erotetique 0.2.0

Préprocesseur érotétique — prétraitement formel des questions avant le moteur de réponse

Préprocesseur érotétique

Les LLM ont résolu le problème de la réponse — la capacité d'exécution est quasi-illimitée. Le goulot est désormais la question : pour la première fois dans l'histoire, l'outil dépasse structurellement la capacité de spécification de celui qui s'en sert.

→ Manifeste · Livre blanc

Format	Fichier	Statut
F1 — Positioning Statement	docs/positioning-statement.md	brouillon
F3 — Manifeste	docs/manifeste.md	brouillon
F5 — Livre blanc	docs/livre-blanc.md	brouillon
G0 — Ontologie	erotetique/ontology/erotetique.ttl	brouillon
CQ — Competency Questions	erotetique/ontology/cq-erotetique.ttl	brouillon

---

Architecture

ontology/erotetique.ttl          ← G0 source de vérité (dimensions, quadrants, outils, opérations)
ontology/erotetique-shapes.ttl   ← contraintes SHACL
ontology/cq-erotetique.ttl       ← 7 Competency Questions SPARQL

erotetique/
  classifier.py   ← lit quadrants depuis Turtle, classification linguistique
  soundness.py    ← extraction heuristique présupposés
  augmenter.py    ← lit dimensions depuis Turtle, génère prompt dynamique
  server.py       ← MCP JSON-RPC stdio

Invariant SDD — le code ne connaît ni les dimensions ni les quadrants. Tout est lu depuis le Turtle au runtime. Ajouter une dimension dans erotetique.ttl = elle apparaît dans l'analyse sans toucher au Python (test_sdd_acid_test le vérifie).

---

Installation

uv sync
uv run pytest        # 67 tests

Claude Desktop — ~/Library/Application Support/Claude/claude_desktop_config.json :

{
  "mcpServers": {
    "erotetique": {
      "command": "/opt/homebrew/bin/uv",
      "args": ["run", "--project", "/Users/luc/Projets/erotetique", "python", "-m", "erotetique.server"],
      "env": { "HOME": "/Users/luc" }
    }
  }
}

---

Usage as Python Library

Install from PyPI:

pip install erotetique

Or locally (editable mode for development):

pip install -e /path/to/erotetique

Basic usage:

from erotetique import classify_question, check_soundness, valorize_question
from pathlib import Path

# Locate ontology (installed as package data)
ontology = Path(__file__).parent / "erotetique" / "ontology" / "erotetique.ttl"

question = "Pourquoi notre chiffre d'affaires a-t-il baissé ?"

# Classify into ignorance quadrant (KK/KU/UK/UU)
result = classify_question(question, ontology)
print(f"Quadrant: {result.quadrant_label}")
print(f"Action: {result.action}")

# Check soundness and extract presuppositions
soundness = check_soundness(question)
print(f"Sound: {soundness.sound}")
for p in soundness.presuppositions[:3]:
    print(f"  • {p.text}")

# Estimate value of information (two proxies)
voi = valorize_question(question, result, ontology)
print(f"VoI score (proxy 1 — decisional sensitivity): {voi.score:.2f}")
print(f"VoI score (proxy 2 — prior entropy): {voi.proxy2_score:.2f}")
print(f"Prescribed operations: {', '.join(voi.prescribed_operations)}")

Key Types

• ClassificationResult — quadrant URI, label, rationale, action
• SoundnessResult — sound: bool, presuppositions: list[PresuppositionCheck]
• VoIEstimate — score: float, proxy2_score: float, prescribed_operations: list[str], rationale: str

Architecture

All logic is deterministic, LLM-free, zero network:

• Classifier reads quadrant definitions from ontology at runtime (SDD invariant)
• Soundness extracts presuppositions heuristically (linguistic patterns)
• Valorizer estimates VoI via two proxies:
  • Proxy 1: Decision-marker sensitivity (choisir, sélectionner, décider keywords → VoI ↑)
  • Proxy 2: Prior entropy of answer distribution (enumerable answers → low entropy; causal questions → high entropy)

---

Stack

Composant	Techno
Ontologie	Turtle — rdflib
Validation	SHACL — pyshacl
Classification	Linguistique pure — re
MCP	JSON-RPC stdio
LLM	Claude Desktop (le client est le LLM)

Zéro clé API. Zéro base externe. Zéro dépendance réseau au runtime.