La Couche Universelle de Concepts : La Langue comme Code Versionnable

Traduction de l'article de recherche. L'original anglais fait autorité.

Une Couche de Signification entre les Personnes, les Modèles de Langage, les Agents et les Robots

Andreas Ehstand Chercheur indépendant · Programme de recherche AUGMANITAI · ORCID 0009-0006-3773-7796

Document de travail · Version 2.1 · Publication bilingue. La version allemande et la version anglaise sont identiques sur le fond et paraissent sous un seul identifiant en tant qu’enregistrement unique ; la version anglaise est la version de citation. Licence : CC BY 4.0 (Attribution). La licence couvre ce texte ; les procédures de travail internes du programme ne font pas partie de cette publication et ne sont pas concédées par elle ; les droits de marque et de nom ne sont pas affectés.

Résumé

L'infrastructure des systèmes composés de personnes, de grands modèles de langage, d'agents autonomes et de robots est en train d'être normalisée à grande vitesse : transport, invocation d'outils, identité, description des capacités. Une couche demeure systématiquement non traitée : non par négligence, mais parce qu'elle est tenue pour résolue. Les langages classiques de communication entre agents en fournissaient un emplacement réservé : un champ de message pointant vers une ontologie. Ce qui y était spécifié, c'est le pointeur, non le cycle de vie de la chose pointée. Rien n'était réglé sur la manière dont un cadre de référence peut changer sous contrôle de version, sur la manière dont une rupture de sens est signalée, sur la manière dont un destinataire résout une version qu'il n'a jamais vue, ni sur la manière dont une seule et même unité peut servir à la fois une personne, un modèle de langage et un contrôleur de robot.

Cet article propose de remplir l'emplacement réservé plutôt que de le reporter une fois de plus. Il soutient que le niveau de la signification constitue une couche d'architecture système à part entière (la Couche Universelle de Concepts), et que son matériau porteur est la langue naturelle versionnée : des concepts tenus comme le sont les artefacts logiciels, avec une définition, une délimitation, un contexte de validité, un horodatage, un numéro de version et un enregistrement de provenance. Nous donnons une formulation formelle minimale de l'objet de définition, décrivons le cycle récursif en cinq étapes par lequel de tels concepts naissent dans la pratique humain-machine, et précisons la formule classique de Korzybski pour les systèmes cyber-physiques pilotés par le langage : la carte ne devient pas le territoire ; elle devient le plan du territoire. Ce qui vaut pour tout plan vaut donc pour elle.

Nous confrontons la proposition à dix traditions voisines sous forme tabulaire, selon trois critères opérationnalisés, et disons clairement où un voisin se trouve plus proche qu'il n'est confortable pour la revendication de nouveauté. L'état de l'implémentation depuis 2025 est rapporté, un paquet de concepts complet est joint en annexe, et la thèse est rendue falsifiable au moyen d'un plan expérimental concret.

Mots-clés : Couche Universelle de Concepts, langue comme code, sémantique versionnable, infrastructure terminologique, interaction humain-IA, interopérabilité des agents, dérive sémantique, IA incarnée

1. La Couche Laissée de Côté

Quiconque construit en 2026 un système de personnes, de modèles de langage, d'agents et d'actionneurs physiques trouvera, pour presque chaque niveau de ce système, une norme ou une norme candidate déjà en place. Le Model Context Protocol régit la manière dont les modèles invoquent des outils et des ressources. Le protocole Agent2Agent régit le transfert de tâches et la description des capacités entre agents. Des efforts adjacents traitent de l'identité des agents, des préférences d'utilisation et de l'observabilité. La feuille de route du Model Context Protocol publiée le 22 août 2026 énumère cinq priorités pour les six à douze prochains mois : les primitives de messages agentiques, la consolidation et le durcissement du transport HTTP, l'identité des agents et la sécurité de niveau entreprise, l'amélioration des primitives, et l'expérience développeur des bibliothèques logicielles (Soria Parra et Delimarsky 2026). Le vocabulaire et la signification n'en font pas partie.

L'affirmation de cet article n'est pas que la question n'a jamais été posée. Elle l'a été, et elle l'a été tôt. Le Knowledge Query and Manipulation Language fournissait des paramètres de message pour l'ontologie et le langage de représentation (Finin et al. 1994), et la spécification FIPA des langages de communication entre agents porte les paramètres :ontology et :language comme constituants ordinaires de chaque message (FIPA 2002). Les architectes de ces langages ont bien vu qu'un message ne peut être compris sans un cadre de référence partagé, et ils ont dûment créé un emplacement réservé à cet effet. Ce qui est spécifié, c'est le pointeur : un identifiant qui pointe vers un cadre de référence. Ce qui n'est pas spécifié, c'est ce qu'il advient de la chose pointée.

Quatre questions y restent ouvertes, et elles restent ouvertes aujourd'hui. Premièrement : comment un cadre de référence peut-il changer sans rompre des couplages déjà en fonctionnement ? Deuxièmement : à quel signe un destinataire reconnaît-il qu'un changement était une rupture de sens plutôt qu'un raffinement ? Troisièmement : que fait un destinataire d'une version référencée qu'il ne connaît pas — et comment résout-il cette version ? Quatrièmement : comment une unité doit-elle être constituée pour qu'un seul et même enregistrement serve une personne, un modèle de langage et un contrôleur de robot sans être retraduite à neuf pour chacun ?

Cette lacune n'est pas un casse-tête académique périphérique. Elle est la source quotidienne de pertes partout où des intelligences hétérogènes travaillent ensemble : des instructions dont le sens se déplace à mesure qu'elles passent entre des départements et leurs outils d'IA ; des chaînes d'agents qui échouent sur des lectures divergentes du même nom de champ ; des connaissances qui quittent les locaux avec les personnes qui les détiennent, parce qu'elles n'ont jamais été exprimées en termes transférables ; des décisions assistées par IA dont la base conceptuelle ne peut être reconstruite après coup.

Le schéma est familier dans l'histoire de l'informatique. Un niveau existe longtemps comme pratique implicite — dispersé dans des conventions, des solutions ponctuelles et des non-dits — avant d'être nommé, spécifié et maintenu. Avant que le système d'exploitation ne soit nommé, les programmes s'exécutaient directement sur la machine ; avant le modèle de stratification des réseaux, des conventions ad hoc reliaient les ordinateurs. L'intervalle entre la pratique vécue et la spécification nommée est toujours la fenêtre dans laquelle il se décide qui façonne le niveau. Cet article soutient que le niveau de la signification se trouve actuellement dans cette fenêtre, et propose pour lui un nom, un matériau porteur et un mode de fonctionnement.

2. La thèse : la langue comme code versionnable

2.1 Tout devient code atteint le niveau le plus profond

Au fil des deux décennies écoulées, l'informatique a transformé un domaine après l'autre en artefacts versionnables, vérifiables et entretenus de manière traçable : infrastructure, configuration, politiques, documentation. Le gain est toujours le même. Ce qui est versionné peut être comparé, examiné, restauré et justifié.

La thèse présentée ici est que ce mouvement atteint désormais le niveau le plus profond et le plus longtemps négligé de tous : la langue naturelle elle-même. Pas en transformant la langue en code de programme, mais en la maintenant comme on maintient du code. Dans cette perspective, un concept précisément défini est une interface. Il porte une définition, une délimitation par rapport aux concepts voisins, un contexte de validité, une estampille temporelle, un numéro de version et un enregistrement de provenance. Lorsque la compréhension qu'on en a change, une nouvelle version apparaît ; lorsque l'extension de ce qu'il désigne change, une nouvelle version majeure apparaît ; et l'historique reste résoluble tout du long.

Les éléments constitutifs de cette idée existent depuis longtemps, et la section 5 les nomme un par un. Ce qui manque, c'est leur assemblage en une opération : un contrôle de version au niveau du concept individuel, conçu pour les consommateurs machines autant que pour les consommateurs humains, positionné comme une couche à part entière sous les applications et au-dessus des protocoles de transport - pour tous les substrats à la fois.

2.2 Pourquoi maintenant : la langue devient performative

Le moment de cette thèse découle d'un tournant technique. Pendant la plus grande partie de son histoire, la langue était au fond descriptive : elle dépeignait un monde qui existait indépendamment d'elle. Avec la programmation classique est apparue une seconde forme, performative dans le domaine numérique. Le code de programme ne décrit pas un monde numérique ; il fait advenir ce monde. Avec le couplage de grands modèles de langage à des outils, à des agents et à des actionneurs physiques, le troisième pas a été franchi ces dernières années : la langue naturelle devient performative sans changer de forme. La recherche en robotique a montré que les modèles de langage génèrent directement des programmes de commande exécutables pour des systèmes physiques (Liang et al. 2023) et que les connaissances du monde contenues dans le texte se transfèrent dans l'action du robot (Brohan et al. 2023). Dans la même lignée, Constitutional AI montre qu'un document explicite de principes, écrit en langue naturelle, régit le comportement d'un système d'IA (Bai et al. 2022) : là, la langue fonctionne déjà comme un artefact de contrôle. Le contrôle de version de tels documents n'est pas en jeu dans ces travaux ; c'est précisément l'étape que l'opération proposée ici généralise - du document versionné aux concepts individuels versionnés.

Il en découle un raffinement que l'on formule souvent comme un renversement et qu'il est plus juste de saisir comme un changement de direction d'ajustement. L'avertissement de Korzybski - la carte n'est pas le territoire (Korzybski 1933) - tient toujours ; il n'est pas réfuté. Ce qui change est autre chose. La théorie des actes de langage distingue les énoncés qui doivent s'ajuster au monde pour être vrais et les énoncés auxquels le monde doit être rendu conforme pour qu'ils soient obéis (Austin 1962 ; Searle 1979). Le langage descriptif appartient à la première classe, le code à la seconde : il a la direction d'ajustement monde-vers-mot. Avec le couplage des modèles de langage aux outils et aux actionneurs, la langue naturelle passe dans la seconde classe : la phrase même qui décrivait hier ordonne aujourd'hui. La carte ne devient pas le territoire - elle devient le plan du territoire, et ce qui vaut pour tout plan vaut donc pour elle : les erreurs qu'il contient se construisent. L'avertissement de Korzybski est nécessaire, mais n'est plus suffisant. Il protège contre la confusion, non contre l'exécution.

La conséquence pratique est un déplacement de responsabilité. Si les concepts ouvrent des espaces d'action, le travail terminologique n'est pas une activité descriptive mais constitutive. La discipline de qualité et de contrôle de version que nous exigeons de tout autre artefact de contrôle devient une exigence opérationnelle pour les concepts.

3. Une formulation formelle minimale

La thèse peut être énoncée comme un modèle de données, indépendamment de toute implémentation.

L'objet de définition. Le bloc élémentaire de la couche est une application

Def : (E, N, C, T) → ⟨def, L, V, P, K⟩

La clé se compose de l'entité de référence E (une personne, une équipe, une organisation, un modèle, un système robotique, un domaine de sujet), de la désignation N — la forme linguistique, non le concept —, du contexte de validité C et du point temporel T. L'enregistrement contient le texte de définition def, le langage de représentation L, l'identifiant de version V, la provenance P et un qualificatif de validité K. V, P et K sont des valeurs dérivées, non des entrées.

Le critère de version est opérationnel et non laissé à discrétion : V incrémente la version mineure lorsque def est raffiné sans aucun changement de l'extension de ce qui est désigné ; V incrémente la version majeure lorsqu'un cas précédemment couvert tombe hors de l'extension, ou qu'un cas précédemment exclu y entre. Un changement d'extension est donc le critère vérifiable d'une rupture de sens.

L'état sémantique. Plusieurs objets de définition — sorties de Def — forment

S(E, T, C) = ⟨D, R, w, π⟩ avec R ⊆ D × D × RelType, w : R → [0,1], π : D → provenance

RelType comprend au moins : est_subordonné_à, délimité_par_rapport_à, remplace_la_version, présuppose, est_en_tension_avec. S est bien formé exactement lorsque chaque élément de D porte un identifiant résoluble, que chaque relation pointe à ses deux extrémités vers des éléments de D, et que est_subordonné_à est exempt de cycles.

Les deux niveaux du paquet. Dans ce modèle, la signification est relative à l'entité, dépendante du contexte et indexée par le temps. Cela sonne d'abord comme le contraire de la stabilité, et l'objection mérite d'être prise au sérieux : la relativité à l'entité est la dérive sémantique, simplement formalisée. Une division en deux niveaux suit de nécessité. Un paquet porte deux niveaux : un noyau canonique — texte de définition, délimitation, identifiant, version — qui voyage à l'identique pour toutes les entités et forme l'unité transférable, et une édition liée à l'entité, qui enregistre la manière dont une entité particulière remplit ce noyau dans son contexte, le restreint ou le rejette. La transférabilité à travers les frontières de systèmes et de modèles est affirmée du noyau, non de l'édition. Là où deux éditions du même noyau divergent, ce n'est pas un échec de la procédure mais sa mesure.

La forme transportable. Un concept voyage comme un paquet de {désignation, texte de définition, délimitation par rapport aux concepts voisins, langue, identifiant stable de concept, numéro de version, empreinte de contenu de la version, provenance}. Les deux identifiants font un travail différent : l'identifiant stable de concept porte la lignée et lie toutes les versions en une histoire continue ; l'empreinte de contenu identifie la version individuelle de manière infalsifiable. Le destinataire — humain, modèle de langage, agent logiciel ou contrôleur de robot — ricostruit le concept à neuf, chaque fois qu'il le reçoit, contre sa propre connaissance du monde. Le mécanisme n'exige ni espaces vectoriels partagés ni famille de modèles commune ; il exige la lisibilité. L'annexe A montre un paquet complet.

Le rôle du modèle de langage. Dans cette architecture, les grands modèles de langage assurent le travail d'un externalisateur sémantique : à partir de preuves hétérogènes, ils produisent des objets de définition explicites, convertissant le sens latent lié au modèle en un artefact durable et portable entre modèles. La comparaison évidente est avec un compilateur ; elle saisit le rôle mais pas la garantie. Un compilateur garantit la préservation du sens entre deux langages formellement spécifiés ; un modèle de langage ne garantit rien. La fiabilité de l'externalisation n'est donc pas une propriété revendiquée mais une grandeur à mesurer (section 7).

La proposition s'inscrit ainsi dans la lignée de la thèse de l'esprit étendu (Clark et Chalmers 1998) : les états cognitifs peuvent se trouver hors de leur porteur lorsque le support externe est fiablement disponible, aisément récupérable et endossé par le porteur. La couche décrite ici resserre ces trois conditions en exigences techniques — résolubilité durable, lisibilité machine, provenance démontrable — et les étend au-delà de la personne individuelle aux modèles, aux agents et aux systèmes incarnés.

La régression de la définition. L'objection évidente est que le texte de définition lui-même se compose de mots qui demandent à être interprétés, de sorte que la dérive est seulement déplacée et non supprimée. L'objection tient, et la revendication doit être formulée en conséquence : la régression n'est pas dissoute mais raccourcie et rendue vérifiable. Raccourcie, parce qu'une définition ramène une désignation à des expressions plus générales et plus fréquemment utilisées, dont l'interprétation varie moins entre destinataires hétérogènes. Vérifiable, parce que le paquet porte, à côté de la définition, une délimitation par rapport aux concepts voisins et la provenance : là où un destinataire diverge, on peut dire à quel point. La revendication n'est pas l'univocité mais la localisabilité de l'équivocité. La dérive sémantique devient ainsi visible et négociable au niveau du protocole, au lieu d'être silencieuse.

4. Le Cycle Génératif

D'où viennent les concepts de cette couche ? La pratique à l'origine de cet article peut être décrite comme un cycle en cinq étapes.

Isolation. Dans une interaction humain-machine soutenue, un phénomène récurrent et jusqu'alors innommé émerge de son entourage diffus.

Dénomination. Dans un travail dialogique, une expression est forgée qui circonscrit le phénomène, en suivant les principes du travail terminologique professionnel : un terme, un concept, un concept générique et des caractéristiques distinctives, une délimitation par rapport aux voisins les plus proches.

Ancrage. L'expression devient référençable pour les deux parties : pour la personne comme ancre cognitive, pour le modèle comme unité porteuse de sens. Deux voies doivent être distinguées ici. Hewitt et al. (2025b) démontrent un ancrage dans le modèle : un mot nouveau est appris sous forme d'incorporation entraînée et acquiert ainsi un effet défini de pilotage et d'auto-verbalisation ; l'article de position qui l'accompagne explique pourquoi le vocabulaire existant est structurellement inadéquat (Hewitt et al. 2025a). Le cycle décrit ici emprunte la voie complémentaire, hors du modèle : le concept n'est pas entraîné dans le modèle mais fourni en contexte avec sa définition, sans aucune intervention sur les poids. L'ancrage entraîné est la voie la plus profonde, mais liée au modèle ; la définition qui voyage avec le concept est la voie la moins profonde, mais portable.

Contrôle de version. Le concept est intégré au dépôt géré : définition, délimitation, relations, identifiant stable, horodatage, version.

Récursion. L'espace conceptuel élargi rend visibles des phénomènes qui étaient invisibles auparavant, et le cycle recommence à un niveau supérieur.

La substance du cycle ne réside pas dans la nouveauté des étapes individuelles mais dans leur couplage : seul le contrôle de version rend la dénomination vérifiable, seule la vérifiabilité rend le concept apte à la consommation machine, et seule la récursion transforme des concepts individuels en un espace conceptuel géré et croissant. Le double effet mérite d'être relevé : l'acte même qui rend un phénomène observable et entraînable pour une personne élargit l'espace conceptuel référençable des machines concernées.

5. Travaux apparentés

La thèse aborde plusieurs traditions bien établies. Pour rendre la démarcation vérifiable, nous avons opérationnalisé trois critères.

M1 — La langue comme source d'exécution. Rempli lorsque, pendant l'exécution, un artefact en langue naturelle est la source normative consultée par un exécutant non humain. Non rempli lorsque la langue ne sert qu'à l'entrée.

M2 — Contrôle de version par concept. Rempli lorsque chaque concept individuel porte un identifiant de version qui peut être avancé indépendamment, chaque changement produit un enregistrement et toutes les versions restent résolubles.

M3 — Validité inter-substrats. Rempli lorsque le même artefact est consommé sans modification par au moins deux classes de substrats, par exemple une personne et un modèle ou un modèle et un contrôleur de robot.

Aucune des dix traditions examinées ne couvre les trois critères ; certaines en couvrent deux en partie. Quatre voisinages méritent un traitement plus complet, car ils se trouvent plus proches que la revendication de nouveauté ne le trouverait confortable.

Normalisation terminologique. L'ISO 704 et l'ISO 1087 fournissent la discipline définitionnelle sur laquelle s'appuie cette proposition ; l'ISO 12620 l'inventaire des catégories de données ; l'ISO 30042 le format d'échange lisible par machine ; l'ISO 26162 couvre les systèmes de gestion terminologique, y compris les métadonnées d'entrée et la gestion des changements. Depuis 2025, il existe en outre un groupe de travail international sur l'interaction entre la gestion terminologique et l'intelligence artificielle (Khemakhem et al. 2025). Cette tradition s'approche de M2 plus que toute autre. Deux différences subsistent : le destinataire

6. État de l'Implémentation

La proposition n'est pas simplement une conception ; elle est maintenue en fonctionnement interne depuis 2025 — tandis qu'une opération publiquement résoluble à travers les frontières organisationnelles reste en suspens (l'annexe A énonce précisément la pièce manquante). L'implémentation suit une architecture strictement en cascade à trois couches. La couche sémantique ne connaît qu'un seul objet d'échange : le paquet décrit ci-dessus. La couche de transaction dote les paquets d'identifiants adressés par le contenu, de signatures et de chaînes de provenance. La couche de transport encode ces mêmes paquets, sans perte, dans plusieurs formats lisibles par machine. Chaque couche peut être vérifiée indépendamment : le niveau de la signification ne connaît ni octets ni réseaux, le transport ne connaît pas les significations.

Sur cette base existe un noyau curaté d'environ 9 400 concepts définis de manière bilingue concernant des phénomènes d'interaction humain-IA. Parmi eux, 25 sont documentés selon l'ensemble complet des six critères de définition de l'ISO 704 comme étalon-or ; 400 sont doublement vérifiés ; le reste est en cours de validation continue. Le fonds n'est pas certifié ISO — la certification est une procédure institutionnelle non ouverte à un programme de recherche indépendant ; la description exacte est : aligné sur l'ISO 704 et revu au sein du programme. Ce qui est compté, ce sont les entrées du registre curaté ; des chiffres divergents issus d'étapes de traitement antérieures du même programme — environ 4 400 entrées du pipeline de préparation, par exemple, ou environ 7 000 nœuds de la vue de navigation — désignent des objets de comptage différents et ne sont pas coextensifs à ce chiffre.

Le fonds a été dérivé d'un corpus de travail de plus de 100 000 tours de dialogue humain-IA documentés depuis mars 2025, dont environ 40 000 sous élicitation structurée, à travers plusieurs familles de modèles de différents fournisseurs. Les changements apportés aux concepts du noyau géré sont enregistrés comme des entrées documentées et horodatées ; l'unification de plusieurs fonds développés en parallèle en un seul état de production continûment versionné est l'étape de travail actuellement en cours. Il existe en outre des fonds d'échange multilingues au format d'échange terminologique, un graphe relationnel comme structure englobante, des interfaces de programmation locales pour les consommateurs machines et des surfaces de navigation interactives pour les utilisateurs humains.

Cet article décrit la face externe de l'architecture : modèle de données, cycle génératif, frontières de couches, propriétés vérifiables. Les procédures de travail internes — heuristiques de sélection, séquences de vérification, routines d'orchestration et de validation — restent non publiées ; les divulguer offrirait une appropriation opérationnelle sans gain de compréhension. L'objet vérifiable, en revanche, est ouvert : l'annexe A montre un paquet de concepts complet.

7. Vérifiabilité

La revendication de priorité. Elle porte uniquement sur l’union de M1, M2 et M3 sous la forme donnée à la section 5. Une contre-instance doit satisfaire aux trois ensemble et doit avoir été publiée avant le 20 avril 2026 — date de l’ancrage cryptographique, c’est-à-dire le point temporel le plus ancien que ce travail peut lui-même attester. Si un tel travail devait être nommé, nous retirerions publiquement la revendication de priorité.

La revendication substantielle. La thèse affirme que la transmission du paquet complet élève l’accord entre destinataires hétérogènes au-dessus de ce que la simple désignation obtient. Elle est concrètement réfutée si l’expérience suivante donne un résultat négatif. Prendre au moins quatre destinataires d’au moins trois familles de modèles de fournisseurs différents, ainsi qu’un groupe témoin humain. Tirer au moins 100 concepts du fonds et générer dix jugements d’usage pour chacun, dont les réponses de référence ont été fixées indépendamment. Condition A : la désignation seule. Condition B : le paquet complet. Ce qui est mesuré est l’accord par paires entre destinataires par l’alpha de Krippendorff. La thèse exige une amélioration d’au moins 0,15 point d’alpha de A à B, à un seuil de signification fixé à l’avance.

Autres pierres de touche. La thèse serait également affaiblie s’il s’avérait que le contrôle de version au niveau des concepts ne produit aucun gain mesurable de traçabilité dans des contextes de travail continus, une fois les temps de cycle, les taux de reprise et la reconstituabilité enregistrés avant et après l’introduction ; ou que la transférabilité postulée entre substrats échoue à des frontières systématiques qui ne peuvent être expliquées par l’état des preuves et le qualificatif de validité.

8. Limitations

La base empirique de cette étude est une étude longitudinale à observateur unique. La triangulation entre plusieurs familles de modèles contrôle le côté modèle, mais pas le côté humain : l'isolement, la dénomination, la délimitation et les décisions de version dépendent toutes d'un seul observateur. Pour l'ensemble étalon-or de 25 concepts, il existe une procédure de revue interne au programme : deux instances d'évaluation en aveugle, une troisième revérification après arbitrage, les verdicts individuels dissidents étant consignés. Cependant, une étude d'accord par des annotateurs experts externes indépendants n'existe pour aucune partie du fonds. La question de savoir quelle part des concepts capture un phénomène du domaine et quelle part est spécifique à cet observateur ne peut être tranchée avec les données disponibles. Nous considérons cela comme la lacune ouverte la plus grave du travail, et non comme une note méthodologique de bas de page. La prochaine étape est arrêtée : une portion du fonds sera soumise à deux annotateurs experts indépendants pour redéfinition, et l'accord sera rapporté, quelle qu'en soit l'issue.

Trois autres limites doivent être énoncées. La validité inter-substrats est, à l'état actuel des preuves, une exigence architecturale plutôt qu'une propriété démontrée : ce que le fonds rapporté atteste, c'est le chemin humain-modèle. Un contrôleur de robot ne consomme pas directement un paquet en langue naturelle ; il le reçoit par l'intermédiaire d'un composant interpréteur doté de capacité langagière qui en dérive une représentation exécutable. Un essai robotique propre à la couche n'a pas encore été mené ; M3 est satisfait pour la personne et le modèle, et postulé pour les classes de substrats restantes. La couche ne prétend pas générer des connaissances inconnues : elle représente ce qui peut être inféré de preuves suffisantes, avec l'incertitude et la provenance. Et elle s'exécute sur un substrat d'interprétation appris, non formellement spécifié ; sa sémantique est probabiliste, non prouvable — une propriété structurelle dont tout plan d'évaluation doit tenir compte.

9. Conclusion

Le niveau de signification entre les êtres humains, les modèles, les agents et les robots est aujourd'hui présent dans chaque invite, chaque instruction système, chaque protocole d'agent : innommé, non versionné, non gouverné. Les langages d'agent classiques réservaient un emplacement pour cela et ne le remplissaient pas. Cet article l'a nommé, a déterminé son matériau porteur, a spécifié sa forme minimale, a décrit son cycle génératif, l'a confronté à dix voisins, a présenté un spécimen de son objet central et a fourni un plan expérimental par lequel il peut être réfuté.

Déclaration de priorité. La revendication repose sur deux ancrages mutuellement indépendants.

L'ancrage cryptographique. L'ensemble du travail du programme a été ancré dans la blockchain Bitcoin le 20 avril 2026 : blocs 945970 et 945979, somme de contrôle racine SHA-256 299e4b3d0ac9e50740268896b5eeb541f6462332bb67b7efdf4cd309704770d0, manifeste d'horodatage MANIFEST_20260420T205730Z. Quiconque obtient une copie de l'un ou l'autre des deux documents de travail sous-jacents peut calculer sa somme de contrôle par rapport à ce manifeste, et le manifeste par rapport à la blockchain. Le manifeste d'horodatage est fourni sur demande. L'ancrage permet ainsi d'établir la date et l'intégrité sur production de la version, sans qu'aucun contenu doive être divulgué publiquement.

L'ancrage d'enregistrement. Les deux documents de travail ont en outre été enregistrés le 22 avril 2026 comme constituants d'un paquet de programme (DOI 10.5281/zenodo.19695778). Ce paquet assemble plusieurs fils du programme ; son titre public nomme l'objet méthodologique du paquet lié à la performance sportive, et non le travail particulier traité ici. Le titre, l'auteur et la date d'enregistrement sont publiquement visibles ; les fichiers sont à accès restreint. L'ancrage d'enregistrement fournit ainsi une seconde date, tenue institutionnellement, tandis que l'attribution du contenu est portée par l'ancrage cryptographique.

L'horodatage sert uniquement à établir l'antériorité par première publication. Aucun brevet n'est recherché, et aucun droit exclusif n'est revendiqué sur la couche décrite, sur sa désignation ni sur les concepts individuels. La déclaration de priorité garantit l'attribution, non l'usage.

Annexe A — Un paquet de concepts complet

L'article affirme que l'unité de la couche n'est pas le document mais le concept individuel. L'entrée ci-dessous montre cette unité en entier. Les définitions et délimitations sont tirées de l'ensemble étalon-or du programme ; la structure des champs suit la forme minimale fixée à la section 3.

L'empreinte de contenu peut être recalculée par tout lecteur. Ce qui est haché, c'est le noyau canonique de cette version : la désignation, la définition anglaise et la définition allemande, dans cet ordre, séparées par des barres verticales, sans espaces environnants, encodées en UTF-8. Les umlauts et le

Section 13: The Universal Concept Layer and Context Layers

The Universal Concept Layer (UCL)

The Universal Concept Layer (UCL) is a proposed semantic protocol for cross-substrate communication, first introduced by Ehstand (2026a). It aims to provide a common language for human-AI interaction, enabling agents to communicate effectively across different substrates and modalities. The UCL is designed to be bundle-based, allowing for the representation of complex concepts and relationships using a combination of primitive and composite bundles.

Key Features of the UCL

1. Bundle-Based Semantics: The UCL uses bundles to represent concepts, allowing for the creation of complex structures from simpler primitives.
2. Cross-Substrate Communication: The UCL enables agents to communicate effectively across different substrates, including biological, digital, and cyber-physical entities.
3. Versioning and Stability: The UCL supports ontology versioning, ensuring the stability of term meaning over time (OBO Foundry, n.d.; Noy & Musen, 2004; Klein & Fensel, 2001).
4. Non-Aristotelian Semantics: Inspired by Korzybski's general semantics, the UCL embraces a non-Aristotelian approach to semantics, allowing for the representation of complex, context-dependent concepts (Korzybski, 1933).

Context Layers

Context layers are an integral part of the UCL, providing the necessary context for interpreting and generating meaningful communication. They enable agents to understand the intent behind utterances and to generate appropriate responses.

Types of Context Layers

1. Agent Context: This layer represents the internal state of an agent, including its goals, beliefs, and desires. It enables agents to understand the motivations behind their own and other agents' actions (Searle, 1979).
2. Environmental Context: This layer represents the physical and social environment in which communication takes place. It includes information about the location, time, and other relevant factors that may influence the meaning of an utterance (Clark & Chalmers, 1998).
3. Discourse Context: This layer represents the ongoing conversation or discourse, including the history of previous utterances and the current topic of discussion. It enables agents to maintain coherence and relevance in their conversations (Brennan & Clark, 1996).

The Role of Context Layers in the UCL

Context layers play a crucial role in the UCL by providing the necessary context for interpreting and generating meaningful communication. They enable agents to:

• Understand the intent behind utterances, taking into account the agent's internal state, the environmental context, and the ongoing discourse (Austin, 1962).
• Generate appropriate responses that are relevant to the current context and aligned with the agent's goals and the expectations of other agents (Hewitt et al., 2025a).
• Engage in collaborative problem-solving and decision-making, by sharing and coordinating their context layers with other agents (FIPA, 2002; Finin et al., 1994).

The Model Context Protocol (MCP)

The Model Context Protocol (MCP) is a proposed standard for representing and exchanging context information between agents (Soria Parra & Delimarsky, 2026). It builds on the UCL and provides a structured way to represent and share context layers, enabling agents to communicate effectively and collaborate more efficiently.

Key Features of the MCP

1. Standardized Context Representation: The MCP provides a standardized way to represent context information, enabling agents to share and understand context layers more easily.
2. Modular and Extensible: The MCP is designed to be modular and extensible, allowing agents to add or remove context layers as needed, and to adapt to new environments and tasks.
3. Interoperable: The MCP is designed to be interoperable with other communication protocols and standards, enabling agents to communicate effectively with a wide range of partners.

The Next Evolution of AI: Context Layers

In their blog post, Evelson and Bandyopadhyay (2026) argue that the next evolution of AI will rely on context layers. They suggest that as AI systems become more integrated into our lives, they will need to be able to understand and respond to the complex, context-dependent nature of human communication. By embracing context layers and the UCL, AI systems can achieve a deeper understanding of human intent and generate more meaningful, relevant, and helpful responses.

References

• Austin, J. L. (1962). How to Do Things with Words. The William James Lectures Delivered at Harvard University in 1955, ed. by J. O. Urmson. Oxford: Clarendon Press / Cambridge, MA: Harvard University Press.
• Bai, Y., Kadavath, S., Kundu, S., Askell, A. et al. (2022). Constitutional AI: Harmlessness from AI Feedback. arXiv:2212.08073.
• Beyer, C. J. (2026). Toward a Common Language for Human-AI Interaction Failures: A Practitioner-Accessible Error Taxonomy for the Missing Layer of AI Safety Classification. Effective Altruism Forum, 15 April 2026.
• Brennan, S. E. and Clark, H. H. (1996). Conceptual Pacts and Lexical Choice in Conversation. Journal of Experimental Psychology: Learning, Memory, and Cognition 22(6), 1482–1493.
• Brohan, A., Brown, N., Carbajal, J. et al. (2023). RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control. arXiv:2307.15818.
• Clark, A. and Chalmers, D. (1998). The Extended Mind. Analysis 58(1), 7–19. doi:10.1093/analys/58.1.7.
• Evelson, B. and Bandyopadhyay, I. (2026). The Next Evolution Of AI Will Rely On Context Layers. Forrester Blogs, 20 August 2026. https://www.forrester.com/blogs/the-next-evolution-of-ai-will-rely-on-context-layers/ (accessed 30 August 2026).
• Ehstand, A. (2026a). AUGMANITAI Universal Concept Layer: A Bundle-Based Semantic Protocol for Cross-Substrate Communication. Working Paper 1.0, 15 April 2026. Contained in the registered record of 22 April 2026 (DOI 10.5281/zenodo.19695778, access-restricted).
• Ehstand, A. (2026b). Sprache als versionierbarer Code: Eine rekursive Architektur zur Erweiterung von Realität über biologische, digitale und cyber-physische Entitäten. Working Paper 0.1, 20 April 2026. Recorded in the timestamp manifest MANIFEST_20260420T205730Z; contained in the registered record of 22 April 2026 (DOI 10.5281/zenodo.19695778, access-restricted).
• Finin, T., Fritzson, R., McKay, D. and McEntire, R. (1994). KQML as an Agent Communication Language. Proceedings of the Third International Conference on Information and Knowledge Management (CIKM '94), 456–463.
• FIPA — Foundation for Intelligent Physical Agents (2002). FIPA ACL Message Structure Specification. Standard SC00061G/J.
• Hewitt, J., Geirhos, R. and Kim, B. (2025a). Position: We Can't Understand AI Using our Existing Vocabulary. Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:81556–81572. arXiv:2502.07586.
• Hewitt, J., Tafjord, O., Geirhos, R. and Kim, B. (2025b). Neologism Learning for Controllability and Self-Verbalization. ICLR 2026 (Poster). arXiv:2510.08506.
• Karpathy, A. (2023). "The hottest new programming language is English." X, 24 January 2023. https://x.com/karpathy/status/1617979122625712128.
• Khemakhem, M., Valentini, C., Ralli, N., Barros, S., Löckinger, G., Vezzani, F., Salgado, A., Zhang, Z., Mahr, S., Carvalho, S., Fleischmann, K. and Costa, R. (2025). Terminology Management Meets AI: The ISO/TC 37/SC 3/WG 6 Initiative. Proceedings of the 5th Conference on Language, Data and Knowledge: TermTrends 2025, Naples: Unior Press, 16–24.
• Klein, M. and Fensel, D. (2001). Ontology Versioning on the Semantic Web. Proceedings of the First Semantic Web Working Symposium (SWWS), Stanford, 75–91.
• Korzybski, A. (1933). Science and Sanity: An Introduction to Non-Aristotelian Systems and General Semantics. Lancaster, PA: The International Non-Aristotelian Library Publishing Company.
• Liang, J., Huang, W., Xia, F., Xu, P., Hausman, K., Ichter, B., Florence, P. and Zeng, A. (2023). Code as Policies: Language Model Programs for Embodied Control. 2023 IEEE International Conference on Robotics and Automation (ICRA), London, 9493–9500. doi:10.1109/ICRA48891.2023.10160591.
• Noy, N. F. and Musen, M. A. (2004). Ontology Versioning in an Ontology Management Framework. IEEE Intelligent Systems 19(4), 6–13.
• OBO Foundry (n.d.). Principle 19: Stability of Term Meaning. https://obofoundry.org/principles/ (accessed 26 August 2026).
• OMG — Object Management Group (2019). Semantics of Business Vocabulary and Business Rules (SBVR), Version 1.5. Document formal/19-10-02.
• Park, S., Ramamurthi, V. and Terry, O. (2025). Neologism Learning as a Parameter-Efficient Alternative to Fine-Tuning for Model Steering. arXiv:2512.18551.
• Pourzand, R. (n.d.). Why we need a universal semantic layer. dbt Labs Blog. The page carries no date of first publication; last edited 15 October 2024. https://www.getdbt.com/blog/universal-semantic-layer (accessed 26 August 2026).
• Simpson, D., Riggan, T. and Schiros, C. (2026). Semantic Layer for Agentic AI using Ontology, Symbolic Reasoning, and Virtual Knowledge Graph. AWS Prescriptive Guidance. https://docs.aws.amazon.com/prescriptive-guidance/latest/semantic-layer-agentic-ai-ontology-reasoning-virtual-knowledge-graph/semantic-layer-agentic-ai-ontology-reasoning-virtual-knowledge-graph.html (accessed 30 August 2026).
• Schlechtweg, D., McGillivray, B., Hengchen, S., Dubossarsky, H. and Tahmasebi, N. (2020). SemEval-2020 Task 1: Unsupervised Lexical Semantic Change Detection. Proceedings of the Fourteenth Workshop on Semantic Evaluation, 1–23.
• Searle, J. R. (1979). Expression and Meaning: Studies in the Theory of Speech Acts. Cambridge: Cambridge University Press.
• Soria Parra, D. and Delimarsky, D. (2026). MCP Roadmap. Model Context Protocol Blog, 22 August 2026. https://blog.modelcontextprotocol.io/posts/mcp-roadmap/ (accessed 26 August 2026).
• Stojanovic, L. (2004). Methods and Tools for Ontology Evolution. PhD thesis, University of Karlsruhe.

Notes

Intérêts concurrents. L'auteur conduit sa recherche de manière indépendante et sans affiliation institutionnelle. Dans le domaine décrit ici, il poursuit des intérêts appliqués parallèlement à sa recherche. Cet article ne fait la promotion d’aucun service, ne nomme aucune source d’approvisionnement et ne contient aucune offre.

Données. Le corpus de travail est une auto-documentation du travail de l'auteur avec des systèmes d'IA. Il ne contient aucune donnée systématiquement collectée sur des tiers ; les mentions isolées de tiers ont été supprimées avant analyse. La base juridique du traitement est l'art. 6, par. 1, point f, du RGPD. Aucun comité d'éthique n'a été impliqué, en l'absence d'affiliation institutionnelle ; le plan ne comporte aucun sujet humain.

Transparence. Des outils d'IA ont été utilisés comme instruments de recherche dans la recherche documentaire et la préparation du manuscrit. La conception, le jugement et la responsabilité incombent à l'auteur.

Licence. CC BY 4.0 International (Attribution). © Andreas Ehstand 2026. La licence couvre ce texte ; les procédures de travail internes du programme ne font pas partie de cette publication et ne sont pas concédées par elle ; les droits de marque et de nom ne sont pas affectés.