Whisper recoit le vocabulaire metier en amorce

Sans contexte, le modele rendait « Playwright » en « PlayWreck », « iCloud » en
« Auriclaw », « Supabase » en « Supabass », « Vercel » en « Versell » : 4 termes
sur 5 faux, mesure sur audio reel. Avec l'amorce (initial_prompt), les 5 sont
corrects, sans changer de modele ni ralentir (1,3 s).

Passer a large-v3-turbo a ete teste et ecarte : PIRE sur le meme echantillon
(« commit sur Gitea » -> « commis sur JTA », « Stripe » -> « Trip »), pour 1,5 Go
de plus. C'est l'amorce qui paie, pas la taille du modele.

VOCABULAIRE est une simple liste a completer dans core.py. Whisper ne lit que
~224 tokens d'amorce et tronque le reste EN SILENCE : la longueur est donc
bornee explicitement, pour qu'un ajout de termes ne soit jamais sans effet a
l'insu de celui qui l'ecrit (47 termes = 416 caracteres sur 800).

34 tests passent (27 + 7 nouveaux).

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

core.py

@@ -24,9 +24,65 @@ CONFIG = {
     "level_release": 0.15,    # lissage à la descente (plus petit = retombée douce)
     "wave_rings": 3,          # nombre d'anneaux d'onde concentriques
     "wave_speed": 0.04,       # vitesse de propagation des anneaux par frame
+    "initial_prompt": None,   # rempli plus bas depuis VOCABULAIRE
 }
 
 
+# --- vocabulaire metier -------------------------------------------------
+# Whisper accepte une « amorce » (initial_prompt) qui conditionne le decodage.
+# Sans elle, le modele rendait « Playwright » en « PlayWreck », « iCloud » en
+# « Auriclaw », « Supabase » en « Supabass », « Vercel » en « Versell »
+# (mesure du 2026-08-21 : 4 termes sur 5 faux ; 5 sur 5 corrects avec l'amorce).
+# Passer a large-v3-turbo a ete teste et fait PIRE (« commit sur Gitea » ->
+# « commis sur JTA ») : c'est bien l'amorce qui paie, pas la taille du modele.
+#
+# Pour ajouter tes propres termes : complete cette liste, puis ./build_app.sh.
+VOCABULAIRE = [
+    # agents et terminal
+    "Claude Code", "Codex", "OpenCode", "Warp", "Playwright", "MCP",
+    # web et hebergement
+    "Next.js", "TypeScript", "Vercel", "Convex", "Supabase", "Docker", "Caddy",
+    "Gitea", "GitHub", "Hetzner", "Hostinger", "iCloud", "Clerk",
+    # paiement, mail, automatisation
+    "Stripe", "PayPal", "Shopify", "Brevo", "n8n", "Airtable", "Yabetoo",
+    # projets
+    "FacturPro", "Forescale", "Reflow", "CiteGain", "Faramaya", "Soko",
+    "Moubote", "Yelessa", "Zonza", "MR TECH LAB",
+    # jargon courant
+    "repo", "commit", "webhook", "API", "npm", "build", "deploy", "conteneur",
+    "migration", "endpoint", "prompt",
+]
+
+# Whisper ne lit que ~224 tokens d'amorce et tronque le reste EN SILENCE.
+# On borne donc explicitement, pour qu'un ajout de termes ne soit jamais
+# silencieusement sans effet.
+PROMPT_MAX_CARACTERES = 800
+
+
+def build_initial_prompt(termes=None):
+    """Construit l'amorce Whisper a partir d'une liste de termes.
+
+    Doublons retires (ordre conserve), une seule ligne, longueur bornee a
+    PROMPT_MAX_CARACTERES : au-dela, les derniers termes sont ecartes plutot
+    que de laisser Whisper tronquer au milieu d'un mot.
+    """
+    if termes is None:
+        termes = VOCABULAIRE
+    vus, uniques = set(), []
+    for t in termes:
+        if t not in vus:
+            vus.add(t)
+            uniques.append(t)
+    prefixe = "Vocabulaire : "
+    retenus = []
+    for t in uniques:
+        candidat = prefixe + ", ".join(retenus + [t]) + "."
+        if len(candidat) > PROMPT_MAX_CARACTERES:
+            break
+        retenus.append(t)
+    return prefixe + ", ".join(retenus) + "."
+
+
 def validate_config(config):
     """Valide la config ; lève ValueError si une valeur est aberrante."""
     if config["min_duration_s"] < 0:
@@ -75,3 +131,6 @@ def acquire_single_instance_lock(path=LOCK_PATH):
         handle.close()
         return None
     return handle
+
+
+CONFIG["initial_prompt"] = build_initial_prompt()

engine.py

@@ -108,5 +108,6 @@ class Transcriber:
             audio,
             path_or_hf_repo=self.model,
             language=self.language,
+            initial_prompt=CONFIG["initial_prompt"],
         )
         return clean_transcript(result.get("text", ""))

tests/test_vocabulaire.py

@@ -0,0 +1,50 @@
+"""Amorce de vocabulaire passee a Whisper.
+
+Contexte (bug du 2026-08-21) : sans contexte, le modele rend « Playwright » en
+« PlayWreck », « iCloud » en « Auriclaw », « Supabase » en « Supabass » et
+« Vercel » en « Versell » — mesure sur audio reel, 4 termes sur 5 faux. En
+passant la liste des termes metier en initial_prompt, les 5 redeviennent
+corrects sans changer de modele.
+
+Contrainte : Whisper ne lit que ~224 tokens d'amorce et TRONQUE le reste en
+silence. La longueur est donc bornee, sinon les derniers termes ajoutes ne
+servent a rien sans qu'on le sache.
+"""
+from core import CONFIG, VOCABULAIRE, PROMPT_MAX_CARACTERES, build_initial_prompt
+
+
+def test_le_prompt_contient_les_termes_qui_avaient_echoue():
+    p = build_initial_prompt()
+    for terme in ("Playwright", "iCloud", "Supabase", "Vercel", "Convex"):
+        assert terme in p
+
+
+def test_le_prompt_tient_sur_une_seule_ligne():
+    # un retour a la ligne coupe l'amorce cote Whisper
+    assert "\n" not in build_initial_prompt()
+
+
+def test_le_prompt_respecte_la_borne():
+    assert len(build_initial_prompt()) <= PROMPT_MAX_CARACTERES
+
+
+def test_une_liste_trop_longue_est_tronquee_pas_ignoree():
+    p = build_initial_prompt(["Terme%03d" % i for i in range(500)])
+    assert len(p) <= PROMPT_MAX_CARACTERES
+    assert "Terme000" in p  # les premiers termes survivent
+
+
+def test_les_doublons_sont_retires_en_gardant_l_ordre():
+    p = build_initial_prompt(["Convex", "Stripe", "Convex"])
+    assert p.count("Convex") == 1
+    assert p.index("Convex") < p.index("Stripe")
+
+
+def test_le_vocabulaire_couvre_les_projets_de_ralph():
+    for terme in ("Convex", "Supabase", "Stripe", "n8n", "Airtable"):
+        assert terme in VOCABULAIRE
+
+
+def test_config_expose_le_prompt():
+    assert CONFIG["initial_prompt"]
+    assert "Playwright" in CONFIG["initial_prompt"]