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
- 02Artefact probatoiresite-context.md
- 03Artefact probatoireai-manifest.json
- 04Artefact probatoireai-governance.json
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.
site-context.md
/site-context.md
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.
ai-manifest.json
/ai-manifest.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.
ai-governance.json
/.well-known/ai-governance.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.
Surfaces probatoires complémentaires (2)
Ces artefacts prolongent la chaîne principale. Ils servent à qualifier un audit, un niveau de preuve, une citation ou une trajectoire de version.
entity-graph.jsonld
/entity-graph.jsonld
Surface publiée qui contribue à rendre une chaîne probatoire plus reconstructible.
llms.txt
/llms.txt
Surface publiée qui contribue à rendre une chaîne probatoire plus reconstructible.
Lisibilité machine
Cette page est la définition canonique de lisibilité machine dans la couche canon, corpus et lisibilité machine de la gouvernance interprétative.
La lisibilité machine est la capacité d’un corpus, d’une page, d’un fichier ou d’un artefact à être analysé, routé, cité et interprété par des machines sans perdre l’identité, l’autorité, le périmètre, les exclusions ou les conditions de réponse.
Définition courte
La lisibilité machine est la capacité d’un corpus, d’une page, d’un fichier ou d’un artefact à être analysé, routé, cité et interprété par des machines sans perdre l’identité, l’autorité, le périmètre, les exclusions ou les conditions de réponse.
Pourquoi ce terme compte
Elle transforme un contenu simplement lisible par l’humain en surface interprétative gouvernée. Le but n’est pas de tout rendre plus facile à extraire, mais de rendre la lecture autorisée plus difficile à déformer.
Dans la recherche IA, la génération augmentée par récupération, la navigation autonome et la lecture agentique, un corpus n’est pas interprété seulement par sa prose visible. Il est interprété par ses routes, fichiers, métadonnées, exclusions, relations d’entités, placement dans le sitemap et liens internes. Lisibilité machine nomme une partie de cette couche de contrôle documentaire.
La fonction stratégique n’est donc pas cosmétique. Le concept aide à empêcher les systèmes d’aplatir la doctrine, le langage de service, les artefacts de preuve et les observations dans un même niveau d’autorité. Il donne aussi aux moteurs une page canonique plus claire à associer au terme plutôt que de les forcer à arbitrer entre un hub, une catégorie, un article et un artefact machine.
Ce que ce n’est pas
Ce n’est ni le balisage Schema seul, ni l’accessibilité seule, ni la densité de mots-clés, ni une garantie que les modèles externes respecteront la hiérarchie déclarée.
Cette distinction compte parce que la gouvernance lisible machine peut créer une fausse confiance. Un fichier structuré, une page de définition ou une relation de graphe ne doit jamais être traité comme preuve que les systèmes externes respectent la lecture attendue. Il rend seulement cette lecture plus explicite, testable et auditable.
Modes de défaillance fréquents
- les machines lisent le texte mais pas la hiérarchie d’autorité;
- les métadonnées exposent un concept sans les exclusions qui le bornent;
- les fichiers sont découvrables mais incohérents avec les pages visibles;
- des agents traitent les fichiers machine comme des promesses commerciales plutôt que comme des contraintes;
Ces défaillances sont typiques lorsque le corpus humain et le corpus machine-first évoluent séparément. Elles augmentent le risque interprétatif parce que les modèles peuvent encore produire des réponses cohérentes tout en violant la hiérarchie des sources ou en ignorant les exclusions.
Implication de gouvernance
Les surfaces lisibles machine devraient répéter la même hiérarchie, les mêmes exclusions, les mêmes noms de concepts et les mêmes URL canoniques que le corpus visible. Un site devient lisible machine lorsque l’interprétation peut être reconstruite, pas seulement lorsque le contenu peut être récupéré.
Pour la possession SERP, le même principe s’applique : la page canonique devrait recevoir des liens descriptifs, apparaître dans le registre des définitions, être découvrable depuis le lexique et être renforcée par les artefacts machine-first sans entrer en concurrence avec eux.
Définitions canoniques liées
- Canon machine-first
- Artefacts machine-first
- Architecture documentaire
- Manifeste IA
- Gouvernance IA JSON
- Graphe d’entités
- Exclusions globales