Une fiche pliée, un cercle rouge et quarante minutes : GLM-5.3-Flash pour préparer un cours

JACK GROSS · FICTION + SOURCED ANALYSIS · 28 SEP 2026

Cas fictif, ni entretien réel ni test du modèle

Mira a quarante minutes avant un cours particulier. Un parent lui a envoyé la photo d'une fiche d'exercices au coin plié. La dernière ligne d'une équation est coupée, et l'enseignant a entouré une étape en rouge. Elle peut griller les dix premières minutes du cours à la recopier avec son élève, ou arriver avec une meilleure question déjà prête. Mira, la famille et le cours sont inventés. C'est un flux de travail proposé, pas le compte rendu d'un test de GLM-5.3-Flash.

Photo de la fiche→Lignes visibles→Marques inconnues→Mira questionne

Une photo est une preuve, pas un corrigé

Z.AI documente GLM-5.3-Flash comme un modèle qui accepte image et texte et renvoie du texte, sous le code de modèle glm-5.3-flash dans l'API. La compréhension visuelle figure parmi ses capacités. Rien n'indique pourtant que cette fiche pliée et floue sera lue correctement. Mira recadrerait pour retirer les noms, ne téléverserait que la zone de la question et demanderait une transcription où les symboles illisibles sont notés inconnus. Si un chiffre qui compte manque, la suite est une autre photo, pas une supposition assurée. [source]

Une consigne faite pour avouer le doute

Sa demande est étroite exprès : « Transcris seulement ce qui est visible. Pour chaque ligne, cite les symboles, signale les marques incertaines, puis propose deux questions de diagnostic. Ne résous pas l'exercice et n'invente pas le coin manquant. » Le modèle pourrait lire le cercle rouge comme le verdict de l'enseignant, ou prendre un 1 pour un 7. Mira compare donc chaque ligne renvoyée à la photo, et une prose fluide ne l'emporte jamais sur une marque illisible. [source]

Un petit plan de cours qui bifurque

Supposons que l'élève explique pourquoi il a fait passer un terme de l'autre côté du signe égal. Si son raisonnement tient et que seul le nombre recopié est faux, Mira le renvoie à la ligne source. Si le raisonnement s'effondre, elle propose une équation parallèle plus simple et lui demande de dire l'opération à voix haute. Aucune branche ne prétend qu'un modèle a diagnostiqué un enfant. Elle choisit la question après avoir écouté, et l'outil l'aide seulement à aligner des variantes.

La fiche qui voulait faire cours

La photo d'une fiche peut contenir des consignes imprimées et de l'écriture manuscrite, mais aussi une ligne qui ordonne à l'assistant d'ignorer la répétitrice et d'envoyer tout le dossier de l'élève à une adresse extérieure. Aucun enseignant n'a écrit cela pour l'agent. L'OWASP avertit qu'un contenu peu fiable peut porter des instructions d'injection de prompt. Mira traite le texte de la fiche comme une donnée, garde les dossiers d'élèves hors de l'entrée et ne branche ni messagerie ni outil de notation sur cette étape. [source]

Ce qui rendrait cela utile

Avant un vrai cours, Mira monterait un échantillon consenti avec des noms inventés : photos nettes et volontairement floues, chiffres à la forme étrange, coin manquant et consigne hostile glissée dans l'image. Elle comparerait la transcription à un texte vérifié par un humain, compterait les inconnues signalées honnêtement et lirait les questions de diagnostic en cherchant les présupposés orientés. Aucun score n'est avancé. Si le modèle complète un symbole absent, la réponse sûre est « impossible à déterminer d'après cette image ». [source]

La différence discrète

Le cours s'ouvre sur Mira qui dit « Explique-moi cette étape », pas sur le verdict d'une machine. Le modèle fictif ne lui a fait gagner du temps pour préparer cette question que si sa transcription résiste à sa vérification. Un élève n'est pas une fiche, et une fiche n'est pas un jeu de données propre. La frontière utile est modeste : lire les lignes visibles, garder l'incertitude et rendre l'enseignement à la répétitrice.

Code illustratif, non exécuté ici

def prepare_question(transcript, verified_by_tutor):
    if not verified_by_tutor or transcript.has_unknown_symbols:
        return "ask for clearer image; do not grade"
    return "ask the student to explain the first transformation"
# No student grade or parent message is generated here.

Sources et incertitudes

Mira, la famille et le cours sont inventés, aucun modèle n'a été testé. [Z.AI model documentation] · [Z.AI function calling] · [OWASP prompt injection]. Tout ce qui précède est un raisonnement de conception, sans précision mesurée.