Ces maximes sont issus du projet Dossier Space, lors de l’essai d’une analyse documentaire assistée par l’IA, visant à garantir l’assurance, la reproductibilité, la portabilité et la supervision humaine, à l’aide du corpus de courriels d’Enron.

Ils ne sont pas présentés sous forme de règles formelles. Ce sont des leçons pratiques tirées de l’utilisation répétée pendant trois mois de configuration et d’analyse – échec, redémarrage, test, réexamen.

Evidences et pertinence

• La pertinence et l’utilité prévalent sur l’accumulation exhaustive.
• La fréquence n'est pas synonyme de pertinence.
• Un seul message peut être insignifiant, ou bien il peut être le début d'une enquête.
• Des preuves manquantes peuvent elles-mêmes être analytiquement précieuses.
• L'absence du corpus ne constitue pas la preuve d'une absence dans le monde réel.
• L’interpolation ne doit pas être présentée comme une observation, une conclusion comme un fait, ou une cohérence comme une preuve.
• Une connexion n’est pas une relation ; une relation n’est pas un engagement ; l’engagement n’est pas une culpabilité.
• Le point sur le réseau représente une personne.
• L’IA ne fait pas d’analyse abstraite des données ; elle formule des propositions concernant les personnes.
• Raisonnement et transparence
• La traçabilité doit être proportionnelle à l’importance des faits.
• Le raisonnement parfaitement exposé peut être pire que le raisonnement proportionnellement exposé.
• Chaque étape de raisonnement exposée crée un nouvel objet susceptible d’être contesté.
• L'objectif est une transparence suffisante, pas une transparence maximale.
• Nous rendons finalement les raisonnements suffisamment visibles pour les inspecter, mais nous découvrons alors qu'ils peuvent contenir trop d'informations pour pouvoir les examiner de manière raisonnable.
• Une recherche parfaitement renseignée peut tout de même mener à la recherche de la mauvaise chose.
• Une analyse reproductible peut omettre de manière reproductible des éléments de preuve pertinents.
• Un workflow validé peut toujours répondre à une question mal formulée.

Assurance

• L'assurance du processus ne peut pas remplacer le jugement professionnel.
• L’objectif de l’assurance n’est pas de prouver que l’IA est correcte, mais de permettre de détecter quand elle est erronée.
• Une bonne assurance devrait rendre la réussite visible, et non seulement faire paraître convaincant le succès.
• La conclusion de fond peut subsister même si une partie de son argumentation à l’appui n’en est pas ainsi.
• La curiosité professionnelle peut être un gage aussi important que le contrôle technique.
• Parfois, la meilleure façon de s’assurer de la validité d’une information est simplement de la poser à nouveau.
• L’essai final d’un système fiable n’est pas la question de savoir à quel point il fonctionne bien, mais plutôt de savoir comment il se casse de manière sûre et visible.

IA menée par l'homme

• L’intervention humaine n’est pas suffisante si l’être humain n’approuve que la réponse.
• Le modèle plus puissant est une approche menée par les humains avec l’IA en loop.
• L’IA devrait s’intégrer au sein de la structure professionnelle, et non placer la professionnalité au sein de l’IA.
• Le professionnel doit diriger l’enquête, et non pas simplement approuver ses conclusions.
• Le solicitor donne des directives ; l’IA enquête ; le solicitor conteste ; l’IA répond ; le solicitor décide.
• L'IA doit être considérée comme une capacité paramétrique supervisée plutôt que comme un oracle.
• La responsabilité ne peut pas être éliminée par l’ajout de davantage de contrôles.
• Plus l’IA sera performante, plus il sera important de savoir qui dirige réellement le travail.

Méthodes et outils

• Gouvernez l’environnement ; faites en sorte que les professionnels soient responsables ; laissez l’IA fournir les capacités nécessaires.
• Les peintures de base doivent être des fondations, pas des menottes.
• Structurer l’enquête avant que l’IA ne commence, puis permettre aux preuves de changer de direction.
• La méthode doit suivre le problème, et non le forcer à s’y rattacher.
• Suffisamment gouverné pour être défendable ; suffisamment flexible pour enquêter correctement.
• Des compétences techniques devraient être attendues des professionnels ; la compétence technique ne devrait pas être une condition préalable à l’utilisation professionnelle de l’IA.
• L’actif durable est la méthode opérationnelle professionnelle, et non la plateforme IA particulière.
• La technologie évoluera plus rapidement que les principes professionnels devraient..

Pratique professionnelle

• Le danger n’est pas nécessairement que l’IA remplace les professionnels, mais que le jugement professionnel soit progressivement remplacé sans que personne n’en décide le contraire.
• Si le métier n’élit pas son modèle d’exploitation IA, le marché l’élira pour lui.
• Professional conservatism may protect against reckless adoption, but it may also allow others to define the operating model.
• The important question is not whether AI can find something, but whether the finding can be challenged, reproduced and properly relied upon.
• “AI can search” is no longer the interesting proposition.
• The unit of competition may become the governed workflow one professional can command, rather than the number of people an organisation can deploy.
• Large models increase capability; good method determines whether that capability is usable.

The Dossier Space progression

Raw evidence → assured handling → analysis → analytical finding.

The Dossier Space pilot suggests that increasingly capable, commercially available AI can support this progression on ordinary computing hardware. The continuing challenge is not simply to increase capability, but to preserve professional control, evidential discipline, proportional assurance, and the ability to recognise when the system has reached its limits.