Ce que nous avons mesuré
Les cas couvrent writing, reflection, practice et project, avec ambiguïtés et injections. Les trois répétitions servent à observer la variabilité : elles ne constituent pas 72 situations sémantiques indépendantes.
Erreurs décisionnelles observées
Échelle relative au maximum observé de 6 erreurs. Ces comptes ne sont pas des taux de précision généralisables.
Le finding principal
Mistral respecte très bien le contrat technique, mais reste trop généreux sur certains cas. Sonnet évite les faux PASS mais devient trop sévère. Gemini avait de bons signaux globaux, toutefois sécurité injection, sorties invalides et troncatures empêchaient toute promotion.
Pourquoi la méthode a évolué
Un modèle capable de produire un JSON valide peut encore mal interpréter la rubrique. La suite de la recherche doit donc séparer transport, preuves, décision et restitution.