Une information correcte peut devenir fausse simplement parce qu’elle arrive trop tard

On parle beaucoup de la qualité des réponses produites par une IA.

Est-ce exact ?

Est-ce complet ?

Est-ce bien formulé ?

Mais dans certains métiers, il manque une quatrième question :

est-ce encore vrai maintenant ?

Une information peut être parfaitement correcte à 9 h 00 et inutilisable à 11 h 00.

La fraîcheur est parfois une donnée métier

Un stock.

Un prix.

Un planning.

Une disponibilité.

L’état d’un dossier.

La dernière version d’un document.

Tous ces éléments peuvent changer.

Si une IA travaille sur une copie ancienne, elle peut raisonner parfaitement à partir d’une réalité qui n’existe plus.

Le résultat sera cohérent.

Et faux pour l’action attendue.

La bonne donnée au mauvais moment reste une mauvaise décision

Imagine une équipe qui décide de la stratégie d’un arrêt avec les informations disponibles plusieurs tours auparavant.

Les données étaient justes.

Elles ne correspondent simplement plus à la situation présente.

Dans un système IA, la même chose peut arriver lorsque :

une extraction est mise en cache ;

un fichier local n’est pas synchronisé ;

une base a changé pendant l’analyse ;

un agent travaille longtemps avant de produire son résultat.

Toutes les informations n’ont pas la même durée de vie

Une adresse d’entreprise peut rester valable longtemps.

Un niveau de stock beaucoup moins.

Une procédure peut changer tous les six mois.

Un planning plusieurs fois par jour.

Il est donc utile de se demander :

« Pendant combien de temps cette information peut-elle être considérée comme suffisamment fraîche ? »

La réponse dépend du métier.

On peut vérifier avant l’action, pas avant toute réflexion

Il n’est pas forcément nécessaire de recharger toutes les données en permanence.

On peut travailler avec un état connu pendant l’analyse.

Puis, juste avant une action importante, vérifier les éléments qui peuvent avoir changé.

Par exemple :

le prix est-il toujours le même ?

le dossier est-il toujours ouvert ?

le fichier n’a-t-il pas été modifié ?

la disponibilité existe-t-elle encore ?

Cette petite vérification peut éviter beaucoup d’erreurs.

Les traitements longs rendent le sujet encore plus important

Plus un agent travaille longtemps, plus il existe un écart potentiel entre le monde au début de sa mission et le monde au moment où il agit.

Cela ne veut pas dire qu’il ne faut pas utiliser d’agents longs.

Simplement que certaines informations doivent peut-être être revalidées au dernier moment.

Afficher l’âge d’une donnée change déjà beaucoup de choses

« Stock : 48 unités »

et

« Stock : 48 unités, vérifié il y a 3 minutes »

ne racontent pas exactement la même chose.

La deuxième formulation donne au lecteur une information supplémentaire essentielle : le contexte temporel.

Une IA peut utiliser la même logique.

La fraîcheur fait partie de la fiabilité

On pense facilement qu’une information est vraie ou fausse.

Dans le travail réel, elle peut aussi être :

vraie mais dépassée.

Et cette troisième catégorie devient de plus en plus importante lorsque les systèmes prennent des informations dans plusieurs outils et travaillent de manière autonome.

Une bonne IA ne devrait donc pas seulement savoir d’où vient une donnée.

Elle devrait parfois savoir de quand elle vient.

Parce qu’en endurance comme dans une entreprise, conduire avec la bonne information compte.

Mais conduire avec la bonne information au bon moment compte encore davantage.