Jugement déterministe dans la recherche d’investissement assistée par l’IA

Cette note examine un motif architectural qui réapparaît chaque fois que des modèles de langage sont placés devant des résultats aux conséquences réelles : des systèmes de recherche qui doivent convertir de grands volumes de preuves non structurées en classifications, scores ou classements sur lesquels des personnes vont agir.

Les grands modèles de langage sont performants pour la récupération, l'extraction, la structuration et l'interprétation. Ils sont comparativement peu fiables lorsqu'il s'agit de détenir un jugement final, car un modèle invité à produire une réponse en produira généralement une — qualifiée, nuancée, assortie de citations, mais générée malgré tout. Le modèle est optimisé pour poursuivre une séquence analytique plausible, non pour déterminer si les preuves disponibles justifient réellement une conclusion.

Le motif examiné ici sépare ces deux préoccupations. Les modèles de langage assistent la récupération, l'extraction, la structuration et l'interprétation des preuves. Les classifications, scores et classements aux conséquences réelles sont produits par un logiciel inspectable et reproductible, qu'un examinateur peut réexécuter, auditer et contester indépendamment du modèle qui a aidé à rassembler les preuves.

Cinq principes de conception reviennent systématiquement dans les implémentations de ce motif :

1. l'extraction et le jugement devraient être traités comme des fonctions distinctes, idéalement portées par des composants séparés ;
2. les preuves inconnues, conflictuelles et insuffisantes devraient rester des résultats explicites et de premier ordre, plutôt que d'être lissées ;
3. chaque affirmation qui alimente une décision devrait être traçable jusqu'à un extrait source réouvrable ;
4. les critères spécifiques au domaine devraient être exprimés sous forme de règles inspectables plutôt que laissés à l'interprétation du modèle ;
5. le langage statistique ou de performance devrait décrire ce qu'un système fait réellement, non ce qu'il aspire à faire.

Aucun de ces principes n'est exotique pris isolément. Ce qui rend ce motif digne d'être documenté, c'est la discipline consistant à les maintenir constamment séparés à mesure qu'un système se développe — et l'honnêteté quant à ce que le déterminisme apporte réellement une fois mis en place.

1. Le problème architectural

Les modèles de langage sont de plus en plus utilisés pour traiter le type de matériel dont dépend la recherche pertinente pour la décision : dépôts réglementaires, publications, reportages, avis réglementaires et contenus web non structurés. Leur valeur y est réelle. Ils identifient des passages pertinents, traduisent des questions en langage naturel en tâches de recherche, organisent des preuves hétérogènes et résument des volumes de texte qu'il serait impraticable de lire exhaustivement à la main.

La difficulté commence lorsque ces mêmes capacités sont étendues du traitement de l'information au jugement — lorsque la question passe de « le système peut-il produire un classement ? » à « le classement est-il produit selon une méthodologie contrôlée et inspectable après coup ? ».

Ces deux questions sont faciles à confondre car un modèle de langage répondra volontiers aux deux. Il résumera les preuves et, si on le lui demande, attribuera aussi un score ou un rang. Rien dans sa sortie ne signale laquelle des deux opérations il vient d'effectuer, ni à quel point la seconde serait reproductible si les mêmes preuves étaient présentées demain, dans un ordre différent, avec une formulation différente.

La réponse architecturale consiste à rendre cette frontière explicite dans le système plutôt que de la laisser implicite dans une invite. La récupération, l'extraction, la structuration et l'interprétation sont traitées comme un travail génératif assisté par modèle. La classification, le scoring et le classement sont traités comme un calcul déterministe sur un dossier structuré et validé — un calcul qui ne consulte aucun modèle au moment de l'exécution et qui produit la même sortie à partir de la même entrée à chaque exécution.

2. Une séparation des responsabilités

Une façon utile de décrire le pipeline résultant est :

question de recherche → signaux structurés → preuves → validation → confiance → score déterministe → classement → rapport

Chaque étape a un responsable distinct. Une étape de planification convertit une question de recherche en un ensemble de signaux analytiques pondérés. Des agents de récupération et d'extraction construisent un profil du sujet, rassemblent un premier ensemble de preuves et effectuent des recherches ciblées de comblement des lacunes là où la couverture est faible. Une étape de consolidation fusionne ces ensembles de preuves, signale les contradictions et estime la confiance pour chaque élément. La portion du pipeline assistée par modèle de langage s'arrête à ce stade.

Tout ce qui suit — classification, scoring, normalisation et classement — est calculé par des services déterministes qui consomment le dossier de preuves structuré et validé et lui appliquent des règles fixes.

Cette séparation importe parce que les erreurs d'extraction et les erreurs de jugement ont des causes différentes et doivent être observables indépendamment.

Une erreur d'extraction ressemble typiquement à :

• ne pas récupérer une source qui change matériellement la vision d'ensemble ;
• attribuer à tort une affirmation au mauvais sujet ;
• mal lire un passage, y compris ses qualificatifs ou sa portée ;
• omettre des preuves contradictoires plutôt que de les concilier ;
• traiter un extrait de recherche comme s'il s'agissait de la source complète.

Une erreur de classement ressemble typiquement à :

• une sensibilité excessive au volume de preuves plutôt qu'à leur qualité ;
• des poids qui ne reflètent plus les priorités voulues ;
• des signaux opposés qui s'annulent d'une manière qui masque le désaccord ;
• une normalisation instable selon les lots de comparaison ;
• des règles de pénalité ou de filtrage appliquées de façon incorrecte ou incohérente ;
• une cohorte de comparaison qui n'est en réalité pas comparable.

Lorsque l'extraction et le classement se produisent au sein d'une seule étape générative, ces deux classes d'erreurs se confondent — un mauvais rang et un fait erroné paraissent identiques de l'extérieur. Rendre l'étape de classement déterministe ne garantit pas, en soi, une réponse correcte. Cela garantit en revanche que les mêmes entrées structurées produisent la même sortie, ce qui est précisément ce qui rend possibles les tests de régression, la revue méthodologique et l'audit a posteriori.

3. Les preuves comme dossier typé

Une citation n'est pas la même chose qu'un étayage. Les extraits de recherche omettent le contexte, les titres simplifient ou exagèrent, les pages derrière paywall peuvent être découvrables sans être inspectables, et le nom d'un sujet peut apparaître sur une page générique de registre ou d'annuaire sans que cette page ne dise réellement quoi que ce soit de substantiel sur ce sujet.

Pour éviter qu'une citation ne fonctionne comme un simple marqueur symbolique de fiabilité, le motif traite chaque élément de preuve comme un dossier typé doté d'une chaîne explicite :

affirmation → enregistrement de preuve → extrait source → source

Une affirmation est un énoncé discret et vérifiable. L'enregistrement de preuve relie cette affirmation à l'extrait qui l'étaye et porte des métadonnées sur la manière dont l'extrait a été récupéré et validé — une URL citée doit appartenir à l'ensemble des sources effectivement récupérées, et l'extrait doit être ancré dans le contenu récupéré lui-même plutôt que reconstitué à partir d'un extrait de recherche ou d'un titre. Pour les documents plus longs, l'ancrage peut être vérifié au moyen de seuils de chevauchement de tokens ou de similarité de séquence entre l'extrait affirmé et le texte source. Le langage type, les références fabriquées et les extraits qui ne peuvent pas être reliés au matériel récupéré sont purement et simplement rejetés.

Chaque enregistrement de preuve porte également une valeur de confiance, calculée indépendamment de la polarité de l'affirmation, à partir de dimensions telles que :

• le type de source ;
• la récence ;
• la corroboration par des sources indépendantes ;
• un conflit identifié avec d'autres preuves.

Le type de source est généralement la plus grande contribution individuelle à la confiance, et il est utile de faire de cette hiérarchie un tableau explicite et inspectable plutôt qu'un jugement implicite enfoui dans une invite. Un ensemble représentatif de défauts méthodologiques se présente ainsi :

• Régulateur, dépôt officiel ou organisme certificateur — 1.00
• Registre public — 0.90
• Source académique — 0.85
• Organisme de surveillance ou de normalisation indépendant — 0.80
• Propres déclarations du sujet — 0.70
• Couverture médiatique — 0.60
• Source web générale — 0.50
• Réseaux sociaux ou contenu utilisateur non vérifié — 0.30

Ces chiffres sont des défauts méthodologiques, non des estimations empiriques de la véracité moyenne d'une catégorie de source donnée. Leur objet est de rendre le traitement des sources explicite, révisable et configurable, non de revendiquer une précision statistique qu'ils ne possèdent pas.

Cette structure permet à un examinateur de rouvrir le fondement de tout chiffre en aval : quelle affirmation, quel extrait, quelle source, à quel niveau de confiance, et pourquoi.

4. L'inconnu comme état valide

L'incertitude devrait être une information structurée, non une absence de sortie. Chaque signal analytique du motif peut être résolu en l'un de cinq états épistémiques :

• étayé — les preuves pointent de manière cohérente dans une direction ;
• contredit — des preuves bien ancrées pointent contre la direction attendue ;
• conflictuel — des preuves crédibles existent sur plusieurs côtés et ne se résolvent pas proprement ;
• preuves insuffisantes — certaines preuves existent mais n'atteignent pas le seuil requis pour un constat fiable ;
• inconnu — aucune preuve significative n'a été trouvée.

Ces états ne sont pas interchangeables, et les traiter comme tels est l'un des modes de défaillance les plus courants des systèmes de scoring en général. Un constat négatif étayé n'équivaut pas à une information manquante. Des preuves conflictuelles n'équivalent pas à un constat neutre. Des preuves insuffisantes ne signifient pas « probablement sans problème » — elles signifient que la question n'a en réalité pas encore reçu de réponse.

De nombreux systèmes de scoring convertissent implicitement des preuves manquantes ou ambiguës en une valeur modérée, au milieu de l'échelle, parce qu'un champ numérique doit contenir un nombre quelconque. La sortie paraît alors complète, mais cette complétude est fabriquée plutôt que méritée. Le motif décrit ici traite au contraire un résultat inconnu ou insuffisant comme une sortie légitime et de premier ordre : le système renvoie la meilleure réponse disponible et étayée, plutôt que de forcer une réponse pour chaque signal.

Cela a une conséquence directe pour le classement : la couverture des preuves doit rester visible comme une dimension à part entière, distincte du score lui-même, afin qu'un sujet à couverture faible ne devienne pas silencieusement indiscernable d'un sujet ayant fait l'objet d'une recherche approfondie et jugé véritablement neutre.

Cela signifie aussi que trois variables fréquemment fusionnées en une seule doivent rester distinctes tout au long du pipeline :

• la direction apparente d'un constat (sa polarité) ;
• la force du constat, indépendamment de la direction ;
• la confiance que les preuves étayent réellement le constat.

5. Classification et scoring déterministes

Une fois les preuves validées et chaque signal doté d'un état, d'une direction, d'une force et d'une confiance, le dossier résultant est transmis à un logiciel déterministe pour la classification et le scoring. Aucun appel de modèle n'intervient à cette étape. Le même dossier structuré produit le même score à chaque traitement — c'est précisément l'intérêt de séparer cette étape de la génération.

Une forme simplifiée et illustrative d'une contribution par signal se présente ainsi :

contribution du signal = force de la preuve × confiance × polarité × poids de politique

Ici, la force de la preuve reflète l'importance du constat sous-jacent, la confiance reflète la solidité de l'ancrage des preuves à l'appui, la polarité code la direction (positive, négative ou neutre), et le poids de politique code l'importance qu'un signal donné doit avoir pour la question posée, sous réserve d'une contrainte globale selon laquelle l'ensemble des poids totalise une somme fixe.

Il s'agit délibérément d'une esquisse et non d'une spécification. Les implémentations réelles ajoutent des plafonds, des planchers, des termes non linéaires, des a priori spécifiques à un secteur ou une catégorie, ainsi que des effets d'interaction entre signaux — des détails importants pour la calibration mais secondaires par rapport au point architectural : la transformation d'un dossier de preuves validé en une contribution numérique est une fonction fixe, non une inférence de modèle, et elle peut être réexécutée, testée et auditée indépendamment de la façon dont les preuves ont été rassemblées.

Les seuils de classification — les règles qui transforment un résultat numérique en une catégorie discrète — sont traités de la même manière. Les frontières de catégorie sont définies dans la configuration, non déduites par un modèle au moment du scoring, et la catégorie d'un sujet est généralement résolue avant que le classement au sein de la catégorie n'ait lieu, de sorte qu'un petit écart numérique proche d'une frontière ne puisse pas silencieusement dépasser un sujet dont la catégorie est nettement meilleure.

6. Classer sans dissimuler la méthodologie

Transformer des contributions par signal en un classement introduit des modes de défaillance faciles à ignorer si la méthodologie n'est pas énoncée clairement. Trois d'entre eux reviennent assez souvent pour être nommés explicitement.

6.1 Biais de volume

Un grand nombre de signaux faibles et à faible confiance peut s'additionner en une contribution plus importante qu'un petit nombre de signaux forts et bien ancrés. Sans correction, cela signifie que la quantité de preuves disponibles — qui dépend en partie de la quantité de contenu écrit sur un sujet — peut influencer le score indépendamment de la qualité des preuves.

6.2 Annulation

Les contributions positives et négatives s'additionnent arithmétiquement par défaut. Un sujet disposant de preuves substantiellement et réellement conflictuelles peut donc aboutir à un score agrégé modéré qui donne l'impression qu'« il ne se passe pas grand-chose », alors que le dossier sous-jacent révèle un désaccord important. L'état de conflit décrit à la section 4 doit pour cette raison rester visible en dehors du nombre final — le score seul ne peut pas porter cette information.

6.3 Relativité de cohorte

Si les scores sont normalisés par rapport aux valeurs extrêmes du lot de comparaison qui se trouve être assemblé, le même sujet peut recevoir un rang relatif différent uniquement parce que la composition du lot a changé, sans aucun changement dans les preuves propres au sujet. Cela limite la comparabilité d'un rang entre différentes exécutions, périodes ou ensembles de comparaison, et cela doit être divulgué plutôt que présenté comme une mesure absolue.

Une manière de réduire simultanément la dépendance à la cohorte et le biais de volume consiste à atténuer l'influence du nombre de preuves et à projeter le résultat sur une échelle absolue fixe plutôt que relative au lot. Une forme illustrative et paramétrée — avec k, point médian, échelle et s comme paramètres de configuration plutôt que comme constantes de production fixes — pourrait ressembler à :

atténuation = min(1, nombre de preuves / k)

score absolu = point médian + échelle × tanh(contribution agrégée / s)

La première ligne plafonne la mesure dans laquelle un volume de preuves supplémentaire peut encore gonfler une contribution une fois qu'environ k éléments indépendants sont atteints. La seconde projette la valeur agrégée atténuée sur une échelle bornée centrée sur point médian, où échelle contrôle la largeur de la plage de sortie et s contrôle la vitesse de saturation de la projection. Les valeurs concrètes de ces paramètres relèvent de la calibration, non de l'architecture — et toute implémentation de cette idée devrait être validée avant d'être considérée comme prête pour la production, y compris en vérifiant que la terminologie utilisée pour la décrire (par exemple, éviter le terme « bayésien » à moins que la méthode ne maintienne effectivement un postérieur) correspond à ce que fait réellement le code.

Rien de tout cela n'élimine les limites sous-jacentes ; cela les déplace et les borne. Le biais de volume, l'annulation et la relativité de cohorte devraient être traités comme des propriétés documentées de la méthodologie de classement, non comme des anomalies à corriger discrètement hors de vue.

7. Ce que le déterminisme apporte — et ce qu'il n'apporte pas

Il vaut la peine d'être précis sur ce que « déterministe » apporte réellement ici, car il est facile de surestimer sa portée.

Le déterminisme apporte la reproductibilité : la même entrée structurée et validée produit la même sortie, à chaque fois, sur chaque machine, indéfiniment. Il n'apporte pas l'exactitude — une fonction déterministe peut implémenter fidèlement une formule erronée, un poids obsolète ou un a priori biaisé, et elle le fera de manière constante plutôt qu'aléatoire, ce qui peut rendre l'erreur plus difficile à remarquer, non plus facile.

L'ancrage (section 3) apporte la traçabilité : un examinateur peut remonter d'un score jusqu'à l'extrait et à la source spécifiques qui l'ont produit. Il n'apporte pas la complétude — un dossier bien ancré peut néanmoins manquer de preuves qui n'ont jamais été récupérées en premier lieu.

Le scoring de confiance apporte une représentation structurée de l'incertitude. Il n'apporte pas une probabilité statistiquement calibrée, à moins qu'un exercice de calibration n'ait effectivement été mené au regard de résultats réels ; traiter une valeur de confiance non calibrée comme une probabilité est une erreur de catégorie contre laquelle il faut explicitement se prémunir.

En bref : le déterminisme, l'ancrage et le scoring de confiance produisent ensemble un système dont le comportement peut être inspecté, reproduit et contesté. Ils ne produisent pas à eux seuls un système dont les sorties seraient garanties correctes.

8. Évaluation par étape du pipeline

Une sortie finale d'apparence correcte peut dissimuler des erreurs qui s'annulent par hasard. Une sortie finale incorrecte peut provenir de plusieurs étapes antérieures — récupération, extraction, ancrage, estimation de confiance ou classement — et traiter le rapport final comme la seule chose digne d'évaluation rend impossible de déterminer quelle étape a réellement échoué.

L'évaluation devrait donc être structurée par étape plutôt que seulement de bout en bout, en mesurant au minimum :

• la précision et le rappel de la récupération — le système a-t-il trouvé les sources pertinentes ?
• la précision et le rappel de l'extraction — les affirmations contenues dans ces sources ont-elles été correctement saisies ?
• les erreurs d'ancrage — les affirmations ont-elles été correctement attribuées au bon sujet et correctement ancrées dans le texte source ?
• la génération d'affirmations non étayées — à quelle fréquence le système énonce-t-il quelque chose que les preuves récupérées ne soutiennent pas réellement ?
• la détection de conflits — le système signale-t-il correctement des preuves réellement contradictoires plutôt que de les moyenner ?
• la calibration de la confiance — les niveaux de confiance annoncés correspondent-ils à la fiabilité réelle, vérifiée au regard des résultats ?
• la stabilité du classement — de combien le rang d'un sujet bouge-t-il sous l'effet de changements mineurs et non substantiels du lot de comparaison ?

Les changements méthodologiques apportés au pipeline — un nouveau schéma de pondération, un nouveau modèle de confiance, une nouvelle méthode de classement — devraient être conditionnés à ce type d'évaluation spécifique par étape, plutôt que déployés au motif que la sortie finale « paraît raisonnable ». Un défaut sensé consiste à échouer de manière fermée : un changement qui n'a pas passé l'évaluation pertinente ne passe pas en production, toute exception exigeant une dérogation explicite et auditée plutôt qu'un défaut silencieux.

9. Modes de défaillance connus

Au-delà des problèmes propres au classement évoqués à la section 6, un système construit sur ce motif présente plusieurs autres modes de défaillance caractéristiques qu'il vaut mieux nommer que présumer absents :

• L'ancrage fondé sur des règles peut mal classer des sources. Les heuristiques de correspondance d'entités — privilégier les correspondances de noms multi-tokens, supprimer les correspondances d'écho de requête, exiger une relation significative plutôt qu'une simple co-occurrence — réduisent les faux positifs sans les éliminer.
• Le scoring déterministe reproduit fidèlement ses hypothèses, y compris les erronées. Un poids mal calibré ou un a priori obsolète ne se corrige pas de lui-même ; il est simplement appliqué de manière constante jusqu'à ce que quelqu'un le mette à jour.
• Un nouveau calcul ne peut pas réparer un fait déjà stocké et faussement ancré. Réexécuter la fonction de scoring sur un dossier de preuves corrompu ne fait que reproduire l'erreur de manière déterministe. La corriger exige une nouvelle récupération et une nouvelle extraction, non une formule différente.
• Les hiérarchies de sources encodent des jugements qui peuvent nécessiter une révision. Les poids de la section 3 sont des défauts, non des vérités établies, et devraient être réexaminés à mesure que le système est utilisé dans de nouveaux contextes.
• Les a priori de catégorie ou de secteur peuvent introduire un biais systématique s'ils sont fixés une fois pour toutes et jamais réexaminés au regard du comportement réel de la population évaluée.
• Le score final ne vaut que ce que valent les preuves qui le sous-tendent. Aucune rigueur en aval ne compense une récupération qui a manqué les sources pertinentes.

Aucun de ces points ne constitue un argument contre l'architecture décrite ici. Ce sont précisément les éléments que son programme d'évaluation doit vérifier, justement parce que le déterminisme rend le comportement du système prévisible, non automatiquement correct.

10. Calibration et vérité terrain

Les tests de régression et fondés sur des fixtures — réexécuter un ensemble fixe d'entrées connues et vérifier que les sorties n'ont pas dérivé de manière inattendue — sont utiles pour détecter des changements involontaires, mais ne remplacent pas une calibration menée au regard de résultats qui n'ont pas servi à construire le système lui-même.

Un programme de calibration crédible nécessite un ensemble de vérité terrain construit de manière indépendante : des sujets recherchés manuellement, par des personnes n'ayant pas accès aux propres sorties du système, permettant de mesurer directement la récupération, l'extraction, l'ancrage, la confiance et le classement, plutôt que de les déduire d'une cohérence interne. Un ensemble modeste mais réellement indépendant — de l'ordre de quelques dizaines de sujets couvrant une poignée de questions de recherche représentatives — suffit généralement à révéler les principaux écarts de calibration, même s'il ne tranchera pas tous les cas limites.

Tant qu'une telle évaluation n'a pas réellement été menée, les valeurs de confiance devraient être considérées comme structurées mais non calibrées, et toute revendication de « précision » ou de « rappel » pour le système devrait être comprise comme provisoire. Ce n'est pas une réserve mineure à mentionner une fois puis à dépasser — c'est une limite qui devrait rester visible dans toute description du système tant qu'elle demeure vraie.

11. Principes de conception

En prenant du recul par rapport aux mécanismes, le motif repose sur un petit nombre de principes transposables :

1. Maintenir l'extraction et le jugement dans des composants séparés, même lorsqu'il serait plus simple de confier les deux à un seul appel de modèle. Cette séparation est ce qui rend chaque moitié testable indépendamment.
2. Faire de l'inconnu une sortie de premier ordre. Un système incapable de dire « inconnu » finira par affirmer quelque chose de faux avec assurance, car chaque champ doit contenir une valeur quelconque.
3. Ancrer chaque affirmation dans une source réouvrable. Une citation qui ne peut pas être retracée jusqu'à un texte récupéré n'est pas une preuve ; c'est une chaîne de caractères d'apparence plausible.
4. Coder les critères spécifiques au domaine sous forme de règles inspectables, non comme des instructions à un modèle, partout où ces critères déterminent un résultat aux conséquences réelles. Les règles peuvent être revues, versionnées et testées ; les jugements intégrés dans des invites, généralement pas.
5. Énoncer les limites du classement plutôt que de les absorber silencieusement. Le biais de volume, l'annulation et la relativité de cohorte sont des propriétés d'une méthodologie, pas des défauts à dissimuler — mais seulement s'ils sont documentés.
6. Faire correspondre le langage statistique au comportement réel. Ne pas appeler une moyenne un postérieur, et ne pas appeler un score de confiance non calibré une probabilité, tant que la méthode sous-jacente ne justifie pas réellement ce terme.
7. Évaluer chaque étape, pas seulement le rapport final. Une sortie d'apparence correcte n'est pas la preuve d'un pipeline fonctionnant correctement.
8. Échouer de manière fermée face aux changements méthodologiques qui n'ont pas passé l'évaluation pertinente, et exiger un chemin explicite et audité pour toute exception.

12. Conclusion

Le motif examiné ici ne rend aucun composant individuel sophistiqué. La pondération des sources, le scoring de confiance, les formules déterministes et l'extraction assistée par modèle de langage sont tous des techniques établies et, prises isolément, sans particularité. Ce qui est architecturalement significatif, c'est de les maintenir séparés au sein d'un pipeline responsable : les modèles de langage assistent la récupération, l'extraction, la structuration et l'interprétation ; un logiciel déterministe et inspectable détient la classification, le scoring et le classement ; les preuves inconnues et insuffisantes demeurent des résultats valides et visibles, plutôt que d'être lissées en un chiffre d'apparence plausible.

Un tel système peut néanmoins échouer — par des entités mal ancrées, des poids mal calibrés, des a priori biaisés ou des preuves qui n'ont jamais été récupérées. Ces modes de défaillance ne sont pas des arguments contre l'architecture ; ce sont les éléments que son programme d'évaluation existe pour détecter.

Le système résultant ne devrait pas être décrit comme un juge autonome. C'est un pipeline contrôlé dans lequel différents composants ont des responsabilités définies et des modes de défaillance connus, et sa crédibilité repose moins sur le degré de sophistication apparente de ses sorties que sur la possibilité de les retracer jusqu'aux preuves, de les reproduire à partir des mêmes entrées structurées, de les contester au niveau méthodologique, et de les retenir lorsque les preuves disponibles ne soutiennent réellement pas une conclusion.