GRACE-DOCX pour l'édition de gros .docx dans LLM

# GRACE-DOCX : Rendre les gros fichiers .docx compatibles avec les LLM sans dérive contextuelle

Les LLM peinent souvent avec les gros fichiers .docx : ils perdent des sections, déraillent sur la synchronisation et subissent une dérive itérative. GRACE-DOCX résout cela en intégrant une carte des modules, des contrats et une vérification directement dans le document. Une seule invite transforme le fichier en machine autonome — l'agent suit les règles intégrées, réduisant les erreurs de tokens de 80 %.

Dérive contextuelle dans les Transformers : Pourquoi les gros documents sont un cauchemar à éditer

Les Transformers se dégradent quand le contexte s'allonge. Une étude Chroma de 2025 sur 18 modèles de pointe montre une chute de précision de plus de 30 % pour les infos en milieu de contexte (Stanford). BABILong d'AIRI/MIPT le confirme : GPT-4.1, Claude Opus 4 et Gemini 2.5 galèrent tous de la même façon.

Dans les fichiers .docx, ça se manifeste de deux manières :

• Échecs en une fois : Le modèle zappe le bon paragraphe au milieu de milliers.
• Dérive itérative : Après 3-5 éditions, l'agent réécrit n'importe quoi, casse les tableaux et perd les liens.

Pipeline de chat standard pour .docx :

• Dézipper le fichier.
• Extraire word/document.xml.
• Charger tout dans le contexte.
• Repérer l'endroit.
• Générer l'édition.
• Rezipper.

Problèmes :

• Pas de carte pour naviguer.
• Pas de règles (ex. : ne pas toucher les colonnes de tableau).
• Pas de vérification XML/structure.

RAG ou outils de templating comme docxtpl aident, mais sont trop lourds pour des usages ponctuels.

GRACE-DOCX : Édition basée sur contrats, boostée par graphes

Adaptation de GRACE (Graph-RAG Anchored Code Engineering) pour .docx. Le document forme l'agent lui-même :

• Structure : Modules avec ID (M-PROC, M-APP-A).
• Règles : Ce qu'il faut toucher/synchroniser.
• Vérification : Invariants.

La méthodologie GRACE-DOCX (Governed, Recoverable, Autonomous, Contract-based Editing) intègre les connaissances dans les parties XML du .docx.

Processus d'activation — une invite :

Étape 1. Analyse : Parser document.xml, verrouiller H1/H2, tableaux, liens croisés.

Étape 2. Cartographie : ID de modules pour sections, plages de paragraphes.

Étape 3. Métadonnées : 5 fichiers XML (manifeste, graphe, contrats, instructions, vérification).

Étape 4. Signets : w:bookmarkStart/End sur les H1.

Étape 5. Enregistrement : [Content_Types].xml, _rels.

Étape 6. Empaquetage.

Étape 7. Rapport : N modules, signets, liens.

Désormais, l'agent lit le manifeste, suit le contrat et vérifie les invariants. Le comportement reste cohérent entre sessions et modèles.

Avantages et limites

Résout :

• Éditions chirurgicales dans des docs de +200 pages.
• Dérive : Les éditions restent isolées.
• Synchronisation (seuils de mise à jour — propagation partout).
• Jusqu'à 80 % d'économies de tokens, fenêtres de contexte réduites.

Ne résout pas :

• Sémantique (c'est au LLM).
• Versioning de contenu (mais il logue les changements).

Défis ouverts :

• .xlsx (feuilles comme modules).
• .pptx (diapos/objets).
• Images, tableaux complexes.
• Intégration d'outils (MCP).

Points clés

• Intègre carte et règles dans .docx — l'agent n'avance pas à l'aveugle.
• Élimine dérive contextuelle sans fenêtres géantes.
• Fonctionne pour tout format Office (ZIP+XML).
• Repo open-source : github.com/xronocode/grace-docx.

— Editorial Team