La triangulation — une question, plusieurs esprits
Une question, plusieurs esprits. Posez la même question à des modèles issus de familles différentes, et observez : quand ils convergent, la réponse tient ; quand ils divergent, le moteur préfère s'abstenir plutôt qu'inventer. C'est la triangulation — un service du moteur qui transforme le désaccord en garde-fou.
Pourquoi plusieurs modèles ?
Un modèle seul peut se tromper avec aplomb : face à une question dont il ignore la réponse, il a tendance à en fabriquer une plutôt qu'à l'avouer. Cette erreur suit un chemin — un même modèle, sur une même question, retombe souvent sur la même invention. La parade n'est pas de faire confiance plus fort à un modèle, mais d'en interroger plusieurs qui ne partagent pas les mêmes chemins.
Accord = réponse. Désaccord = abstention.
Le moteur pose votre question à chaque modèle, puis compare. Trois cas :
- Tous répondent la même chose → consensus : le moteur vous donne la réponse.
- Certains répondent, d'autres déclinent (« je ne sais pas ») → désaccord : le moteur s'abstient.
- Tous déclinent → personne ne sait : le moteur s'abstient et vous le dit clairement.
L'abstention est une qualité, pas un échec
« Je m'abstiens » vaut mieux qu'une réponse inventée présentée comme sûre. Le moteur préfère l'honnêteté du silence à l'assurance de l'erreur.
Des familles différentes, pas des variantes proches
Le point décisif : pour vérifier un fait, il faut interroger des modèles de familles vraiment différentes. Deux modèles bâtis sur la même base partagent le même angle mort — ils se tromperont ensemble, et leur accord ne prouvera rien. Trianguler des familles distinctes (conçues par des équipes différentes, sur des données différentes) casse ce délire partagé : leur accord devient un vrai signal.
Deux usages à ne pas confondre
Croiser des familles différentes → fiabilité factuelle (le fait est-il vrai ?). Croiser des variantes proches d'un même modèle → robustesse d'une conclusion (tient-elle sous plusieurs angles ?). La triangulation décrite ici vise la fiabilité factuelle.
En local ou dans le cloud
Le service fonctionne des deux façons, avec la même logique. En local, les modèles consultés tournent sur votre propre machine : rien ne sort, souveraineté totale. Dans le cloud, le moteur interroge plusieurs familles hébergées. Dans les deux cas, c'est le même service du moteur — seuls les modèles consultés changent.
Un service du moteur
La triangulation s'allume dans le capot du moteur, comme les autres services. Chaque réponse s'accompagne du détail des modèles consultés et de la décision prise — l'accord ou le désaccord qui a produit le verdict. Ce détail est destiné à être scellé, pour qu'on puisse vérifier après coup comment la réponse a été obtenue.
En une phrase
Un seul modèle peut se tromper avec assurance ; plusieurs familles qui divergent ne le peuvent pas sans que ça se voie. La triangulation transforme ce désaccord en garde-fou.