ki-fwi/docs/sessions/00-cadre-et-donnees.md

# Session 0 — Cadre et données

**Date :** 2026-07-27 · **Type de mission :** B (création *ex nihilo*) · **Code applicatif écrit : aucun.**

---

## Ce qui a été fait

**Gouvernance.** `git init` et commit de protection des documents de cadrage **avant toute
autre action** (playbook §5b.1 — atlas-fediverse avait été perdu faute de ce réflexe). Le
pack de référence `doc2sveltekit-transition/` reste local et non versionné, conformément au
playbook §0. Branche `main`.

**Cadre.** Cinq ADR, `LICENSE` (AGPL-3.0-or-later, texte canonique récupéré depuis gnu.org),
`LICENSE-CONTENT`, audit des sept sources, `SOURCES.md`, deux lettres-types.

**Outillage.** Six scripts dans `tools/data/`, tous hors bundle :

| Commande | Rôle |
|---|---|
| `npm run verify:taxa` | vérifie 13 taxons contre Wikidata (SPARQL) et GBIF |
| `npm run ingest:commons` | remonte les photos candidates sous licence libre |
| `npm run build:dataset` | compose les entrées ; refuse d'écraser sans `--force` |
| `npm run validate:data` | **la porte** — schéma + règles métier, sortie non nulle = build refusé |
| `npm run test:porte` | prouve que la porte refuse les 9 cas interdits |
| `npm run build:credits` | régénère `CREDITS.md` depuis les données |
| `npm run check:audio` | liste les enregistrements kréyòl manquants |
| `npm run rapport:manques` | mesure les manques, dans le projet et dans les fonds publics |

**Données.** 13 entrées dans `src/lib/data/fruits/`, 39 médias candidats, 0 validé.

---

## Ce que la vérification a appris

### La graine était bonne sur la taxonomie

**13 taxons sur 13** trouvés dans Wikidata par correspondance exacte sur `P225`, et
**13 sur 13** acceptés par GBIF en `matchType: EXACT`, `status: ACCEPTED`. **Zéro divergence**
sur les familles annoncées dans `fruits.seed.json`.

Y compris *Cascabela thevetia* pour le laurier-jaune, alors que le synonyme
*Thevetia peruviana* circule largement. Le contrôle du statut GBIF était écrit pour attraper
exactement ce cas ; il n'a rien trouvé à corriger. C'est le bon résultat, et il est
maintenant **vérifié plutôt que supposé** — `docs/verification-taxons.md`.

### Aucune machine ne peut valider une photo

La recherche Commons sur *Melicoccus bijugatus* (kénèt) remonte en deuxième position une
photographie de **singe capucin** mangeant le fruit. Le moteur de recherche classe par
pertinence textuelle, pas par contenu botanique.

Cette observation a produit une décision de conception : le schéma distingue désormais
`photo`, `planche_botanique` et `image_generee`. Les fonds Commons contiennent beaucoup de
planches anciennes du domaine public — Blanco, Merian — exactes mais stylisées. Une planche
documente une fiche ; elle ne peut pas porter une épreuve de reconnaissance du réel.

Sur 39 médias candidats retenus : **25 photographies, 14 planches botaniques.**

### Le mancenillier n'a aucune photographie dans le haut de sa pile

Trois entrées comptent moins de deux photographies parmi leurs trois premiers candidats :

| entrée | photos sur 3 candidats | ce que Commons remonte en tête |
|---|---|---|
| `mansiniye` (mancenillier) | **0** | trois planches gravées — Jacquin 1780, Green 1816-20, Hocquart 1821 |
| `pom-site` (pòm-sitè) | **0** | planches, dont deux Blanco |
| `medisinye` (medsinyé) | 1 | |

C'est l'entrée la plus critique du module « Pa touché » qui est la moins bien servie. Un
enfant doit reconnaître un mancenillier **sur une plage**, pas sur une gravure de 1780. Il
faudra descendre plus bas dans les dix candidats de `docs/planche-relecture-medias.md`, ou
photographier l'arbre sur le littoral — il est signalé par une bande de peinture rouge, ce
qui rend la séance de terrain praticable et sans risque de confusion.

Le pré-tri qui produit cette classification a lui-même été corrigé en cours de session : la
planche de Jacquin ressortait d'abord en « photo » parce que ni son titre ni son auteur ne
disent son siècle. La date de prise de vue est désormais examinée, et toute date antérieure
à 1900 classe le média en planche. Ce pré-tri reste **un tri, pas un verdict** : c'est le
relecteur humain qui corrige le champ.

### TRAMIL : la situation est pire que ce que le brief supposait

Vérification directe le 2026-07-27 : le pied de page de `tramil.net` affiche
« © Copyright 2017 TRAMIL all rights reserved », et le lien « Legal notice » du site renvoie
une **404**. Les conditions d'usage ne sont donc même pas consultables. La demande écrite
n'est pas une précaution, c'est la seule voie.

### iNaturalist : 93 % de non commercial, mesuré

Échantillon de 305 photographies de qualité recherche sur *Chrysobalanus icaco* : 280 en
CC BY-NC, 12 en CC0, 8 en CC BY, 5 en CC BY-NC-SA. Se limiter au non-NC réduirait
iNaturalist à un appoint marginal — ce qui donne son poids réel à la décision du porteur.

---

## Ajout en cours de session — la dimension participative

Décision du porteur : les manques ne se masquent pas, ils se publient. ADR 0006, guide
[`contribuer.md`](../contribuer.md), inventaire mesuré [`manques.md`](../manques.md), et
appel public à la libération des données TRAMIL en brouillon.

### Ce que la mesure a révélé

**Le kréyòl est absent des communs numériques.** Wikidata enregistre **124 noms
vernaculaires** pour les 13 espèces — 33 pour le fruit à pain, 22 pour la pomme d'eau, 12
pour la goyave, en chinois, anglais, portugais, slovène. **Zéro en kréyòl**, et aucune
étiquette de langue `gcf` sur aucun des 13 items. C'est la contribution la moins coûteuse du
projet — cinq minutes par entrée, aucun matériel — et l'une des plus durables. Elle suppose
en revanche une orthographe relue : à faire après la relecture kréyòl, jamais avant.

**L'écorce est la vue qui manque.** Après correction de la mesure, il reste 3 trous sur 65
dans les fonds libres, et les trois sont des écorces : mansiniyé (0 fichier), aki (0),
kénèt (1). Trois autres sont tout juste au seuil. C'est cohérent avec la pratique — on
photographie un fruit, rarement un tronc — et c'est fâcheux, parce que l'écorce est l'indice
le plus fiable sur le terrain : un tronc est visible toute l'année, un fruit quelques mois.

**Pl@ntNet est un meilleur canal de contribution que iNaturalist.** Mesuré sur le zikak en
Guadeloupe : les images iNaturalist sont à ~93 % en CC BY-NC, celles de Pl@ntNet apparaissent
en CC BY-SA (jeu de données GBIF sous CC BY 4.0). À effort égal pour le contributeur, la
seconde voie produit des images pleinement réutilisables. D'où le conseil mis en avant dans
le guide : régler sa licence par défaut sur iNaturalist une fois pour toutes.

### La langue devient participative — et la communauté existait déjà

Second ajout du porteur : demander aux locuteurs, sur l'orthographe comme sur la
prononciation, plutôt que d'attendre un relecteur unique. ADR 0005 amendé, protocole dans
[`kreyol-participatif.md`](../kreyol-participatif.md).

**Découverte en interrogeant Lingua Libre**, l'atelier d'enregistrement de Wikimedia :
**456 enregistrements en kréyòl gwadloupéyen** y sont déjà publiés sous licence libre, versés
pour l'essentiel par un contributeur nommé « Palé Kréyol ». Et **trois de nos treize noms s'y
trouvaient déjà** — `gouyav`, `kénèt`, `zikak` — en CC BY-SA 4.0, **avec exactement notre
graphie**.

Trois entrées sortent donc du doute par corroboration externe, sans que le projet ait rien
décidé, et trois enregistrements sont immédiatement utilisables. La leçon dépasse le cas :
la question n'était pas de savoir qui trancherait, mais d'aller regarder si quelqu'un
l'avait déjà fait.

En regard, le kréyòl reste absent des données structurées : **0 lexème Wikidata** en kréyòl
gwadloupéyen, 0 étiquette `gcf` sur les treize items.

**Ce que le modèle de données gagne.** Trois états d'orthographe au lieu de deux —
`a_relire`, `en_discussion`, `relu` — avec obligation de poser la question quand un doute est
signalé ; un champ `variantes_gcf` qui conserve les usages proposés avec leur source et leur
île, sans en effacer aucun ; un bloc `audio` qui porte source, licence, page d'origine et
locuteur crédité. Quatre entrées passent en `en_discussion` : `ake`, `medisinye`,
`lorye-jonn`, `pom-dlo`.

**Un pis-aller assumé.** Les quatre questions sont rédigées en français. Demander en français
à des locuteurs kréyòl de corriger du kréyòl est un contresens — mais les rédiger en kréyòl
reviendrait à produire du kréyòl non relu au moment même où l'on reconnaît ne pas savoir le
faire. Leur traduction est la première contribution demandée.

### Une mesure fausse, attrapée avant publication

Le premier rapport annonçait **28 vues manquantes sur 65**. C'était faux. Le groupement `OR`
de la recherche Commons ne se comporte pas comme attendu : sur *Annona muricata*, `section`
seul remonte 17 fichiers là où `(section OR sliced OR cut OR coupe)` en remonte 0. Le signal
d'alerte était que `coupe` ressortait à zéro pour les **treize** espèces — Commons contient
évidemment des photos de corossol coupé.

Après correction — un mot, une requête, avec gestion du débit des API —, le chiffre réel est
**3 sur 65**.

Publier les 28 aurait envoyé des bénévoles photographier ce qui existait déjà. La leçon est
consignée dans l'ADR 0006 : une mesure qui produit un résultat extrême se suspecte avant de
se publier, et une réponse d'API illisible ne se compte jamais comme un zéro.

## Écarts constatés et signalés, non corrigés en silence

Le brief §9 impose de signaler les écarts plutôt que de les corriger discrètement.

1. **Le champ `danger` de la graine a deux formes.** Les niveaux « vigilance » (kénèt,
   pòm-kannèl) portent leur texte dans `note`, les niveaux « élevé » et « critique » dans
   `resume`. Le schéma impose un champ unique : la composition normalise vers `resume`, sans
   réécrire un mot. C'est la porte de validation qui a levé l'incohérence, pas une relecture.

2. **Trois identifiants divergent du nom kréyòl au-delà des accents** : `ake`/`aki`,
   `medisinye`/`medsinyé`, `lorye-jonn`/`lorié-jòn`. Non tranchés — `docs/kreyol-a-relire.md`.

3. **Deux planches Blanco produisaient le même identifiant de média** une fois tronquées à
   60 caractères. Désambiguïsées par suffixe plutôt que perdues.

4. **`comestible: false` sur l'akée et la pomme-cajou** est une sous-estimation assumée :
   les deux se mangent sous conditions strictes. Le choix prudent était le seul défendable
   sans arbitrage humain — `docs/a-arbitrer.md` §1.

5. **Le brief demandait 8 fruits ; 13 entrées ont été produites** (les 5 plantes du module
   « Pa touché » incluses, sur décision du porteur). La vérification coûtait le même effort
   et le contenu de sécurité demande le plus long délai de relecture.

---

## La porte de validation

Le brief §2 exigeait que le contrôle soit « un script de build, pas une consigne ».
`tools/data/validate.mjs` refuse :

- une épreuve ou un indice s'appuyant sur un média non validé, non photographique, de
  filière B, ou dont la vue n'est pas renseignée ;
- un média à attribution dont l'auteur est absent ;
- un compositing sur un média en partage à l'identique ou sous clause non commerciale ;
- une validation sans nom de validateur ;
- une épreuve portée par une plante dangereuse ;
- une entrée publiée avec moins de deux photos validées, ou dont l'orthographe kréyòl n'est
  pas relue par un humain nommé.

`npm run test:porte` fabrique ces neuf cas et vérifie que le refus se produit, plus un cas
témoin conforme qui doit passer. **10/10.** Une règle de sécurité qu'on n'a jamais vue
refuser quelque chose est une intention, pas une règle.

---

## Ce qui bloque la suite

| Blocage | Bloque | Qui peut le lever |
|---|---|---|
| 0 média validé | Rekonèt sur données réelles (session 2) | le porteur, `docs/planche-relecture-medias.md` |
| Aucun relecteur kréyòl désigné | toute publication | le porteur |
| 13 enregistrements manquants | le moment de révélation | une après-midi d'enregistrement |
| Saisonnalité non sourcée | publication du mode Sézon | CIRAD, lettre prête |
| 6 points non arbitrés | publication | le porteur, `docs/a-arbitrer.md` |

**Le premier travail non délégable est la planche de relecture des médias.** La session 1 ne
l'exige pas — les fiches affichent texte, taxonomie et crédits sans photo. La session 2, si.

---

## Vérifications de fin de session

```
npm run verify:taxa      → 13 taxons, 0 divergence
npm run ingest:commons   → 130 candidats, 0 taxon sous le seuil de 2
npm run validate:data    → 13 entrées, 39 médias, 0 validé, 0 erreur
npm run test:porte       → 10/10
npm run build:credits    → 13 entrées, 39 médias, 0 sous clause NC
npm run check:audio      → 13 enregistrements à réaliser
npm run rapport:manques  → 3 vues manquantes sur 65, 0 nom kréyòl sur Wikidata
```

Dépendances installées : `ajv` et `ajv-formats` uniquement, toutes deux importées et
utilisées (playbook §2.2 — aucune dépendance installée sans être utilisée).

**Prochaine session : 1 — Socle.** Ne pas la démarrer sans avoir relu ce document et
`docs/plan.md`.