3. Méthodologie de recherche : Rigueur et accessibilité

Sources et vérification

La recherche documentaire s'est appuyée sur :

Sources académiques : travaux d'historiens des sciences, publications universitaires
Sources primaires quand accessibles : textes anciens, descriptions d'inventions
Travaux de référence : Kate Crawford (Atlas of AI), Vladan Joler, historiens de l'informatique

Point critique : Pour éviter les anachronismes et les confusions chronologiques, un agent de vérification croisée a été mis en place spécifiquement pour les périodes de l'Antiquité, du Moyen Âge et de la Renaissance. Cet agent vérifie que les faits, dates et acteurs ne se mélangent pas entre périodes.

Équilibre scientifique/accessibilité

Trois principes ont guidé l'écriture :

1. Jamais simplifier au point de déformer : les concepts techniques sont expliqués mais pas édulcorés

2. Éviter les anglicismes : parti pris pour préserver la richesse du français

3. Utiliser des métaphores filées : chaque article développe une métaphore pour ancrer les concepts abstraits

Traitement des contributions non-occidentales

Un effort particulier a été fait pour :

Documenter les inventions arabes médiévales (Al-Jazari et ses automates hydrauliques)
Inclure les systèmes de pensée africains (numération, divination)
Contextualiser les transferts de savoirs (traductions, conquêtes, routes commerciales)

Limite assumée : Il ne s'agit pas d'un travail exhaustif mais d'une ouverture narrative pour montrer que l'histoire de l'IA est polyphonique.

Architecture technique : Dépasser les limites des IA conversationnelles

Le problème des interfaces classiques

Pour produire un projet de cette ampleur, les interfaces conversationnelles classiques (ChatGPT, Claude en ligne, Mistral Le Chat) atteignent rapidement leurs limites :

Fenêtre de contexte restreinte : impossible de gérer simultanément 100+ articles
Pas de persistance : chaque conversation repart de zéro
Difficultés d'indexation : pas de système de gestion documentaire intégré

La solution : Un environnement de développement augmenté

Le projet a été entièrement réalisé dans Visual Studio Code avec Claude Code, un outil qui transforme l'IA en assistant de développement capable de :

Travailler sur des dossiers entiers
Maintenir la cohérence entre fichiers
Indexer et référencer des recherches
Intégrer des outils externes via MCP (Model Context Protocol)

Skills et agents : Automatiser les tâches répétitives

Plutôt que de répéter les mêmes instructions, des "skills" (compétences spécialisées) ont été créées :

avalon-author : Skill de rédaction suivant la ligne éditoriale (style, longueur, structure en 3 mouvements)
Agent de vérification chronologique : Vérifie qu'aucun fait historique ne soit placé à la mauvaise période
Agent de cross-analyse : Compare les informations entre sources pour détecter les incohérences

Ces agents fonctionnent comme des assistants spécialisés, chacun avec son mandat précis.