Ce que fait COMPAiSS

Transformer des écosystèmes Web institutionnels complexes en réponses IA exactes, officielles et multilingues.

Les sites Web des institutions réglementées 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 majorité des utilisateurs, naviguer dans ces environnements complexes afin d'obtenir rapidement une réponse fiable représente un défi considérable.

Les universités illustrent clairement cette réalité. L'écosystème Web d'une université couvre notamment les politiques académiques, les exigences des programmes, les règles d'admission, les règlements financiers, les services d'accessibilité, les directives en matière d'immigration, le logement, les services de santé et les droits des étudiants - chacun relevant d'unités distinctes et mis à jour selon des calendriers différents.

Les étudiants qui cherchent à comprendre le fonctionnement réel d'une université commencent presque toujours au même endroit : le site Web institutionnel. Un étudiant canadien peut chercher des précisions concernant le statut académique, les mesures d'adaptation, les exigences de cours, les équivalences, les prêts étudiants ou les politiques financières. Un étudiant international peut tenter de comprendre les règles liées aux visas, au droit au travail, à la couverture médicale ou aux obligations en matière d'immigration. Les futurs étudiants peuvent comparer les programmes, les critères d'admission, les échéances ou les services offerts.

Dans tous les cas, l'information existe généralement - mais elle est fragmentée à travers des centaines, voire des milliers de pages Web et de documents normatifs.

COMPAiSS répond à ce défi pour les universités et d'autres institutions fortement réglementées (notamment les hôpitaux et les organismes de services gouvernementaux) qui ont l'obligation de fournir une information claire, exacte et faisant autorité - le tout dans la langue de préférence de l'utilisateur.

Le problème structurel des systèmes d'IA actuels

Pourquoi l'IA à génération d'abord crée des risques que les avertissements ne peuvent pas corriger.

En raison de la complexité des écosystèmes Web institutionnels, de nombreux utilisateurs se tournent vers des systèmes d'IA grand public (ChatGPT, Copilot, Gemini et autres outils similaires) afin d'obtenir rapidement des réponses à des questions propres à une institution donnée.

Or, les modèles d'IA grand public sont conçus pour générer des réponses par défaut. Ils optimisent leur utilité générale à partir d'une base d'entraînement extrêmement vaste. Lorsqu'ils sont appliqués à des questions institutionnelles précises, les erreurs, hallucinations et références à des sources non autorisées ou externes deviennent une conséquence prévisible de cette architecture.

L'industrie de l'IA reconnaît largement cette réalité : les réponses incorrectes ou non étayées sont généralement traitées comme des résultats attendus à gérer, plutôt que comme des défaillances à prévenir. Ce compromis est largement accepté comme le coût inhérent au maintien d'un accès large et ouvert à des connaissances générales.

En pratique, la majorité des utilisateurs ne disposent ni du temps, ni de l'expertise, ni du contexte institutionnel nécessaires pour vérifier de façon indépendante les réponses générées par l'IA - même lorsque des avertissements ou des clauses de non-responsabilité sont affichés. Il en résulte que des informations inexactes sont souvent utilisées avant d'être remises en question, ce qui amplifie les risques plutôt que de les contenir.

De fortes incitations économiques contribuent également au maintien de ce modèle axé sur la génération initiale. La gestion des risques après coup soutient des écosystèmes complets de fonctionnalités d'entreprise - outils de surveillance, tableaux de bord de conformité, couches de modération, processus de révision humaine et modules de gouvernance - coûteux à développer, coûteux à exploiter et très rentables à commercialiser.

Dans les environnements institutionnels réglementés, toutefois, cette approche introduit des risques difficiles - voire impossibles - à atténuer pleinement une fois qu'une réponse a déjà été communiquée. Ces mesures peuvent réduire l'exposition, mais elles ne modifient pas l'architecture fondamentale axée sur la génération initiale ni n'éliminent les causes profondes des hallucinations. Celles-ci continuent de se produire.

COMPAiSS : la solution structurelle à une défaillance systémique de l'IA

Autorisation avant inférence - et non filtrage après.

Plutôt que de générer une réponse par défaut puis de tenter de gérer les risques après coup, COMPAiSS évalue chaque question quant à son autorisation institutionnelle avant que toute inférence du modèle principal ne puisse être effectuée.

Lorsqu'une question est soumise, le système détermine d'abord si la question relève du périmètre institutionnel défini, si des sources institutionnelles autorisées existent pour appuyer une réponse, et si la production d'une réponse serait responsable et défendable. Le modèle d'IA n'est autorisé à produire une réponse que lorsque ces conditions sont réunies.

Ainsi, COMPAiSS ne repose pas sur des avertissements, des scores de confiance, des filtres post-réponse ou une révision humaine pour tenter de rendre conforme une réponse déjà produite. Les questions non étayées ou hors périmètre sont empêchées de déclencher l'exécution du modèle institutionnel principal dès le départ.

Lorsqu'une question est clairement institutionnelle et que des sources autorisées existent, COMPAiSS produit une réponse claire, fondée exclusivement sur les documents et positions officiellement approuvés par l'institution - et non sur des inférences tirées d'organisations ou de juridictions externes. Lorsqu'une question ne peut être appuyée, le système ne devine pas, ne généralise pas et n'improvise pas simplement pour paraître « utile ».

En déplaçant la prise de décision en amont de la génération, COMPAiSS élimine le besoin de nombreux mécanismes correctifs coûteux propres aux systèmes axés sur la génération initiale et supprime par conception une classe entière d'hallucinations.

Pourquoi COMPAiSS n'est pas un système d'IA à usage général

Spécificité institutionnelle plutôt qu'étendue - par conception, et non par limitation.

Les systèmes d'IA à usage général sont conçus pour répondre à des questions sur à peu près n'importe quel sujet. Leur valeur réside dans leur étendue : la capacité de naviguer librement entre domaines, institutions, juridictions et thématiques en inférant le contexte à partir d'un corpus d'entraînement vaste et en constante expansion - sans frontières institutionnelles ou normatives définies avant la génération initiale de la réponse.

COMPAiSS n'est pas conçu pour cette étendue. Il est intentionnellement conçu pour la spécificité institutionnelle. Ce choix réduit à lui seul les erreurs et les risques en opérant à l'intérieur d'un cadre organisationnel clairement défini, où l'autorité, la responsabilité et la reddition de comptes priment sur la couverture générale - particulièrement dans les environnements réglementés ou normatifs.

Son objectif n'est pas d'approximer une réponse à partir de connaissances générales, mais de refléter uniquement ce qu'une institution a officiellement autorisé comme position, politique ou directive, et uniquement ensuite de permettre à l'IA de formuler une réponse.

En résumé, l'IA à usage général optimise la quantité de réponses qu'elle peut fournir. COMPAiSS optimise le moment où il est approprié de fournir des réponses au nom d'une institution - et le moment où il ne l'est pas.

Pourquoi COMPAiSS n'est pas un robot FAQ ni un agent conversationnel scripté

Intelligence en langage naturel dans les limites institutionnelles.

Les systèmes de FAQ reposent sur des questions prédéfinies et des réponses fixes, obligeant les utilisateurs à formuler leurs demandes selon des cadres rigides. Ils échouent dès que les questions dépassent ces limites ou nécessitent une interprétation contextuelle, un jugement ou une compréhension des responsabilités institutionnelles.

COMPAiSS ne repose pas sur des scripts. Chaque question est évaluée selon ses propres caractéristiques et en fonction des informations institutionnelles pertinentes, afin de produire des réponses claires, détaillées et nuancées, alignées sur ce que les utilisateurs cherchent réellement à comprendre.

Pourquoi COMPAiSS n'est pas fondé sur la génération augmentée par récupération (RAG)

La différence entre filtrer après la génération et autoriser avant.

Les systèmes fondés sur la génération augmentée par récupération (RAG) relient l'IA aux documents ou bases de données d'une institution afin de lui permettre de « consulter » de l'information pendant la génération d'une réponse. De nombreux systèmes d'IA s'appuient sur le RAG et des mécanismes de contrôle post-générationnels similaires pour réduire les hallucinations après qu'une réponse a déjà été produite.

Ces approches nécessitent souvent des couches d'infrastructure supplémentaires - pipelines de récupération, bases de données vectorielles, systèmes de surveillance, outils de validation et supervision continue. Elles accroissent la complexité et les coûts et sont généralement intégrées à des contrats d'entreprise onéreux.

À l'inverse, COMPAiSS intervient plus tôt. En empêchant les questions non étayées ou non admissibles de déclencher le modèle d'IA, COMPAiSS empêche toute génération de réponses non autorisées, réduisant de façon significative le recours aux mécanismes correctifs post-générationnels coûteux.

Cette différence ne relève pas d'un simple réglage technique ; elle reflète une approche architecturale fondamentalement distincte.

Architecture de COMPAiSS

Inférence à exécution conditionnelle - l'IA ne peut répondre qu'aux questions pour lesquelles elle est autorisée.

Au cœur de COMPAiSS se trouve une architecture d'inférence à exécution conditionnelle. Si l'autorisation échoue, le modèle institutionnel principal ne s'exécute pas et n'alloue aucune ressource d'inférence principale.

En contrôlant le fait même que le raisonnement de l'IA puisse avoir lieu, COMPAiSS impose l'autorité institutionnelle de manière structurelle, plutôt que de s'appuyer sur des mécanismes de filtrage ou de correction postérieurs à la génération.

COMPAiSS applique des contrôles de défense en profondeur : le filtrage des autorisations empêche l'exécution non autorisée du modèle principal, des contraintes d'instruction orientent le comportement lors des inférences autorisées, et une validation postérieure à la génération garantit la conformité des URL avec les sources institutionnelles.

L'architecture de la liste verte et des règles d'analyse ne se limite pas au contrôle de la portée - elle détermine ce que le modèle reçoit comme environnement épistémique. Lorsque le modèle ne reçoit que des contenus provenant de pages et de documents institutionnellement autorisés et préalablement analysés, la surface d'interprétation erronée est considérablement réduite par rapport à un système RAG qui raisonne sur un corpus étendu et non structuré.

Économies par conception

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

Pour les institutions 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 $, entraînés par 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 ces trois facteurs de coût sont éliminés par l'architecture, et non 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 sécurisé à haute valeur ajoutée - des liens directs vers les politiques institutionnelles faisant autorité - à un coût de calcul marginal nul.

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.

Pour les cabinets de conseil et les intégrateurs de systèmes

Deux points d'entrée naturels pour les organisations qui conseillent des institutions réglementées.

Pour les clients disposant d'une infrastructure RAG existante, COMPAiSS fonctionne comme une couche de gouvernance pré-inférence qui corrige les taux d'hallucination résiduels que le RAG seul ne peut pas résoudre - renforçant les investissements existants sans les remplacer. Des recherches évaluées par des pairs documentent des taux d'hallucination résiduels d'environ 6 % même dans les conditions RAG optimales, et des tests empiriques indépendants de la plateforme juridique phare de Thomson Reuters ont révélé des taux d'hallucination de 17 à 33 % en conditions réelles. COMPAiSS s'attaque à la cause architecturale profonde que ces systèmes ne peuvent pas éliminer.

Pour les clients sans investissement RAG - qu'ils soient limités par les coûts ou préoccupés par les taux d'échec documentés - COMPAiSS offre une solution complète de gouvernance de l'inférence qui impose la portée, l'autorité des sources et la politique institutionnelle, sans les frais généraux d'une infrastructure d'entreprise.

Dans les deux cas, le déploiement est simple et la démarche de gouvernance est vérifiable, défendable et alignée sur les exigences réglementaires dans l'enseignement supérieur, les soins de santé, le secteur public et les services juridiques.

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

Maintenir la cohérence du sens entre les traductions

Séparer la langue du sens au niveau architectural.

Les systèmes d'IA grand public traduisent souvent une question dans le cadre de leur recherche d'information. Dans de nombreux systèmes fondés sur le RAG, cette étape de traduction est étroitement liée aux processus de récupération et de raisonnement. Il en résulte que de légères différences de formulation peuvent influencer les documents récupérés, l'interprétation des passages et l'accent mis dans la réponse finale.

COMPAiSS évite ce problème en séparant la langue du sens au niveau architectural. Lorsqu'une question est soumise dans une langue autre que l'anglais, elle est d'abord traduite vers l'anglais comme étape de prétraitement externe au cadre d'autorisation institutionnel. La traduction ne déclenche aucune récupération de documents, n'interprète aucune politique et ne génère aucune réponse.

Une fois traduite, la question est évaluée quant à son admissibilité institutionnelle et à l'existence de sources autorisées avant que toute inférence institutionnelle principale n'ait lieu. La réponse est ensuite traduite dans la langue choisie par l'utilisateur pour l'affichage.

En fixant le sens, le périmètre et l'autorisation avant la génération, COMPAiSS évite la dérive interprétative et les incohérences multilingues propres aux systèmes fondés sur le RAG - assurant des réponses institutionnelles exactes, faisant autorité et cohérentes, quelle que soit la langue.

Le contraste avec les assistants IA d'entreprise

Une différence structurelle, et non superficielle.

Les systèmes comme Microsoft 365 Copilot sont conçus pour fonctionner 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 effectue une recherche dans l'ensemble du contenu indexé - ce qui peut inclure des ébauches de politiques périmées, des communications informelles ou des documents provenant de départements non concernés mais contenant des mots-clés correspondants.

Il ne s'agit pas d'un défaut de configuration. C'est une conséquence architecturale de la conception d'un système axé sur l'étendue de l'ensemble du corpus organisationnel plutôt que sur l'autorité à l'intérieur d'un périmètre institutionnel défini.

COMPAiSS sépare ces fonctions entièrement. La traduction normalise la question dans une langue de travail. L'autorisation détermine si l'établissement dispose de documents approuvés pour étayer une réponse. L'inférence n'a lieu que si ces deux conditions sont satisfaites, en s'appuyant exclusivement sur les sources approuvées par l'établissement.

Cela signifie qu'un étudiant posant une question sur son dossier académique en mandarin, en français ou en arabe reçoit la même réponse institutionnellement autorisée qu'un étudiant posant la question en anglais - et non une approximation façonnée par des artefacts de traduction ou du bruit de 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 uniquement lorsque les conditions s'alignent favorablement.

Conçu pour les processus d'approvisionnement institutionnel et d'examen de gouvernance

Vérifiable, délimité et aligné avec les obligations fiduciaires.

Les institutions réglementées n'ont pas seulement besoin de systèmes d'IA performants - elles ont besoin de systèmes d'IA qu'elles peuvent documenter, défendre et soumettre à un examen formel. Les responsables de l'approvisionnement, les comités d'audit, les conseillers juridiques et les panels d'examen gouvernementaux exigent de plus en plus que les institutions démontrent non seulement qu'un système d'IA produit de bons résultats, mais que son architecture de gouvernance est vérifiable, délimitée et alignée avec les obligations fiduciaires.

COMPAiSS est conçu en tenant compte de cette exigence. Étant donné que les décisions d'autorisation sont déterministes et se produisent avant l'inférence, chaque interaction suit un chemin de gouvernance documenté et reproductible. L'institution contrôle quelles sources font autorité. L'institution définit la limite de portée. Le système applique les deux de manière 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 institutionnel et des cadres d'approvisionnement gouvernementaux - y compris ceux qui exigent que les institutions démontrent comment les réponses d'IA non autorisées ou hors périmètre sont prévenues, et non simplement gérées.

Là où l'exactitude n'est pas facultative

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

Responsabilité institutionnelle et contrôle

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 reddition de comptes institutionnelle et la gouvernance du contenu. Lorsqu'une institution diffuse de l'information, elle promet implicitement que celle-ci est exacte, officielle et fiable. COMPAiSS applique cette même exigence aux réponses médiées par l'IA en veillant à ce que celles-ci soient appuyées par des sources approuvées par l'institution.

COMPAiSS soutient également la qualité continue du contenu des sources institutionnelles de deux façons concrètes. Des audits réguliers de la liste verte vérifient que chaque source approuvée est active, à jour et correctement indexée, en identifiant les liens brisés, les pages obsolètes et les chaînes de redirection avant qu'elles n'affectent les réponses. Et parce que COMPAiSS fait remonter les questions que les utilisateurs posent réellement, les institutions disposent d'un signal continu sur les lacunes dans le contenu publié, les ambiguïtés ou les révisions nécessaires. Le système ne se contente pas de refléter le contenu institutionnel : il aide les institutions à maintenir ce contenu à jour et faisant autorité.

Il importe toutefois de préciser que COMPAiSS, comme tout système d'information, reflète les documents faisant autorité qu'il est autorisé à utiliser. Si un lien institutionnel approuvé, une page Web, un document de politique ou une directive officielle est périmé ou nécessite une mise à jour, cette limite s'applique de la même manière à tout système d'IA, moteur de recherche ou processus humain reposant sur la même source. COMPAiSS ne réinterprète ni ne complète le contenu institutionnel ; il reflète ce que l'institution a elle-même autorisé.

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

---

---

---