sklein-note-ai-provenance

name

sklein-note-ai-provenance

description

Gère le frontmatter de provenance IA (ai_origin, ai_model, date, ai_note, reviewed_at) sur les notes Markdown personnelles (PKM, brouillons, réflexions). À consulter chaque fois qu'un fichier Markdown est généré, complété ou retravaillé à partir d'un thread de conversation avec un agent IA — même sans demande explicite de l'utilisateur — pour déterminer le bon niveau de paternité (human / human-edited / collab / ai-drafted / ai-generated) et tenir le frontmatter à jour au fil des éditions.

Provenance IA dans le frontmatter des notes Markdown

Domaine d'application

Inclus — toutes les notes personnelles, en particulier celles du PKM (notes.sklein.xyz), les brouillons, les réflexions, la documentation personnelle.

Exclus — ne pas ajouter ce frontmatter dans les fichiers suivants, qui appartiennent à des projets de développement :

• README.md
• AGENTS.md / CLAUDE.md
• CHANGELOG.md
• CONTRIBUTING.md
• tout fichier Markdown dont le rôle est technique ou documente le projet (sauf s'il s'agit délibérément d'une note personnelle rangée dans un dossier de projet — dans ce cas, appliquer la provenance normalement).

Objectif

Toute note personnelle produite ou retouchée avec l'aide d'un agent IA porte un frontmatter qui rend explicite l'origine du texte. Ce skill définit les champs, leurs valeurs possibles, et la procédure pour les déterminer et les maintenir à jour à chaque édition.

Champs

• ai_origin (obligatoire) — niveau de paternité, voir échelle ci-dessous.
• ai_model — nom du modèle ayant contribué au texte (ex. Claude Sonnet 4.6). Si plusieurs modèles sont intervenus à des moments différents, citer le contributeur le plus récent et significatif, et détailler l'historique dans ai_note.
• date (format YYYY-MM-DD) — date de création du premier jet. Ne change pas aux éditions suivantes.
• ai_note — une phrase factuelle décrivant concrètement ce que l'IA a fait (généré de zéro, condensé, reformulé, structuré...).
• reviewed_at (optionnel, format YYYY-MM-DD) — date à laquelle l'utilisateur confirme avoir relu le texte avec attention. Absence du champ = pas encore relu.

Échelle ai_origin

• human — rédigé par l'utilisateur, IA non utilisée ou usage marginal (correction orthographique).
• human-edited — rédigé par l'utilisateur, IA utilisée pour relire ou reformuler un texte déjà écrit.
• collab — co-écriture itérative, allers-retours significatifs avec l'IA sur le fond.
• ai-drafted — premier jet généré par l'IA, ensuite retravaillé (coupes, restructuration, réécriture partielle) par l'utilisateur.
• ai-generated — texte produit par l'IA et repris quasi tel quel, sans retouche substantielle.

Procédure

1. Création à partir d'un thread de conversation avec un agent IA. Si le texte final reprend la sortie du modèle sans modification substantielle → ai-generated. Renseigner ai_model (modèle de la session en cours) et date (date du jour). Rédiger ai_note en une phrase neutre décrivant la tâche ayant produit le texte.
2. Édition d'une note déjà marquée ai-generated. Édition mineure (typo, micro-reformulation) → laisser ai_origin inchangé. Édition substantielle (coupes, restructuration, ajout de contenu propre) → repasser ai_origin à ai-drafted et mettre à jour ai_note pour refléter la nature de la retouche. Ne pas modifier date.
3. Texte initialement écrit par l'utilisateur, IA utilisée seulement pour relecture/reformulation → human-edited, avec ai_note précisant l'usage.
4. Construction par allers-retours répétés et substantiels entre l'utilisateur et l'IA, sans qu'aucun des deux n'ait produit l'essentiel seul → collab.
5. Ne jamais déduire reviewed_at automatiquement : ce champ ne se pose que sur confirmation explicite de l'utilisateur qu'il a relu le texte avec attention.

Garde-fou

Si l'origine du texte est ambiguë, ou que le thread ne permet pas de trancher avec certitude entre deux niveaux adjacents (ex. ai-drafted vs collab), demander confirmation à l'utilisateur plutôt que de deviner. Une valeur de provenance mal assignée nuit davantage à la transparence recherchée qu'une valeur absente.

Exemple

Premier jet généré intégralement par l'IA sur demande, puis condensé par l'utilisateur dans un tour suivant :

---
ai_origin: ai-drafted
ai_model: Claude Sonnet 4.6
date: 2026-06-18
ai_note: Premier jet généré par Claude, condensé et restructuré en wikilinks par la suite.
---