📝 **Question :** Imaginez qu'un juge LLM ait déjà annoté chaque phrase avec le morceau source qui la prend en charge (ou \`Aucun\` pour non pris en charge). **Écrivez la fonction** \`groundedness_score(annotated_sentences)\` qui renvoie \`(percent_grounded, hallucinations)\` : - \`percent_grounded\` — part des phrases dont la source n'est pas Aucune, arrondie à **une décimale**. - \`hallucinations\` — liste des chaînes de phrases \`text\` non sourcées. Ensuite, lancez le portail sur cette réponse en 5 phrases et imprimez le rapport : \`\`\` Mis à la terre : 60,0 % Hallucinations : 2 - Vous obtiendrez 500$ de crédit en magasin. - Les remboursements le jour même sont garantis. FLAG pour examen humain \`\`\` Seuil : \`>= 90,0\` → \`SHIP\`, sinon \`FLAG pour examen humain\`. 60 % signifie que 3 phrases sur 5 sont fondées – deux sont des hallucinations inventées par le modèle. En production, cette porte fait la différence entre une « hallucination occasionnelle » et un incident visible par le régulateur. 📋 Choisissez la bonne réponse. 💡 **Indice :** Relisez la théorie ci-dessus en cas de doute.