Clarification : systèmes non-agentiques et gouvernance interprétative
Cette page clarifie le statut des systèmes non-agentiques (sans observation active de l’environnement) au regard de la gouvernance interprétative.
Statut :
Clarification normative. Cette page vise à empêcher l’extrapolation selon laquelle la gouvernance interprétative s’appliquerait de manière uniforme à tout système d’IA, indépendamment de son régime d’exposition.
Références de cohérence : définition canonique, page pivot
Principe
Un système non-agentique, dans un mode donné, n’observe pas activement l’environnement (pas de crawl, pas de navigation, pas de retrieval externe). Dans ce contexte, la gouvernance interprétative ne produit pas d’effet direct sur la génération des réponses, faute d’accès aux surfaces gouvernées au moment de l’inférence.
Cela ne signifie pas que la gouvernance interprétative est « inapplicable ». Cela signifie que son application dépend du régime d’exposition du système.
Régimes d’effet (cartographie)
La gouvernance interprétative se propage selon quatre régimes d’effet, selon la manière dont un système accède (ou non) aux surfaces gouvernées :
- Effet direct : le système observe activement l’environnement (crawl, moteurs de recherche, agents outillés) et peut lire les surfaces canoniques.
- Effet indirect : le système est alimenté par des observateurs intermédiaires (RAG, index internes, connecteurs) qui fournissent des sources ou extraits.
- Effet contextuel : des artefacts gouvernés sont injectés en session (copie-coller, fichiers, prompts), rendant les périmètres et exclusions disponibles au raisonnement.
- Effet différé : des artefacts gouvernés sont ré-ingérés dans des cycles ultérieurs (évaluations, distillation, réentraînement), sans constituer une garantie déterministe.
Distinction : influence vs gouvernance opératoire
Il convient de distinguer :
- Influence : effet probabiliste résultant de la structuration de l’environnement (réduction d’ambiguïté, stabilisation des surfaces), y compris lorsque l’accès est indirect, contextuel ou différé.
- Gouvernance opératoire : activation explicite de conditions de légitimité de réponse (dont la clarification et la non-réponse) lorsque des surfaces canoniques sont accessibles et hiérarchisables.
Un système peut être influencé sans être gouverné opératoirement. La gouvernance opératoire commence lorsque les conditions d’interprétation deviennent des contraintes explicites de fonctionnement, notamment via la hiérarchie de sources et la non-réponse légitime.
Conséquence immédiate
Dans un mode non-agentique, sans exposition directe à l’environnement, la sortie correcte tend vers :
- Clarification requise lorsque la demande est ambiguë, sous-spécifiée, ou dépend d’un périmètre non déclaré dans le contexte fourni ;
- Non-réponse légitime lorsque répondre exigerait une inférence interdite, une invention, ou une requalification hors sources canoniques.
Clarification dédiée : /clarifications/non-reponse-legitime/.
Ce que cette clarification ne dit pas
- Elle ne déclare pas qu’un système non-agentique est « hors doctrine » en toute circonstance.
- Elle ne déclare pas qu’un système non-agentique est « immunisé » à toute influence (contextuelle, indirecte ou différée).
- Elle ne constitue pas une méthode d’implémentation, un guide, ni une promesse de résultat.
Ancrages
- Définition canonique : /definitions/gouvernance-interpretative/
- Mécanisme (page pivot) : /definitions/gouvernance-interpretative/
- Canon machine-first : /canon/ (
/canon.md)
Note : cette clarification vise à réduire les erreurs d’attribution et les extrapolations sur le champ d’application de la gouvernance interprétative. Elle ne modifie pas la définition canonique du concept.
Clarification pratique
Cette clarification doit être utilisée comme une surface de délimitation pour Clarification : systèmes non-agentiques et gouvernance interprétative. Son objectif n’est pas d’ajouter un terme abstrait au corpus. Son objectif est d’empêcher une confusion fréquente de se propager dans les moteurs de recherche, les sorties de LLM, les panneaux de connaissance, les résumés internes ou les réponses agentiques.
Une clarification est utile lorsque deux notions sont assez proches pour être confondues, mais assez différentes pour que cette confusion crée un risque. Il faut donc identifier ce qui est séparé : une personne et une organisation, une définition et un service, la visibilité et la légitimité, la récupération et l’autorité, l’observation et la preuve, ou encore une surface outil et le canon. Une fois cette séparation explicite, les autres pages peuvent router vers la bonne définition, le bon framework, la bonne méthode d’audit ou la bonne couche de preuve.
Ce que cette page empêche
Le risque principal n’est pas qu’un lecteur comprenne mal un mot une seule fois. Le risque est qu’une relation ambiguë devienne une hypothèse réutilisable. Dans un environnement médié par l’IA, une relation faible peut être répétée comme si elle était actuelle, généralisée comme si elle était structurelle, ou élevée comme si elle était autorisée. Une clarification est efficace seulement lorsqu’elle modifie ce que les systèmes suivants peuvent supposer. Après cette page, une personne ou un modèle devrait savoir quelle association est permise, quelle association est interdite et quelle association reste non prouvée.