Comment nous écrivons

Les actualités, les articles de données, les avant-match et les comptes rendus de match sont rédigés par un programme. Les actualités et les textes de match passent par un modèle de langue d’OpenAI. Les articles de données n’en utilisent aucun.

Aucun journaliste n’écrit ces textes, et aucune personne ne les relit avant leur publication. Chacun porte la mention « Texte rédigé automatiquement ». Ce qui les encadre, ce sont des sources citées et des contrôles qui bloquent la publication au moindre défaut.

Les actualités et les analyses sont signées Mathieu, le directeur de la publication, qui en répond. La signature ne veut pas dire qu’il les a écrites.

Directeur de la publication : Mathieu Dugue. Une erreur se signale à [email protected] (voir Contact).

Les signaux. Le programme lit 14 flux RSS de quatre médias français (Rugbyrama, La Dépêche, Sud Ouest, Le Rugbynistère) et 13 flux étrangers, dont RugbyPass, The Rugby Paper, RTÉ et OnRugby. Ces flux disent ce qui se passe. Ils ne fournissent pas le texte.

Le sujet. Un modèle de langue choisit au plus cinq événements précis par passage, et dix par jour. Il écarte ce que le site a déjà couvert dans les quatorze derniers jours.

Le dossier. Pour chaque sujet, une recherche sur le web réunit des faits, chacun rattaché à la page qui le porte. Il faut au moins huit faits distincts, venus d’au moins deux sites différents, dont une page réellement ouverte. Sinon, aucun article n’est écrit.

La rédaction. Le modèle écrit de 300 à 800 mots à partir de ce seul dossier. Il lui est interdit d’ajouter un fait de mémoire, une cause, un pronostic ou un jugement.

Les contrôles. Chacun bloque la publication, sans correction automatique :

• la longueur doit tenir entre 300 et 800 mots ;
• chaque nombre, date, score et nom propre du texte doit figurer dans le dossier. Ce contrôle est mécanique : il vérifie la présence des termes, pas le sens des phrases ;
• aucune suite de plus de huit mots ne doit reprendre le titre ou le chapeau d’une source ;
• une liste de formules d’opinion est refusée (« meilleur », « il faut », « mérite »…) ;
• si tout passe, un second appel au modèle relit le texte contre le dossier : attributions, dates, rumeurs, doublon avec un article déjà publié. Le moindre motif bloque.

Les sources. Elles sont listées en fin d’article : le nom du média et un lien vers la page d’origine. Le titre de l’article cité n’est pas recopié. Quand un fait nouveau complète un article déjà publié, cet article est mis à jour plutôt que doublé.

Le contexte. Sous le texte, un bloc « Le contexte » ajoute ce que nos données savent du club ou du joueur nommé dans le titre : son classement, ses trois derniers résultats, son prochain match et sa chaîne quand elle est connue, les confrontations des deux clubs quand ils se rencontrent, les feuilles de match de la LNR d’un joueur. Ce bloc n’utilise aucun modèle de langue : ce sont des phrases à trous remplies avec nos données. Il est recalculé à chaque mise à jour du site et porte sa date. Sans donnée, il n’apparaît pas.

Les photos. Elles viennent de Wikimedia Commons ou de Flickr, sous licence libre (CC0, CC BY ou CC BY-SA), et font au moins 1 200 pixels de large. Elles montrent le sujet principal de l’article : le club ou le joueur nommé dans son titre, et pour le résumé quotidien, son premier sujet. Un modèle de langue propose des recherches, classe les photos trouvées et vérifie l’image ; il n’en crée aucune. L’auteur et la licence figurent sous l’image. Les moteurs de recherche reçoivent aussi trois recadrages de la même photo. Sans photo libre pertinente, l’article paraît sans image. Nous ne générons pas d’images par IA pour illustrer les articles.

Ces textes partent d’une fiche de faits tirée de notre base, et de rien d’autre. Avant le match : la compétition, la journée, l’heure, le lieu, les diffuseurs, le classement des deux équipes et leurs dernières confrontations. Après le match : le score, le score à la mi-temps, l’affluence et le classement.

Pour le Top 14 et la Pro D2, la fiche d’avant-match porte davantage : les cinq derniers résultats de chaque équipe et sa série en cours, son bilan à domicile ou à l’extérieur, ses points marqués et encaissés dans la saison, l’écart qui sépare les deux équipes au classement, et les compositions quand la LNR les a publiées. Le texte vise alors 250 à 400 mots. L’ordre de ses parties change d’un match à l’autre, selon les faits les plus marquants. Pour les autres compétitions, l’avant-match reste court, autour de 60 mots. Un avant-match déjà publié n’est jamais réécrit. Notre base ne connaît pas les arbitres : aucun texte ne les nomme.

Chaque nombre, nom et score du texte est vérifié contre cette fiche. Un fait répété, une formule d’opinion ou un texte qui parle de sa fiche au lieu du match bloque la publication. Ces textes ne passent pas par une seconde relecture du modèle.

Les articles de la rubrique Analyses sont des phrases à trous remplies avec les valeurs de la base : journées de championnat achevées, affluences, comptages des clubs. Aucun modèle de langue n’intervient. Les sources sont citées en fin d’article.

Chaque saison archivée d’une compétition porte un « bilan de la saison », calculé de la même façon à partir des rencontres et du classement de la page : le vainqueur de la finale quand la base l’identifie sans doute possible, la tête du classement, la meilleure attaque et la meilleure défense hors phase finale, le plus large écart, la plus longue série de victoires, et l’affluence moyenne sur les seules rencontres dont l’affluence est connue — la phrase dit combien. Notre base ne connaît pas les relégations : le bilan n’en parle pas. Une ligne sans donnée n’apparaît pas.

Les calendriers, scores et classements des compétitions professionnelles sont demandés à plusieurs fournisseurs. Ce que chacun dit est conservé. Si au moins deux sources disent la même chose, la valeur est confirmée. Si une seule source la donne, elle est enregistrée comme non recoupée. Si les sources divergent, la majorité l’emporte. Si rien ne permet de trancher, rien n’est publié.

Le site est reconstruit trois fois par jour, à 6 h 15, 12 h 15 et 18 h 15. La nouvelle version n’est mise en ligne que si ses contrôles passent : volumes de données en base, nombre de pages produites, titres uniques, adresses canoniques. Sinon, la version précédente reste en ligne.

Ce contrôle porte sur le nombre et la forme des pages, pas sur le sens des textes.