Aller au contenu

Framework

Mécanique « canon vs inférence » (traçabilité et preuve de fidélité)

Mécanique « canon vs inférence » (traçabilité et… présente un cadre opérationnel pour gouverner l’interprétation, l’autorité, la preuve et les réponses IA.

CollectionFramework
TypeFramework
Couchetransversal
Version1.0
Publié2026-02-20
Mise à jour2026-02-26

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.

  1. 01Q-Metrics JSON
  2. 02Q-Metrics YAML
  3. 03Q-Ledger JSON
Observabilité#01

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.

Observabilité#02

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.

Observabilité#03

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.

Observabilité#04

Q-Ledger YAML

/.well-known/q-ledger.yml

Projection YAML du journal Q-Ledger pour lecture procédurale ou outillage.

Canon et identité#05

Canon de définitions

/canon.md

Surface canonique qui fixe l’identité, les rôles, les négations et les règles de divergence.

Graphe et autorités#06

Registre des claims

/claims.json

Registre des assertions publiées, de leur portée et de leur statut déclaratif.

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
    Observation faibleQ-Ledger
  4. 04
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.
Journal d’observation#03

Q-Ledger

/.well-known/q-ledger.json

Journal public de sessions inférées qui rend visibles certaines consultations et séquences observées.

Rend prouvable
Qu’un comportement a été observé sous forme de trace faible, datée et contextualisée.
Ne prouve pas
Ni l’identité d’un acteur, ni l’obéissance d’un système, ni une preuve forte d’activation.
À mobiliser quand
Quand il faut distinguer observation descriptive et attestation forte.
Protocole d’attestation#04

Q-Attest protocol

/.well-known/q-attest-protocol.md

Spécification facultative qui sépare clairement les sessions inférées des attestations validées.

Rend prouvable
Le cadre minimal requis pour élever une observation vers une attestation vérifiable.
Ne prouve pas
Ni qu’un endpoint d’attestation existe, ni qu’une attestation a déjà été reçue.
À mobiliser quand
Quand une page traite de preuve forte, de validation opérationnelle ou de séparation des niveaux 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.

Schéma de rapportRapport d’audit

IIP report schema

/iip-report.schema.json

Interface publique d’un rapport d’intégrité interprétative : périmètre, métriques et taxonomie de dérives.

Surface de citationContexte externe

Citations

/citations.md

Surface minimale de références externes utilisée pour contextualiser certains concepts sans leur déléguer l’autorité canonique.

Mécanique « canon vs inférence » (traçabilité et preuve de fidélité)

Dans un système d’IA, une réponse n’est pas seulement une restitution : c’est une construction. Sans séparation explicite entre ce qui est déclaré par le canon et ce qui est déduit par le modèle, l’inférence devient invisible, donc non gouvernable.

Ce framework formalise une mécanique simple : séparer, borner, tracer et prouver. L’objectif est de réduire l’écart canon-sortie et de rendre la production de sens opposable.


Définition opératoire

Mécanique canon vs inférence : ensemble de règles visant à distinguer, dans une sortie IA, ce qui provient directement de sources canoniques (canon) et ce qui provient d’une déduction probabiliste (inférence), afin d’imposer une frontière d’autorité, des conditions de réponse, une trace d’interprétation et une preuve de fidélité.


Pourquoi c’est critique

La plupart des dérives interprétatives ne viennent pas de “fausses sources”, mais d’une inférence non déclarée. Le modèle comble les interstices, généralise, extrapole, et stabilise une conclusion qui n’a jamais été autorisée.

Sans cette mécanique, tu obtiens :

  • des réponses plausibles mais non prouvables
  • un glissement progressif (lissage, inertie, rémanence)
  • une dette interprétative difficile à résorber
  • une impossibilité d’audit end-to-end.

Surfaces d’application

  • Web ouvert : moteurs de réponse, résumés, citations, comparatifs, IA grand public.
  • RAG : mélange de chunks, sources hétérogènes, attribution ambigüe.
  • Agentique : décisions et actions déclenchées sur une inférence non bornée.

Concepts associés

  • Frontière d’autorité : limite opposable entre déclaration et déduction.
  • Périmètre d’interprétabilité : zone dans laquelle l’inférence est autorisée.
  • Conditions de réponse : quand la réponse est permise, quand la non-réponse est obligatoire.
  • Trace d’interprétation : empreinte minimale sources + règles + contexte.
  • Preuve de fidélité : démonstration que la sortie respecte le canon.

Règles du framework (CVI-1 à CVI-8)

CVI-1 : séparation explicite

Une sortie doit distinguer ce qui est canonique de ce qui est inféré. L’inférence non déclarée est une dette.

CVI-2 : inférence bornée

Toute inférence doit rester dans le périmètre d’interprétabilité défini. Hors périmètre : non-réponse légitime.

CVI-3 : interdiction d’extrapolation normative

Le modèle ne doit pas étendre une règle au-delà de son périmètre légitime (extrapolation normative).

CVI-4 : condition de preuve pour attributs critiques

Pour certains attributs (prix, politiques, responsabilités, conformité), la réponse exige une preuve de fidélité ou un refus.

CVI-5 : traçabilité minimale

La trace d’interprétation doit inclure au minimum : sources, date, contexte, règles appliquées.

CVI-6 : résolution des conflits

En cas de conflit d’autorité entre sources, l’IA doit soit arbitrer selon une règle explicite, soit refuser.

CVI-7 : refus gouverné

Quand l’identité, la source ou la règle ne sont pas prouvables, la non-réponse est la sortie correcte.

CVI-8 : journalisation et version

Les cas d’écart canon-sortie doivent être versionnés, suivis et testés dans le temps.


Protocole d’implémentation (7 étapes)

Étape 1 : définir le canon

  • sources canoniques, pages d’entité, règles, définitions, exclusions.

Étape 2 : définir le périmètre d’interprétabilité

  • ce qui peut être inféré, ce qui est interdit, et ce qui exige une preuve.

Étape 3 : définir les conditions de réponse

  • réponse permise, réponse conditionnelle, non-réponse légitime.

Étape 4 : outiller la trace d’interprétation

  • sources, extraits, horodatage, règles CVI appliquées.

Étape 5 : produire une preuve de fidélité

  • correspondances canon-sortie, absence de contradictions, justification des inférences.

Étape 6 : tests adversariaux

  • requêtes ambiguës, comparatives, pièges, multi-tours, multi-langues.

Étape 7 : monitoring et correction

  • mesure de l’écart canon-sortie, dérive de conformité, versions de correction.

Artefacts attendus

  • Registre canon : sources, périmètres, exclusions, versions.
  • Table des conditions de réponse : attributs critiques, preuves exigées, refus.
  • Trace d’interprétation (format minimal) : sources, date, règles, contexte.
  • Rapport de preuve de fidélité : correspondances, conflits, décisions.
  • Batterie de tests : prompts, scénarios, résultats, écarts.

FAQ

Pourquoi une citation n’est-elle pas une preuve ?

Une citation peut être vraie tout en étant utilisée hors périmètre. La preuve exige aussi la légitimité de l’usage.

Est-ce que ça ralentit les systèmes ?

Oui, légèrement. Mais c’est le coût normal de la soutenabilité interprétative : gouverner l’inférence est plus efficace que corriger une dette stabilisée.

Quel est le gain principal ?

Rendre l’inférence visible, donc auditables, donc gouvernable. Sans ça, tu ne peux pas industrialiser l’intégrité.


Pages associées

Voir aussi