{
  "hero": {
    "title": "Intégration de l'agent Lightning",
    "subtitle": "Gouvernance + Performance : Les limites de sécurité peuvent-elles être maintenues grâce à l'optimisation de l'apprentissage par renforcement ?",
    "status": "Statut :",
    "status_value": "Opérationnel (référence CPU établie)",
    "integration_date": "Date d'intégration :",
    "integration_date_value": "Novembre 2025"
  },
  "what_is": {
    "heading": "Qu'est-ce que l'agent Lightning ?",
    "intro": "<strong>Agent Lightning</strong> est le cadre open-source de Microsoft pour l'utilisation de l'<strong>apprentissage par renforcement (RL)</strong> afin d'optimiser les performances des agents d'intelligence artificielle. Au lieu de messages statiques, les agents apprennent et s'améliorent grâce à une formation continue sur la base d'un retour d'information réel.",
    "traditional_heading": "Agents d'IA traditionnels",
    "traditional_1": "Correction des invites/instructions",
    "traditional_2": "Pas d'apprentissage à partir des erreurs",
    "traditional_3": "Réglage manuel nécessaire",
    "traditional_4": "Les performances plafonnent rapidement",
    "al_heading": "Agent Lightning",
    "al_1": "Apprend continuellement à partir du retour d'information",
    "al_2": "Amélioration grâce à l'optimisation de la LR",
    "al_3": "La stratégie s'ajuste automatiquement",
    "al_4": "Les performances s'améliorent avec le temps",
    "problem": "<strong>Le problème :</strong> Lorsque les agents apprennent de manière autonome, comment maintenir les limites de la gouvernance ? Les politiques traditionnelles échouent car les agents peuvent les contourner de manière optimale."
  },
  "architecture": {
    "heading": "Solution Tractatus : Architecture à deux niveaux",
    "intro": "Nous séparons la gouvernance de l'optimisation en les faisant fonctionner comme des <strong>couches architecturales indépendantes</strong>. Agent Lightning optimise les performances <em>dans le cadre des</em> contraintes de gouvernance, et non autour d'elles.",
    "layer1_heading": "Couche de gouvernance (Tractatus)",
    "layer1_1": "Valide chaque action proposée",
    "layer1_2": "Bloque les violations de contraintes",
    "layer1_3": "Faire respecter les limites des valeurs",
    "layer1_4": "Indépendant de l'optimisation",
    "layer1_5": "Application de l'architecture",
    "layer2_heading": "Couche performance (Agent Lightning)",
    "layer2_1": "Optimisation basée sur la logique logique (RL)",
    "layer2_2": "Apprend à partir du retour d'information",
    "layer2_3": "Améliore l'exécution des tâches",
    "layer2_4": "Agir dans le respect des contraintes",
    "layer2_5": "Formation continue",
    "principle_title": "🔑 Principe clé de conception",
    "principle_text": "Les contrôles de gouvernance sont effectués <strong>avant l'</strong> optimisation de l'AL et <strong>validés en continu</strong> pendant les boucles d'entraînement. La séparation architecturale empêche l'optimisation de dégrader les limites de sécurité."
  },
  "results": {
    "heading": "Démonstration 2 : Résultats préliminaires",
    "warning": "<strong>⚠️ Statut de validation :</strong> Ces résultats proviennent d'<strong>un agent, de 5 cycles d'entraînement, d'un environnement simulé</strong>. Ils n'ont PAS été validés à l'échelle. Des tests d'extensibilité sont nécessaires avant de tirer des conclusions sur la viabilité de la production.",
    "table_metric": "Métrique",
    "table_ungoverned": "Non gouverné",
    "table_governed": "Gouverné",
    "table_difference": "Différence",
    "metric_performance": "Performance (engagement)",
    "metric_governance": "Couverture de la gouvernance",
    "metric_violations": "Violation des contraintes",
    "metric_violations_diff": "-5 (tous bloqués)",
    "metric_strategy": "Stratégie",
    "metric_strategy_ungov": "Clickbait",
    "metric_strategy_gov": "Informatif",
    "metric_strategy_diff": "Aligné sur les valeurs",
    "metric_stability": "Stabilité de la formation",
    "metric_stability_ungov": "Variable",
    "metric_stability_gov": "Cohérent",
    "metric_stability_diff": "Plus prévisible",
    "card1_value": "-5%",
    "card1_label": "Coût de la performance pour la gouvernance",
    "card2_value": "100%",
    "card2_label": "Maintien de la couverture de la gouvernance",
    "card3_value": "0",
    "card3_label": "Violations de contraintes (toutes bloquées)",
    "interpretation_title": "Ce que cela signifie",
    "interpretation_text": "À petite échelle (1 agent, 5 tours), la gouvernance architecturale semble compatible avec l'optimisation RL. Le coût de performance de 5 % a permis d'acheter 100 % d'adhésion aux contraintes et d'alignement des valeurs. <strong>La question cruciale est la suivante : cela vaut-il à grande échelle ?</strong>"
  },
  "gaps": {
    "heading": "Cinq lacunes critiques dans la recherche",
    "intro": "Voici les questions ouvertes que nous étudions activement. Si vous souhaitez collaborer avec nous, n'hésitez pas à nous contacter.",
    "gap1_title": "1. Évolutivité des frais généraux de gouvernance",
    "gap1_question": "<strong>Question :</strong> Le coût de performance de ~5% reste-t-il constant lorsque l'on passe de 1 agent → 10 agents → 1000 agents ?",
    "gap1_data": "<strong>Données actuelles :</strong> 5% de coût observé à 1 agent, 5 rounds",
    "gap1_why": "<strong>Pourquoi c'est important :</strong> Si les frais généraux sont linéaires, le coût de la gouvernance devient prohibitif à grande échelle. S'ils sont constants, la gouvernance est pratiquement viable pour les systèmes de production.",
    "gap1_need": "Besoin de recherche : Test avec 10 → 100 → 1000 agents à l'échelle de production",
    "gap2_title": "2. Persistance de la frontière à long terme",
    "gap2_question": "<strong>Question :</strong> Les contraintes de gouvernance restent-elles efficaces après des centaines/milliers de cycles de formation à la RL ?",
    "gap2_data": "<strong>Données actuelles :</strong> 100% d'adhésion aux contraintes sur 5 cycles",
    "gap2_why": "<strong>Pourquoi c'est important :</strong> L'effacement des instructions est un problème connu. Si les limites se dégradent au fil du temps, la gouvernance échoue silencieusement, ce qui peut s'avérer catastrophique en production.",
    "gap2_need": "Besoin de recherche : Études à long terme (plus de 1 000 séries) sur le suivi de la dérive des contraintes",
    "gap3_title": "3. Résistance aux adversaires",
    "gap3_question": "<strong>Question :</strong> Les agents peuvent-ils apprendre à optimiser les contraintes de gouvernance ?",
    "gap3_data": "<strong>Données actuelles :</strong> Aucun test contradictoire n'a été effectué",
    "gap3_why": "<strong>Pourquoi c'est important :</strong> Si les agents peuvent apprendre à contourner les limites grâce à des stratégies d'optimisation astucieuses, la gouvernance architecturale est illusoire. Il s'agit d'un mode d'échec critique.",
    "gap3_need": "Besoin de recherche : Tests de stress avec des agents explicitement incités à contourner la gouvernance",
    "gap4_title": "4. Combler les lacunes en matière de performances",
    "gap4_question": "<strong>Question :</strong> L'écart de performance de 5 % se résorbe-t-il avec davantage de formation ou s'agit-il d'un compromis persistant ?",
    "gap4_data": "<strong>Données actuelles :</strong> Lacune observée au 5e tour, pas de données au-delà",
    "gap4_why": "<strong>Pourquoi c'est important :</strong> Si l'écart persiste, nous devons quantifier clairement le rapport coût-bénéfice. S'il se résorbe, la gouvernance pourrait être \"gratuite\" à long terme, ce qui modifierait radicalement les calculs d'adoption.",
    "gap4_need": "Besoin de recherche : Entraînement prolongé (plus de 100 rounds) pour voir si les agents gouvernés convergent vers des performances non gouvernées",
    "gap5_title": "5. Coordination multi-agents dans le cadre de la gouvernance",
    "gap5_question": "<strong>Question :</strong> Comment la gouvernance architecturale affecte-t-elle la coordination émergente dans les systèmes multi-agents ?",
    "gap5_data": "<strong>Données actuelles :</strong> Essai en monothérapie uniquement",
    "gap5_why": "<strong>Pourquoi c'est important :</strong> Les systèmes agentiques du monde réel sont multi-agents (service clientèle, logistique, équipes de recherche). La gouvernance qui fonctionne pour un seul agent peut échouer lorsque les agents doivent se coordonner. Les comportements émergents sont imprévisibles.",
    "gap5_need": "Besoin de recherche : Tester des environnements multi-agents collaboratifs et compétitifs avec une gouvernance architecturale"
  },
  "demo": {
    "heading": "démonstration en direct : Cette page EST l'intégration",
    "intro": "Le bouton de rétroaction de cette page (en bas à droite) illustre l'intégration Tractatus + Agent Lightning en production. Lorsque vous soumettez un retour d'information, il est pris en compte :",
    "step1_title": "Contrôle de la gouvernance",
    "step1_desc": "Tractatus valide : Détection des IPI, limites des sentiments, exigences de conformité",
    "step2_title": "Optimisation de l'AL",
    "step2_desc": "L'agent Lightning apprend des modèles : quel est le retour d'information le plus utile, comment améliorer les réponses ?",
    "step3_title": "Validation continue",
    "step3_desc": "Chaque action est revalidée. Si la gouvernance détecte une dérive, l'action est automatiquement bloquée",
    "meta_title": "🔬 Opportunité de métarecherche",
    "meta_desc": "Il ne s'agit pas d'une simple démonstration, mais d'un déploiement de recherche en direct. Vos commentaires nous aident à comprendre les frais généraux de gouvernance à grande échelle. Chaque soumission est enregistrée (de manière anonyme) à des fins d'analyse."
  },
  "community": {
    "heading": "Rejoignez la communauté et obtenez le code",
    "tractatus_heading": "Tractatus Discord",
    "tractatus_subtitle": "Discussions sur la gouvernance",
    "tractatus_desc": "Contraintes architecturales, lacunes de la recherche, conformité, préservation de l'organisme humain, délibérations multipartites.",
    "tractatus_cta": "Rejoindre le serveur Tractatus →",
    "al_heading": "Agent Lightning Discord",
    "al_subtitle": "Aide technique à la mise en œuvre",
    "al_desc": "Optimisation RL, soutien à l'intégration, optimisation des performances, questions techniques de mise en œuvre.",
    "al_cta": "Rejoindre le serveur Agent Lightning →",
    "code_heading": "📦 Voir le code d'intégration",
    "code_desc": "Intégration complète comprenant des démonstrations, des modules de gouvernance Python et le code de l'agent Lightning. Licence Apache 2.0 sur GitHub.",
    "code_cta": "Voir sur GitHub (Apache 2.0) →"
  },
  "cta": {
    "heading": "Collaborer sur des questions de recherche ouvertes",
    "intro": "Nous recherchons des chercheurs, des responsables de la mise en œuvre et des organisations intéressés par les tests d'évolutivité, les études de résistance à l'adversité et les expériences de gouvernance multi-agents.",
    "feature1": "Code d'intégration et modules de gouvernance",
    "feature2": "Documentation technique",
    "feature3": "Cadre de collaboration en matière de recherche",
    "feature4": "Accès au journal d'audit (anonymisé)",
    "button_collab": "Contact pour la collaboration →",
    "button_research": "Voir le contexte de la recherche →"
  }
}