Mis à jour le
Où l’IA aide et où le calcul décide dans le jumeau numérique
Lecture estimée : 5 min
- Guide
- Audio
- Visite guidée
Les modèles de langage écrivent bien et inventent parfois des chiffres. Dans ecbyts, le calcul revient à un moteur déterministe et l’IA ne fait que traduire la demande. Données fictives.
Qui travaille sur les sites pollués connaît le problème : les données sont rares, les séries sont bruitées et le transport d’un polluant dans le sol dépend d’équations qui ne pardonnent aucun raccourci. Un modèle de langage peut inventer un taux d’atténuation ou un coefficient de perméabilité et tout écrire avec la même aisance que ce qui est vrai. Dans ecbyts, le calcul revient à un moteur déterministe, et l’IA ne fait que traduire votre demande en actions que vous vérifiez avant d’enregistrer.
Ce qu’enseigne la vérification formelle
Le 26 octobre 2026, OpenAI a annoncé que des modèles internes avaient produit une proposition de réfutation de l’hypothèse du temps exponentiel, une conjecture de la fin des années 1990 sur le problème logique 3-SAT. La preuve a été formalisée dans Lean, un assistant de preuve mathématique. La relecture indépendante est toujours en cours, et le gain annoncé est théorique.
Ce qui compte ici, c’est la méthode, valable que le résultat soit confirmé ou non. Lean ne se laisse pas impressionner par une phrase bien tournée : chaque étape de la preuve est vérifiée par une machine, et l’étape qui ne se referme pas est refusée. L’IA propose, et la machine de vérification accepte ou refuse. Même ainsi, Lean ne confirme que l’énoncé qui lui a été soumis, et il revient à des personnes de vérifier que cet énoncé dit bien ce que l’on voulait prouver.
Un jumeau numérique environnemental (un modèle du site qui conserve l’origine de chaque donnée et refait le calcul à chaque nouvelle donnée) exige la même discipline. Concentration, bilan de masse et comparaison avec des valeurs de référence ne peuvent pas être devinés par un texte. Ils doivent provenir de données identifiées et de calculs qui donnent toujours le même résultat pour la même entrée.
Comment ecbyts y répond
ecbyts fonctionne comme un modèle de monde du site : chaque élément, qu’il s’agisse d’un point de surveillance, d’un panache, d’une zone ou d’un contrat, a des données et une origine. Les données entrent comme observations avec paramètre, unité, date, campagne et le point où elles ont été mesurées. Aucune IA ne participe à cette saisie.
Le calcul est déterministe. Interpolation, comparaison avec le jeu de valeurs de référence choisi pour le modèle, coûts et indicateurs sont des fonctions de l’application elle-même : la même entrée produit le même résultat, aujourd’hui comme dans un an. L’IA ne calcule pas à la place du moteur.
L’IA intervient comme traductrice. Dans la barre de commandes, vous écrivez ce que vous voulez en langage naturel, par exemple ajouter un point de surveillance ou afficher les observations de benzène, et l’assistant choisit parmi les actions que l’application possède déjà. Il ne crée pas de nouvelle action et n’écrit pas directement dans le modèle. Les requêtes de lecture s’exécutent sans confirmation ; ce qui enregistre ou supprime passe par la carte de confirmation, qui montre l’élément, le paramètre et la valeur résolus dans le modèle ouvert et prévient quand le texte de l’IA cite un chiffre absent de ce qui va être enregistré. Avant tout envoi au fournisseur d’IA, le CPF (numéro fiscal brésilien), l’e-mail et le téléphone deviennent des étiquettes neutres, et les identifiants et valeurs sensibles sont remplacés par des descriptions génériques.
La trace demeure. Chaque modification faite par l’IA est enregistrée dans la Piste d’audit, qui ne fait que croître, avec le modèle utilisé, l’action et un résumé vérifiable des paramètres. À l’export de la clé .ecbt, l’application émet le Sceau ECBYTS, une autodéclaration de celui qui répond du modèle, avec un lien de vérification. Le destinataire de la clé vérifie qu’il regarde bien le même modèle que celui qui a été déclaré.
En pratique
Exemple fictif, avec des données fictives. Vous écrivez dans la barre de commandes : ajouter une observation de benzène de 12 µg/L au puits PM-07, campagne de mars 2026. L’assistant choisit l’action d’ajout d’observation et renseigne les paramètres.
La carte de confirmation montre ce qui va être enregistré : élément PM-07, paramètre benzène, valeur 12 µg/L, campagne mars 2026. Si le texte de l’assistant indiquait 120 µg/L, la carte signalerait l’écart entre le texte et la valeur à enregistrer. Vous confirmez, et la Piste d’audit enregistre le modèle d’IA utilisé, l’action et les paramètres.
La comparaison de 12 µg/L avec la valeur d’investigation du jeu de référence choisi est faite par le moteur, pas par l’IA. Le résultat est le même si vous répétez l’opération demain ou dans un an, avec ou sans assistant.
Ce que cette fonctionnalité n’est pas
- ecbyts ne prouve pas de théorèmes sur votre modèle. Les règles de conformité sont des calculs testés, pas des preuves formelles en Lean.
- L’IA ne signe pas et ne répond de rien. La responsabilité technique reste aux personnes qui relisent et signent.
- L’assistant ne crée pas de nouvelles actions, n’écrit pas directement dans le modèle et ne remplace pas la saisie de données mesurées.
- La visite et l’exemple utilisent des données fictives : rien de ce que vous voyez ne représente un site réel.
Comment pratiquer
La visite Commandes en langage naturel dure environ 3 minutes. Elle ouvre le panneau de chat IA, montre des exemples de commandes (comme ajouter un puits à des coordonnées ou afficher toutes les observations de benzène), les actions disponibles et les outils que l’assistant peut déclencher. Les autres visites d’IA se trouvent dans Visites d’intelligence artificielle.