Statut : Actif — Cortex stabilisé (P3.5 → P4)

Résumé

Aeonys vise un système cognitif local-first capable d’encoder, composer et réviser ses représentations au-delà d’un LLM conversationnel.

État courant : cortex propre (séparation UI/Noyau validée), timeline chaînée (turn_start → proof_gate → turn_end) stable, KillSwitch strict (pas de fuite de raisonnement), claims fonctionnels (valence différée = normal).

Local & souverain
Mémoire gouvernée
Agents spécialisés
Traçabilité
Voix & incarnation

Avancement (snapshot)

P3.5 — Journalisation & squelette mental✔️ Terminé
Séparation UI / Noyau✔️ Validée
KillSwitch (pas de fuite de CoT)✔️ Strict
Claims (valence différée)✔️ OK
P4 — Mémoire contrôlée, prédicteur, Teach & Reflect🚧 En amorçage
Suite — Graphe conceptuel & auto-description🧭 À venir

Mise à jour : 11/11/2025

Objectifs (12 mois)

  • Obtenir une boucle d’apprentissage guidée reproductible.
  • Déployer une mémoire mimétique + graphe conceptuel.
  • Atteindre une traçabilité bout-en-bout (entrée → décision → mémoire).
  • Établir un cadre d’évaluation cohérence / rappel / stabilité.

Principes

  • Shadow-first : test hors-ligne → promotion contrôlée.
  • Gouvernance mémoire : TTL, score, source.
  • Cohérence mesurée : détection contradictions / redites.
  • Simplicité opérationnelle : rollback immédiat.
  • Auditabilité : transformations diffables, journaux clairs.

Roadmap (90 jours)

  1. P4 — Contrôle mémoire & prédicteur (refoulement sélectif, Teach & Reflect).
  2. Graphe conceptuel minimal (v1).
  3. Évaluations cohérence / rappel + rapports hebdo.
  4. Visualisation d’état interne (mood, tension, traces).

Risques & inconnues

  • Dérive de cohérence sous charge prolongée.
  • Coût graphe conceptuel vs. gain réel.
  • Biais auto-révision si signaux mal pondérés.
  • Dépendance modèle selon backend.

Mitigation : bancs réguliers, seuils stricts, telemetry, rollback.

Contributions & contact

Comment contribuer : audit & red-team, datasets d’évaluation, partenariats R&D.

Contact : contact@aeonys.org