Aller au contenu

Clarification

Pertinence contextuelle vs recommandation

Clarification entre l’adéquation locale d’une entité à un contexte et le choix comparatif qui exige critères, alternatives, données symétriques et arbitrage.

CollectionClarification
TypeClarification
Version0.1-proposed
Stabilisation2026-08-16
Publié2026-08-16
Mise à jour2026-08-16

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.

  1. 01
    Canon et périmètreCanon de définitions
  2. 02
    Autorisation de répondreQ-Layer : légitimité de réponse
  3. 03
Fondation canonique#01

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.
Couche de légitimité#02

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.
Artefact#03

situational-applicability-map.json

/situational-applicability-map.json

Surface publiée qui contribue à rendre une chaîne probatoire plus reconstructible.

Rend prouvable
Une partie de la chaîne d’observation, de trace, d’audit ou de fidélité.
Ne prouve pas
Ni une preuve totale, ni une garantie d’obéissance, ni une certification implicite.
À mobiliser quand
Lorsqu’une page doit expliciter son régime de preuve.

Pertinence contextuelle vs recommandation

La pertinence contextuelle indique qu’une entité correspond à certaines dimensions d’une situation. La recommandation choisit, hiérarchise ou exclut des options. La première peut contribuer à la seconde, mais elle ne la produit pas automatiquement.

Pertinence contextuelle

Une conclusion de pertinence peut prendre la forme suivante :

Cet hôtel paraît compatible avec un séjour sans voiture, parce que les destinations déclarées sont accessibles par transport collectif aux heures vérifiées.

Cette formulation conserve :

  • le contexte ;
  • le critère ;
  • la relation utilisée ;
  • la temporalité ;
  • une force d’énoncé prudente.

Elle ne prétend pas que l’hôtel domine toutes les alternatives ni qu’il satisfait les autres besoins du voyageur.

Recommandation

Une recommandation comme « choisissez cet hôtel » exige au minimum :

  • un ensemble d’options suffisamment complet ;
  • des critères explicitement déclarés ;
  • des données comparables pour chaque option ;
  • une règle d’arbitrage ;
  • une gestion des données manquantes ;
  • les préférences et contraintes matérielles ;
  • les conditions inversantes ;
  • un niveau d’incertitude ;
  • la possibilité de ne pas recommander.

Sans ces éléments, le système ne compare pas réellement. Il transforme la première option suffisamment plausible en choix.

Le piège de l’adéquation unique

Une entité peut être très pertinente selon un critère et faible selon un autre. Un hôtel peut être proche d’un événement, mais incompatible avec un besoin d’accessibilité. Un logiciel peut satisfaire une exigence fonctionnelle, mais dépasser le niveau de risque admis. Un fournisseur peut livrer rapidement, mais ne pas couvrir la juridiction visée.

La recommandation doit conserver cette multidimensionnalité. Une relation favorable ne doit pas effacer les autres dimensions.

Données asymétriques

Le risque augmente lorsque le système possède une documentation riche pour une entité et pauvre pour ses concurrentes. L’entité la mieux documentée peut paraître meilleure simplement parce qu’elle est plus facile à décrire.

Une comparaison légitime doit distinguer :

  • absence réelle d’une capacité ;
  • absence de preuve ;
  • absence d’observation ;
  • donnée périmée ;
  • donnée non comparable.

L’inconnu ne doit pas être traité comme inférieur, ni la documentation comme preuve de supériorité.

Relation avec SAL et Q-Layer

La couche d’applicabilité situationnelle permet de déclarer qu’une capacité peut être applicable sous certaines conditions. La clarification applicabilité vs recommandation interdit déjà de transformer cette applicabilité en préférence automatique.

La couche de conditionnement interprétatif prolonge la même discipline au niveau de la représentation. Le Q-Layer doit limiter la sortie lorsque le contexte ou la preuve ne permet pas une recommandation.

Règle pratique

Une sortie peut passer de la pertinence à la recommandation seulement si l’ensemble de comparaison, les critères, la symétrie des données et les règles d’arbitrage sont explicitement suffisants. Sinon, elle doit rester conditionnelle :

  • « semble pertinent pour… » ;
  • « satisfait le critère X, sous réserve de… » ;
  • « les données ne permettent pas de départager… » ;
  • « une clarification est nécessaire… ».

Le site déclare ses faits et ses conditions. Il ne s’auto-recommande pas. L’auditeur mesure la fidélité. L’agent externe demeure responsable de la comparaison finale et de ses limites.