Découvrabilité vs entraînement

Pourquoi cette distinction est devenue indispensable

Dans les environnements interprétés, le même site peut être consulté pour plusieurs finalités qui ne se confondent pas.

Un système peut :

• découvrir l’existence d’une ressource ;
• lire cette ressource pour produire une réponse ;
• réutiliser son contenu dans des processus d’entraînement, d’alignement ou de consolidation.

Lorsque ces trois régimes sont fusionnés, l’organisation croit gouverner une seule chose alors qu’elle tente en réalité de borner des usages différents.

La découvrabilité

La découvrabilité désigne le fait qu’une ressource puisse être repérée, explorée, ou retenue comme candidate de lecture.

Elle concerne surtout :

• l’existence publique d’une surface ;
• son accessibilité technique ;
• sa clarté structurelle ;
• sa probabilité d’être mobilisée dans un parcours de lecture.

La découvrabilité ne dit pas encore :

• si la ressource sera citée ;
• si son contenu sera fidèlement restitué ;
• si son texte sera réutilisé à des fins d’entraînement.

La lecture pour réponse

Un second régime apparaît lorsque le système ne se contente plus de découvrir une ressource, mais s’en sert pour construire une réponse.

Ici, la question pertinente n’est plus seulement : « le système peut-il me voir ? » mais plutôt :

• quelle surface lit-il réellement ;
• quelle partie est retenue ;
• quelle hiérarchie de sources applique-t-il ;
• dans quelles conditions la réponse reste-t-elle légitime.

Ce régime doit être lu avec Indexation, réponse et entraînement, Signal, preuve et conformité et la Couche de preuve.

L’entraînement

L’entraînement relève d’un troisième régime.

Il ne consiste pas à découvrir une ressource ni à la citer ponctuellement. Il concerne l’usage d’un corpus pour modifier des paramètres, des comportements, des préférences de synthèse ou des distributions de probabilité.

C’est précisément pour cela qu’il ne faut pas parler de l’entraînement comme s’il s’agissait d’une simple lecture.

Un signal de découvrabilité n’est pas un signal d’entraînement. Un signal d’accès n’est pas une preuve de réutilisation. Un artefact de gouvernance n’est pas une garantie d’obéissance.

Pourquoi la confusion persiste

La confusion persiste pour trois raisons.

1. Le vocabulaire public reste flou

Le marché mélange souvent :

• visibilité IA ;
• accès de crawlers ;
• citation en réponse ;
• usage pour entraînement ;
• conformité déclarée.

2. Les surfaces de politique ne jouent pas toutes le même rôle

robots.txt, llms.txt, les meta directives, les headers, les manifestes de gouvernance et les pages contextuelles ne gouvernent pas le même niveau du problème. Voir Surfaces de politique machine.

3. Les systèmes eux-mêmes ne rendent pas toujours leur régime lisible

Un système peut découvrir sans citer, citer sans fidélité, ou se servir d’une ressource sans rendre son usage intelligible. D’où l’importance d’une doctrine qui distingue les régimes au lieu de les fusionner.

Conséquence doctrinale

Une organisation qui veut gouverner correctement sa présence machine doit publier des distinctions opposables entre :

• être découvert ;
• être lu pour répondre ;
• être réutilisé pour entraîner.

Cette distinction n’est pas cosmétique. Elle conditionne la validité des politiques publiées, l’interprétation des observations, et la capacité à éviter des conclusions abusives.

Conséquence pour les surfaces applicatives

Une surface applicative comme Better Robots.txt peut matérialiser une partie de cette distinction sur WordPress. Elle ne doit pas être lue comme si elle épuisait à elle seule la doctrine de ces régimes.

Le bon ordre de lecture est donc :

1. doctrine des régimes ;
2. clarification des limites ;
3. surface applicative ;
4. dépôt de preuve bornée.

Pour l’implémentation concrète, voir la surface applicative Better Robots.txt.