Données

Ce qu’il faut faire au corpus avant de le confier à quoi que ce soit — et pourquoi cet ordre-là n’est pas négociable.

Cette page rassemble la série consacrée au corpus lui-même : ce qu’on en retire, ce qu’on y ajoute, et ce qu’on accepte de ne pas savoir. La thèse tient en une ligne : un traitement appliqué après le modèle documente une intention, il ne contrôle rien.

le travail le moins visible, et celui qui décide de tout le reste.

La tâche dont il est question ici n’est pas de rechercher : elle est d’extraire exhaustivement. Un pipeline déterministe, suivi d’une classification locale : le corpus est traité avant que le modèle n’intervienne, et les étapes sont rejouables à l’identique. Cet ordre a une conséquence directe sur la gouvernance — l’anonymisation se place en amont, ou elle ne se place nulle part.

Deux constats reviennent. Une gouvernance appliquée après coup est une documentation, pas un contrôle. Et un corpus n’est pas un jeu de test : sans vérité de terrain arbitrée à la main, aucun chiffre de qualité n’est interprétable, quelle que soit la rigueur du calcul qui le produit.