Artefacts de gouvernance
Fichiers de gouvernance mobilisés par cette page
Cette page est arrimée à des surfaces publiées qui déclarent l’identité, la préséance, les limites et les conditions de lecture du corpus. Leur ordre ci-dessous donne la séquence de lecture recommandée.
Q-Metrics JSON
/.well-known/q-metrics.json
Surface de métriques descriptives pour observer des écarts, snapshots et comparaisons.
- Gouverne
- La description des écarts, des dérives, des snapshots et des comparaisons.
- Borne
- La confusion entre signal observé, preuve de fidélité et pilotage réel.
Ne garantit pas : Une surface d’observation documente un effet ; elle ne vaut pas, seule, comme garantie de représentation.
Q-Metrics YAML
/.well-known/q-metrics.yml
Projection YAML de Q-Metrics pour instrumentation et lecture structurée.
- Gouverne
- La description des écarts, des dérives, des snapshots et des comparaisons.
- Borne
- La confusion entre signal observé, preuve de fidélité et pilotage réel.
Ne garantit pas : Une surface d’observation documente un effet ; elle ne vaut pas, seule, comme garantie de représentation.
Q-Ledger JSON
/.well-known/q-ledger.json
Journal machine-first des observations, baselines et écarts versionnés.
- Gouverne
- La description des écarts, des dérives, des snapshots et des comparaisons.
- Borne
- La confusion entre signal observé, preuve de fidélité et pilotage réel.
Ne garantit pas : Une surface d’observation documente un effet ; elle ne vaut pas, seule, comme garantie de représentation.
Artefacts complémentaires (3)
Ces surfaces prolongent le bloc principal. Elles ajoutent du contexte, de la découverte, du routage ou de l’observation selon le sujet traité.
Q-Ledger YAML
/.well-known/q-ledger.yml
Projection YAML du journal Q-Ledger pour lecture procédurale ou outillage.
Plausibility JSON
/plausibility.json
Surface qui borne les mécanismes de plausibilité et les zones où la réponse doit rester retenue.
Plausibility Markdown
/plausibility.md
Version Markdown de la couche de plausibilité et de ses garde-fous.
Distorsion vs inférence
Cette page clarifie la distinction doctrinale entre inférence et distorsion. Elle ne définit ni seuil, ni procédure d’annotation, ni cas chiffré. Elle stabilise le vocabulaire utilisé dans le cadre d’IIP-Scoring™.
1. Inférence : absence d’ancrage explicite
Une inférence survient lorsqu’un système génère une réponse plausible sans preuve explicite dans le corpus canonique.
- L’information peut être cohérente.
- Elle peut être contextuellement logique.
- Elle n’est pas nécessairement fausse.
L’inférence signale donc une perte de contrôle narratif : un vide informationnel est comblé par probabilité.
2. Distorsion : contradiction ou déplacement du canon
Une distorsion survient lorsqu’une réponse contredit explicitement le corpus publié, supprime une condition importante, élargit abusivement un périmètre ou remplace silencieusement une autorité par une autre.
- La contradiction peut être objectivable.
- Le déplacement peut porter sur la portée, le temps, la hiérarchie ou le statut d’un énoncé.
- Le corpus permet de trancher ou, au minimum, de montrer qu’une borne a été franchie.
3. Pourquoi la distinction est structurante
Confondre inférence et distorsion revient à confondre absence de preuve et erreur sur le canon.
Une inférence stabilisée peut devenir problématique sans être initialement fausse. Une distorsion stabilisée constitue un état plus critique, parce qu’elle altère déjà la structure de l’autorité ou du sens.
La gouvernance interprétative doit donc traiter ces deux phénomènes différemment : l’un appelle d’abord un renforcement d’ancrage ; l’autre appelle une correction ou une réduction de dérive.
4. Conséquence pour la mesure
Dans un protocole comme IIP-Scoring™, cette distinction évite de surqualifier un système. Tout ce qui n’est pas strictement canonique n’est pas automatiquement une distorsion. Mais tout ce qui paraît plausible n’est pas pour autant fidèle.
5. Règle minimale
Une inférence bornée peut rester dans le régime de réponse si ses limites demeurent explicites. Une distorsion doit être qualifiée, mesurée et réduite ; si elle ne peut pas l’être, la sortie devrait se resserrer ou s’abstenir.
6. Implications structurelles pour la gouvernance interprétative
La distinction entre distorsion et inférence n’est pas seulement taxonomique. Elle détermine quelle réponse de gouvernance est appropriée et à quel niveau elle doit opérer.
Lorsqu’un système IA produit une inférence, la question de gouvernance porte sur l’ancrage : le corpus peut-il être renforcé pour que le vide n’ait plus besoin d’être comblé par probabilité ? C’est une question de gouvernance endogène — la surface canonique de l’entité doit devenir plus explicite, plus structurée ou plus lisible par les machines. La réduction de l’inférence est donc un problème éditorial, non un problème de correction.
Lorsque le système produit une distorsion, la question se déplace vers la fidélité : la frontière d’autorité a-t-elle été franchie ? La hiérarchie canonique a-t-elle été silencieusement réordonnée ? La distorsion engage les mécanismes de négation gouvernée, car le système peut devoir refuser ou borner une réponse plutôt que d’en produire une qui contredit le canon.
Cette asymétrie est déterminante pour l’audit. Un audit d’intégrité interprétative doit scorer inférence et distorsion sur des axes séparés. Un taux élevé d’inférence signale un corpus mince ; un taux élevé de distorsion signale une défaillance structurelle dans la hiérarchie des sources ou le contrôle interprétatif. Confondre les deux produit des résultats d’audit trompeurs et des remédiations mal orientées.
La distinction a également des conséquences pour l’observabilité interprétative : les traces laissées par l’inférence diffèrent de celles laissées par la distorsion. Les traces d’inférence tendent à être additives — le système comble un vide. Les traces de distorsion tendent à être substitutives — le système remplace une autorité par une autre. L’instrumentation d’observabilité doit être conçue pour détecter les deux schémas, car ils exigent des interventions correctives distinctes.