L'AI Image Score — la mesure composite d'exactitude, de présence et de sentiment à travers le panel de modèles — n'est pas un nombre statique que l'on vérifie une fois et que l'on classe. C'est une courbe qui évolue sur des semaines et des mois, et la forme de cette courbe porte plus de valeur diagnostique que n'importe quel point de données isolé. Cet article vous apprend à lire la courbe.
Le score est une courbe, pas un nombre
Quand une organisation mesure son AI Image Score pour la première fois, la réaction naturelle est de se concentrer sur le nombre : « Nous sommes à 72 sur 100. » Mais un score unique est un instantané — il vous dit où vous êtes, pas où vous allez. Le score devient utile quand vous avez au moins trois points de mesure et pouvez voir la trajectoire. Un score de 72 stable depuis six mois raconte une histoire très différente d'un score de 72 qui est passé de 85 au dernier trimestre. La courbe, pas le point, est l'unité d'analyse.
Les quatre formes de courbe
En pratique, nous observons quatre formes canoniques de courbe. Stable : le score fluctue dans une bande étroite (±3 points) sur plusieurs cycles, indiquant un récit qui ne s'améliore ni ne se détériore. Ascendante : le score tend à la hausse sur trois cycles ou plus, indiquant que les corrections se propagent et que le récit s'améliore. Descendante : le score tend à la baisse, indiquant soit de nouvelles distorsions entrant dans la couche modèle, soit des corrections qui ne persistent pas. Volatile : le score oscille de plus de 10 points entre les cycles, indiquant une couche source instable où le modèle puise dans des sources contradictoires ou changeant rapidement. Chaque forme exige une réponse différente.
Vous ne savez pas ce que dit l'IA de vous aujourd'hui ?
Un audit SetRecord interroge les modèles d'IA pris en charge sur votre organisation et mesure l'écart avec les faits vérifiables — en cinq jours ouvrés.
Ce qui pilote les changements de score
Les changements de score sont pilotés par trois mécanismes. Le premier est le rafraîchissement du cycle d'entraînement : quand un modèle est réentraîné, son récit latent se met à jour, ce qui peut provoquer un saut du score — à la hausse si les nouvelles données d'entraînement incluent vos corrections, à la baisse si elles incluent de nouvelles distorsions. Le deuxième est le changement de la couche source : quand les sources web que le modèle récupère sont mises à jour, créées ou supprimées, le score en mode recherche web bouge — c'est souvent la composante la plus rapide. Le troisième est le changement d'environnement de requêtes : quand les motifs de questions des utilisateurs changent (à cause de l'actualité, d'événements ou de l'activité concurrentielle), le taux de présence et le sentiment bougent même si les faits sous-jacents n'ont pas changé. Comprendre quel mécanisme pilote un changement de score vous dit s'il faut répondre par une intervention sur le cycle d'entraînement, sur la couche source ou sur la messagerie.
Lire une régression
Une régression — un score qui chute après une période d'amélioration — est l'événement le plus diagnostiquement précieux d'un programme DNI. Elle vous dit qu'une correction n'a pas persisté, ce qui signifie soit que la source n'était pas assez durable, soit qu'une nouvelle distorsion est entrée et a supplanté la correction. La première étape est d'identifier quelle composante a chuté : exactitude (une erreur factuelle est revenue), présence (l'entité apparaît moins souvent) ou sentiment (le ton est devenu négatif). La deuxième étape est de remonter la régression à une source ou un événement d'entraînement spécifique. Une régression n'est pas un échec du programme ; c'est le programme qui fonctionne — il a détecté une dérive qui serait autrement passée inaperçue, et il vous donne l'information pour intervenir précisément.
Ce que la courbe dit à votre programme
Sur un programme de six mois, la courbe vous dit trois choses qu'aucune mesure unique ne peut. Elle vous dit si votre stratégie de correction fonctionne (courbe ascendante), si elle a plafonné (courbe stable après une hausse initiale) ou si elle nécessite une refonte fondamentale (courbe descendante ou volatile après un effort soutenu). Elle vous dit aussi la vitesse du changement — à quelle vitesse les corrections se propagent, ce qui fixe les attentes sur la durée des corrections futures. SetRecord traite la courbe comme le livrable principal : un score unique est un point de données, mais une courbe est une histoire — et l'histoire de votre récit IA est ce que votre conseil, votre comité de direction et votre équipe de communication doivent comprendre.