Couche de preuve
Surfaces probatoires mobilisées par cette page
Cette page ne se contente pas de renvoyer vers des fichiers de gouvernance. Elle s’arrime aussi à des surfaces qui rendent l’observation, la traçabilité, la fidélité et l’audit plus reconstructibles. Leur ordre ci-dessous explicite la chaîne probatoire minimale.
- 01Canon et périmètreCanon de définitions
- 02Autorisation de répondreQ-Layer : légitimité de réponse
- 03Observation faibleQ-Ledger
- 04Rapport d’auditIIP report schema
Canon de définitions
/canon.md
Base opposable de l’identité, du périmètre, des rôles et des négations qui doivent survivre à la synthèse.
- Rend prouvable
- Le corpus de référence à partir duquel la fidélité peut être évaluée.
- Ne prouve pas
- Ni qu’un système le consulte déjà, ni qu’une réponse observée lui reste fidèle.
- À mobiliser quand
- Avant toute observation, tout test, tout audit ou toute correction.
Q-Layer : légitimité de réponse
/response-legitimacy.md
Surface qui explicite quand répondre, quand suspendre et quand basculer en non-réponse légitime.
- Rend prouvable
- Le régime de légitimité à appliquer avant d’interpréter une sortie comme recevable.
- Ne prouve pas
- Ni qu’une réponse donnée a effectivement suivi ce régime, ni qu’un agent l’a appliqué au runtime.
- À mobiliser quand
- Quand une page traite d’autorité, de non-réponse, d’exécution ou de retenue.
Q-Ledger
/.well-known/q-ledger.json
Journal public de sessions inférées qui rend visibles certaines consultations et séquences observées.
- Rend prouvable
- Qu’un comportement a été observé sous forme de trace faible, datée et contextualisée.
- Ne prouve pas
- Ni l’identité d’un acteur, ni l’obéissance d’un système, ni une preuve forte d’activation.
- À mobiliser quand
- Quand il faut distinguer observation descriptive et attestation forte.
IIP report schema
/iip-report.schema.json
Interface publique d’un rapport d’intégrité interprétative : périmètre, métriques et taxonomie de dérives.
- Rend prouvable
- La forme minimale d’un rapport d’audit reconstructible et comparable.
- Ne prouve pas
- Ni les poids privés, ni les heuristiques internes, ni la réussite d’un audit concret.
- À mobiliser quand
- Quand une page parle d’audit, de livrable probatoire ou de rapport opposable.
Écart de représentation vs écart canon-sortie
Cette page clarifie deux formulations proches, mais non équivalentes : le terme public « écart de représentation » et l’objet canonique plus strict « écart canon-sortie ».
Le premier sert à nommer un problème de marché de manière lisible. Le second sert à le mesurer dans un régime plus opposable.
1. Pourquoi le terme « écart de représentation » est utile
Le marché parle volontiers de présence dans les IA, de réputation générative, de monitoring, de citations ou de visibilité. Ces expressions captent un ressenti réel, mais elles peinent à nommer la blessure exacte.
Le terme écart de représentation est utile parce qu’il rend visible un problème plus concret :
- une marque publiée comme spécialisée se retrouve reconstruite comme généraliste ;
- une offre bornée se retrouve étendue à des services non déclarés ;
- une entité correctement décrite sur son site se retrouve recadrée par une source tierce ;
- une synthèse plausible devient la version répétée d’une organisation, sans respecter son canon.
Ce terme est donc un label d’entrée public.
2. Pourquoi ce terme ne suffit pas à lui seul
L’expression « écart de représentation » reste plus large et plus impressionniste que les objets canoniques du site.
Elle désigne un différentiel de reconstruction perçu ou observé, mais elle ne dit pas encore :
- quelle source fait autorité ;
- quel périmètre était censé prévaloir ;
- quelle sortie est comparée à quelle base ;
- quelle preuve permet d’établir que l’écart est réel et non simplement stylistique.
Autrement dit, l’écart de représentation aide à entrer dans le problème. Il ne suffit pas encore à le qualifier rigoureusement.
3. Ce que l’« écart canon-sortie » ajoute
L’écart canon-sortie ajoute précisément cette rigueur.
Il mesure la distance entre :
- le canon publié, c’est-à-dire la vérité déclarée, bornée, hiérarchisée et versionnée ;
- la sortie effectivement produite par un système, avec ses omissions, extrapolations, substitutions et recadrages.
Là où « écart de représentation » parle encore le langage du marché, « écart canon-sortie » parle déjà le langage de la mesure et de la preuve.
4. La bonne articulation entre les deux
Sur ce site, l’articulation correcte est la suivante :
- écart de représentation : terme d’entrée public qui nomme le différentiel entre marque publiée et marque reconstruite ;
- écart canon-sortie : objet canonique qui mesure ce différentiel dans une relation explicite entre canon et sortie ;
- preuve de fidélité : seuil plus strict qui permet de montrer que la reconstruction reste encore compatible avec le canon ;
- audit : dispositif qui date, compare, attribue et priorise les corrections.
L’erreur serait de traiter l’écart de représentation comme un concept autosuffisant. Il doit être redistribué vers l’écart canon-sortie, la preuve de fidélité et l’audit d’écart de représentation.
5. Ce que l’écart de représentation n’est pas
Sur ce site, l’écart de représentation n’est pas :
- un synonyme de sentiment de marque ;
- une simple baisse de visibilité ;
- une divergence de ton ou de style ;
- un indicateur autonome détaché du canon ;
- une preuve suffisante sans trace, comparaison et périmètre.
Il peut être très visible publiquement et pourtant rester doctrinalement faible tant qu’il n’est pas arrimé à une base canonique.
6. Quand employer chaque terme
Utiliser plutôt écart de représentation lorsque l’on parle :
- à un dirigeant ou à une équipe qui ressent un problème sans encore disposer du vocabulaire du site ;
- d’une marque visible mais mal comprise ;
- d’une offre reconstruite de manière trop large ;
- d’un problème de cadrage général entre présence et compréhension.
Utiliser plutôt écart canon-sortie lorsque l’on parle :
- de mesure ;
- de comparaison ;
- de protocole ;
- d’audit ;
- de chaîne probatoire.
7. Conséquence pratique
La conséquence pratique est simple.
Une organisation peut très bien formuler son problème en disant :
« Nous avons un écart de représentation dans les IA. »
Sur ce site, cette phrase est recevable. Elle est ensuite redirigée vers une structure plus stricte :
- quel est le canon ;
- quelle sortie pose problème ;
- quel type d’écart est observé ;
- quelle preuve de fidélité manque ;
- quel audit ou correctif devient prioritaire.
Règle de clôture
Sur ce site, l’« écart de représentation » est accepté comme terme public d’entrée. L’« écart canon-sortie » reste l’objet canonique plus strict qui permet de qualifier, mesurer et gouverner ce problème.