Détection de dérive sémantique : page de service

Détection de dérive sémantique

Cette page capte un label à visée servicielle. Sur ce site, la « détection de dérive » signifie repérer quand une variation devient une divergence significative par rapport au canon, à la baseline ou au régime de réponse déclaré.

Le label est utile, mais seulement si la dérive n’est pas réduite à des « changements de modèle » vagues ou à une volatilité de tableau de bord.

Ce qui compte ici comme dérive

Toute différence n’est pas une dérive.

Une différence devient une dérive lorsqu’elle compte au regard :

• du périmètre canonique ;
• de la source d’autorité préservée ;
• des conditions de réponse qui auraient dû borner la réponse ;
• de l’état de baseline ou de release qui devrait encore gouverner.

La détection de dérive appartient donc à l’observabilité interprétative, à l’écart canon-sortie, à la dette interprétative, et à la soutenabilité interprétative.

Quand ce point d’entrée devient utile

La détection de dérive devient particulièrement utile lorsque :

• une correction doit être suivie après publication ;
• un rebrand, une fusion ou un changement de périmètre vient d’être publié ;
• les réponses cross-modèles restent instables alors que le site paraît cohérent ;
• les mêmes erreurs reviennent après des correctifs partiels.

La détection exige une baseline

Sur ce site, la détection de dérive n’est jamais traitée comme un score flottant.

Elle exige au minimum :

• une baseline déclarée ;
• une fenêtre de test ou de récurrence ;
• une famille de requêtes ;
• un canon déclaré ou une hiérarchie de sources prévalente ;
• une séparation entre observation et preuve.

Sans cette discipline, on n’accumule que du bruit.

Sorties typiques

Un travail de détection de dérive oriente généralement vers :

• une baseline et une fenêtre de comparaison ;
• une qualification de ce qui relève d’une variance stable ou d’une dérive réelle ;
• des signaux de récurrence et de délai de correction ;
• un chemin d’escalade vers l’audit lorsque nécessaire ;
• un ordre de priorité de correction.

Ce que ce label ne remplace pas

La détection de dérive ne remplace pas :

• le canon ;
• la preuve de fidélité ;
• la gouvernance de correction ;
• la discipline de release.

Elle constitue une fonction amont de visibilité. Elle dit qu’une divergence compte. Elle ne tranche pas, à elle seule, ce qui devrait prévaloir.

Carte doctrinale

Sur ce site, la « détection de dérive » se redistribue vers :

• Observabilité interprétative
• Observabilité interprétative : métriques, journaux, preuves
• Correction interprétative et résorption de dette
• Soutenabilité interprétative : budget de correction et gouvernance LTS
• SEO interprétatif

Lectures associées

• Indice de dérive : mesurer la variance des formulations dans le temps
• Accumulation de dette interprétative
• Inertie de la correction interprétative

Retour à la carte : Expertise.

Exigences probatoires pour ce label de service

Ce label de service dépend de la couche de contrôle probatoire de la phase 3. Il doit être relié à la preuve interprétative, la preuve reconstructible, l’auditabilité interprétative, la couche de preuve, Q-Ledger et Q-Metrics. Sans cette couche, le label risque de devenir une promesse générique d’audit plutôt qu’un processus contestable de gouvernance interprétative.

Routage phase 6 : couche de stabilité sémantique

Cette page route maintenant vers la couche canonique phase 6 pour l’architecture sémantique et la stabilité des entités : architecture sémantique, désambiguïsation des entités, collision d’entités, voisinage sémantique, contamination sémantique, stabilité du cadrage, cohérence inter-systèmes et dérive interprétative.

Ces liens clarifient la différence entre séparation d’entité, influence du voisinage, contamination, dérive et comparaison inter-systèmes.

Couche de routage phase 9 : mémoire, persistance, rémanence et correction

Cette page route maintenant les questions d’interprétation à état vers la couche canonique phase 9 : gouvernance de la mémoire, mémoire agentique, objet mémoire, hypothèses persistantes, oubli contrôlé, gestion d’état périmé, autorité survivante, rémanence interprétative, inertie interprétative, pouvoir de version, décrochage d’état et résorption de correction.

La règle de routage est directe : ne pas inférer l’autorité actuelle depuis la persistance seule. Un objet mémoire, une ancienne citation, une source survivante, un fragment récupéré ou une réponse antérieure doit franchir des contrôles de fraîcheur, d’autorité, de traçabilité et de résorption de correction avant de gouverner une nouvelle réponse ou action.

Couche de routage phase 13 : audits de service et points d’entrée marché

La phase 13 ajoute une couche de routage orientée service pour la demande d’audit : audit de visibilité LLM, audit de réponse IA, audit de représentation de marque IA, audit d’écart de représentation, analyse des citations IA, cartographie des sources IA, audits comparatifs, détection de dérive sémantique, analyse sémantique pré-lancement, évaluation du risque interprétatif et reporting indépendant.

Ces termes doivent être traités comme des points d’entrée marché. Ils captent la demande réelle, puis routent le travail vers le canon, la hiérarchie des sources, la preuve, la légitimité de réponse, l’auditabilité et la résorption de correction.

Routage phase 13 : pont audits marché

Cette page d’expertise s’inscrit maintenant dans la passerelle services-marché de la phase 13. Lorsque la question entrante est formulée en termes de visibilité IA, visibilité LLM, visibilité dans ChatGPT, suivi des citations, GEO, recommandation ou représentation de marque, router d’abord par Audits de visibilité IA, puis choisir la surface d’audit pertinente.

La distinction utile est simple : les labels marché captent la demande ; les concepts canoniques gouvernent l’interprétation. Aucun label d’audit ne promet à lui seul un classement, une citation, une recommandation ou une correction par des systèmes tiers.

Détecter la dérive avant qu’elle durcisse

La détection de dérive identifie le moment où une représentation s’éloigne du canon, même si aucune réponse isolée ne semble manifestement fausse. La dérive peut prendre la forme d’un changement d’emphase, de rôle, de catégorie, de préférence de source, de statut de recommandation, d’hypothèse de service ou de relation inférée. Elle devient dangereuse lorsque le nouvel état commence à se répéter.

Une revue de dérive compare les sorties actuelles, les sorties historiques, les pages canoniques, les sources externes et le routage attendu. Elle demande si la même entité est cadrée différemment selon les systèmes, si du contenu périmé regagne de l’autorité et si une correction a réellement été résorbée ou seulement publiée.

Comment la dérive est classée

Une classification utile distingue la dérive de source, la dérive d’état, la dérive de rôle, la dérive d’autorité, la dérive de voisinage sémantique et la dérive de mémoire. Chaque type appelle une correction différente. La dérive de source peut exiger une hiérarchie et un travail de citation. La dérive d’état peut exiger une gestion d’état périmé. La dérive de rôle peut exiger des frontières négatives. La dérive de mémoire peut exiger de l’oubli contrôlé ou de la résorption de correction.

Cette expertise relie la dérive interprétative, le décrochage d’état, la gestion d’état périmé et la résorption de correction. Le but est de détecter la dérive pendant que le budget de correction reste maîtrisable.

Route de demande

Pour transformer cette page d’expertise en demande concrète, passer par la page contact avec l’entité cible, les URLs concernées, les systèmes IA observés, des exemples de sorties et le contexte de décision. Ces éléments permettent de distinguer un problème de visibilité, de représentation, de preuve, d’autorité ou de correction.