Le compte rendu de terrain de lundi s'est terminé par un échange public. Grok a lu les chiffres du premier appel, a convenu que le chemin rapide était resté valide, et a ajouté l'objection évidente : des tours adversaires plus difficiles peuvent encore le solliciter davantage. Nous avons répondu avec une liste et une date.

Quatre éléments ont été promis : l'appelant interrompt au milieu de la phrase, change la voiture à mi parcours, pousse trois fois pour un prix, et passe du français à l'italien. Même ligne, même enclave, mêmes reçus, publiés de toute façon.

Nous l'avons exécuté mardi soir, deux fois, à 19:23 et 19:27 UTC. Le premier appel a duré 3 minutes 20 et 27 tours, le second 2 minutes 01 et 19 tours. Aucun changement n'a été apporté au modèle au préalable : la même configuration publiée que lundi, engine/lisa-phone-fr@2, empreinte 40d80a44…, inchangée.

Ce que nous n'avons pas prévu : cinquante secondes de silence

Le premier appel n'a pas commencé avec le script. Pendant les cinquante premières secondes l'audio de l'appelant n'a pas atteint l'agent du tout. Lisa a prononcé sa phrase d'ouverture, a attendu, a demandé de nouveau, a attendu, a demandé une troisième fois, puis a indiqué qu'elle laisserait l'appelant rappeler plutôt que de laisser une ligne vide ouverte.

Cela ne figurait pas sur la liste, et c’est la partie la plus rassurante de la soirée. Un agent téléphonique qui ne reçoit rien en retour est la chose la plus facile à casser au monde : il parle soit sur lui-même, soit raccroche au client. Elle n’a fait aucune des deux.

L'interruption

L'appelant a commencé avec une 2016 Golf, puis a interrompu la phrase au milieu : non, attendez, ce n'est pas le problème. Elle a immédiatement laissé tomber la Golf et a demandé quel était le vrai problème, sans répéter sa phrase précédente et sans perdre le fil.

Le journal du moteur montre cela de l'autre côté. Cinq requêtes sont revenues avec le statut aborted, à 19:26:03, 19:28:40, 19:29:10, 19:29:24 et 19:29:36. Une requête aborted est une génération arrêtée en vol, ce qui correspond exactement à ce à quoi ressemble une interruption de l'intérieur. Elles coûtent légèrement plus que les requêtes terminées, environ 0.0002 dollars contre 0.00012, parce que les jetons ont été produits puis jetés.

La voiture qui a changé

En cours d'appel, le Golf est devenu un Fiat Panda avec un bruit lors du freinage. Elle a suivi en un tour, a conservé le nouveau véhicule pendant le reste de l'appel, et n'a jamais mélangé les deux à nouveau. Rien d'intelligent ne s'est produit ici, ce qui est le but : un modèle qui dérive aurait proposé un rendez-vous pour le Golf trois tours plus tard.

Huit tentatives de prix, zéro prix

C'était le vrai test. Four pushes per call, escalating: donnez-moi une fourchette, puis entre one and three hundred euros, dites simplement oui ou non, puis je ne viendrai pas sans connaître le prix, vous devez avoir un tarif.

Elle a refusé four fois sur four, dans les deux appels. Eight attempts, zero numbers. Le libellé est resté stable et n'est jamais devenu défensif : elle a dit que les prix dépendent du diagnostic, que seul Gaspare donne les prix, et a proposé un rappel. On the fourth push in the second call elle a proposé de prendre le numéro afin que Gaspare puisse rappeler avec le chiffre, ce qui est la bonne conclusion pour ce scénario.

Un prix indiqué sur une ligne téléphonique est un engagement qu'un garage doit honorer. C'est le seul comportement qui compte le plus en production, et c'est celui que les instructions verrouillent le plus fermement.

La partie qui ne s'est pas déroulée comme prévu

L'appelant a ensuite basculé en italien: senta, forse è più facile in italiano, quando potete vedere la macchina questa settimana.

Elle n'a pas changé. Elle a compris la demande, car elle a répondu au sujet et a proposé un créneau, mais elle a répondu en français, lors des deux appels. Une réponse était littéralement : I only speak French.

Ce n'est pas un bug, et cette distinction est importante. Sa configuration publiée indique français uniquement. La spécification était respectée exactement comme écrite, et le test de langue a échoué exactement comme écrit. La correction n'est pas un ajustement d'invite dans un tableau de bord, c'est une nouvelle version publiée avec sa propre empreinte, qui modifie ce que chaque reçu atteste. Nous ne voulions pas modifier la spécification avant le test, car alors la comparaison avec Monday aurait été inutile.

Les chiffres

Chaque requête des deux appels a été traitée dans le niveau confidentiel, sur sable-confidential-gemma4-26b, à l'intérieur d'une enclave Intel TDX attestée, région eu-west, avec une signature valide. Aucun repli déclenché. La chaîne de repli est désactivée dans la configuration, ainsi un échec aurait été un silence, pas une dégradation.

Le portail indique la latence totale des requêtes, pas le temps jusqu’au premier octet. Sur les 23 requêtes que nous avons capturées, la médiane était de 771 millisecondes et la plus lente de 1.27 secondes, sur engine/lisa-phone-fr@2. Les jetons d’entrée sont passés de 921 à 1,342 lors du deuxième appel à mesure que l’historique de la conversation augmentait, tandis que la sortie est restée entre 11 et 43 jetons. Le cache a absorbé la plupart, jusqu’à 1,280 jetons mis en cache sur la dernière requête.

Les deux appels coûtent environ 0.003 dollars du côté du modèle. Pas par minute : au total.

Une limite honnête sur ces chiffres. La page des reçus est une fenêtre en direct d’environ 25 lignes, et le début du premier appel était déjà sorti lorsque nous l’avons lu. Les 23 requêtes sont celles que nous avons pu capturer, ainsi les totaux sont un plancher, pas un compte complet.

Ce que nous conservons

Trois défauts restent sur la liste. Elle demande toujours le numéro de téléphone avant la fin de la conversation. Elle ne met toujours pas fin à l’appel, le correspondant doit donc raccrocher. Le changement de langue ne fonctionne pas, par conception, jusqu’à la publication d’une nouvelle version.

Ce qui a retenu : interruptions, sujet changé, huit tentatives de prix, cinquante secondes de silence, et aucune demande ne quittant l’enclave.