Méthodologie & Transparence IA

Documentation du pipeline analytique

Le fonctionnement d’Unvarnish Media repose sur une chaîne de traitement automatisée (pipeline) pilotée par plusieurs agents d’intelligence artificielle. Cette page documente de manière transparente les protocoles techniques, les règles de bridage et les garde-fous mis en place pour produire, structurer et diffuser l’information.

Architecture de recherche et Protocole SUDO

Le processus de création d’un article débute par l’injection d’un sujet d’investigation. À partir de ce point d’entrée, le traitement est délégué à deux entités algorithmiques distinctes :

• agent 01 (Architecte) : Un méta-agent chargé de structurer la recherche. Il traduit le sujet en un protocole de requêtes ultra-structurées appelé « Investigation Systémique ».
• agent 02 (Journaliste OSINT) : L’agent exécutant qui collecte et traite les données selon le Renseignement en Sources Ouvertes (OSINT).

Pour garantir la fiabilité de la recherche, l’Agent 02 est soumis à une Directive SUDO (un bridage algorithmique de niveau supérieur) imposant une tolérance zéro pour la génération d’énoncés non étayés par les sources (communément, et par abus de langage, appelée « hallucination ») et pour l’extrapolation. Cet agent a pour obligation stricte de s’appuyer sur des sources primaires institutionnelles, légales ou académiques (ex : Légifrance, bases de données de l’INSEE, de l’INA, rapports du Sénat ou d’autorités indépendantes).

Traitement algorithmique et modélisation systémique

Une fois les données brutes extraites, le pipeline applique deux méthodes de traitement forcé pour éviter le nivellement par la moyenne inhérent aux modèles de langage :

• exploration arborescente d’hypothèses (Tree of Thoughts) : face à une problématique complexe, le système est contraint de générer, de documenter et d’évaluer plusieurs hypothèses divergentes avant d’isoler la mécanique sous-jacente à un événement.
• protocole Multi-Persona : Les données sont analysées simultanément sous trois prismes experts (historien, économiste, juriste) afin d’imposer une triangulation systématique.

Le résultat de cette analyse est formaté selon un modèle clinique strict : Méta-Analyse, Faits Établis, Analyse Systémique, et exposition des Zones d’Ombre (les limites des données disponibles).

Production documentaire et iconographie

Le corpus de recherche validé est ensuite transmis à un environnement de synthèse (NotebookLM) chargé de générer les médias annexes :

• Règle iconographique (Cloudflare FLUX) : Les images de couverture sont générées par un modèle IA spécifique avec une consigne stricte et inaltérable : l’adoption d’un angle exclusivement macro (gros plans sur des objets, textures ou symboles) avec une interdiction totale de générer des figures humaines. Ce choix technique élimine par conception tout risque de biais visuel ou de « deepfake ».
• Audios, vidéos et infographies : Ces formats sont extraits et synthétisés exclusivement à partir du corpus documentaire interne de l’enquête, sans accès au reste du web, garantissant que le système ne dérive pas des sources initiales.

Traçabilité technique et audit public

L’information générée par des algorithmes exige une transparence structurelle. Celle-ci est intégrée à l’architecture même du média :

• données structurées : Chaque publication intègre un contrat de métadonnées (JSON-LD NewsArticle) détaillant le processus de génération, les citations directes et les références, rendant la démarche lisible par les outils de fact-checking et les moteurs de recherche.
• corpus téléchargeable : Un bouton de téléchargement du corpus documentaire complet (archive ZIP des sources ayant servi à l’enquête) est systématiquement fourni à la fin de chaque enquête. Chacun peut ainsi vérifier les sources une à une, ou les importer dans l’outil d’analyse de son choix — par exemple un carnet NotebookLM personnel — pour interroger lui-même le corpus, de façon totalement autonome.

Limites du système et validation humaine (Garde-fou)

Malgré les protocoles de bridage, les systèmes d’IA générative présentent des limites inhérentes : génération d’énoncés erronés ou non étayés (les « hallucinations »), restitution imparfaite de certaines nuances culturelles locales (notamment sur le terrain antillais), ou biais induits par la sur-représentation de certaines données dans leur corpus d’entraînement. Il importe de le rappeler : un modèle de langage ne « raisonne » ni ne « comprend » au sens humain — il prédit des enchaînements de mots probables à partir de régularités statistiques. Nos protocoles (sources primaires, triangulation, validation humaine) visent précisément à compenser cette nature probabiliste.

C’est pour pallier ces failles structurelles et encadrer le risque légal (droit de la presse, diffamation) qu’une étape de validation humaine reste obligatoire. Ce human gate intervient en bout de chaîne : un opérateur humain vérifie la conformité légale et factuelle de l’article avant d’autoriser techniquement sa publication. Il n’intervient pas dans la rédaction du texte, conservant ainsi la retranscription exacte du traitement analytique de la machine.

Conformité au Règlement européen sur l’intelligence artificielle (AI Act)

Nous considérons le Règlement (UE) 2024/1689 sur l’intelligence artificielle — l’« AI Act » — comme une avancée : à l’image du RGPD, il donne un cadre à une pratique jusqu’ici sans règles. Un média entièrement produit par IA se doit d’être exemplaire sur ce terrain. Nous en faisons un engagement, pas une contrainte : identifier clairement ce qui est généré par IA sert directement notre objectif de vérité.

• Notre statut : Unvarnish Media est déployeur (utilisateur) de systèmes d’IA tiers — il n’en est ni le fournisseur ni le concepteur, et ne relève pas des systèmes « à haut risque ». Le régime applicable est donc celui de la transparence (article 50) et de la culture de l’IA (article 4).
• Identification systématique des contenus (article 50) : chaque enquête porte, dès son en-tête, un avertissement clair sur sa nature générée par IA ; les médias (couverture, audio, vidéo, infographie) sont signalés individuellement ; et chaque publication embarque des métadonnées de provenance lisibles par la machine — données structurées JSON-LD déclarant le système de génération, et marquage des images au standard IPTC « Digital Source Type » (trainedAlgorithmicMedia).
• Responsabilité éditoriale humaine : le contenu généré par IA fait l’objet d’un contrôle éditorial humain (le human gate décrit ci-dessus) et la responsabilité éditoriale de la publication est assumée par une personne physique — l’éditeur du site, dont l’identité est déposée auprès de l’hébergeur au titre de l’article 6, III, 2° de la LCEN. Une personne réelle répond donc de chaque contenu, ce qui satisfait la condition de contrôle éditorial de l’article 50.
• Autorité de contrôle : pour la France, l’autorité compétente sur la transparence des textes d’intérêt public générés par IA est l’ARCOM (la DGCCRF assurant le point de contact unique).

Inventaire des systèmes d’IA utilisés

• Grand modèle de langage (rédaction, recherche OSINT, structuration analytique) — texte des enquêtes.
• Google NotebookLM — débats audio, brèves vidéo et infographies, synthétisés à partir du seul corpus documentaire de l’enquête.
• Cloudflare Workers AI — FLUX.1 [schnell] — images de couverture, en plan macro (aucune figure humaine, donc aucun deepfake de personne réelle).