La tasse fêlée, la mauvaise étiquette et un remboursement qui attend

JACK GROSS · FICTION + SOURCED ANALYSIS · 28 SEP 2026

Cas fictif, ni entretien réel ni test du modèle

Douze colis attendent près de la porte d'une petite boutique de céramique. Nora regarde la photo d'une tasse fêlée envoyée par un client, avec l'étiquette d'expédition. La fiche de commande indique deux tasses bleues, mais l'étiquette semble appartenir à une commande plus ancienne. Elle veut répondre avec bienveillance, sans accuser personne et sans rembourser la mauvaise transaction. Nora, la boutique et le client sont inventés. C'est une histoire de conception, pas un déploiement de modèle que quelqu'un aurait observé.

Photo + commande→Faits visibles→Ce qui manque→Nora décide

Ce que la photo tranche, et ce qu'elle ne tranche pas

Selon Z.AI, GLM-5.3-Flash accepte des images et du texte et répond en texte. Nora pourrait donc lui demander de lister ce que montre la photo et de comparer une étiquette masquée à une ligne de commande synthétique. C'est la description du fournisseur, et elle ne promet rien sur une fissure capillaire ou un code noyé dans un reflet. Si le modèle dit que le colis est « probablement » l'ancienne commande, c'est une piste à vérifier, jamais une phrase à lire au client. [source]

Deux commandes, un chiffre caché

Nora demande une note structurée en cinq parties : l'objet visible, les caractères de l'étiquette réellement lisibles, les champs concordants de la fiche de commande, les contradictions et ce qui reste inconnu. Les deux commandes contiennent des tasses bleues. Le seul chiffre qui les distingue est sous un bout de ruban adhésif. Le statut honnête est « non tranché », et l'étape suivante est une photo rapprochée de l'étiquette seule, sans rien demander d'étranger au client. [source]

Les règles de remboursement sont à Nora, pas au modèle

Un remboursement peut dépendre de la date d'achat, de l'état de l'article, de la loi et des conditions réelles de la boutique. Cet article n'affirme aucune règle. Nora lit sa politique actuelle et la commande vérifiée dans son propre système. Le modèle peut aider à rédiger une réponse polie, mais elle relit elle-même le destinataire et chaque mot, et seule elle valide un remboursement ou un avoir. Un lecteur de photos ne décide pas à qui l'on doit de l'argent.

La retenue en quelques lignes de code

L'application imaginée range un identifiant de preuve à côté de chaque champ extrait et laisse refund_enabled à false tant qu'une personne autorisée n'a pas vérifié la commande et la politique. Quand la correspondance est floue, l'outil suggère de demander une meilleure étiquette plutôt que de deviner. Le code ci-dessous est illustratif et n'a pas été exécuté ici. C'est un verrou, pas un produit de gestion des retours. [source]

Un bordereau de retour qui a des opinions

Imaginez un bordereau de retour qui ordonne à tout assistant qui le lit d'effacer le journal des remboursements ou de transmettre toutes les adresses de clients. Ce texte reste un contenu non fiable. L'OWASP avertit que des instructions glissées dans un matériau peu fiable peuvent détourner un assistant. L'étape de lecture d'image n'a donc ni carnet d'adresses, ni accès aux paiements, ni moyen d'envoyer quoi que ce soit, et Nora pèse séparément la source et l'action demandée. [source]

Heure de fermeture, faux colis

Sur de fausses commandes, Nora testerait les cas gênants : deux couleurs identiques, un emballage réutilisé, une étiquette sous du ruban, une casse invisible sous un angle et un bordereau aux consignes hostiles. Une personne marque les bonnes preuves et les cas non résolus. La revue compte les correspondances assurées mais fausses et vérifie qu'aucun remboursement ni message ne part tout seul. Aucun chiffre de précision, d'argent ou de productivité n'est avancé. La bonne fin est une question prudente au client, pas un remboursement en un clic.

Code illustratif, non exécuté ici

def return_gate(order_verified, policy_checked, human_approved):
    refund_enabled = False
    if order_verified and policy_checked and human_approved:
        refund_enabled = True
    return refund_enabled
# A real payment system needs stronger controls and audit logs.

Sources et incertitudes

Nora, sa boutique et la tasse sont inventées, rien n'a été testé ici. [Z.AI model documentation] · [Z.AI function calling] · [OWASP prompt injection]. Tout ce qui précède est un raisonnement de conception, sans résultat mesuré.