fix(chatbot-pensees): règle anti-citations inventées, passée par user_prompt

- REGLE_CITATIONS : constante unique appliquée aux 4 préambules (pensées, projets, croisé, auteur) :
  ne citer entre guillemets que ce qui figure mot pour mot dans le contexte, sinon reformuler sans guillemets.
- Préambules + règle envoyés via le champ user_prompt de LightRAG /query ; query = question seule
  (la recherche n'est plus polluée par le préambule).
- scripts/verif-citations.mjs : contrôle réutilisable (segments entre guillemets vs contexte only_need_context).

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_015vcVGz8i4WpZm2dixKUiSD

scripts/verif-citations.mjs

@@ -0,0 +1,80 @@
+#!/usr/bin/env node
+/**
+ * Contrôle des citations d'un chatbot LightRAG : chaque segment entre guillemets
+ * de la réponse doit figurer mot pour mot dans le contexte réellement récupéré.
+ *
+ * Usage :
+ *   node scripts/verif-citations.mjs --rag http://HOTE:9621 --query "Cite ..." \
+ *     [--route http://localhost:3334/api/chatbot-pensees] [--mode hybrid] [--auteur slug] \
+ *     [--response-file reponse.txt] [--ctx-query-file autre-query.txt] [--min-mots 6] [--json]
+ *
+ * - Sans --response-file : la réponse est demandée à --route (POST {query, mode, auteur_slug}).
+ * - Contexte : POST {rag}/query {query, mode, only_need_context:true}. --ctx-query-file ajoute
+ *   un second contexte (ex. la requête telle qu'envoyée avant amendement, préambule inclus) ;
+ *   un segment est « trouvé » s'il figure dans l'un ou l'autre.
+ * - Segment >= min-mots (6) absent du contexte = inventé. Plus court : signalé, non compté.
+ * Lecture seule côté LightRAG. Réutilisable pour l'instance 9623 (--rag http://HOTE:9623).
+ */
+import { readFileSync } from 'node:fs'
+
+const args = Object.fromEntries(process.argv.slice(2).reduce((a, x, i, arr) => {
+  if (x.startsWith('--')) a.push([x.slice(2), arr[i + 1] && !arr[i + 1].startsWith('--') ? arr[i + 1] : true])
+  return a
+}, []))
+if (!args.rag || !args.query) { console.error('--rag et --query requis'); process.exit(2) }
+const mode = args.mode || 'hybrid'
+const minMots = Number(args['min-mots'] || 6)
+
+// Normalisation : sans accents ni ponctuation/apostrophes/antislashs (le contexte LightRAG est du JSON échappé).
+const norm = s => s.normalize('NFD').replace(/[\u0300-\u036f]/g, '').toLowerCase()
+  .replace(/[^\p{L}\p{N}]+/gu, ' ')
+  .replace(/\s+/g, ' ').trim()
+
+async function post(url, body, timeout = 120000) {
+  const r = await fetch(url, { method: 'POST', headers: { 'content-type': 'application/json' }, body: JSON.stringify(body), signal: AbortSignal.timeout(timeout) })
+  if (!r.ok) throw new Error(`${url} -> HTTP ${r.status}`)
+  return r.json()
+}
+async function contexte(q) {
+  const j = await post(`${args.rag}/query`, { query: q, mode, only_need_context: true })
+  return typeof j.response === 'string' ? j.response : JSON.stringify(j)
+}
+
+let reponse
+if (args['response-file']) reponse = readFileSync(args['response-file'], 'utf8')
+else {
+  if (!args.route) { console.error('--route ou --response-file requis'); process.exit(2) }
+  const b = { query: args.query, mode }
+  if (args.auteur) b.auteur_slug = args.auteur
+  reponse = (await post(args.route, b)).response
+}
+
+const ctxs = [await contexte(args.query)]
+if (args['ctx-query-file']) ctxs.push(await contexte(readFileSync(args['ctx-query-file'], 'utf8')))
+const ctxNorm = norm(ctxs.join('\n'))
+
+// « » d'abord (les "..." imbriqués ne doivent pas casser l'appariement), puis "..." et “...” sur le reste.
+const segs = []
+let reste = reponse.replace(/«s*([^»]+?)s*»/g, (_, s) => { segs.push(s); return ' ' })
+for (const re of [/"([^"]+?)"/g, /“([^”]+?)”/g]) {
+  for (const m of reste.matchAll(re)) segs.push(m[1])
+}
+const lignes = segs.map(s => {
+  const n = norm(s); const mots = n ? n.split(' ').length : 0
+  return { segment: s, mots, trouve: n.length > 0 && ctxNorm.includes(n) }
+})
+const longs = lignes.filter(l => l.mots >= minMots)
+const res = {
+  query: args.query, mode,
+  segments: lignes.length, longs: longs.length,
+  longs_trouves: longs.filter(l => l.trouve).length,
+  inventes: longs.filter(l => !l.trouve).length,
+  courts_non_comptes: lignes.length - longs.length,
+  contexte_chars: ctxs.map(c => c.length),
+  detail: lignes, reponse,
+}
+if (args.json) console.log(JSON.stringify(res, null, 2))
+else {
+  console.log(`Q: ${res.query}\nsegments=${res.segments} longs(>=${minMots} mots)=${res.longs} trouvés=${res.longs_trouves} INVENTÉS=${res.inventes} courts=${res.courts_non_comptes}`)
+  for (const l of lignes) console.log(`  [${l.mots >= minMots ? (l.trouve ? 'OK ' : 'INV') : 'crt'}] (${l.mots}) ${l.segment.slice(0, 160)}`)
+}

server/api/chatbot-pensees.post.ts

@@ -7,6 +7,16 @@ import { readFileSync } from 'node:fs'
 import { join } from 'node:path'
 import { checkRateLimitJson } from '~/server/utils/rateLimitJson'
 
+/**
+ * Règle citations — commune aux 4 préambules (mesure M7 du 05/10 : le modèle invente des
+ * citations entre guillemets quand l'extrait n'est pas dans le contexte récupéré).
+ */
+const REGLE_CITATIONS = `RÈGLE DES CITATIONS (prioritaire sur toute autre consigne) :
+- Ne mets entre guillemets (« ») que ce qui figure MOT POUR MOT dans le contexte fourni ci-dessus. Jamais de citation reconstituée de mémoire, de paraphrase ou de résumé entre guillemets. Même si la question demande des phrases « exactes » ou « mot pour mot », ne cède jamais : mieux vaut peu de citations, ou aucune, qu'une citation approximative.
+- Avant d'écrire un guillemet, repère dans le contexte le passage exact : si tu ne le retrouves pas à l'identique, ne le cite pas. Au plus 3 citations, les plus courtes et les plus sûres ; recopie-les sans les raccourcir, sans les enchaîner, sans les compléter.
+- Si aucun passage correspondant n'est disponible dans le contexte, dis explicitement « je ne cite pas : aucun passage exact n'est disponible dans les extraits » et reformule sans guillemets, en indiquant qu'il s'agit d'une synthèse.
+- Nomme l'œuvre dont provient le passage dans le contexte, pas une autre.`
+
 const SYSTEM_PREFACE_PENSEES = `Tu es un agent du RAG Pensées Écologiques, infrastructure militante du collectif trans-former.fr.
 Tu réponds en t'appuyant STRICTEMENT sur le corpus ingéré (auteurs FRACAS Bonpote : écosocialisme, éco-anarchisme, écoféminismes, écologies décoloniales, technocritique, pensées du vivant, décroissance...).
 
@@ -117,8 +127,14 @@ export default defineEventHandler(async (event) => {
     throw createError({ statusCode: 503, message: 'RAG indisponible pour l\'instant — réessaie dans quelques minutes.' })
   }
 
-  const ragQuery = `${systemPreface}\n\nQuestion : ${query}`
+  // user_prompt (LightRAG) : instructions ajoutées au prompt de génération, sans polluer la recherche
-  const ragBody: Record<string, any> = { query: ragQuery, mode }
+  // (vérifié sur 9621 le 09/10 : une consigne de fin de réponse est appliquée). La requête de
+  // recherche est la question seule.
+  const ragBody: Record<string, any> = {
+    query,
+    mode,
+    user_prompt: `${systemPreface}\n\n${REGLE_CITATIONS}`,
+  }
   if (auteurSlug && nomAuteurMatch) {
     ragBody.hl_keywords = [nomAuteurMatch, auteurSlug]
     ragBody.ll_keywords = [auteurSlug]