Les actions de ce système, dites en verbes de tous les jours — il perçoit, prédit, décide, crée, actionne. Nommer les verbes aide à comprendre ce que le système touche et ce qui pourrait mal tourner.
Agit — décompose un objectif en étapes et les exécute dans le logiciel : appeler des outils, réserver, déposer, escalader, dérouler des processus en plusieurs étapes pour le compte de quelqu'un. Le résultat est une action accomplie, pas un contenu renvoyé. Exemples : réserver une réunion, déposer une déclaration, escalader un ticket. Quand l'action déplace quelque chose de physique, il s'agit d'Actionne.
Répond — répond aux questions des personnes en conversation : un chatbot, un assistant vocal, une ligne téléphonique automatisée. Il tient un échange qui s'adresse à vous sur le moment. Exemples : un chatbot de transport expliquant un retard, une ligne de service orientant votre demande. Distinct de Crée, qui produit un contenu qui existe ensuite par lui-même.
Crée — produit de nouveaux textes, images, sons, vidéos ou codes qui n'existaient pas avant l'exécution de ce système. Le résultat est un contenu rédigé par le système, pas une étiquette ni une note sur des données existantes. Exemples : rédiger un paragraphe à partir d'une consigne, générer une image à partir d'une description, composer de l'audio, compléter du code. Distinct de Répond, qui vous répond en conversation.
Décide — détermine un résultat qui prend effet : approuver ou refuser, fixer un prix, répartir, signaler pour action. Exemples : un péage dynamique fixé selon le trafic, une demande approuvée ou refusée, une affectation d'intervention. Quand une personne tranche à partir de ses suggestions, il s'agit plutôt de Recommande.
Identifie — reconnaît qui ou quoi en comparant un visage, une voix, une empreinte, une plaque ou un compte à des références connues. Il transforme « quelqu'un est là » en « cette personne est là ». Exemples : une correspondance faciale à une porte d'embarquement, une recherche de plaque à un portique de péage. Distinct de Perçoit, qui détecte sans nommer.
Actionne — agit sur le monde physique. Le système commande des moteurs, des vannes, des signaux ou d'autres actionneurs et change quelque chose autour de vous. Exemples : diriger un robot, changer la phase d'un feu de circulation, ouvrir une barrière, ajuster la ventilation d'un bâtiment, libérer une barrière de stationnement.
Prédit — estime ce qui est probable : une prévision, un score de risque, une probabilité. Il dit ce qui peut arriver ; quelqu'un ou quelque chose d'autre décide encore de la suite. Exemples : une prévision de file d'attente, un score de risque de crédit, une prévision d'affluence pour la prochaine heure. Distinct de Décide, qui fait prendre effet à un résultat.
Recommande — propose des options parmi lesquelles une personne choisit : un classement, une liste restreinte, un itinéraire ou un traitement suggéré. Rien ne prend effet tant que quelqu'un n'accepte pas la suggestion. Exemples : un classement de triage pour un clinicien, un itinéraire alternatif proposé à un conducteur, des produits affichés en premier. Distinct de Décide, où le résultat prend effet de lui-même.
Perçoit — transforme les signaux bruts des caméras, microphones ou capteurs en éléments utilisables par le reste du système : détections, transcriptions, mesures. Comprend la surveillance continue qui guette des événements. Exemples : détecter un véhicule dans une image, transcrire une phrase parlée, remarquer qu'un quai est bondé. Distinct d'Identifie, qui met un nom sur ce qui est perçu.
Comprend — extrait le sens d'un texte ou d'une parole, trouve des idées liées et relie ce qu'il lit à un contexte enregistré. Il renvoie des correspondances, des intentions, des résumés ou des liens vers des connaissances pertinentes, pas de nouveau contenu. Exemples : relier une question au bon article d'aide, retrouver la clause qui s'applique à un dossier, reconnaître le sujet d'une phrase.
Live API response from GET /schemas/dtpr@2026-09-01-beta/categories (this category) and GET /schemas/dtpr@2026-09-01-beta/elements?category_id=action.
{
"id": "action",
"name": [
{
"locale": "en",
"value": "What it does"
},
{
"locale": "fr",
"value": "Ce qu'il fait"
}
],
"description": [
{
"locale": "en",
"value": "This system's actions, said as everyday verbs — it senses, predicts, decides, creates, moves. Naming the verbs makes it easier to reason about what the system touches and what could go wrong."
},
{
"locale": "fr",
"value": "Les actions de ce système, dites en verbes de tous les jours — il perçoit, prédit, décide, crée, actionne. Nommer les verbes aide à comprendre ce que le système touche et ce qui pourrait mal tourner."
}
],
"prompt": [
{
"locale": "en",
"value": "What is this system doing?"
},
{
"locale": "fr",
"value": "Que fait ce système ?"
}
],
"authoring_guidance": [
{
"locale": "en",
"value": "Pick the verbs a reader would recognize; one to three is usually right. To flag autonomy, set Human involvement on the most downstream verb as the system-level signal; set it on other verbs only when their stage genuinely differs; omit it when it would confuse."
},
{
"locale": "fr",
"value": "Choisissez les verbes qu'un lecteur reconnaîtrait ; un à trois suffisent généralement. Pour signaler l'autonomie, définissez Intervention humaine sur le verbe le plus en aval comme signal d'ensemble ; ne la définissez sur d'autres verbes que si leur étape diffère vraiment ; omettez-la en cas de doute."
}
],
"examples": [],
"sources": [
{
"type": "framework",
"title": "AI Taxonomy — An Operational Framework for Precision in AI Discourse",
"url": "https://dropleaf.app/d/AlXez8scbd",
"citation": "Narain Jashanmal, v1.1, January 2026. This category extends the source's six modes into a ten-verb vocabulary for public comprehension."
}
],
"required": false,
"order": 4,
"datachain_type": "dtpr",
"shape": "hexagon",
"element_variables": [
{
"id": "additional_description",
"label": [
{
"locale": "en",
"value": "Description"
},
{
"locale": "fr",
"value": "Description"
}
],
"required": false,
"kind": "localized_text"
}
],
"element_context": {
"id": "autonomy",
"name": [
{
"locale": "en",
"value": "Human involvement"
},
{
"locale": "fr",
"value": "Intervention humaine"
}
],
"description": [
{
"locale": "en",
"value": "Who completes the loop — a quick, system-level signal of how much runs without a person, shown on the verb it colors. A general characterization of the deployment, not a technical audit."
},
{
"locale": "fr",
"value": "Qui boucle la boucle — un signal d'ensemble rapide indiquant ce qui fonctionne sans personne, affiché sur le verbe qu'il colore. Une caractérisation générale du déploiement, pas un audit technique."
}
],
"required": false,
"values": [
{
"id": "human_decides",
"name": [
{
"locale": "en",
"value": "A person decides"
},
{
"locale": "fr",
"value": "Une personne décide"
}
],
"description": [
{
"locale": "en",
"value": "This system suggests or informs; a person makes the call before anything takes effect. Example: a triage tool ranks cases for a clinician who chooses which to see first."
},
{
"locale": "fr",
"value": "Ce système suggère ou informe ; une personne tranche avant que quoi que ce soit prenne effet. Exemple : un outil de triage classe les cas pour qu'un clinicien choisisse lesquels examiner en premier."
}
],
"color": "#2A9D8F"
},
{
"id": "human_oversees",
"name": [
{
"locale": "en",
"value": "A person oversees or carries it out"
},
{
"locale": "fr",
"value": "Une personne supervise ou exécute"
}
],
"description": [
{
"locale": "en",
"value": "This system works out the result on its own; people supervise it, can step in, or carry out the result themselves. Example: an optimizer plans the day's collection routes, and drivers run them."
},
{
"locale": "fr",
"value": "Ce système produit le résultat par lui-même ; des personnes le supervisent, peuvent intervenir ou exécutent le résultat elles-mêmes. Exemple : un optimiseur planifie les tournées de collecte de la journée, et les chauffeurs les effectuent."
}
],
"color": "#6A1B7A"
},
{
"id": "autonomous",
"name": [
{
"locale": "en",
"value": "Runs on its own"
},
{
"locale": "fr",
"value": "Fonctionne par lui-même"
}
],
"description": [
{
"locale": "en",
"value": "This system decides and takes effect without a person reviewing each result. Example: a road toll that reprices and charges automatically as traffic changes."
},
{
"locale": "fr",
"value": "Ce système décide et prend effet sans qu'une personne examine chaque résultat. Exemple : un péage qui se réévalue et prélève automatiquement selon le trafic."
}
],
"color": "#E76F51"
}
]
}
}[
{
"id": "acts",
"category_id": "action",
"title": [
{
"locale": "en",
"value": "Acts"
},
{
"locale": "fr",
"value": "Agit"
}
],
"description": [
{
"locale": "en",
"value": "Acts — plans a goal into steps and carries them out in software: calling tools, booking, filing, escalating, running multi-step workflows on someone's behalf. The output is an action taken, not a piece of content returned. Examples: booking a meeting, filing a return, escalating a ticket. When the action moves something physical, that is Moves."
},
{
"locale": "fr",
"value": "Agit — décompose un objectif en étapes et les exécute dans le logiciel : appeler des outils, réserver, déposer, escalader, dérouler des processus en plusieurs étapes pour le compte de quelqu'un. Le résultat est une action accomplie, pas un contenu renvoyé. Exemples : réserver une réunion, déposer une déclaration, escalader un ticket. Quand l'action déplace quelque chose de physique, il s'agit d'Actionne."
}
],
"authoring_guidance": [],
"examples": [],
"sources": [],
"symbol_id": "mode_agentic",
"variables": [
{
"id": "additional_description",
"label": [
{
"locale": "en",
"value": "Description"
},
{
"locale": "fr",
"value": "Description"
}
],
"required": false,
"kind": "localized_text"
}
],
"shape": "hexagon",
"icon_variants": [
"default",
"dark",
"human_decides",
"human_decides.dark",
"human_oversees",
"human_oversees.dark",
"autonomous",
"autonomous.dark"
]
},
{
"id": "answers",
"category_id": "action",
"title": [
{
"locale": "en",
"value": "Answers"
},
{
"locale": "fr",
"value": "Répond"
}
],
"description": [
{
"locale": "en",
"value": "Answers — responds to people's questions in conversation: a chatbot, a voice assistant, an automated phone line. It holds a back-and-forth addressed to you in the moment. Examples: a transit chatbot explaining a delay, a service line routing your request. Distinct from Creates, which produces content that stands on its own afterward."
},
{
"locale": "fr",
"value": "Répond — répond aux questions des personnes en conversation : un chatbot, un assistant vocal, une ligne téléphonique automatisée. Il tient un échange qui s'adresse à vous sur le moment. Exemples : un chatbot de transport expliquant un retard, une ligne de service orientant votre demande. Distinct de Crée, qui produit un contenu qui existe ensuite par lui-même."
}
],
"authoring_guidance": [],
"examples": [],
"sources": [],
"symbol_id": "chatbot",
"variables": [
{
"id": "additional_description",
"label": [
{
"locale": "en",
"value": "Description"
},
{
"locale": "fr",
"value": "Description"
}
],
"required": false,
"kind": "localized_text"
}
],
"shape": "hexagon",
"icon_variants": [
"default",
"dark",
"human_decides",
"human_decides.dark",
"human_oversees",
"human_oversees.dark",
"autonomous",
"autonomous.dark"
]
},
{
"id": "creates",
"category_id": "action",
"title": [
{
"locale": "en",
"value": "Creates"
},
{
"locale": "fr",
"value": "Crée"
}
],
"description": [
{
"locale": "en",
"value": "Creates — produces new text, images, audio, video, or code that did not exist before this system ran. The output is content authored by the system, not a label or score about existing data. Examples: drafting a paragraph from a prompt, generating an image from a description, composing audio, completing code. Distinct from Answers, which responds to you in conversation."
},
{
"locale": "fr",
"value": "Crée — produit de nouveaux textes, images, sons, vidéos ou codes qui n'existaient pas avant l'exécution de ce système. Le résultat est un contenu rédigé par le système, pas une étiquette ni une note sur des données existantes. Exemples : rédiger un paragraphe à partir d'une consigne, générer une image à partir d'une description, composer de l'audio, compléter du code. Distinct de Répond, qui vous répond en conversation."
}
],
"authoring_guidance": [],
"examples": [],
"sources": [],
"symbol_id": "mode_generative",
"variables": [
{
"id": "additional_description",
"label": [
{
"locale": "en",
"value": "Description"
},
{
"locale": "fr",
"value": "Description"
}
],
"required": false,
"kind": "localized_text"
}
],
"shape": "hexagon",
"icon_variants": [
"default",
"dark",
"human_decides",
"human_decides.dark",
"human_oversees",
"human_oversees.dark",
"autonomous",
"autonomous.dark"
]
},
{
"id": "decides",
"category_id": "action",
"title": [
{
"locale": "en",
"value": "Decides"
},
{
"locale": "fr",
"value": "Décide"
}
],
"description": [
{
"locale": "en",
"value": "Decides — determines an outcome that takes effect: approving or denying, pricing, allocating, flagging for action. Examples: a dynamic road toll set from traffic, an application approved or refused, a dispatch assignment. When a person makes the final call from its suggestions, that is Recommends instead."
},
{
"locale": "fr",
"value": "Décide — détermine un résultat qui prend effet : approuver ou refuser, fixer un prix, répartir, signaler pour action. Exemples : un péage dynamique fixé selon le trafic, une demande approuvée ou refusée, une affectation d'intervention. Quand une personne tranche à partir de ses suggestions, il s'agit plutôt de Recommande."
}
],
"authoring_guidance": [],
"examples": [],
"sources": [],
"symbol_id": "dm_accept-or-deny",
"variables": [
{
"id": "additional_description",
"label": [
{
"locale": "en",
"value": "Description"
},
{
"locale": "fr",
"value": "Description"
}
],
"required": false,
"kind": "localized_text"
}
],
"shape": "hexagon",
"icon_variants": [
"default",
"dark",
"human_decides",
"human_decides.dark",
"human_oversees",
"human_oversees.dark",
"autonomous",
"autonomous.dark"
]
},
{
"id": "identifies",
"category_id": "action",
"title": [
{
"locale": "en",
"value": "Identifies"
},
{
"locale": "fr",
"value": "Identifie"
}
],
"description": [
{
"locale": "en",
"value": "Identifies — recognizes who or what something is by matching a face, voice, fingerprint, plate, or account against known records. It turns \"someone is here\" into \"this person is here.\" Examples: a face match at a boarding gate, a plate lookup at a toll gantry. Distinct from Senses, which detects without naming."
},
{
"locale": "fr",
"value": "Identifie — reconnaît qui ou quoi en comparant un visage, une voix, une empreinte, une plaque ou un compte à des références connues. Il transforme « quelqu'un est là » en « cette personne est là ». Exemples : une correspondance faciale à une porte d'embarquement, une recherche de plaque à un portique de péage. Distinct de Perçoit, qui détecte sans nommer."
}
],
"authoring_guidance": [],
"examples": [],
"sources": [],
"symbol_id": "biometric",
"variables": [
{
"id": "additional_description",
"label": [
{
"locale": "en",
"value": "Description"
},
{
"locale": "fr",
"value": "Description"
}
],
"required": false,
"kind": "localized_text"
}
],
"shape": "hexagon",
"icon_variants": [
"default",
"dark",
"human_decides",
"human_decides.dark",
"human_oversees",
"human_oversees.dark",
"autonomous",
"autonomous.dark"
]
},
{
"id": "moves",
"category_id": "action",
"title": [
{
"locale": "en",
"value": "Moves"
},
{
"locale": "fr",
"value": "Actionne"
}
],
"description": [
{
"locale": "en",
"value": "Moves — acts on the physical world. The system drives motors, valves, signals, or other actuators and changes something around you. Examples: steering a robot, changing a traffic-signal phase, opening a gate, adjusting a building's ventilation, releasing a parking barrier."
},
{
"locale": "fr",
"value": "Actionne — agit sur le monde physique. Le système commande des moteurs, des vannes, des signaux ou d'autres actionneurs et change quelque chose autour de vous. Exemples : diriger un robot, changer la phase d'un feu de circulation, ouvrir une barrière, ajuster la ventilation d'un bâtiment, libérer une barrière de stationnement."
}
],
"authoring_guidance": [],
"examples": [],
"sources": [],
"symbol_id": "mode_physical",
"variables": [
{
"id": "additional_description",
"label": [
{
"locale": "en",
"value": "Description"
},
{
"locale": "fr",
"value": "Description"
}
],
"required": false,
"kind": "localized_text"
}
],
"shape": "hexagon",
"icon_variants": [
"default",
"dark",
"human_decides",
"human_decides.dark",
"human_oversees",
"human_oversees.dark",
"autonomous",
"autonomous.dark"
]
},
{
"id": "predicts",
"category_id": "action",
"title": [
{
"locale": "en",
"value": "Predicts"
},
{
"locale": "fr",
"value": "Prédit"
}
],
"description": [
{
"locale": "en",
"value": "Predicts — estimates what is likely: a forecast, a risk score, a probability. It says what may happen; someone or something else still decides what to do about it. Examples: a queue-length forecast, a credit-risk score, a crowding prediction for the next hour. Distinct from Decides, which makes an outcome take effect."
},
{
"locale": "fr",
"value": "Prédit — estime ce qui est probable : une prévision, un score de risque, une probabilité. Il dit ce qui peut arriver ; quelqu'un ou quelque chose d'autre décide encore de la suite. Exemples : une prévision de file d'attente, un score de risque de crédit, une prévision d'affluence pour la prochaine heure. Distinct de Décide, qui fait prendre effet à un résultat."
}
],
"authoring_guidance": [],
"examples": [],
"sources": [],
"symbol_id": "mode_analytical",
"variables": [
{
"id": "additional_description",
"label": [
{
"locale": "en",
"value": "Description"
},
{
"locale": "fr",
"value": "Description"
}
],
"required": false,
"kind": "localized_text"
}
],
"shape": "hexagon",
"icon_variants": [
"default",
"dark",
"human_decides",
"human_decides.dark",
"human_oversees",
"human_oversees.dark",
"autonomous",
"autonomous.dark"
]
},
{
"id": "recommends",
"category_id": "action",
"title": [
{
"locale": "en",
"value": "Recommends"
},
{
"locale": "fr",
"value": "Recommande"
}
],
"description": [
{
"locale": "en",
"value": "Recommends — suggests options for a person to choose from: a ranking, a shortlist, a suggested route or treatment. Nothing takes effect until someone accepts the suggestion. Examples: a triage ranking for a clinician, an alternate route offered to a driver, products shown first. Distinct from Decides, where the outcome takes effect on its own."
},
{
"locale": "fr",
"value": "Recommande — propose des options parmi lesquelles une personne choisit : un classement, une liste restreinte, un itinéraire ou un traitement suggéré. Rien ne prend effet tant que quelqu'un n'accepte pas la suggestion. Exemples : un classement de triage pour un clinicien, un itinéraire alternatif proposé à un conducteur, des produits affichés en premier. Distinct de Décide, où le résultat prend effet de lui-même."
}
],
"authoring_guidance": [],
"examples": [],
"sources": [],
"symbol_id": "dm_priority-ranking",
"variables": [
{
"id": "additional_description",
"label": [
{
"locale": "en",
"value": "Description"
},
{
"locale": "fr",
"value": "Description"
}
],
"required": false,
"kind": "localized_text"
}
],
"shape": "hexagon",
"icon_variants": [
"default",
"dark",
"human_decides",
"human_decides.dark",
"human_oversees",
"human_oversees.dark",
"autonomous",
"autonomous.dark"
]
},
{
"id": "senses",
"category_id": "action",
"title": [
{
"locale": "en",
"value": "Senses"
},
{
"locale": "fr",
"value": "Perçoit"
}
],
"description": [
{
"locale": "en",
"value": "Senses — turns raw signals from cameras, microphones, or sensors into things the rest of the system can use: detections, transcriptions, readings. Includes continuous monitoring that watches for events. Examples: detecting a vehicle in a camera frame, transcribing a spoken sentence, noticing that a platform is crowded. Distinct from Identifies, which puts a name to who or what it perceives."
},
{
"locale": "fr",
"value": "Perçoit — transforme les signaux bruts des caméras, microphones ou capteurs en éléments utilisables par le reste du système : détections, transcriptions, mesures. Comprend la surveillance continue qui guette des événements. Exemples : détecter un véhicule dans une image, transcrire une phrase parlée, remarquer qu'un quai est bondé. Distinct d'Identifie, qui met un nom sur ce qui est perçu."
}
],
"authoring_guidance": [],
"examples": [],
"sources": [],
"symbol_id": "mode_perceptive",
"variables": [
{
"id": "additional_description",
"label": [
{
"locale": "en",
"value": "Description"
},
{
"locale": "fr",
"value": "Description"
}
],
"required": false,
"kind": "localized_text"
}
],
"shape": "hexagon",
"icon_variants": [
"default",
"dark",
"human_decides",
"human_decides.dark",
"human_oversees",
"human_oversees.dark",
"autonomous",
"autonomous.dark"
]
},
{
"id": "understands",
"category_id": "action",
"title": [
{
"locale": "en",
"value": "Understands"
},
{
"locale": "fr",
"value": "Comprend"
}
],
"description": [
{
"locale": "en",
"value": "Understands — pulls meaning from text or speech, finds related ideas, and connects what it reads to saved context. It returns matches, intents, summaries, or links to relevant prior knowledge, not new content. Examples: matching a question to the right help article, retrieving the policy clause that applies to a case, recognizing the topic of a sentence."
},
{
"locale": "fr",
"value": "Comprend — extrait le sens d'un texte ou d'une parole, trouve des idées liées et relie ce qu'il lit à un contexte enregistré. Il renvoie des correspondances, des intentions, des résumés ou des liens vers des connaissances pertinentes, pas de nouveau contenu. Exemples : relier une question au bon article d'aide, retrouver la clause qui s'applique à un dossier, reconnaître le sujet d'une phrase."
}
],
"authoring_guidance": [],
"examples": [],
"sources": [],
"symbol_id": "mode_semantic",
"variables": [
{
"id": "additional_description",
"label": [
{
"locale": "en",
"value": "Description"
},
{
"locale": "fr",
"value": "Description"
}
],
"required": false,
"kind": "localized_text"
}
],
"shape": "hexagon",
"icon_variants": [
"default",
"dark",
"human_decides",
"human_decides.dark",
"human_oversees",
"human_oversees.dark",
"autonomous",
"autonomous.dark"
]
}
]