synthese-multi-llm
Synthèse co-fabriquée par un conseil de 3 LLMs (Claude, Gemini, Codex). Ce skill devrait être utilisé quand l'utilisateur demande une synthèse robuste, traçable et vérifiée. Il orchestre trois modèles avec des rôles experts distincts (Extracteur, Critique, Architecte) pour produire une synthèse fidèle au texte source, avec contrôle des glissements sémantiques et trail d'audit complet.
Best use case
synthese-multi-llm is best used when you need a repeatable AI agent workflow instead of a one-off prompt. It is especially useful for teams working in multi. Synthèse co-fabriquée par un conseil de 3 LLMs (Claude, Gemini, Codex). Ce skill devrait être utilisé quand l'utilisateur demande une synthèse robuste, traçable et vérifiée. Il orchestre trois modèles avec des rôles experts distincts (Extracteur, Critique, Architecte) pour produire une synthèse fidèle au texte source, avec contrôle des glissements sémantiques et trail d'audit complet.
Synthèse co-fabriquée par un conseil de 3 LLMs (Claude, Gemini, Codex). Ce skill devrait être utilisé quand l'utilisateur demande une synthèse robuste, traçable et vérifiée. Il orchestre trois modèles avec des rôles experts distincts (Extracteur, Critique, Architecte) pour produire une synthèse fidèle au texte source, avec contrôle des glissements sémantiques et trail d'audit complet.
Users should expect a more consistent workflow output, faster repeated execution, and less time spent rewriting prompts from scratch.
Practical example
Example input
Use the "synthese-multi-llm" skill to help with this workflow task. Context: Synthèse co-fabriquée par un conseil de 3 LLMs (Claude, Gemini, Codex). Ce skill devrait être utilisé quand l'utilisateur demande une synthèse robuste, traçable et vérifiée. Il orchestre trois modèles avec des rôles experts distincts (Extracteur, Critique, Architecte) pour produire une synthèse fidèle au texte source, avec contrôle des glissements sémantiques et trail d'audit complet.
Example output
A structured workflow result with clearer steps, more consistent formatting, and an output that is easier to reuse in the next run.
When to use this skill
- Use this skill when you want a reusable workflow rather than writing the same prompt again and again.
When not to use this skill
- Do not use this when you only need a one-off answer and do not need a reusable workflow.
- Do not use it if you cannot install or maintain the related files, repository context, or supporting tools.
Installation
Claude Code / Cursor / Codex
Manual Installation
- Download SKILL.md from GitHub
- Place it in
.claude/skills/synthese-multi-llm/SKILL.mdinside your project - Restart your AI agent — it will auto-discover the skill
How synthese-multi-llm Compares
| Feature / Agent | synthese-multi-llm | Standard Approach |
|---|---|---|
| Platform Support | Not specified | Limited / Varies |
| Context Awareness | High | Baseline |
| Installation Complexity | Unknown | N/A |
Frequently Asked Questions
What does this skill do?
Synthèse co-fabriquée par un conseil de 3 LLMs (Claude, Gemini, Codex). Ce skill devrait être utilisé quand l'utilisateur demande une synthèse robuste, traçable et vérifiée. Il orchestre trois modèles avec des rôles experts distincts (Extracteur, Critique, Architecte) pour produire une synthèse fidèle au texte source, avec contrôle des glissements sémantiques et trail d'audit complet.
Where can I find the source code?
You can find the source code on GitHub using the link provided at the top of the page.
Related Guides
SKILL.md Source
# Synthèse Multi-LLM (Council)
Synthèse co-fabriquée par délibération de trois LLMs : Claude, Gemini et Codex.
## Principe
> "Le sens ne s'extrait pas, il se co-fabrique."
Ce skill orchestre trois modèles IA avec des rôles experts distincts pour produire une synthèse robuste. Chaque modèle apporte une perspective différente, permettant de détecter les glissements de sens et de converger vers une synthèse fidèle.
## Prérequis
### Installation des CLI
```bash
# Claude CLI (nécessite abonnement Claude Pro/Max)
npm install -g @anthropic-ai/claude-code
claude auth login
# Gemini CLI
npm install -g @google/gemini-cli
gemini auth login
# Codex CLI
npm install -g @openai/codex
codex auth
```
### Vérification
```bash
python3 scripts/synthese.py --check
```
## Utilisation
### Phrases de déclenchement
| Phrase | Action |
|--------|--------|
| "Synthétise ce texte avec le conseil" | Processus complet multi-LLM |
| "Synthèse robuste de..." | Mode standard avec les 3 experts |
| "Synthèse rapide de..." | Mode accéléré (1 round) |
| "Analyse critique de..." | Focus sur les glissements |
| "Fais vérifier cette synthèse" | Critique croisée d'une synthèse existante |
### En ligne de commande
```bash
# Depuis un fichier
python3 scripts/synthese.py -f document.txt
# Texte direct
python3 scripts/synthese.py -t "Texte à synthétiser..."
# Mode rapide avec cadrage
python3 scripts/synthese.py -f doc.txt --mode rapide \
--destinataire "comité de direction" \
--finalite "décision" \
--longueur "5 lignes" \
--ton "formel"
# Sortie JSON
python3 scripts/synthese.py -f doc.txt --json
```
### Options
| Option | Description | Défaut |
|--------|-------------|--------|
| `--mode` | standard, rapide, critique, pedagogique | standard |
| `--destinataire` | Public cible | interactif |
| `--finalite` | Objectif de la synthèse | interactif |
| `--longueur` | Longueur souhaitée | 10-15 lignes |
| `--ton` | Registre de langue | accessible |
| `--niveau` | Expertise attendue | intermédiaire |
| `--timeout` | Timeout par modèle (secondes) | 300 |
| `--no-trail` | Désactive la sauvegarde | false |
| `--json` | Sortie JSON structurée | false |
## Architecture
### Les 3 experts
| Rôle | Modèle par défaut | Focus |
|------|-------------------|-------|
| **L'Extracteur de Substance** | Claude | Faits, données, thèse centrale |
| **Le Gardien de la Fidélité** | Gemini | Glissements, biais, omissions |
| **L'Architecte du Sens** | Codex | Structure, logique, cohérence |
### Processus en 3 rounds
```
ROUND 1: EXTRACTION
├─ Chaque expert analyse selon son focus
├─ Identification thèse + faits + structure
└─ Production de 3 analyses indépendantes
ROUND 2: CRITIQUE CROISÉE
├─ Chaque expert critique les autres
├─ Détection des divergences
├─ Calcul du score de convergence
└─ Si convergence > 80%: passe à la synthèse
ROUND 3: SYNTHÈSE FINALE
├─ Consolidation des analyses
├─ Résolution des divergences
├─ Production de la synthèse
└─ Mention des points de dissensus
```
### Score de convergence
Le score de convergence (0-100%) indique le niveau d'accord entre les experts :
- **> 90%** : Consensus fort, haute fiabilité
- **70-90%** : Accord majoritaire, quelques nuances
- **50-70%** : Divergences significatives, vérifier les points de désaccord
- **< 50%** : Divergences majeures, analyse approfondie nécessaire
## Modes de délibération
### Standard (défaut)
Processus complet en 3 rounds. Recommandé pour les textes importants ou ambigus.
### Rapide
Un seul round d'extraction, synthèse directe. Pour les textes courts et clairs.
### Critique
Focus sur la détection des glissements. Utile pour vérifier une synthèse existante.
### Pédagogique
Explique chaque étape du processus. Pour comprendre la méthode.
## Trail d'audit
Chaque session génère un fichier JSON dans `synthese_trails/` contenant :
- Texte source (tronqué)
- Paramètres de cadrage
- Réponse de chaque expert à chaque round
- Score de convergence
- Synthèse finale
- Métadonnées (durée, modèles utilisés)
### Consulter un trail
```bash
cat synthese_trails/synthese-20250702-143052-a1b2c3.json | jq
```
## Résilience
### Modèles indisponibles
Le skill fonctionne avec 1 à 3 modèles :
| Modèles | Comportement |
|---------|--------------|
| 3 | Processus optimal |
| 2 | Processus réduit, convergence limitée |
| 1 | Mode dégradé, pas de critique croisée |
### Timeouts
Timeout adaptatif par modèle (défaut: 5 minutes). Configurable via `--timeout`.
### Erreurs
Les erreurs d'un modèle n'interrompent pas le processus. Le trail indique les échecs.
## Exemples
### Exemple 1 : Synthèse d'un rapport
```bash
python3 scripts/synthese.py -f rapport_annuel.txt \
--destinataire "conseil d'administration" \
--finalite "décision stratégique" \
--longueur "1 page" \
--ton "formel"
```
### Exemple 2 : Vérification critique
```bash
python3 scripts/synthese.py -t "Ma synthèse existante..." \
--mode critique
```
### Exemple 3 : Pipeline avec sortie JSON
```bash
python3 scripts/synthese.py -f doc.txt --json | \
jq -r '.synthese_finale' > synthese.md
```
## Documentation de référence
| Document | Description |
|----------|-------------|
| [configuration.md](references/configuration.md) | Paramètres avancés (timeouts, convergence, retry, cache) |
| [troubleshooting.md](references/troubleshooting.md) | Guide de résolution des problèmes |
| [cadrage.md](references/cadrage.md) | Guide du cadrage (destinataire, finalité, etc.) |
| [couches-semiotiques.md](references/couches-semiotiques.md) | Détail des 4 couches d'analyse |
| [glissements.md](references/glissements.md) | Catalogue des glissements sémantiques courants |
## Crédits
Inspiré de [Council](https://github.com/bacoco/Council-board-skill) par bacoco et du concept [LLM Council](https://github.com/karpathy/llm-council) d'Andrej Karpathy.Related Skills
performance-testing-review-multi-agent-review
Use when working with performance testing review multi agent review
multi-platform-apps-multi-platform
Build and deploy the same feature consistently across web, mobile, and desktop platforms using API-first architecture and parallel implementation strategies.
multi-cloud-architecture
Design multi-cloud architectures using a decision framework to select and integrate services across AWS, Azure, and GCP. Use when building multi-cloud systems, avoiding vendor lock-in, or leveraging best-of-breed services from multiple providers.
multi-agent-brainstorming
Use this skill when a design or idea requires higher confidence, risk reduction, or formal review. This skill orchestrates a structured, sequential multi-agent design review where each agent has a strict, non-overlapping role. It prevents blind spots, false confidence, and premature convergence.
multiplayer
Multiplayer game development principles. Architecture, networking, synchronization.
error-debugging-multi-agent-review
Use when working with error debugging multi agent review
agent-orchestration-multi-agent-optimize
Optimize multi-agent systems with coordinated profiling, workload distribution, and cost-aware orchestration. Use when improving agent performance, throughput, or reliability.
multi-agent-analysis
Analyze coordination patterns, handoff mechanisms, and state sharing in multi-agent systems. Use when (1) understanding how agents transfer control, (2) evaluating shared vs isolated state patterns, (3) mapping communication protocols between agents, (4) assessing multi-agent orchestration approaches, or (5) comparing coordination models across frameworks.
when-managing-multiple-repos-use-github-multi-repo
Multi-repository coordination, synchronization, and architecture management with AI swarm orchestration. Coordinates repo-architect, code-analyzer, and coordinator agents across multiple repositories to maintain consistency, propagate changes, manage dependencies, and ensure architectural alignment. Handles monorepo-to-multi-repo migrations, cross-repo refactoring, and synchronized releases. Use when managing microservices, multi-package ecosystems, or coordinating changes across related repositories.
github-multi-repo
Multi-repository coordination, synchronization, and architecture management with AI swarm orchestration
multi-agent-orchestration
Orchestrate tasks across multiple AI providers (Claude, OpenAI, Gemini, Cursor, OpenCode, Ollama). Use when delegating tasks to specialized providers, routing based on capabilities, or implementing fallback strategies.
multi-channel
Unified social and advertising command center. Manages social inbox, optimizes ad performance, tracks keywords, coordinates messaging across YouTube, Instagram, TikTok, LinkedIn, Twitter, Facebook, Reddit, and Pinterest.