Lab

Une décision passée ne se lit pas avec la date d’aujourd’hui

Réponse courte

Une IA peut recevoir la bonne version d’une décision et choisir malgré tout la mauvaise valeur. Le Lab Nawame a rencontré ce problème en étudiant des historiques comportant plusieurs changements. L’expérience a déplacé la question : comment rendre la date visée explicite, plutôt que demander au modèle de reconstruire seul tous les intervalles ?

Une frise distingue date de décision, date d’effet et question située dans le passé.

Trois dates pour une même décision

Dans un exemple fictif, une équipe décide au printemps de changer de fournisseur à l’automne. La note est enregistrée quelques jours après la réunion. La date d’écriture, la date de décision et la date d’effet ne désignent pas la même chose.

À la question « quel fournisseur utilisions-nous pendant l’été ? », servir seulement la décision la plus récente conduit à une erreur. À l’inverse, présenter une ancienne règle sans son statut peut la faire passer pour la règle actuelle. Conserver toutes les versions est nécessaire ; préciser comment les lire l’est aussi.

Quand la récupération réussit et la réponse échoue

Une campagne a étudié des chaînes de décisions sur un corpus synthétique. Un constat a orienté la suite : retrouver la version pertinente ne garantissait pas que le modèle en déduise correctement la période applicable. Les performances dépendaient aussi du modèle destinataire.

Le diagnostic compte. Si l’erreur intervient après la récupération, ajouter davantage de voisins sémantiques peut augmenter le volume de lecture sans résoudre la confusion. Il fallait isoler l’usage des dates dans la réponse.

L’expérience : calculer ce qui est déjà explicite

La campagne suivante a comparé une référence améliorée à une variante recevant la date demandée par la question et marquant de façon déterministe la version valable à cette date. Le mécanisme utilisait l’historique enregistré. Ce marquage utilise les dates enregistrées de l’historique ; il ne déduit pas automatiquement une date d’effet métier mentionnée dans la prose.

Le test reposait sur quatre mondes inédits, avec des chaînes de versions et plusieurs familles de questions. Avec mistral-small, la réussite sur l’historique profond passait de 0 à 0,63 dans la comparaison principale. Avec GLM, elle passait de 0,71 à 1. Les chaînes de quatre à six versions étaient une condition expérimentale et ne définissent pas, à elles seules, une capacité produit. Ces proportions décrivent les cas de ce banc, pas la fiabilité générale de toutes les questions historiques.

Aucune valeur obsolète n’y a été présentée comme actuelle. La variante a aussi amélioré les résultats lors d’un transfert vers le corpus de la campagne précédente. Cela apportait une preuve plus utile qu’un succès limité au seul jeu ayant servi à concevoir le mécanisme.

Le banc lui-même devait être corrigé

L’étude a révélé un défaut de datation des versions remplacées : leur date pouvait devenir celle du chargement. Ce problème affectait l’interprétation de résultats antérieurs et a donné lieu à un erratum sur la campagne précédente.

Publier cette correction fait partie du résultat. Un gain mesuré dépend de la qualité de la référence et des données temporelles. Comparer des scores sans vérifier ces fondations peut attribuer à une nouvelle idée ce qui provient en réalité d’un défaut de mesure.

Les conséquences pour une mémoire durable : portée et limites

L’enseignement est de distinguer les calculs sur des faits enregistrés et l’interprétation d’un texte. Quand une période est établie dans les données, l’expliciter réduit une ambiguïté évitable. Quand elle ne l’est pas, la mémoire doit laisser apparaître l’incertitude.

Les droits actuels continuent de gouverner la lecture : demander le passé ne rétablit pas un accès perdu. Une version historique reste une source située, avec son auteur et ses limites. Cette approche complète la provenance et les contradictions ainsi que la recherche pour les passations.

À lire aussi : Quand une décision change, que devient l’ancienne ? et Comment savoir qu’un souvenir est devenu obsolète.

Votre prochain prompt ne devrait pas devoir contenir toute votre histoire.

Commencez à construire une mémoire que vos IA pourront retrouver lorsque cela comptera.

Commencer gratuitement