feat(experiments): ajoute 4 phrases de test hyper complexes au PoC LLM

Complète les 3 phrases initiales de TEST_SENTENCES avec 4 cas cherchant
volontairement le point de rupture (au lieu de juste confirmer le cas
courant) : actions simultanées plutôt que séquentielles ("pendant que..."),
action conditionnelle noyée dans des actions fermes, négation explicite
d'action ("sans jamais laisser bouillir"), fin de cuisson par état/test de
résultat plutôt que par durée, et un champ température qui désigne un seuil
de cuisson à cœur plutôt qu'un réglage de feu. README mis à jour (7 phrases,
4 FR + 3 EN).

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>

experiments/llm-tech-step-poc/README.md

@@ -51,15 +51,20 @@ résolution/téléchargement Hugging Face.
 pnpm bench
 ```
 
-Charge le modèle, puis lance 3 répétitions sur chacune des 3 phrases de test
+Charge le modèle, puis lance 3 répétitions sur chacune des 7 phrases de test
-(2 FR + 1 EN, voir `TEST_SENTENCES` dans
+(4 FR + 3 EN, voir `TEST_SENTENCES` dans
-[`src/llm-tech-step-poc.ts`](./src/llm-tech-step-poc.ts) — l'une d'elles est
+[`src/llm-tech-step-poc.ts`](./src/llm-tech-step-poc.ts)) — les 3 premières
-délibérément le cas piège documenté dans le commentaire de
+couvrent le cas courant (actions enchaînées, dont le cas piège documenté dans
 `tech-step-matcher.ts` lui-même : "jusqu'à ce que le beurre ait disparu dans
-la poêle", aucun verbe de cuisson littéral, seul le sens implique `COOK`).
+la poêle", aucun verbe de cuisson littéral, seul le sens implique `COOK`),
-Imprime, par phrase : le JSON détaillé de chaque action détectée, puis un
+les 4 suivantes poussent délibérément plus loin pour chercher le point de
-tableau récapitulatif (latence moyenne/min/max, delta RSS moyen, nombre
+rupture : actions simultanées plutôt que séquentielles, action conditionnelle
-d'actions détectées).
+("if the batter looks too thick..."), négation explicite d'action ("sans
+jamais laisser bouillir"), fin de cuisson par état/test de résultat plutôt
+que par durée fixe, et un champ température qui désigne un seuil de cuisson
+à cœur plutôt qu'un réglage de feu. Imprime, par phrase : le JSON détaillé de
+chaque action détectée, puis un tableau récapitulatif (latence moyenne/min/max,
+delta RSS moyen, nombre d'actions détectées).
 
 ## Méthodologie de comparaison avec le pipeline `node-nlp`
 
@@ -91,7 +96,7 @@ piège FR sans verbe littéral.
 ## Limites de ce PoC
 
 - Pas de jeu d'évaluation étiqueté ni de métrique de précision automatisée
-  — les 3 phrases sont inspectées à l'œil, pas notées.
+  — les 7 phrases sont inspectées à l'œil, pas notées.
 - La grammaire GBNF ne garantit qu'une syntaxe JSON conforme au schéma,
   jamais la justesse sémantique du contenu (catégorie choisie, durée
   correctement extraite...) — voir le commentaire sur

experiments/llm-tech-step-poc/src/llm-tech-step-poc.ts

@@ -375,8 +375,12 @@ interface BenchmarkSentence {
 }
 
 /**
- * Trois phrases complexes, FR et EN, choisies pour couvrir des difficultés
+ * Sept phrases complexes, FR et EN, choisies pour couvrir des difficultés
- * différentes :
+ * différentes — les trois premières sont la base initiale du PoC, les
+ * quatre suivantes poussent volontairement plus loin (simultanéité,
+ * conditions, négations, ambiguïté sémantique d'un même champ) pour
+ * chercher le point de rupture des deux pipelines, pas juste confirmer
+ * qu'ils gèrent le cas courant :
  *
  * 1. FR, plusieurs actions explicites enchaînées avec une durée et un
  *    ingrédient qui change de forme grammaticale ("les" reprend "oignons").
@@ -390,6 +394,28 @@ interface BenchmarkSentence {
  *    point 3 de sa doc). Comparer les deux pipelines sur cette phrase
  *    précise est le test le plus direct de "précision sémantique, pas
  *    seulement mot-clé" que ce PoC cherche à évaluer.
+ * 4. FR, deux techniques qui se déroulent EN PARALLÈLE ("pendant que...")
+ *    plutôt qu'en séquence — un pipeline qui suppose un ordre strictement
+ *    chronologique (comme le découpage en clauses de `splitIntoClauses`,
+ *    voir `tech-step-matcher.ts`) peut mal restituer que les deux actions
+ *    se chevauchent dans le temps plutôt que de se succéder.
+ * 5. EN, une action CONDITIONNELLE ("if the batter looks too thick, add a
+ *    splash of milk") noyée entre des actions fermes, plus une fin de
+ *    cuisson exprimée comme un test de résultat ("until a toothpick comes
+ *    out clean") et non comme une durée fixe — deux formes d'incertitude
+ *    qu'un extracteur naïf a tendance à aplatir en une action normale.
+ * 6. FR, très technique (crème pâtissière) : une action MIX et une action
+ *    COOK simultanées ("tout en fouettant" pendant qu'on verse le lait
+ *    chaud), une NÉGATION explicite d'action ("sans jamais laisser
+ *    bouillir" — l'inverse d'une action à ne pas enregistrer comme une
+ *    vraie étape), et une fin de cuisson par état ("jusqu'à épaississement")
+ *    plutôt que par durée.
+ * 7. EN, deux occurrences de `REST` au sens différent (mariner au
+ *    réfrigérateur vs. laisser revenir à température ambiante avant
+ *    cuisson) dans la même phrase, une durée "par face" (6-7 minutes per
+ *    side, pas la durée totale), et un champ température qui désigne un
+ *    SEUIL DE CUISSON à cœur (165°F) plutôt qu'un réglage de feu — un piège
+ *    sémantique direct pour le champ `temperature` de {@link KitchenAction}.
  */
 const TEST_SENTENCES: readonly BenchmarkSentence[] = [
   {
@@ -410,6 +436,30 @@ const TEST_SENTENCES: readonly BenchmarkSentence[] = [
     text: "Dans une poêle chaude, faites chauffer une noix de beurre jusqu'à ce qu'il ait disparu, puis ajoutez les échalotes ciselées.",
     note: "Cas piège documenté dans tech-step-matcher.ts : aucun verbe de cuisson littéral, seul le sens implique COOK (fonte du beurre).",
   },
+  {
+    id: "fr-actions-paralleles",
+    locale: "fr",
+    text: "Pendant que les pâtes cuisent 8 à 10 minutes dans une grande casserole d'eau bouillante salée, faites revenir l'ail et les champignons émincés à la poêle avec un peu de beurre jusqu'à ce qu'ils soient dorés, puis égouttez les pâtes en réservant un peu d'eau de cuisson avant de tout mélanger ensemble hors du feu.",
+    note: "Deux COOK simultanés (pas séquentiels) + OTHER (égoutter/réserver) + MIX final 'hors du feu' — teste la simultanéité, pas juste l'enchaînement.",
+  },
+  {
+    id: "en-action-conditionnelle",
+    locale: "en",
+    text: "Whisk the eggs and sugar together until pale and fluffy, then gradually fold in the sifted flour; if the batter looks too thick, add a splash of milk, and bake at 350°F (175°C) for 25 to 30 minutes, or until a toothpick inserted in the center comes out clean.",
+    note: "Action conditionnelle ('if...') au milieu d'actions fermes + fin de cuisson par test de résultat plutôt que par durée fixe.",
+  },
+  {
+    id: "fr-simultaneite-et-negation",
+    locale: "fr",
+    text: "Faites chauffer le lait avec la gousse de vanille fendue en deux jusqu'à frémissement, puis versez-le progressivement sur le mélange jaunes d'œufs-sucre-maïzena tout en fouettant énergiquement, avant de reverser le tout dans la casserole et de cuire à feu doux en remuant sans arrêt jusqu'à épaississement, sans jamais laisser bouillir.",
+    note: "MIX+COOK simultanés ('tout en fouettant'), négation explicite d'action ('sans jamais laisser bouillir') et fin de cuisson par état, pas par durée.",
+  },
+  {
+    id: "en-double-rest-et-seuil-cuisson",
+    locale: "en",
+    text: "Marinate the chicken thighs in the yogurt mixture for at least 2 hours (overnight if possible), then remove them from the fridge 20 minutes before cooking, pat them dry, and grill over medium-high heat for 6-7 minutes per side until the internal temperature reaches 165°F, letting it rest for 5 minutes before slicing.",
+    note: "Deux REST de sens différent (marinade vs. retour à température ambiante) + durée 'par face' + température = seuil de cuisson à cœur, pas un réglage de feu.",
+  },
 ];
 
 /** Nombre de répétitions mesurées par phrase — atténue le bruit d'une mesure isolée sans allonger excessivement le run. */