Nous publions ce que nous mesurons.
Orves est mené comme un programme de mesure : évaluations préenregistrées, jeux gold versionnés, revue adversariale. Ce qui survit devient public — sous forme de benchmarks, de méthodologie et de jeux de données.
Pourquoi toute stack d'IA deviendra vérifiable.
Les modèles convergent. Le différenciateur durable n'est pas le modèle — c'est ce que le modèle a le droit de savoir, et la question de savoir si quiconque peut s'y fier.
Un savoir improvisé ne survit pas au contact de la responsabilité. Un savoir ad hoc ne peut pas dire d'où vient une réponse, ne peut pas être reconstruit après une correction, et ne peut pas entrer dans une décision réglementée.
Alors le substrat est reconstruit — une fois, correctement : représentation vérifiable, identité permanente, provenance, déterminisme, transformation vérifiable. Cette couche, c'est ce qu'Orves construit comme infrastructure.
Ce que mène le programme de recherche.
| Axe | Ce qu'il mesure | Statut |
|---|---|---|
| Benchmarks d'analyse | ordre de lecture, tableaux, précision de reconnaissance du texte, formulaires, documents longs — par famille de documents | mesuré · interne |
| Déterminisme | allers-retours au niveau de l'octet, fidélité de reconstruction | mesuré · interne |
| Ancrage et abstention | assertions traçables jusqu'aux preuves ; refuser quand la preuve est insuffisante | mesuré · interne |
| Acquisition continue | entonnoir observation→mise à jour, grilles d'admission | mesuré · interne |
| Classement public et jeux de données | résultats publiés, vérifiables de bout en bout | publication en attente |
| Articles et rapports techniques | méthodologie, construction des jeux gold, arbitrage | bientôt |
États honnêtes actuels, dimension par dimension : Benchmarks →
Conçu pour que nous ne puissions pas nous flatter.
Métriques préenregistrées. Jeux gold versionnés et corrigibles. Abstention notée. Pouvoir de détection prouvé par injection délibérée de fautes. Chaque chiffre publié porte son n.