chaque fois.
  4. Vérifier la réponse vous-mêmes. Qu'un fichier ait été ouvert par le modèle ne prouve pas qu'il l'a bien lu. Ouvrir le fichier qu'il a lu dans corpus/text/ (dans notre essai, celui de l'arrêté d'accès aux massifs des Bouches-du-Rhône, dont le nom commence par 43-), appuyer sur Ctrl+F et chercher 5 h : la ligne du niveau Sévère donne les horaires. La réponse donne-t-elle les mêmes niveaux et les mêmes horaires que la source, et que la réponse attendue de test-questions.md ? Sinon, elle obtient 1 ou 0, même avec une source.

Étape 3 : Question 7, une réponse qui n'existe nulle part​

  1. Poser la question 7 de test-questions.md.
  2. Observer les recherches : quels documents trouvent-elles, et ces documents répondent-ils à la question ? Que dit le modèle ? Comparer avec ce que faisait le RAG à l'atelier 2, où le modèle recevait toujours 5 extraits.
  3. Ce que cela veut dire. Une recherche peut trouver des documents sur le même lieu et n'apporter aucune réponse : le modèle les lit et voit que le chiffre n'y est pas. Une recherche peut aussi ne rien trouver du tout. Dans les deux cas, vous pouvez lire ce qu'il a cherché et ce qu'il a trouvé : l'échec se voit. À l'atelier 2, dans notre test, le modèle a lui aussi dit que la réponse manquait, mais il ne pouvait pas regarder plus loin que ses 5 morceaux. Ici, il choisit chaque recherche : vous pouvez juger la recherche autant que la réponse.

Étape 4 : Quitter​

Appuyer deux fois sur Ctrl+C. À partir du mode C, /exit fonctionne aussi, et /context montre en détail ce qui remplit la fenêtre de contexte.

Point de contrôle

Vous savez nommer les fichiers que le modèle a ouverts pour la question 3, vous avez trouvé dans sa source la phrase qui y répond, et vous savez dire ce que ses recherches ont trouvé pour la question 7.

Pour réfléchir​

En mode B, personne ne choisissait. Dans le RAG, un moteur de recherche choisissait. Qui choisit en mode C, et comment pouvez-vous le vérifier ?

Vous avez construit un chatbot qui va chercher ce dont il a besoin, et qui montre chaque étape. Réemployé dans votre chatbot dans Open WebUI, à la fin de cet atelier : il cherche lui-même dans ses documents, sur le même principe (partie 5, étape 2). Une autre voie, sans Claude Code : partie 4 du guide Construire son chatbot avec OpenCode.

Notes pour l'animateur·rice

Faites appuyer toute la salle sur Ctrl+O et nommer les fichiers ouverts. Puis : « En mode B, personne ne choisissait ; dans le RAG, un moteur de recherche choisissait ; ici, le modèle a choisi, et vous voyez chaque étape. » Pour la question 7, la recherche trouve des documents proches du sujet, mais pas le chiffre demandé : le modèle voit que la réponse n'y est pas.

Estimations de jetons. corpus-add affiche les caractères divisés par 4 (Bénévent : environ 5 400 caractères, affichés comme 1 346 jetons). Sur nos documents, la jauge compte davantage : environ 2,3 à 2,7 caractères par jeton (mode B : 230 204 caractères, environ 97 400 jetons de plus que le mode A). Si quelqu'un pose la question, dire que le nombre affiché est une estimation basse. Les 8 000 de la fiche viennent du « Hello » sur l'écran interactif, les 23 000 d'un essai -p sur une autre version de l'image : les 15 000 sont donc une soustraction entre deux installations, pas une mesure.


Partie 3 : Faire entrer un document, et s'en porter garant (35 min)​

Objectif : ajouter deux documents aux connaissances de votre chatbot : le plan de la province de Bénévent (pour la question 11), puis la page officielle de votre question 12. Pour votre page, laisser le modèle écrire un résumé, le vérifier phrase par phrase, et le signer.

Ce que vous allez découvrir​

  • corpus-add : la commande qui ajoute un document officiel à corpus/, sans le modifier.
  • La skill summarize : le modèle écrit un brouillon de résumé en anglais, et une table de vérification qui place chaque phrase à côté du passage de l'original qui l'appuie.
  • La skill validate-summary : elle enregistre qu'une personne a vérifié le résumé. Le modèle ne doit pas le signer : ses règles le disent, et vous lisez ce qu'il écrit.

Les trois couches de connaissances​

DossierCe qu'il contientQui l'écrit
corpus/les documents officiels, jamais modifiés, et une copie lisible de chacun dans corpus/text/les autorités ; un programme fait la copie lisible (corpus-add pour les vôtres)
summaries/de courts résumés en anglais des documents officiels, de 5 à 15 phrases chacun, un fait par phrasele modèle, puis une personne le vérifie
summaries/checks/le dossier de travail de la vérification : la table de vérification de chaque résumé écrit aujourd'huile modèle

Pourquoi un résumé, si le modèle peut lire le document complet. Un document peut être long, et il reste dans sa langue. Les résumés sont courts et en anglais : le modèle commence donc par eux, et ouvre un document complet pour les détails ou quand les résumés ne suffisent pas. Un résumé peut alors être tout ce qu'il lit pour une question.

Chaque résumé commence par un en-tête : quelques lignes entre deux --- qui disent d'où il vient et qui s'en porte garant. Ouvrir summaries/30-charente-maritime-vigilance-levels.md pour en voir un : sa dernière ligne verified porte le nom d'une personne. status: draft signifie qu'aucune personne n'a vérifié le résumé. verified: ... human:<name> signifie qu'une personne l'a fait, et status: stable suit. Le modèle lit aussi cet en-tête : workshop C lui dit que status: draft veut dire pas encore vérifié par une personne. Une partie des résumés du kit porte un nom : celui d'une personne, ou celui d'une organisation partenaire qui a vérifié les résumés de son territoire. Chercher (human-reviewed) à la fin des lignes de summaries/index.md.

À retenir : un résumé faux donne une réponse fausse, avec assurance. La curation, c'est qu'une personne décide de ce qui entre dans les connaissances, et signe ce que le chatbot en dira.

Important : Claude Code demande votre permission

Cette demande arrive avant que Claude Code écrive ou modifie un fichier. Dans cette partie, les skills écrivent des fichiers : lisez ce qu'il veut écrire (les lignes vertes sont ajoutées, les rouges supprimées), puis acceptez avec 1. Yes. La question ressemble à ceci :

Do you want to create ...?
❯ 1. Yes
2. Yes, and switch to accept edits (auto-approve file edits and common file commands) for this session (shift+tab)
3. No
Esc to cancel · Tab to amend

Ne choisissez jamais 2 : vous ne verriez plus ce qu'il écrit. Chercher et lire ne demandent pas votre permission. N'approuvez jamais une commande qui mentionne sudo ou workshop-key : choisissez 3. No. Une telle commande pourrait lire votre clé.

Notes pour l'animateur·rice

Montrez summarize une fois sur grand écran, avec le document de Bénévent. Ensuite, chaque binôme ajoute Bénévent, puis sa propre page, dont il fait la curation. Cette partie est la plus longue et la plus variable : une page peut être refusée, presque vide, ou longue à vérifier. Bénévent est le repli : un binôme dont la page échoue fait la curation de Bénévent, et garde sa page pour après la séance.

Surveillez trois moments :

  1. Les demandes de permission : les binômes acceptent avec 1. Yes, jamais avec l'option qui arrête de demander.
  2. La vérification : les binômes ont tendance à faire confiance au brouillon. Insistez : chaque ligne, contre l'original, avec Ctrl+F.
  3. Le refus : un « c'est bon » général est refusé par validate-summary, et c'est voulu.

Étape 1 : Ajouter le document de Bénévent (question 11)​

  1. Ouvrir inbox/README.md et copier sa commande corpus-add. Elle tient sur une seule ligne, même si votre écran la coupe. Dans l'éditeur, Ctrl+Shift+V montre un fichier comme une page ; dans le terminal, les mêmes touches collent.

  2. La coller dans le premier terminal, hors d'une conversation, avec Ctrl+Shift+V, puis appuyer sur Entrée. Vous devez voir, en moins d'une seconde :

    Added: corpus/80-benevento-aib-2026.pdf (original, unchanged)
    corpus/text/80-benevento-aib-2026.md (readable copy, about 1,346 tokens)
    Next, in "workshop C": summarize corpus/80-benevento-aib-2026.pdf

Trois choses se sont produites : le PDF original est gardé sans modification dans corpus/, une copie lisible va dans corpus/text/, et une ligne s'ajoute à corpus/index.md. La question 11 a maintenant son document. Son résumé est facultatif aujourd'hui : le modèle peut lire lui-même la copie lisible. Ne suivez donc pas la ligne Next pour l'instant : passez à l'étape 2, et faites la curation de la page de votre question 12.

Étape 2 : Ajouter la page de votre territoire (question 12)​

  1. Taper la commande suivante, avec l'adresse de la page officielle de votre question 12 entre guillemets, et un nom court :

    corpus-add "https://..." --name my-town-fire-rules
  2. Vous devez voir les trois mêmes lignes, avec le numéro 81, et peut-être une ligne To complete in the header of corpus/text/81-....md: description. : elle liste ce que la page ne disait pas d'elle-même. Ouvrir ce fichier et remplacer TO BE COMPLETED dans son en-tête par un texte court, et aussi dans la dernière ligne de corpus/index.md s'il y est. Ne pas retaper corpus-add pour cette page : cela ajouterait une seconde copie, avec le numéro 82.

  3. Ouvrir la copie lisible corpus/text/81-....md et vérifier que le fait de votre question 12 s'y trouve. Sur certaines pages, le texte n'est pas dans la page elle-même : le navigateur va le chercher ensuite, avec un petit programme appelé script. corpus-add télécharge seulement la page et ne lance pas le script : la copie est alors presque vide. Par exemple, la carte d'une préfecture française n'a donné que 318 jetons : le niveau de danger du jour n'était pas dans la copie.

Si votre page est refusée

Si votre page est refusée (un PDF scanné, une page dont le texte est chargé par un script, ou un site qui refuse les téléchargements : voir Dépannage), ou si sa copie est vide, faites les étapes 3 à 6 avec le document de Bénévent : summarize corpus/80-benevento-aib-2026.pdf. Lisez alors 80 au lieu de 81 dans ces étapes, et posez la question 11 à l'étape 6.

Étape 3 : Laisser le modèle écrire un brouillon de résumé​

  1. Dans le premier terminal, taper workshop C, puis demander, avec votre nom de fichier :

    summarize corpus/81-my-town-fire-rules.html
  2. Chercher la ligne Skill(summarize) : le modèle a ouvert la skill, parce que votre demande correspondait à sa description. Appuyer sur Ctrl+O pour voir ses étapes : lit-il bien corpus/text/81-...md, et non l'original, comme le dit la skill ? Ctrl+O à nouveau pour revenir.

  3. Accepter chaque fichier qu'il veut écrire (1. Yes). Vous pouvez déjà y lire le résumé.

Vous devez obtenir deux fichiers, et une ligne dans summaries/index.md marquée (draft, not verified) :

  • summaries/81-....md : le brouillon de résumé, avec status: draft et sans ligne verified ;

  • summaries/checks/81-....md : la table de vérification, une ligne par phrase :

    | # | Sentence of the summary | Original passage (copied word for word) | OK? | Correction |

Lors de notre essai, le résumé du document de Bénévent a pris 39 secondes et coûté 0,12 $ : 14 phrases et une table de 14 lignes. Le modèle a aussi signalé une contradiction avec un autre résumé, sans trancher. Une ligne de la table marquait d'elle-même un décompte « à vérifier » : c'est le genre de ligne à vérifier en premier.

Étape 4 : Vérifier chaque phrase vous-mêmes​

  1. Ouvrir la table summaries/checks/81-....md.

  2. Ouvrir la source à côté : clic droit sur elle dans la liste des fichiers, puis Open to the Side.

    • Pour une page web, ouvrir la copie lisible corpus/text/81-....md (le .html original est le code de la page, difficile à lire), et si vous voulez la mise en page officielle, la page elle-même dans un onglet du navigateur.
    • Pour un PDF, ouvrir l'original corpus/81-....pdf : il s'ouvre dans une visionneuse de PDF.
  3. Pour chaque ligne : copier quelques mots du passage original, les chercher dans la source avec Ctrl+F, et comparer avec la phrase. Les dates et les chiffres se comparent facilement, dans toutes les langues.

    Chercher trois sortes d'erreurs : un chiffre, une unité ou une date qui a changé ; une condition ou une exception qui a disparu (except..., from level...) ; une phrase qui dit plus que son passage. Le passage est copié mot pour mot : il doit donc être dans la source. Si on ne le trouve pas, chercher moins de mots. S'il n'y est toujours pas, la ligne est fausse.

  4. Remplir la colonne OK? : yes, ou écrire la bonne version dans Correction, entre les deux | de la cellule, sans ajouter ni retirer de |. Enregistrer (Ctrl+S). Vous pouvez aussi le dire dans la conversation, à l'étape 5 : I checked sentences 1 to 10, sentence 3 is wrong, it should be ....

Important : chaque ligne doit être vérifiée

Un « c'est bon » général ne suffit pas : la skill liste les lignes non vérifiées et vous demande de les vérifier. C'est vous qui signez, pas le modèle.

Étape 5 : Signer​

  1. Dans la conversation, dire au chatbot, avec vos noms. Garder ces mots : ils correspondent à la description de la skill, et c'est ce qui l'ouvre :

    Validate summary 81. I checked every row. My name is <first name last name>.

    ou, si une phrase est fausse : sentence 3 is wrong, it should be .... Lors de notre essai, un « I checked summary 80, it is correct » général a été refusé tant que les cellules OK? étaient vides : la skill demande chaque ligne.

  2. La skill validate-summary applique seulement vos corrections, vous montre les phrases corrigées, et vous demande de les confirmer. Accepter les modifications (1. Yes).

  3. Elle ajoute à l'en-tête une ligne verified avec human:<first-name-last-name>, et passe à status: stable.

Étape 6 : Vérifier le résultat​

  1. Ouvrir summaries/index.md : sous Added during the session, votre résumé est passé de (draft, not verified) à (human-reviewed). Ouvrir ensuite summaries/81-... et lire sa ligne verified, avec votre nom.

  2. Quitter avec deux fois Ctrl+C : cette conversation vient de lire votre document, elle répondrait donc de mémoire.

  3. Relancer workshop C et poser votre question 12 dans cette nouvelle conversation. Appuyer sur Ctrl+O : ouvre-t-il summaries/81-... ou corpus/text/81-... ?

    • summaries/81-... : le chatbot répond à partir du texte que vous avez vérifié et signé.
    • corpus/text/81-... seulement : il répond à partir du document complet, et votre résumé n'a pas servi cette fois.
    • Ni l'un ni l'autre : regarder les mots qu'il a cherchés, s'il a cherché. Ils peuvent montrer pourquoi il a manqué votre document.

    Ctrl+O à nouveau, puis quitter avec deux fois Ctrl+C.

Point de contrôle

corpus/80-... et corpus/81-... existent, et summaries/index.md indique (human-reviewed) pour votre résumé.

Pour réfléchir​

Le modèle a écrit le résumé, et il avait probablement raison. Pourquoi est-ce le nom d'une personne, et non celui du modèle, qui figure dans la ligne verified ? (Indice : si un ou une jeune lit une date fausse dans le chatbot, qui en est responsable ?)

Vous avez construit une démarche de curation : une personne décide de ce qui entre, et signe ce que le chatbot en dit. Réemployé dans n'importe quel chatbot : ses réponses tirées de la case Knowledge ne valent que ce que vous y mettez. Avec des jeunes : la boîte à données de WikiYouthBot. Dans un chatbot Open WebUI : les documents de la base de connaissances, voir Partager un chatbot avec un groupe grâce à Open WebUI.

Notes pour l'animateur·rice

Réponse attendue à la question de réflexion : une personne est responsable de ce que le chatbot dit à un ou une jeune ; le modèle propose, la personne décide.


Partie 4 : Écrire sa propre skill (30 min)​

Objectif : comprendre ce qu'est une skill, en écrire une pour une tâche de votre choix, et tester qu'elle se déclenche quand il le faut, et seulement à ce moment-là.

Ce que vous allez découvrir​

  • Une skill est un fichier texte, SKILL.md, dans son propre dossier de .claude/skills/, écrit en anglais courant, comme une procédure pour un ou une collègue. Pas de code.
  • Quand elle sert : au début d'une conversation, le modèle ne voit que le nom et la description de chaque skill. Quand votre demande correspond à une description, il ouvre la skill et suit ses étapes.
  • La description est le déclencheur : changez-la, et la skill se déclenche sur d'autres demandes.

Une skill est une fiche d'activité pour le chatbot​

Pensez à votre classeur de fiches d'activité. Le sommaire est posé sur la table. Quand le groupe a besoin d'un jeu ou d'un débat, vous ouvrez la bonne fiche et vous la suivez, étape par étape. Une skill fonctionne de la même façon.

Préprompt (AGENTS.md, atelier 1)Skill (SKILL.md)
Quand le modèle la littoujours, avec chaque messageseulement quand une demande en a besoin
Ce qu'elle ditqui est le chatbot, et les règles de chaque réponsecomment faire une tâche, étape par étape
Qui décide de s'en servirvous : elle est toujours làle modèle, d'après la description
Ce qu'elle coûte dans le contextetout le texte, à chaque foisquelques lignes, tant qu'elle ne sert pas

À retenir : une skill fait qu'une tâche se déroule de la même façon à chaque utilisation. Le résumé reçoit sa table de vérification, et les règles restent écrites : summarize dit Never add a verified entry yourself, and never mark a summary as checked. (n'ajoutez jamais vous-même une ligne verified, et ne marquez jamais un résumé comme vérifié). Mais une skill n'est que du texte : rien n'oblige le modèle à l'ouvrir ni à la suivre. Appuyer donc sur Ctrl+O pour vérifier, et lire ce qu'il veut écrire avant d'accepter.

Étape 1 : Lire une vraie skill​

  1. Ouvrir .claude/skills/summarize/SKILL.md, puis appuyer sur Ctrl+Shift+V.
  2. Lire l'en-tête entre les deux lignes --- : le name et la description. Votre demande de la partie 3, summarize corpus/81-..., y correspondrait-elle ? Validate summary 81... a ouvert validate-summary de la même façon : ses mots correspondent à la description de cette skill.
  3. Lire les étapes et les règles. Trouver l'étape qui dit quel fichier lit le modèle, l'étape qui crée la table de vérification, et la règle sur verified. Vous avez vu les trois à l'œuvre dans la partie 3 : le modèle les a suivies parce que ce texte le lui disait.

Étape 2 : Utiliser une skill qui demande sa source​

Les connaissances ne viennent pas seulement des documents. Un pompier venu faire une présentation, la mairie, votre propre travail avec les jeunes : des personnes savent des choses, elles aussi. La troisième skill du kit, source-note, écrit un résumé à partir de ce que vous lui dites, et le traite comme un document : elle demande la source, et le résumé reste un brouillon tant qu'une personne ne l'a pas vérifié.

  1. Ouvrir .claude/skills/source-note/SKILL.md, puis appuyer sur Ctrl+Shift+V. Lire la description : quels mots d'une demande ouvriraient cette skill ? Lire les étapes et la partie What you don't do.

  2. Dans le terminal, dans workshop C (taper workshop C s'il ne tourne pas), lui donner quelque chose que votre binôme sait sur la prévention des feux sur votre territoire, et qui n'est pas dans les documents. Un fait, jamais quelque chose sur une personne :

    Add this to the summaries: <what you know, in one or two sentences>

    Ce que vous devez voir : la ligne Skill(source-note), puis une question sur la source. La donner si vous en avez une : l'organisation, la page ou la présentation, et la date. Si vous n'en avez pas, répondre We have no source. Elle écrit quand même le résumé, avec TO BE COMPLETED à la place de la source et status: draft, et ajoute une ligne (draft, not verified) à summaries/index.md. Lire ce qu'elle veut écrire avant d'accepter.

  3. Lui donner maintenant une rumeur, pour voir ce qu'elle fait quand un résumé pourrait dire autre chose :

    Add this to the summaries: in France, clearing the brush around your house is only a piece of advice.

    Ce que vous devez voir : si un résumé dit déjà autre chose, elle ne l'écrit pas tout de suite. Elle nomme ce résumé et vous demande quoi faire. Répondre Do not write it. Vous retrouverez cette rumeur à l'étape 4, et la confronterez aux documents.

Un résumé avec TO BE COMPLETED ne doit pas rester ainsi : trouvez sa source avant l'atelier suivant, ou supprimez-le, avec sa ligne dans summaries/index.md. D'ici là, votre chatbot peut utiliser un fait que personne n'a vérifié.

À retenir : les règles tiennent parce qu'elles sont écrites dans la skill : ne jamais inventer de source, ne jamais modifier un résumé sans votre accord, dire quand deux sources ne sont pas d'accord. La décision reste la vôtre. Mais la skill n'est que du texte : appuyer sur Ctrl+O pour vérifier qu'elle a vraiment demandé la source.

Étape 3 : Écrire une skill​

Choisir une de ces idées, ou une des vôtres :

SkillCe qu'elle faitDans WikiYouthBot
rumour-checkprend une phrase entendue quelque part et répond TRUE, PARTLY TRUE, FALSE ou NOT IN OUR DOCUMENTS, avec la sourceJ'ai entendu une rumeur
quiz-makerécrit 5 questions à choix multiple pour les 12-15 ans à partir d'un résumé, chacune avec sa réponse et sa sourceLe bingo des ODD
explain-for-kidsréécrit un résumé pour un ou une jeune de 12 ans : phrases courtes, sans jargon, mêmes chiffres et même sourceLe studio du chatbot
translate-summarytraduit un résumé, garde les chiffres, et marque le résultat comme brouillon à vérifierLa boîte à données
press-questionsprépare des questions de test dans les catégories de test-questions.md, chacune avec sa réponse attendue et sa sourceLa conférence de presse

Voici un exemple complet. Dans la liste des fichiers, trouver la ligne .claude / skills (VS Code affiche les deux dossiers sur une seule ligne), faire un clic droit sur le mot skills, puis New Folder..., et le nommer rumour-check.

Ensuite, clic droit sur ce nouveau dossier, puis New File..., et le nommer SKILL.md (en majuscules). Y coller le texte suivant, et enregistrer (Ctrl+S) :

---
name: rumour-check
description: Checks a rumour about wildfires against the documents. Use when the user says "I heard that...", "is it true that...", or gives a sentence to check.
---

# Checking a rumour

1. Write the rumour as one short sentence.
2. Search summaries/ first, then corpus/text/ if needed.
3. Answer with one of four verdicts: TRUE, PARTLY TRUE, FALSE, or NOT IN OUR DOCUMENTS.
4. Give the sentence of the document that proves it, and the name of the document. For PARTLY
TRUE, say which part is true and which part is not, each with its sentence.

## What you don't do

- Answer from what you know without a document: then the answer is NOT IN OUR DOCUMENTS.
- Say TRUE or FALSE when the documents disagree: say so, and give both.

Cette skill reformule la rumeur, cherche d'abord dans les résumés puis dans les copies lisibles, répond par l'un des quatre verdicts, et cite la phrase du document qui le prouve. Pour PARTLY TRUE (en partie vrai), elle dit quelle partie est vraie et laquelle ne l'est pas, chacune avec sa phrase. Elle ne répond jamais de mémoire, et ne tranche pas quand les documents se contredisent.

Le verdict PARTLY TRUE existe parce qu'une rumeur contient souvent une part de vérité : c'est pour cela qu'on y croit. Et le modèle a pu lire la même rumeur pendant son entraînement : sa propre idée peut donc être biaisée, elle aussi. La skill lui fait d'abord chercher dans les documents, et garder la partie qu'un document prouve.

Pour votre propre skill, garder les mêmes quatre parties : un nom, une description qui dit quand s'en servir, les étapes, et ce que le modèle ne doit jamais faire.

Étape 4 : Tester quand elle se déclenche​

  1. Quitter et relancer workshop C, pour que le modèle voie à coup sûr votre nouvelle skill.
  2. Faire une demande qui devrait utiliser votre skill. Pour rumour-check : I heard that in France, clearing the brush around your house is only a piece of advice. Vous devez voir la ligne Skill(rumour-check), puis une recherche. Le verdict est-il l'un des quatre, avec une source ? C'est vous qui décidez si la source le dit vraiment : ouvrez le document.
  3. Faire une demande qui ne devrait pas l'utiliser : Hello, who are you?
  4. Voir maintenant que la description est le déclencheur. La modifier, enregistrer, quitter (deux fois Ctrl+C), relancer workshop C, et tester à nouveau les deux demandes. Si la skill se déclenche déjà quand il le faut, essayer une description qui en dit moins : retirer la phrase qui commence par Use when, et voir ce qui change. Garder la version qui se déclenche quand il le faut, et seulement à ce moment-là. Une skill qui s'ouvre sur Hello ajoute son texte au contexte pour rien, et elle peut imposer sa forme à une réponse qui n'en a pas besoin.
  5. Quitter avec deux fois Ctrl+C : la partie 5 commence dans le terminal.

Dans un vrai Codespace, cette rumeur a utilisé rumour-check deux fois sur deux (● Skill(rumour-check), puis une recherche dans les documents), et Hello, who are you? n'a utilisé aucune skill. Chaque essai remplissait environ 11 000 à 12 000 jetons de la fenêtre. La skill de cet essai avait la même description, mais trois verdicts au lieu de quatre.

À retenir : la recherche trouve les faits et montre où ils sont ; la skill dit quoi en faire, de la même façon à chaque fois. Ensemble, elles font une tâche que vous répéteriez sinon à la main, et elles vous donnent les sources pour décider.

Point de contrôle

Votre SKILL.md existe, il se déclenche sur une demande, et pas sur Hello, who are you?.

Pour réfléchir​

Qu'est-ce qui va dans le préprompt, et qu'est-ce qui va dans une skill ? (Indice : que doit faire le chatbot pour chaque réponse, et que doit-il faire seulement pour un type de demande ?)

Vous avez construit une skill. Réemployé dans votre chatbot dans Open WebUI, qui la reçoit avec ses instructions (partie 5, étape 2), et dans tout agent construit sur le même principe. Avec un groupe : le fichier que produit chatbot-export à l'atelier 5 emporte votre skill, et openwebui import l'attache au chatbot de la séance (partie 6 de Partager un chatbot avec un groupe grâce à Open WebUI, importer un chatbot). Une autre voie, sans Claude Code : les skills d'un chatbot OpenCode (voir Construire son chatbot avec OpenCode).

Notes pour l'animateur·rice

Un binôme sans idée prend rumour-check. Si un binôme ne voit pas apparaître Skill(...) : vérifier l'emplacement et le nom (.claude/skills/<nom>/SKILL.md, en majuscules), quitter et relancer workshop C, vérifier que la demande correspond à la description. Réponse attendue à la question de réflexion : les règles de chaque réponse vont dans le préprompt ; la procédure d'un type de demande va dans une skill.


Partie 5 : Clôture (10 min)​

Objectif : mesurer ce que cet atelier a changé, sur les questions qui peuvent le montrer. Voir ensuite votre chatbot hors du terminal, et sauvegarder votre travail.

QuestionCe qu'elle met à l'épreuve aujourd'hui
3une réponse qui n'est que dans un document complet : le modèle peut-il l'atteindre en cherchant ?
8quelque chose qui change chaque jour : votre point de départ pour l'atelier 4
11le document de Bénévent, que vous avez fait entrer aujourd'hui
12la page de votre territoire, dont vous avez vérifié et signé le résumé

Étape 1 : Rejouer et noter la colonne C​

  1. Prédire sur papier : lesquelles des questions 3, 11 et 12 vont progresser de la colonne B à la colonne C ?

  2. Dans le premier terminal, rejouer le jeu de test en mode C :

    replay C

    Sous chaque réponse, la ligne What the model did: liste ce qu'il a lu, cherché et utilisé, par exemple used the skill rumour-check. Les questions du jeu de test ne sont pas des rumeurs : cet exemple peut ne pas apparaître. Lors de notre essai, aucune question n'a utilisé cette skill. Cet essai, avec les 11 questions du kit (sans question 12) : 1 min 42 et 0,30 $. Avec deepseek/deepseek-v4-flash, 11 questions ont pris 3 à 4,5 minutes par replay dans les modes bare, C, D et E (un essai).

  3. Noter les questions du jour, et la question 8, que l'atelier 4 compare avec son outil, avec l'aide du juge (sans question 12 : score C 3 8 11) :

    score C 3 8 11 12
  4. Comparer la colonne C avec les colonnes B et RAG dans scores.md, pour les questions 3, 11 et 12, et avec votre prédiction. Aujourd'hui, seules certaines questions sont notées : la ligne Total ne veut donc rien dire ici, lisez les lignes. Sans sauvegarde, il n'y a pas de colonnes B et RAG : comparer avec un binôme voisin.

  5. Comment lire les lignes. Les questions 11 et 12 montrent ce que vous avez fait entrer : leurs documents sont arrivés aujourd'hui, donc une hausse vient de votre curation. La question 3 montre la recherche. En mode B, l'arrêté complet était déjà dans le contexte : la colonne B peut donc déjà être juste, et le gain est dans la jauge, environ 23 000 jetons contre environ 100 000. Face au RAG, la note peut monter : dans nos tests, la question 3 a obtenu 1 avec le RAG et 2 en mode C. La question 11 est montée aussi, mais son document n'était pas dans le RAG : cette hausse vient de votre curation, pas de la recherche. Le RAG coûte moins cher : environ 2 500 jetons par question en moyenne à l'atelier 2, parce qu'il n'envoie que 5 extraits.

Lignes 11 et 12 vides dans les colonnes B ou RAG ?

À l'atelier 2, les questions 11 et 12 n'étaient notées que s'il restait du temps. Vos réponses sont revenues avec votre sauvegarde : notez-les d'abord, avec score B 11 12 et score RAG 11 12 (sans question 12 : score B 11 et score RAG 11).

Étape 2 : Votre chatbot dans Open WebUI​

  1. Dans le second terminal, vérifier qu'Open WebUI est prêt, puis taper, avec le nom de votre chatbot :

    openwebui chatbot --name "Feurisson"

    C'est terminé quand vous voyez Ready. Juste avant, une ligne nomme votre skill : Your skills came along: rumour-check. (avec le nom de la vôtre).

  2. Ouvrir l'adresse, choisir votre chatbot, et poser votre question 12. Votre chatbot a maintenant vos documents, et il y cherche lui-même. Quand il cherche, une ligne apparaît au-dessus de la réponse : elle commence par Explored après plusieurs recherches, et par View Result from après une seule. Cliquer dessus pour voir ses recherches, comme avec Ctrl+O en mode C.

  3. Faire une demande qui a déclenché votre skill à la partie 4, par exemple avec rumour-check : I heard that in France, clearing the brush around your house is only a piece of advice. Votre chatbot a reçu votre skill, mais elle ne fonctionne pas comme dans Claude Code. Open WebUI envoie son texte entier avec chaque message, même Hello : sa description ne décide plus du moment où elle est lue, et aucune ligne n'apparaît pour elle au-dessus de la réponse. Chaque message coûte un peu plus : environ 200 jetons pour l'exemple rumour-check, selon notre estimation. Le chatbot ne peut pas la modifier. Les trois skills du kit (summarize, validate-summary, source-note) restent dans ce dépôt : elles écrivent des fichiers, et un chatbot dans Open WebUI ne le peut pas.

Si la réponse reste vide

Le modèle a pris votre skill pour un outil qu'il pouvait appeler. C'est arrivé 3 fois sur 3 avec un petit modèle local (qwen3:8b). Avec Claude, lors de notre essai, le chatbot a cherché dans les documents et donné son verdict.

Étape 3 : Sauvegarder son travail, remplir la carte de sortie​

  1. Taper workshop-save, puis faire un clic droit sur my-work.zip → Download.... Le fichier contient vos documents, votre résumé et votre skill. Apportez-le à l'atelier 4. Si votre ordinateur a déjà un my-work.zip, le nouveau s'appelle peut-être my-work (1).zip : apportez le plus récent.
  2. Prendre une carte vierge ou une demi-feuille auprès de l'animateur·rice : c'est votre carte de sortie. Répondre seul·e, en quelques mots :
    1. En mode C, qui décide de ce que lit le modèle, et comment pouvez-vous le vérifier ?
    2. Pourquoi est-ce le nom d'une personne, et non celui du modèle, qui figure dans la ligne verified d'un résumé ?
    3. Quand le modèle ouvre-t-il une skill ?

Ensuite : l'atelier 4, Brancher des outils sur un chatbot. Ouvrez son propre Codespace depuis la page de son dépôt, https://github.com/Youth-AI-Lab/yal-workshop-tools, et apportez my-work.zip. Apportez aussi l'adresse de la page officielle qui donne le niveau de danger feu de votre territoire, s'il en existe une : à l'atelier 4, elle entre dans le fichier de l'outil.

Notes pour l'animateur·rice
  • Open WebUI n'est pas prêt à la clôture : sauter openwebui chatbot et montrer votre propre chatbot sur grand écran, construit lors de votre essai.
  • Un binôme utilise OpenCode : on lui demande son accord avant chaque commande et chaque fichier écrit, ce sont les mêmes étapes avec davantage de réponses à donner. Une clé OpenRouter suit les mêmes étapes, juge et Open WebUI compris. Avec cette clé et le modèle par défaut, les skills du terminal ne sont pas toujours suivies : summarize peut écrire le résumé sans sa table de vérification, et validate-summary ou source-note peuvent ne rien écrire. Vérifiez que les fichiers sont bien là.
  • Une bulle de réponse vide dans Open WebUI, sur la demande qui déclenche la skill du binôme : dites ce que c'est, un modèle qui a pris la skill pour un outil, pas un chatbot cassé.
  • Un binôme a restauré une ancienne sauvegarde (la date saved on n'est pas la fin de l'atelier 2) : workshop-start 3 --from avec le zip le plus récent, son nom exact entre guillemets.
  • Après l'atelier : rappelez à chaque binôme de garder my-work.zip pour l'atelier 4.
  • Réemploi avec des jeunes : la partie 3, c'est la boîte à données de WikiYouthBot. Un groupe apporte des documents locaux, et un adulte vérifie ce que le chatbot en dira avant qu'ils n'entrent. Pour construire un chatbot aux documents vérifiés pour un groupe : Partager un chatbot avec un groupe grâce à Open WebUI.

Dépannage​

Les problèmes communs (clé, Codespace, terminal) sont traités dans la section Troubleshooting du fichier SETUP.md du dépôt. Les messages liés à une clé OpenRouter ou à --europe sont aussi dans le dépannage de l'atelier 1.

  • File not found: ... (affiché par corpus-add) : vérifier le nom du fichier. Pour le document de Bénévent, recopier la commande de inbox/README.md : elle tient sur une seule ligne.
  • Not added: almost no text could be read (...). A scanned PDF (only images)? Ask the facilitator. : ce PDF est une image de page, sans texte à l'intérieur. Le chatbot ne pourrait pas le lire. Choisir un autre document, ou faire la partie 3 avec le document de Bénévent.
  • Not added: almost no text could be read (...). The page layout was not recognised. Ask the facilitator. : cette page web charge son texte avec un script, il n'y a donc presque rien à y lire. Choisir une autre page (souvent le PDF de la même règle), ou faire la partie 3 avec le document de Bénévent.
  • Could not download <address> (...) : certains sites refusent les téléchargements. Enregistrer le document sur votre ordinateur, le glisser dans la liste des fichiers du Codespace, puis donner son nom de fichier à corpus-add, avec --url "<address>" pour que l'en-tête garde sa source.
  • Claude Code demande Do you want to...? avant d'écrire un fichier : c'est normal, il le demande chaque fois qu'une skill écrit ou modifie un fichier. Lire ce qu'il veut faire, puis accepter avec 1. Yes.
  • Ma skill ne se déclenche pas : vérifier son emplacement et son nom, .claude/skills/<nom>/SKILL.md, avec SKILL.md en majuscules. Quitter et relancer workshop C, puis vérifier que votre demande correspond à sa description.
  • Open WebUI is not running. Type: openwebui start : taper openwebui start dans le second terminal, attendre Open WebUI is ready, puis relancer openwebui chatbot.

Indicateurs de réussite​

  • Chaque binôme a vu Key OK et Ready for workshop 3, et openwebui start tourne dans le second terminal.
  • Chaque binôme sait dire quels fichiers le modèle a ouverts pour les questions 3 et 7, grâce à Ctrl+O.
  • corpus/80-... et corpus/81-... existent, et summaries/index.md indique (human-reviewed) pour le résumé de chaque binôme, après une vérification ligne par ligne.
  • Chaque binôme a une skill qui se déclenche sur une demande, et pas sur Hello, who are you?.
  • La colonne C est notée pour les questions 3, 8, 11 et 12, et my-work.zip est téléchargé.
  • Les cartes de sortie contiennent les éléments d'une bonne réponse :
    • Question 1 : le modèle décide, étape par étape ; Ctrl+O montre chaque fichier ouvert et chaque recherche.
    • Question 2 : une personne a vérifié le résumé contre la source, et elle en est responsable.
    • Question 3 : quand une demande correspond à la description de la skill ; jusque-là, le modèle ne connaît que les noms et les descriptions.

Cette fiche fait partie du projet Youth AI Lab, financé par le programme Erasmus+. Adaptation française de https://github.com/Youth-AI-Lab/yal-workshop-search (anglais), contenu sous licence CC BY-SA 4.0. Les documents officiels du corpus appartiennent à leurs éditeurs et ne sont pas couverts par cette licence.