Ce que fait COMPAiSS

Transformer les écosystèmes Web institutionnels complexes en réponses IA précises, faisant autorité et multilingues.

Les sites Web des établissements réglementés contiennent des milliers de pages d'information - politiques, procédures, règles et ressources de soutien - généralement réparties entre plusieurs départements, bureaux administratifs et unités de service. Pour la plupart des utilisateurs, naviguer dans ces sites opaques pour trouver rapidement la bonne réponse est une tâche ardue.

Les universités, les ministères, les hôpitaux et les organismes de réglementation professionnelle font tous face au même défi : l'information existe, mais elle est dispersée sur des centaines ou des milliers de pages Web et de documents de politique, chacun régi par des bureaux différents et mis à jour selon des calendriers différents.

COMPAiSS résout ce problème pour les établissements qui ont l'obligation de fournir des informations claires, précises et faisant autorité - dans la langue préférée de l'utilisateur - sans générer de réponses qui vont au-delà de ce que l'établissement a effectivement autorisé.

Pourquoi les institutions choisissent COMPAiSS – Architecture à gouvernance d'abord

Huit résultats qu'aucun système d'IA fondé sur une architecture à génération d'abord ne peut atteindre.

Chacune de ces propriétés est architecturale - ce n'est pas un paramètre de politique, ni une option de configuration, ni un contrôle de tableau de bord. Ce sont des propriétés structurelles du modèle d'inférence à exécution contrôlée qui ne peuvent pas être désactivées accidentellement.

Comment fonctionne l'architecture

Inférence à exécution contrôlée - l'IA ne répondra pas aux questions qu'elle n'est pas autorisée à traiter.

Au cœur de COMPAiSS se trouve une architecture d'inférence à exécution contrôlée. Si l'autorisation échoue, le modèle de raisonnement institutionnel principal ne s'exécute pas et n'alloue pas de ressources d'inférence primaires.

En contrôlant si le raisonnement de l'IA se produit du tout, COMPAiSS applique l'autorité institutionnelle de façon structurelle, plutôt que de s'appuyer sur le filtrage ou la correction après la génération.

COMPAiSS emploie des contrôles de défense en profondeur : le portail d'autorisation empêche l'exécution du modèle principal non autorisé, les contraintes basées sur les instructions guident le comportement lors de l'inférence autorisée, et la validation post-génération assure la conformité des URL avec les sources institutionnelles.

L'architecture de la liste verte et d'analyse ne fait pas que contrôler la portée - elle contrôle ce que le modèle reçoit comme environnement épistémique. Lorsque le modèle reçoit du contenu uniquement de pages et de documents institutionnels pré-analysés et autorisés, la surface d'erreur d'interprétation est considérablement plus petite que dans un système RAG raisonnant sur un corpus vaste et non structuré.

Le problème structurel des systèmes d'IA aujourd'hui

Pourquoi l'IA générative par défaut crée des risques que les clauses de non-responsabilité ne peuvent pas corriger.

En conséquence directe des écosystèmes Web institutionnels complexes, de nombreux utilisateurs se tournent vers des systèmes d'IA grand public (ChatGPT, Copilot, Gemini et autres outils similaires) pour obtenir des réponses rapides et claires à des questions propres à leur établissement.

Mais les modèles d'IA grand public sont conçus pour générer des réponses par défaut. Ils optimisent leur utilité générale sur une vaste base d'entraînement. Lorsque ces systèmes sont appliqués à des questions spécifiques à un établissement, les erreurs, les hallucinations et les références à des sources non autorisées ou externes sont un sous-produit prévisible de cette conception.

L'industrie de l'IA reconnaît volontiers ces faits - les réponses incorrectes ou non étayées sont généralement traitées comme des résultats attendus à gérer plutôt que des échecs à prévenir. Dans les environnements institutionnels réglementés, cependant, cette approche introduit des risques difficiles - voire impossibles - à atténuer pleinement après qu'une réponse a déjà été fournie.

Il existe également de fortes incitations économiques à préserver ce modèle génératif par défaut. La gestion des risques après que les réponses sont produites permet des écosystèmes entiers de fonctionnalités d'entreprise - outils de surveillance, tableaux de bord de conformité, couches de modération, flux de travail de révision humaine et modules de gouvernance - qui sont coûteux à construire, coûteux à exploiter et très rentables à vendre. Ces mesures peuvent réduire l'exposition, mais elles ne changent pas l'architecture sous-jacente ni n'éliminent les causes profondes des hallucinations.

Là où la précision n'est pas facultative

Les conséquences d'une information incorrecte ne sont pas théoriques dans ces environnements.

COMPAiSS : la solution structurelle à l'echec systemique de l'IA

Autorisation avant inférence - pas filtrage après.

Au lieu de générer une réponse par défaut et de tenter de gérer le risque par la suite, COMPAiSS évalue chaque question pour l'autorisation institutionnelle avant que l'inférence du modèle principal soit permise.

Lorsqu'une question est posée, le système détermine d'abord si la question s'inscrit dans la portée définie d'un établissement, si des sources autorisées et approuvées par l'établissement existent pour étayer une réponse, et si produire une réponse serait responsable et défendable. Le modèle d'IA n'est autorisé à fournir une réponse que lorsque ces conditions sont remplies.

Cela signifie que COMPAiSS ne s'appuie pas sur des clauses de non-responsabilité, des scores de confiance, le filtrage post-réponse ou la révision humaine pour adapter la conformité après qu'une réponse a déjà été produite. Les questions non étayées ou hors portée sont empêchées de déclencher l'exécution du modèle institutionnel principal dès le départ.

Lorsqu'une question est clairement spécifique à l'établissement et que des informations faisant autorité existent dans les sources approuvées, COMPAiSS produit une réponse claire fondée exclusivement sur les sources autorisées de cet établissement - non inférée à partir du vaste univers d'organisations ou de juridictions sans lien. Lorsqu'une question ne peut pas être étayée, le système ne suppose pas, ne généralise pas, ne comble pas les lacunes et n'improvise pas simplement pour être « utile ».

En déplaçant la prise de décision en amont de la production de réponses par l'IA, COMPAiSS élimine le besoin de nombreux contrôles correctifs coûteux requis par les systèmes d'IA génératifs par défaut et élimine par conception une catégorie majeure d'hallucinations institutionnelles non autorisées.

Ni RAG, ni IA généraliste, ni FAQ

Trois idees recues courantes - et pourquoi l'architecture de COMPAiSS diffère des trois.

Pas de génération augmentée par récupération (RAG)

Les systèmes RAG connectent un modèle d'IA aux documents d'un établissement afin qu'il puisse récupérer du matériel pertinent avant de générer une réponse. Il s'agit d'une véritable amélioration par rapport à l'IA généraliste, mais ces systèmes demeurent des systèmes axés sur la génération en premier lieu. Et cette distinction est plus importante qu'il n'y paraît.

Entre le moment où un utilisateur soumet une question et le moment où une réponse apparaît, un système RAG moderne exécute une séquence de modèles d'IA. Chaque modèle effectue une inférence probabiliste — estimant le sens, la similarité, la pertinence ou l'importance — et chaque prédiction détermine quelles données probantes parviennent en fin de compte au modèle de langage. Au moment où le grand modèle de langage commence à générer du texte, plusieurs étapes d'inférence pilotées par l'IA ont déjà déterminé quelles informations il verra — et ne verra pas. Il n'y a pas qu'une seule décision d'IA dans ce processus. Il y en a plusieurs.

Chaque étape de ce pipeline repose sur une inférence probabiliste par l'IA. Les améliorations apportées aux incorporations, aux algorithmes de récupération ou aux modèles de classement peuvent améliorer des prédictions individuelles, mais elles n'éliminent pas la dépendance fondamentale à l'égard de l'estimation statistique apprise. Au moment où le modèle de langage commence à générer une réponse, plusieurs modèles d'IA ont déjà déterminé quelles données probantes il verra — et ne verra pas. L'architecture demeure donc fondamentalement axée sur la génération en premier lieu : la récupération identifie ce qui est probablement le plus pertinent, et le modèle de langage génère à partir de ces données probantes probabilistes.

Les évaluations indépendantes des principaux systèmes juridiques d'entreprise et de génération augmentée par récupération continuent de documenter des erreurs résiduelles d'hallucination et d'exactitude, malgré des architectures de récupération sophistiquées. Il ne s'agit pas de défaillances d'implémentation. Ce sont des conséquences prévisibles d'une architecture axée sur la génération en premier lieu, fonctionnant sous incertitude de récupération.

COMPAiSS n'est pas un meilleur système RAG. C'est un type de système différent, qui pose une question que le RAG ne pose jamais : l'IA devrait-elle être autorisée à répondre à cela?

La différence ne réside pas dans le fait que COMPAiSS récupère mieux. C'est que COMPAiSS détermine si l'inférence devrait se produire du tout, et s'arrête avant la génération lorsqu'elle ne devrait pas. Les systèmes RAG cherchent à améliorer ce que le modèle reçoit. COMPAiSS contrôle si le modèle fonctionne.

Pas un système d'IA généraliste

Les systèmes d'IA généralistes sont conçus pour répondre à des questions sur n'importe quoi. Leur valeur réside dans la portée - la capacité de se déplacer librement entre domaines, établissements et juridictions sans frontières prédéfinies. COMPAiSS est intentionnellement construit pour la spécificité institutionnelle. Son but n'est pas d'approximer une réponse à partir de connaissances générales, mais de refléter uniquement ce qu'un établissement particulier a effectivement autorisé comme sa position officielle, sa politique ou ses directives - et seulement alors de permettre à l'IA de répondre à la question.

En bref : l'IA généraliste optimise le nombre de questions auxquelles elle peut répondre. COMPAiSS optimise le moment où il est approprié de répondre à des questions sur votre établissement - et quand ce ne l'est pas.

Pas un robot FAQ ou un chatbot scripté

Les systèmes FAQ sont construits autour de questions prédéfinies et de réponses fixes, obligeant les utilisateurs à formuler leurs questions dans ces limites. Ils s'effondrent lorsque les questions dépassent ces limites ou nécessitent un contexte, un jugement ou une interprétation des règles institutionnelles. COMPAiSS ne s'appuie pas sur des scripts. Chaque question est évaluée selon ses propres termes, en s'appuyant sur les informations institutionnelles pertinentes pour fournir des réponses claires, détaillées et nuancées correspondant à ce que les utilisateurs recherchent réellement.

Économies par conception

La différence de coût entre COMPAiSS et l'IA d'entreprise conventionnelle est structurelle, pas marginale.

Pour les établissements gérant environ 100 000 requêtes assistées par IA annuellement, les déploiements RAG conventionnels engendrent généralement des coûts d'exploitation annuels totaux entre 90 000 $ et 200 000 $, attribuables à trois facteurs de coût cumulatifs : le gaspillage d'inférence, l'infrastructure RAG persistante et la gouvernance compensatoire. Un déploiement COMPAiSS traitant la même charge de travail fonctionne à environ 15 000 $ à 30 000 $ par année - parce que les trois facteurs de coût sont éliminés par architecture, pas gérés après coup.

Environ 40 % des requêtes dans un déploiement institutionnel typique se voient refuser l'inférence entièrement. Ces utilisateurs reçoivent une réponse d'échec sécuritaire de haute valeur - des liens directs vers les politiques institutionnelles faisant autorité - à zéro coût marginal de calcul.

Un coût inférieur n'implique pas une précision inférieure. Les hallucinations nécessitent une inférence active. En empêchant l'inférence pour les requêtes non autorisées, COMPAiSS supprime les conditions structurelles dans lesquelles la fabrication se produit - non pas comme un filtre en aval, mais comme une propriété architecturale.

Le contraste avec les assistants IA d'entreprise

Une différence structurelle, pas superficielle.

Des systèmes comme Microsoft 365 Copilot sont conçus pour opérer dans l'ensemble de l'environnement numérique d'une organisation : courriels, documents, conversations Teams, référentiels SharePoint et données de calendrier. Lorsqu'un utilisateur multilingue soumet une question, le système traduit cette requête puis récupère dans tout le contenu indexé - ce qui peut inclure des brouillons de politique obsolètes, des communications informelles ou des documents de départements sans rapport qui contiennent des mots-clés correspondants.

Ce n'est pas un échec de configuration. C'est une conséquence architecturale de la conception d'un système pour la portée dans l'ensemble du corpus organisationnel plutôt que pour l'autorité dans une portée institutionnelle définie.

COMPAiSS sépare entièrement ces fonctions. La traduction normalise la question dans une langue de travail. L'autorisation détermine si l'établissement dispose de matériaux approuvés pour soutenir une réponse. L'inférence ne se produit que si les deux conditions sont satisfaites, en s'appuyant exclusivement sur des sources approuvées par l'établissement.

Cela signifie qu'un étudiant posant une question sur sa situation académique en mandarin, en français ou en arabe reçoit la même réponse institutionnellement autorisée qu'un étudiant posant la question en anglais - pas une approximation faussée par des artefacts de traduction ou du bruit du corpus. Pour les établissements ayant l'obligation de servir équitablement des populations multilingues, cette distinction n'est pas accessoire. C'est la différence entre un système cohérent par architecture et un système cohérent seulement lorsque les conditions s'alignent par hasard.

Maintenir la cohérence du sens entre les traductions

Séparer la langue du sens au niveau architectural.

Les systèmes d'IA grand public traduisent souvent la question d'un utilisateur dans le cadre de leur recherche d'informations. Dans de nombreux systèmes basés sur le RAG, cette étape de traduction est entrelacée avec la récupération et le raisonnement. En conséquence, de petites différences de formulation peuvent influencer les documents récupérés, la façon dont les passages sont interprétés et ce que le système finit par mettre en valeur dans sa réponse.

COMPAiSS évite ce problème en séparant la langue du sens au niveau architectural. Lorsqu'une question est soumise dans une langue non anglaise, elle est d'abord traduite en anglais comme étape de prétraitement en dehors du cadre d'autorisation institutionnelle. La traduction ne récupère pas de documents, n'interprète pas de politique, n'applique pas de règles institutionnelles et ne génère pas de réponses.

Une fois traduite, la question est évaluée pour la portée institutionnelle et l'autorisation avant tout raisonnement institutionnel principal. Après que la réponse est déterminée, elle est retraduite dans la langue choisie par l'utilisateur pour la présentation.

En fixant le sens, la portée et l'autorisation avant la génération, COMPAiSS empêche la dérive d'interprétation et l'incohérence interlinguistique courantes dans les systèmes basés sur le RAG - garantissant que les réponses institutionnelles restent précises, faisant autorité et cohérentes quelle que soit la langue.

Pour les cabinets-conseils et les intégrateurs de systèmes

Une option architecturale différente pour une catégorie différente de problèmes.

Les cabinets-conseils accompagnent de plus en plus d'organisations évoluant dans des secteurs réglementés où l'architecture générative traditionnelle crée davantage de risques de gouvernance qu'elle n'en résout. COMPAiSS propose à ces organisations une approche architecturale fondamentalement différente.

Au lieu d'améliorer la recherche d'information ou de tenter de réduire les hallucinations une fois la production de la réponse amorcée, COMPAiSS détermine d'abord si l'IA doit être autorisée à produire des réponses institutionnelles. Pour les organisations dont la priorité est de produire des réponses faisant autorité et conformes aux sources approuvées par l'établissement, plutôt que d'explorer un vaste patrimoine informationnel, l'inférence à exécution contrôlée constitue une approche structurellement différente et plus facile à défendre sur le plan de la gouvernance.

Les architectures RAG demeurent bien adaptées lorsque l'objectif consiste à explorer un vaste ensemble de connaissances organisationnelles, par exemple les courriels, les documents ou les dépôts internes. Toutefois, de nombreuses organisations réglementées poursuivent un objectif différent. Il ne s'agit pas d'interroger le corpus le plus vaste possible, mais de garantir que les réponses proviennent exclusivement de sources approuvées par l'établissement et que les questions non autorisées ne déclenchent jamais la production de réponses institutionnelles par l'IA. Il s'agit d'une exigence de gouvernance. Le RAG améliore la recherche d'information afin d'alimenter la production de réponses. COMPAiSS détermine plutôt si cette production doit avoir lieu. Ces deux approches répondent à des problèmes fondamentalement différents.

COMPAiSS ne se distingue pas par sa capacité à récupérer davantage d'information. Il se distingue par sa capacité à réduire les situations dans lesquelles l'IA est autorisée à générer de l'information institutionnelle.

Pour les cabinets-conseils, cela représente une véritable occasion d'offrir à leurs clients une solution architecturale différente plutôt qu'une nouvelle optimisation d'un modèle génératif traditionnel. COMPAiSS permet de réduire la complexité de l'infrastructure, d'accélérer les déploiements et de renforcer la gouvernance institutionnelle, tout en offrant une approche vérifiable, clairement délimitée et défendable dans les processus d'approvisionnement et les examens réglementaires.

L'architecture de COMPAiSS fait actuellement l'objet de demandes de brevet en cours d'examen au Canada et aux États-Unis.

Conçu pour l'approvisionnement institutionnel et l'examen de gouvernance

Auditable, délimité et aligne sur les obligations fiduciaires.

Les établissements réglementés n'ont pas seulement besoin de systèmes d'IA qui fonctionnent bien - ils ont besoin de systèmes d'IA qu'ils peuvent documenter, défendre et soumettre à un examen formel. Les agents d'approvisionnement, les comités d'audit, les conseillers juridiques et les panels d'examen gouvernementaux exigent de plus en plus que les établissements démontrent non seulement qu'un système d'IA produit de bons résultats, mais que son architecture de gouvernance est auditable, délimitée et alignée sur les obligations fiduciaires.

COMPAiSS est conçu avec cette exigence en tête. Parce que les décisions d'autorisation sont déterministes et se produisent avant l'inférence, chaque interaction suit un chemin de gouvernance documenté et reproductible. L'établissement contrôle quelles sources font autorité. L'établissement définit la frontière de portée. Le système applique les deux de façon structurelle, et non probabiliste.

Cela rend COMPAiSS directement compatible avec les exigences de documentation des panels de gouvernance de l'IA, des processus d'examen éthique institutionnels et des cadres d'approvisionnement gouvernementaux - y compris ceux qui exigent que les établissements démontrent comment les réponses d'IA non autorisées ou hors portée sont prévenues, pas seulement gérées.

Responsabilité et contrôle institutionnels

Visibilité et contrôle sur chaque réponse médiée par l'IA.

Au-delà de la prévention des erreurs générées par l'IA, COMPAiSS a des implications directes pour la responsabilité institutionnelle et la gouvernance du contenu. Lorsque les établissements fournissent des informations, ils promettent implicitement qu'elles sont précises, faisant autorité et fiables. COMPAiSS étend cette même norme aux réponses médiées par l'IA en veillant à ce que les réponses institutionnelles principales soient fondées sur des sources approuvées par l'établissement.

COMPAiSS soutient également la qualité continue du contenu des sources institutionnelles de deux façons concrètes. Les audits réguliers de la liste verte vérifient que chaque source approuvée est active, actuelle et correctement indexée - identifiant les liens brisés, les pages obsolètes et les chaînes de redirection avant qu'elles n'affectent les réponses. Et parce que COMPAiSS met en évidence les questions que les utilisateurs posent réellement, les établissements obtiennent un signal continu sur l'endroit où le contenu publié est manquant, ambigu ou nécessite une révision. Le système ne reflète pas seulement le contenu institutionnel - il aide les établissements à garder ce contenu faisant autorité.

Il est important de noter que COMPAiSS, comme tout système d'information, reflète les matériaux faisant autorité qu'il est autorisé à utiliser. Si un lien institutionnel autorisé, une page Web, un document de politique ou des directives officielles sont obsolètes ou nécessitent une révision, cette limitation s'applique également à tout système d'IA, outil de recherche ou processus humain s'appuyant sur la même source. COMPAiSS ne réinterprète pas et ne complète pas le contenu institutionnel ; il reflète ce que l'établissement lui-même a autorisé.

La différence réside dans la visibilité et le contrôle. En limitant les réponses aux sources approuvées par l'établissement et en empêchant l'inférence non étayée, COMPAiSS rend les lacunes ou incohérences explicites et corrigeables plutôt que de les masquer par des réponses généralisées ou spéculatives.