# ALICE — Document de référence architectural

identité, architecture et principes de fonctionnement**

Version de référence : 28 août 2026

---

1. Définition d’Alice

Alice est un système d’intelligence local composé de plusieurs éléments coopérants.

Elle ne se réduit pas à son modèle de langage.

Le modèle Qwen est une composante d’Alice. L’identité et les capacités opérationnelles d’Alice résultent de l’ensemble de l’architecture :

modèle + routeur + mémoire + carte + circuits + outils + apprentissage + mécanismes d’exécution

---

2. Principe fondamental

Alice n’a pas pour objectif général de « devenir meilleure » à chaque itération.

Son principe est :

SAVOIR → FAIRE → APPRENDRE SI NÉCESSAIRE → CONSERVER → RÉUTILISER

Lorsqu’Alice sait déjà faire quelque chose, elle doit pouvoir utiliser la connaissance ou le circuit correspondant au lieu de recommencer inutilement le travail.

Lorsqu’elle ne sait pas faire quelque chose et qu’un mécanisme d’apprentissage est prévu pour cette tâche, elle peut :

1. découvrir une solution ;
2. la transformer en connaissance exploitable ;
3. l’intégrer à son architecture ;
4. la réutiliser ultérieurement.

---

3. Alice ≠ Qwen

Qwen est le modèle de langage actuellement utilisé par Alice.

Il fournit notamment :

• la compréhension du langage ;
• la génération de langage ;
• certaines capacités de raisonnement.

Alice est l’architecture complète autour du modèle.

Le comportement global d’Alice dépend donc de la façon dont le modèle est combiné avec :

• la mémoire ;
• la carte ;
• le routeur ;
• les outils ;
• les circuits ;
• les mécanismes d’apprentissage.

Principes

• Ne jamais considérer Qwen seul comme représentant Alice.
• Ne jamais évaluer l’architecture d’Alice uniquement selon les capacités intrinsèques du modèle.
• Une capacité peut appartenir à l’architecture d’Alice sans être une capacité native de Qwen.

---

4. Architecture actuelle

L’architecture inspectée comprend notamment :

• Qwen2.5-3B-Instruct Q4_K_M, servi par llama-server sur la machine Alice (192.168.1.61), avec un contexte de 4096 ;
• routeur.py : chef d’orchestre et cœur du routage ;
• alicization_adapter.py : interface teach() ;
• memory.py : mémoire SQLite des procédures et expériences ;
• adaptateur_carte.py : accès à la carte vivante ;
• Carte vivante : cartes.json, contenant les connaissances et circuits accessibles au routeur ;
• Circuits : procédures opérationnelles réutilisables ;
• Outils locaux : recherche mémoire, lecture de fichiers, tests, résumé, actions système, OCR, registre de langue et fonctions de care ;
• RL : environnement DonjonSimpleEnv et Q-learning pour le cas de déplacement vers une cible ;
• Interface web de contrôle : dashboard, mémoire L0/L1/L2, circuits, observabilité et tests.

---

5. Rôle du routeur

Le routeur est le chef d’orchestre.

Il détermine quelle capacité d’Alice doit traiter une demande.

Le flux observé est, dans l’ordre :

1. Consultation de la carte vivante pour rechercher un circuit pertinent.
2. Recherche dans la mémoire SQLite.
3. Utilisation de l’OCR lorsqu’une demande concerne la lecture d’une image.
4. Détection de certaines actions système directes.
5. Utilisation de Qwen pour les actions plus complexes ou la réponse finale.

Principe

Le modèle n’a pas à résoudre de nouveau un problème pour lequel Alice dispose déjà d’une procédure exploitable.

---

6. Mémoire et connaissance

La mémoire d’Alice n’est pas un simple journal.

Elle participe à ses capacités opérationnelles.

Une procédure apprise et conservée devient une connaissance disponible pour une utilisation ultérieure.

L’état inspecté contient notamment :

• une table procedures ;
• une table experiences.

Une procédure présente dans l’état vérifié était composée de quatre opérations et avait le statut VERIFIED.

Une connaissance conservée ne doit donc pas être considérée comme « effacée » simplement parce qu’elle n’est pas dans le contexte immédiat de Qwen.

Elle appartient à l’architecture mémoire d’Alice.

---

7. Carte vivante

La carte vivante constitue une représentation structurée des connaissances et circuits accessibles à Alice.

Elle permet au routeur de retrouver une capacité déjà connue.

Dans le cas RL testé :

Apprentissage
     ↓
Politique
     ↓
Circuit
     ↓
Carte vivante
     ↓
Routeur

Une politique produite par l’apprentissage a été transformée en circuit, puis ajoutée à la zone « connaissances » de la carte.

Le routeur a ensuite retrouvé ce circuit lors d’une requête de déplacement.

---

8. Circuits

Un circuit est une procédure exploitable par Alice.

Un circuit peut être issu d’un apprentissage.

Une fois intégré à la mémoire ou à la carte appropriée, il constitue une connaissance opérationnelle réutilisable.

Le but n’est pas nécessairement d’optimiser continuellement le circuit.

Si le circuit permet de faire correctement la tâche pour laquelle il a été appris, il remplit son rôle.

Principes

• Un circuit connu doit être réutilisable.
• Un circuit n’a pas besoin d’être remplacé simplement parce qu’une autre méthode existe.
• Une modification d’un circuit doit avoir une justification liée à son fonctionnement réel, pas à une préférence architecturale générique.

---

9. Apprentissage par renforcement

Le RL est un mécanisme spécialisé d’apprentissage.

Dans l’environnement actuellement testé, Alice dispose :

• d’une grille 5 × 5 ;

• de quatre actions :

  • haut ;
  • bas ;
  • gauche ;
  • droite.

Le Q-learning explore l’environnement et produit une politique.

Cette politique peut ensuite être exportée sous forme de circuit.

Dans les tests réalisés, le pipeline technique suivant a fonctionné :

Environnement RL
       ↓
   Q-learning
       ↓
     Politique
       ↓
     Circuit
       ↓
  Carte vivante
       ↓
     Routeur

La fonction du RL, dans ce contexte, n’est donc pas définie comme une amélioration générale de Qwen.

Le RL sert à acquérir une procédure pour une tâche donnée.

---

10. Ce que signifie « apprendre » pour Alice

Dans le cadre de cette architecture, apprendre signifie acquérir une capacité ou une procédure exploitable qui n’était pas auparavant disponible dans la connaissance d’Alice.

Le résultat attendu d’un apprentissage est :

1. Découverte ou production d’une solution.
2. Transformation de cette solution en représentation exploitable.
3. Conservation dans la mémoire ou la carte appropriée.
4. Possibilité de retrouver cette connaissance.
5. Possibilité de l’utiliser ultérieurement.

Il n’est pas nécessaire que l’apprentissage modifie les poids du modèle de langage.

---

11. Ce qu’Alice n’est pas

• Alice n’est pas simplement Qwen.
• Alice n’est pas simplement un chatbot avec une interface.
• Alice n’est pas obligée de réapprendre une compétence qu’elle possède déjà.
• Alice n’a pas pour objectif intrinsèque de maximiser continuellement un score.
• Alice n’a pas besoin de remplacer une procédure fonctionnelle uniquement parce qu’une autre procédure pourrait être plus performante.
• Alice ne doit pas être reconstruite selon une architecture générique d’agent IA sans justification par son architecture réelle.
• La suppression volontaire d’une connaissance apprise n’est pas un test pertinent de sa capacité à réutiliser cette connaissance.

---

12. Règles pour les agents IA qui travaillent sur Alice

Toute IA intervenant sur Alice doit respecter les règles suivantes :

1. Considérer ce document comme la définition de référence d’Alice.
2. Inspecter l’architecture existante avant de proposer une modification.
3. Distinguer le modèle de langage de l’architecture Alice.
4. Identifier le rôle réel d’un composant avant de lui attribuer une nouvelle fonction.
5. Ne pas introduire une fonctionnalité uniquement parce qu’elle est courante dans les systèmes agentiques.
6. Ne pas remplacer une connaissance existante sans raison fonctionnelle démontrée.
7. Ne pas confondre apprentissage, optimisation et mémorisation.
8. Lorsqu’une capacité est déclarée acquise, vérifier la chaîne complète :

Production
    ↓
Conservation
    ↓
Récupération
    ↓
Utilisation

1. Rapporter séparément :

• ce qui est établi par exécution ;
• ce qui est déduit du code ;
• ce qui reste à vérifier.
  1. Ne jamais déclarer un mécanisme fonctionnel sur la seule présence du code : l’exécution et les tests sont nécessaires.

---

13. État technique constaté au 28 août 2026

Les éléments suivants proviennent des inspections et tests fournis avec ce document.

Ils ne constituent pas une promesse d’état permanent.

Machine et modèle

• Machine Alice : 192.168.1.61.
• OS et caractéristiques matérielles : les rapports fournis contiennent deux inventaires contradictoires pour la machine hôte ; cette contradiction doit être résolue avant de documenter précisément le matériel.
• Qwen : un rapport décrit Qwen2.5-3B-Instruct Q4_K_M sur Alice ; un autre décrit Qwen2.5-Coder-1.5B sur une machine distincte / ancien environnement. Ils ne doivent pas être fusionnés.
• Sur Alice, llama-server est utilisé pour servir le modèle local.

RL

• Environnement et Q-learning testés avec succès après installation de Gymnasium dans le venv.
• Tests RL : 4/4 tests pytest passés.
• Pipeline RL → circuit → carte → routeur : testé avec succès.

Mémoire

• SQLite : procédure persistée et lisible.

Points restant à vérifier

• Des chemins historiques /home/orel ont été corrigés dans le rapport d’exécution ; l’état final doit être considéré comme celui réellement vérifié sur la machine, pas comme une supposition.

• Certains éléments restent à vérifier indépendamment, notamment :

  • la cohérence finale des scripts d’installation ;
  • la cohérence des scripts de démarrage ;
  • l’état exact de la carte vivante avant toute opération de déploiement ou d’open source.

---

14. Critères de validation d’une nouvelle capacité

Pour déclarer qu’Alice possède réellement une nouvelle capacité, privilégier la preuve suivante :

1. La tâche était auparavant non couverte ou aucune procédure correspondante n’était disponible.
2. Le mécanisme approprié produit une solution.
3. La solution est enregistrée dans la représentation mémoire / carte prévue.
4. Alice peut retrouver cette connaissance.
5. Alice peut exécuter la procédure retrouvée.

Un test d’amélioration quantitative n’est nécessaire que si l’objectif de la fonctionnalité est effectivement l’optimisation.

Il ne doit pas être imposé comme définition générale de l’apprentissage d’Alice.

---

15. Formule de référence

ALICE =
    MODÈLE
  + MÉMOIRE
  + CARTE
  + ROUTAGE
  + CIRCUITS
  + OUTILS
  + APPRENTISSAGE
  + EXÉCUTION

Aucune composante prise isolément ne définit Alice.

Son intelligence opérationnelle résulte de l’ensemble du système et de leurs interactions.

---

Référence

ALICE — Document de référence architectural
Version de référence : 28 août 2026