Quand le logiciel ne sait pas, il doit dire ce qui lui manque

Le contexte

Le cas Atamatax nomme explicitement les informations parfois indisponibles, comme l’historique d’élection ou les données annuelles de l’émetteur. Le moteur expose une confiance et des hypothèses puis marque les cas à faible confiance pour validation humaine.

La règle

Quand une entrée manque ou qu’une classification est incertaine, la sortie doit le représenter explicitement. L’IA peut préparer les faits; une règle déterministe ou une personne garde le verdict lorsque l’erreur doit être expliquée.

Pourquoi ça compte

Une réponse précise en apparence peut cacher des hypothèses non vérifiées. Le lecteur ne peut pas décider s’il doit agir, fournir une pièce ou demander une revue.

Ce que je fais maintenant

Le cas Atamatax marque une confiance faible et route ces classifications vers une validation humaine au lieu de les accepter en silence.

Applique-la à ton projet

1. 01Sépare faits observés, inférences et inconnues.
2. 02Attache une source ou une provenance aux faits importants.
3. 03Définis les seuils qui déclenchent abstention ou revue humaine.
4. 04Présente l’incertitude avec la prochaine information utile.

Vérifie

• Aucune valeur manquante n’est présentée comme confirmée.
• La source et les hypothèses sont visibles dans la trace.
• La revue humaine est un état réel du workflow, pas une formule de texte.