normalisation-juridique-fr-christophe-quezel-ambrunaz
La compétence Normalisation juridique FR nettoie un document Word rédigé en français juridique. Elle distingue deux régimes : les corrections déterministes (apostrophes courbes, guillemets français, espaces insécables, insécables des références — art. 1240, n° 21-12.345, 50 % —, ordinaux 1ère → 1re, ligatures œ, la loi dispose et non stipule, anglicismes-calques), appliquées directement ; et les réécritures de jugement (virgule avant « et », ternaires creux, formules emphatiques, harmonisations), posées en révisions Word soumises à votre acceptation. Chaque changement est consigné et restitué
npx skills add lawve-ai/awesome-legal-skills --skill normalisation-juridique-christophe-quezel-ambrunaz --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# Normalisation du langage juridique français — v1.0 Compétence conçue avec Christophe Quézel-Ambrunaz. Elle **corrige directement** un document Word juridique, de façon autonome, puis rend dans la conversation un **tableau récapitulatif compact** et **réversible**. ## Principe directeur Deux régimes de modification, qu'il ne faut jamais confondre : 1. **Normalisations déterministes** — typographie, insécables, apostrophes, guillemets, impropriétés à correction univoque (*stipuler→disposer*), anglicismes non ambigus, forme des références. Sûres, appliquées d'office par `scripts/normaliser.py`. 2. **Réécritures de jugement** — virgule avant *et* (contextuelle), ternaire creux, emphase vide, anglicisme contextuel, tolérances de citation. Elles exigent une lecture intelligente : c'est **toi** qui les décides et les poses, guidé par les fichiers de `references/`. Les normalisations **déterministes** sont appliquées **directement, sans suivi des modifications** — pour ne pas alourdir la relecture ; leur réversibilité est entièrement assurée par le **registre** (`défais`). Seules les **réécritures de jugement** sont posées en **révisions Word** (`w:ins`/`w:del`) : ce sont les seules à ex
- Principe directeur
- Environnement et délégation
- Workflow
- 1. Cadrage (une seule interruption, brève)
- 2. Lecture intégrale
- 3. Passe déterministe (script)
- 4. Passe de jugement (toi, sur le document déjà corrigé)
- 5. Récapitulatif
- 6. Vérification finale (obligatoire)
- Le registre
- Tableau récapitulatif (format imposé)
- Grammaire d'annulation
- Économie de contexte
- Fichiers de référence
python scripts/normaliser.py apply \ python scripts/registre.py add-jugement \ python scripts/registre.py recap --registry "<.normjur/registre.json>" python scripts/registre.py undo "3, 7-10, 12" \
What does the normalisation-juridique-fr-christophe-quezel-ambrunaz skill do?
La compétence Normalisation juridique FR nettoie un document Word rédigé en français juridique. Elle distingue deux régimes : les corrections déterministes (apostrophes courbes, guillemets français, espaces insécables, insécables des références — art. 1240, n° 21-12.345, 50 % —, ordinaux 1ère → 1re, ligatures œ, la loi dispose et non stipule, anglicismes-calques), appliquées directement ; et les réécritures de jugement (virgule avant « et », ternaires creux, formules emphatiques, harmonisations), posées en révisions Word soumises à votre acceptation. Chaque changement est consigné et restitué
How do I install it?
Run `npx skills add lawve-ai/awesome-legal-skills --skill normalisation-juridique-christophe-quezel-ambrunaz --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From lawve-ai/awesome-legal-skills, a repository with 618 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.