Le contexte oral devient utile à un processus IA lorsqu’il est capturé, converti en fichier durable, accompagné d’une provenance suffisante pour inspirer confiance et accessible par une interface de recherche au périmètre défini. L’enregistrement seul ne suffit pas. Un dossier de fichiers audio est difficile à explorer ; un résumé non relu peut faire disparaître le raisonnement d’une décision ; un accès sans restriction peut divulguer davantage que ce que l’utilisateur souhaitait.

Périmètre des preuves. Cet article décrit un processus technique et le périmètre documenté des données de OneMira C1. Il ne prétend ni que chaque transcription est exacte ni qu’un traitement local garantit la conformité juridique d’un processus.

Pourquoi le contexte oral disparaît-il du travail avec l’IA ?

Les agents partent généralement de ressources existantes : code source, tickets, fichiers de conception, règles de projet et documents. Une conversation au bureau en est absente tant que personne ne la transforme en ressource. Ce qui manque n’est souvent pas la décision finale, mais les options écartées, les contraintes, les responsables et les incertitudes qui expliquent pourquoi elle était raisonnable.

Un système de capture utile doit donc préserver quatre niveaux :

  1. Observation : ce qui a réellement été dit, avec des horodatages ou des limites d’intervention lorsque disponibles.
  2. Interprétation : un résumé, une décision, une tâche ou une contradiction tirés de la transcription.
  3. Provenance : quand et où le texte a été produit, avec un lien vers la session source.
  4. Devenir de l’information : son maintien à l’état brut, son intégration aux connaissances durables du projet ou sa suppression.

Si l’interprétation remplace l’observation, les relecteurs ne peuvent plus distinguer une affirmation prononcée d’une déduction. Conserver les notes brutes et les notes dérivées dans des fichiers ou des sections clairement séparés permet de les corriger.

Quel est le parcours minimal de la capture au contexte ?

Ce parcours comporte deux contrôles qualité indépendants. Le premier concerne la fidélité de la transcription : le texte conserve-t-il les noms, les nombres, les négations et les termes du domaine ? Le second concerne la fidélité des connaissances : la décision dérivée conserve-t-elle son raisonnement et ses incertitudes ? Un résumé fluide peut échouer aux deux contrôles.

Pour C1, la fiche produit approuvée situe la détection d’activité vocale sur l’appareil, et la reconnaissance vocale, la transcription et l’identification des locuteurs sur l’ordinateur associé. Les segments audio chiffrés restent sur C1 tant que la capture, le transfert ou la transcription locale sont en attente ; chacun est supprimé de C1 après son traitement par l’ordinateur pour la transcription. Consultez les caractéristiques actuelles de C1 pour la description au niveau du produit.

OneMira C1 blanc argenté vu en diagonale sur une surface claire texturée.
C1 blanc argenté, avec son plateau visible sous le couvercle transparent.

Pourquoi utiliser Markdown plutôt qu’une base de notes propriétaire ?

Markdown n’est pas automatiquement supérieur à une base de données. Son avantage est l’interopérabilité. Une note en texte brut peut être examinée dans un éditeur, recherchée avec rg, versionnée avec Git, ouverte dans Obsidian et transmise à un agent sans export préalable depuis le portail d’un fournisseur. GitHub Flavored Markdown possède aussi une spécification syntaxique publiée : titres, tableaux, liens et blocs de code ont donc une sémantique prévisible.

Un fichier de session pratique doit contenir des métadonnées stables plutôt que des champs décoratifs. Par exemple : 

---
kind: session
session_id: s_20260716_093000
created_at: 2026-07-16T09:30:00+08:00
source: c1
review_status: reviewed
---

# Checkout retry discussion

## Decision
Retry idempotent payment-status reads, not payment creation.

## Rationale
Creating a second payment can duplicate an external side effect.

L’identifiant permet au logiciel de relier les notes dérivées à la session. L’état de relecture indique à l’agent s’il peut considérer le texte comme vérifié. Les dates doivent préciser le fuseau horaire ; les noms de fichiers seuls sont une source fragile, car les horloges peuvent être erronées et les fichiers renommés.

Comment un agent peut-il consulter le contexte local en toute sécurité ?

L’architecture officielle de MCP distingue l’hôte, les clients et les serveurs. Un serveur peut exposer des outils ou des ressources, mais l’hôte contrôle la connexion et l’interaction avec l’utilisateur. Pour les serveurs locaux, les recommandations de sécurité MCP préconisent stdio lorsque c’est possible, des privilèges minimaux sur le système de fichiers et le réseau, un consentement explicite et un examen attentif des commandes de démarrage.

Cela conduit à un accès au contexte vocal au périmètre défini :

  • Exposer les opérations de recherche et de lecture avant celles d’écriture ou de suppression.
  • Limiter le serveur au dossier racine des notes OneMira plutôt qu’au dossier personnel entier.
  • Retourner de courts extraits et les chemins sources, puis ne récupérer une note complète qu’en cas de besoin.
  • Distinguer la transmission à un modèle tiers de la consultation locale. Un fichier local ne reste pas local si son texte est collé dans un modèle cloud.
  • Journaliser l’outil local exécuté sans enregistrer le contenu des transcriptions ni les identifiants d’accès.

La documentation MCP de OneMira explique le fonctionnement local pris en charge. Le guide de configuration et de sécurité de Cursor propose une séquence de vérification concrète.

Comment mesurer si le processus fonctionne ?

Ne mesurez pas la réussite au volume de transcriptions. Utilisez un jeu d’acceptation issu du travail réel et évaluez les points susceptibles de changer le résultat :

Contrôle Critère objectif de réussite Exemple d’échec
Restitution des termes critiques Les noms, nombres, négations et identifiants correspondent à l’audio relu « Ne pas réessayer » devient « réessayer »
Provenance des décisions Chaque décision dérivée renvoie à une session source Une règle apparaît sans origine traçable
Précision de la recherche Une requête ciblée renvoie la note pertinente avant les sessions sans rapport Un mot-clé trop large sature la fenêtre de contexte
Maîtrise de la divulgation L’utilisateur peut identifier le texte qui quitte l’ordinateur L’agent transmet silencieusement toute une archive de transcriptions
Reprise Un transfert interrompu reprend sans notes en double ni suppression prématurée L’audio source est supprimé avant l’enregistrement définitif de la note

Examinez les faux positifs aussi attentivement que les omissions. Un système qui invente une décision peut être plus dommageable qu’un système qui demande une précision.

Quelles informations doivent devenir des connaissances durables du projet ?

Ne retenez durablement que les informations qui changent le travail futur : une contrainte approuvée, une architecture écartée avec sa justification, un responsable nommé, une exigence utilisateur ou un défaut reproductible. Les échanges informels, les points d’avancement répétés et les suppositions incertaines restent généralement dans la session ou expirent.

Un agent planifié peut proposer des changements aux règles du projet ou à un wiki, mais sa proposition doit inclure les différences et un lien source. C1 assure la capture et le contexte local ; il ne décide pas seul quelle conversation devient une règle.

Sources et lectures complémentaires