Chaque phrase qu'un assistant IA génère à propos de votre organisation vient de quelque part — un instantané d'entraînement, une page web récupérée, le résumé d'un résumé mis en cache. La provenance est la discipline qui consiste à remonter cette phrase jusqu'à son origine réelle avant de décider si, et comment, la corriger. Sauter cette étape revient à publier une correction qui n'est, elle-même, qu'une affirmation non vérifiée de plus, en concurrence avec celle qu'on cherche à corriger.
Ce que signifie la provenance pour une affirmation IA
La provenance ne pose pas la même question que l'exactitude. L'exactitude demande si une affirmation est vraie. La provenance demande d'où elle vient, et par combien de mains elle est passée avant qu'un modèle ne la répète. Les deux questions se ressemblent mais réclament des preuves différentes : vérifier l'exactitude consiste à comparer une affirmation à la réalité ; tracer la provenance consiste à reconstituer la chaîne de transmission qu'une information a parcourue — depuis un document source, à travers un nombre variable d'intermédiaires, jusqu'à la phrase qu'un utilisateur lit dans une fenêtre de conversation.
Cette distinction compte parce que deux affirmations fausses identiques peuvent avoir des origines totalement différentes. L'une peut remonter à votre propre page investisseurs, jamais mise à jour après un changement de direction. L'autre peut remonter à un message de forum sans aucun lien avec vos canaux officiels. La correction qui fonctionne pour la première ne fera rien pour la seconde — c'est exactement pour cela que la provenance doit précéder la correction, et non la suivre.
Pourquoi les corrections échouent sans elle
La plupart des tentatives pour « corriger » ce que dit une IA visent la mauvaise couche. Une équipe communication écrit à l'adresse support d'un éditeur de modèle, ou publie un démenti sur une page que personne — et surtout aucun robot d'indexation — n'ira jamais consulter. Aucune de ces interventions ne touche la couche qui a réellement produit l'erreur, qui survit donc à la tentative de correction et réapparaît à la requête suivante.
Il existe aussi un problème de calendrier. La réponse d'un modèle reflète une tranche du web récupérée ou absorbée à l'entraînement à un moment passé, pas une lecture en direct de votre actualité de ce matin. Une correction qui ignore ce décalage — qui suppose que le modèle remarquera simplement un nouveau communiqué — cherche à résoudre un système qui n'existe pas. La provenance indique quelle couche, et quel instant, vous corrigez réellement.
Anatomie d'une affirmation tracée
Prenons un cas représentatif : un assistant affirme qu'une entreprise a bouclé une levée de fonds à un montant qui est, en réalité, erroné. Remonter la piste fait généralement apparaître une courte chaîne plutôt qu'un coupable unique. La réponse du modèle correspond souvent, presque mot pour mot, à une fiche d'un agrégateur de données. Cette fiche, elle-même, a été compilée à partir d'un article de blog aujourd'hui supprimé. Cet article de blog, quand on parvient encore à en retrouver une version archivée, citait une estimation officieuse antérieure, en circulation avant même que la levée ne soit officiellement bouclée.
Au bout de cette chaîne, le chiffre « erroné » s'avère être une retranscription fidèle d'une source primaire obsolète, trois maillons en amont du modèle lui-même. L'erreur était installée bien avant qu'un assistant IA ne s'empare de l'histoire — c'est précisément le type de constat dont une stratégie de correction a besoin pour viser le bon maillon de la chaîne, plutôt que le dernier que quelqu'un a remarqué.
Les quatre couches que nous distinguons
En pratique, nous séparons toute affirmation tracée en quatre couches, car une correction visant la mauvaise couche tient rarement :
- Source primaire — le document faisant autorité lui-même : un dépôt réglementaire, une fiche de registre officiel, un communiqué daté, une déclaration vérifiée de l'organisation.
- Intermédiaire indexé — la page, la base de données ou l'agrégateur qui a reconditionné la source primaire, fidèlement parfois, avec une dérive introduite en chemin d'autres fois.
- Instantané de récupération — la tranche du web qu'un modèle donné, ou le plugin de recherche qui l'accompagne, a effectivement récupérée au moment où la réponse a été générée.
- Couche de génération — la paraphrase, la compression ou la synthèse que le modèle produit lui-même à partir de ce qu'il a récupéré, ou, en l'absence de récupération, de ce qu'il a mémorisé pendant l'entraînement.
Une correction qui ne touche que la couche de génération — demander à un éditeur de « simplement corriger » une réponse — laisse les trois autres couches intactes, si bien que la même erreur réapparaît dès que la récupération tourne à nouveau.
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.
Quand la piste s'arrête
Toutes les affirmations ne se laissent pas tracer aussi proprement. Certains modèles répondent depuis une mémoire purement paramétrique, sans citation ni étape de récupération à inspecter — l'information est compressée quelque part dans les poids, absorbée depuis un texte qui n'existe peut-être plus sous aucune forme repérable. Dans d'autres cas, le traçage fait apparaître deux ou trois sources amont contradictoires, sans moyen évident de savoir laquelle le modèle a réellement utilisée.
La réponse honnête, dans les deux cas, est de le dire. Une piste de provenance qui aboutit à « origine non vérifiable » reste une information utile — elle indique que l'affirmation doit être traitée comme non vérifiée plutôt que corrigée contre une source précise, et elle détermine le niveau de confiance à accorder à toute correction publiée ensuite.
Nous signalons ces cas différemment dans nos propres rapports, avec un statut distinct plutôt que de les ranger sous « tracé et corrigé » ou « tracé et contesté ». Cette distinction compte pour qui lit le rapport ensuite — une équipe communication qui décide comment réagir doit savoir si elle a affaire à une erreur confirmée à l'origine connue, ou à une affirmation que personne n'a réussi à situer du tout, car les deux appellent des suites et des niveaux d'urgence très différents.
Construire un socle factuel « traçable »
Les organisations peuvent rendre leurs propres faits plus faciles à tracer — et plus difficiles à mal attribuer — bien avant qu'une erreur n'apparaisse. Quelques habitudes font l'essentiel du travail : publier des déclarations datées et faisant autorité comme instance canonique unique d'un fait donné, plutôt que de reformuler légèrement le même chiffre sur une page presse, une présentation investisseurs et une biographie.
Conservez les versions antérieures accessibles plutôt que de les écraser silencieusement, car l'instantané d'entraînement d'un modèle peut accuser plusieurs mois de retard sur votre site actuel. Utilisez un balisage structuré pour qu'un robot d'indexation distingue votre déclaration officielle d'une simple copie. Et lorsque vous publiez une correction, placez-la à une adresse stable, qui sera encore là — inchangée — lors du prochain réindexage.
Rien de tout cela n'exige d'outillage exotique. Un journal de modifications daté, une page canonique unique par fait, et l'habitude de ne pas réécrire discrètement l'historique sans laisser de trace suffisent à rendre traçable l'essentiel du dossier public d'une organisation — la même exigence, en miniature, que celle que nous appliquons à la réponse d'un modèle quand nous en retraçons une affirmation. La barre à franchir est la cohérence, pas la sophistication.
La provenance comme discipline, pas comme réflexe ponctuel
Chez SetRecord, toute affirmation signalée passe par un traçage de provenance avant que nous ne recommandions une façon de la corriger — c'est le traçage qui détermine la cible, jamais l'inverse. Une affirmation remontant à votre propre contenu obsolète appelle une correction différente de celle remontant à un agrégateur tiers, elle-même différente d'une affirmation sans origine traçable du tout.
Cet ordre des opérations fait toute la différence entre une correction qui tient et une correction qui devient, elle aussi, une simple affirmation non vérifiée de plus sur votre organisation. Notre méthodologie publique documente comment nous l'appliquons cas par cas.
La même logique s'applique en interne, pas seulement à ce que nous disons aux clients. Avant qu'une correction ne parte, quelqu'un d'autre que l'analyste qui l'a tracée revoit la chaîne de façon indépendante — une seconde passe qui repère les cas où un traçage apparemment propre reposait en fait sur une hypothèse que personne n'avait formulée à voix haute.