A Consensus-Driven Multi-LLM Pipeline for Missing-Person Investigations

Ce papier présente Guardian, un système end-to-end coordonnant plusieurs modèles de langage spécialisés et un moteur de consensus pour extraire et traiter intelligemment les informations lors des premières heures critiques d'une enquête sur une personne disparue, tout en garantissant une approche auditable et conservatrice.

L'essentiel

🕵️‍♂️ Guardian : Le Chef d'Orchestre de la Recherche de Personnes Disparues

Imaginez que vous essayez de retrouver un enfant disparu. Les premières 72 heures sont cruciales : c'est comme une course contre la montre où chaque seconde compte. Mais les informations sont souvent un désordre : des rapports écrits à la main, des messages flous, des cartes, des rapports météo... C'est un vrai casse-tête.

C'est là qu'intervient Guardian, un système intelligent conçu pour aider les enquêteurs à trier ce chaos et à trouver où chercher.

1. Le Problème : Trop d'informations, pas assez de temps

Habituellement, les enquêteurs doivent lire des centaines de pages de rapports pour trouver un indice. C'est lent et fatiguant. De plus, les intelligences artificielles (les "LLM" ou grands modèles de langage) sont très douées pour lire, mais elles ont un défaut : elles peuvent parfois halluciner (inventer des faits) ou se tromper, surtout quand elles sont seules.

2. La Solution : L'Équipe de Détectives (Le Pipeline Multi-IA)

Au lieu de confier la mission à une seule intelligence artificielle (ce qui serait risqué), les auteurs ont créé une équipe de détectives virtuels.

Imaginez que vous avez trois experts différents :

• Le Résumé : Il lit le dossier et fait une liste de 5 points clés.
• L'Extracteur : Il sort les données précises (nom, heure, lieu, véhicule) et les met dans un tableau.
• L'Évaluateur : Il dit si la personne a un risque élevé de s'éloigner ou de rester sur place.

Chaque expert travaille sur le même dossier en même temps.

3. Le Cœur du Système : Le "Juge de Paix" (Le Consensus)

C'est la partie la plus importante. Si le premier expert dit "L'enfant est parti en voiture" et le deuxième dit "Il est parti à pied", que fait-on ?

Dans Guardian, il y a un Juge de Paix (le moteur de consensus). Son travail n'est pas de deviner la vérité, mais de comparer les avis des experts :

• Si les trois experts sont d'accord, le Juge valide la réponse.
• S'ils sont en désaccord, le Juge regarde les preuves dans le texte original. Il ne choisit pas l'option la plus "confiante", mais celle qui est la plus sûre et la plus étayée par les faits.
• Si un expert a fait une erreur de format (par exemple, a écrit du texte au lieu d'un tableau), le Juge le corrige ou demande à un autre expert de réessayer.

L'analogie : C'est comme un jury dans un tribunal. Au lieu de laisser un seul juré décider, on demande à plusieurs jurés de délibérer. Si l'un d'eux se trompe, les autres le corrigent. Le verdict final est donc beaucoup plus fiable.

4. L'Entraînement Spécialisé (QLoRA)

Pour que ces "détectives" soient encore meilleurs, les chercheurs les ont entraînés sur des cas spécifiques (comme des rapports de police). Mais pour ne pas alourdir le système, ils utilisent une technique appelée QLoRA.

L'image : Imaginez que vous avez un cerveau très puissant (le modèle de base) qui sait tout. Au lieu de réécrire tout son cerveau pour qu'il soit expert en recherche d'enfants, on lui ajoute de petites "lunettes" spécialisées. Ces lunettes lui permettent de voir les détails importants sans changer sa personnalité globale. C'est rapide, efficace et peu coûteux.

5. Pourquoi c'est si prudent ?

Dans la recherche de personnes disparues, une erreur peut être tragique. Si le système dit "Cherchez ici" alors que c'est faux, on perd du temps précieux.

C'est pourquoi Guardian est conservateur :

• Il ne devine jamais.
• Il ne dit rien s'il n'est pas sûr.
• Il laisse toujours une "trace" (un journal) pour que les humains puissent vérifier comment la décision a été prise.

En résumé

Ce papier décrit un système qui ne fait pas confiance à une seule intelligence artificielle. Au lieu de cela, il crée une usine de vérification où plusieurs IA travaillent ensemble, se corrigent mutuellement et sont supervisées par un "chef" qui s'assure que tout est logique et basé sur les faits réels.

C'est comme passer d'un seul détective fatigué et sujet à l'erreur, à une équipe de choc coordonnée, où la sécurité et la précision priment sur la vitesse, pour aider à retrouver les plus vulnérables.

Résumé technique

Voici un résumé technique détaillé de l'article « A Consensus-Driven Multi-LLM Pipeline for Missing-Person Investigations » (Un pipeline multi-LLM piloté par le consensus pour les enquêtes sur les personnes disparues), rédigé en français.

1. Problématique

Les premières 72 heures d'une enquête sur une personne disparue (en particulier un enfant) sont critiques pour le succès du sauvetage. Cependant, la planification des recherches se heurte à plusieurs défis majeurs :

• Données hétérogènes et non structurées : Les informations proviennent de rapports narratifs, de PDF, de conseils du public et de données de transit, souvent incomplètes et évolutives.
• Contraintes temporelles sévères : La nécessité de prendre des décisions rapides sous pression.
• Fiabilité des modèles d'IA : Les modèles de langage (LLM) individuels peuvent générer des hallucinations, des formats de sortie incohérents ou des jugements trop confiants sur des informations ambiguës.
• Absence de vérité terrain complète : Dans les cas réels, il est difficile de valider la précision des prédictions de localisation, ce qui rend les métriques de précision classiques insuffisantes.

L'objectif est de transformer ces entrées brutes en produits de recherche actionnables (zones prioritaires, surfaces de probabilité) tout en garantissant une fiabilité systémique et une traçabilité des décisions.

2. Méthodologie : Le Système Guardian

Les auteurs proposent Guardian, un système de bout en bout organisé en deux étapes principales, avec un accent particulier sur le pipeline LLM (Guardian Core) qui utilise une architecture multi-modèle pilotée par le consensus.

Architecture du Pipeline

Le système est divisé en deux phases :

1. Prétraitement (Guardian Parser Pack) : Ingestion des données brutes, normalisation et enrichissement contextuel.
2. Analyse et Évaluation (Guardian Core) : C'est ici que réside le pipeline LLM, structuré autour de plusieurs modules clés :

• Génération de candidats multi-modèles : Au lieu de s'appuyer sur un seul modèle, le système fait appel à plusieurs modèles spécialisés (ex: Qwen2.5-3B et Llama-3.2-3B) pour effectuer des tâches distinctes : résumé, extraction d'entités structurées et étiquetage faible (weak labeling) des risques et mouvements.
• Couche de Consensus Centralisée (Consensus Engine) : C'est le cœur de la fiabilité du système. Elle ne se contente pas de choisir la « meilleure » réponse, mais applique des invariants stricts :
  • Normalisation : Transformation des sorties brutes en représentations comparables (ex: structure de puces fixe pour les résumés, parsing JSON rigide pour les extractions).
  • Scoring d'accord : Comparaison des champs clés (identité, dernière position, etc.) plutôt que du texte brut.
  • Réparation et Adjudication : Si les modèles divergent ou si le JSON est malformé, un « arbitre » (un LLM de consensus, ici Gemini 2.5) est invoqué pour réparer les erreurs, trancher les conflits ou fusionner les informations compatibles, sans inventer de faits.
• Module Zone QA : Applique un score de plausibilité aux zones géographiques candidates en pondérant les sorties LLM avec des scores existants, en utilisant une transformation sigmoïde pour éviter des pénalités ou des boosts extrêmes en cas d'incertitude.
• Orchestration et Gestion des Délais : Le système gère la concurrence, les limites de taux (rate limiting) et les délais stricts. Si le temps manque, il retourne le candidat validé le plus fiable plutôt que de risquer un échec par dépassement de délai.

Intégration QLoRA

Le pipeline intègre un fine-tuning QLoRA (Quantized Low-Rank Adaptation) sur des jeux de données curatés (synthétiques et réels). Cela permet de spécialiser les modèles pour des rôles spécifiques (extracteur, résumeur) en mettant à jour moins de 1 % des paramètres, préservant ainsi la capacité générale du modèle tout en améliorant la qualité des candidats générés.

3. Contributions Clés

• Fiabilité comme propriété systémique : Le papier déplace le paradigme de la confiance accordée à un modèle unique vers une fiabilité obtenue par la validation, la normalisation et le consensus entre plusieurs modèles.
• Architecture de consensus robuste : Une méthodologie détaillée pour gérer les désaccords, les échecs de parsing et les hallucinations via un moteur d'adjudication centralisé.
• Approche conservatrice et auditable : Conception visant à produire des sorties structurées, traçables et alignées sur un schéma (schema-aligned), évitant les décisions « boîte noire » non vérifiables.
• Infrastructure de déploiement pratique : Une mise en œuvre distribuée sur le cloud (Google Cloud) utilisant des VM GPU dédiées et des API compatibles OpenAI, démontrant la faisabilité opérationnelle d'un pipeline multi-modèle complexe.

4. Résultats et Évaluation

L'évaluation ne se base pas sur une métrique de précision prédictive unique (souvent impossible à obtenir dans ce domaine), mais sur une analyse qualitative et diagnostique de la fiabilité opérationnelle :

• Réduction des modes d'échec : L'application de la normalisation et du consensus a systématiquement réduit les sorties spéculatives, les formats JSON invalides et les étiquettes de risque excessivement confiantes observées dans les modèles individuels.
• Stabilité des sorties : Le système produit des artefacts stables et reproductibles, essentiels pour les étapes en aval (modélisation géospatiale, clustering).
• Comportement conservateur : En cas de désaccord ou d'incertitude, le système privilégie les interprétations explicitement ancrées dans le récit plutôt que les inférences implicites des modèles.
• Validation structurelle : Les sorties sont systématiquement parsables et alignées sur le schéma, même lorsque les modèles sources échouent partiellement.

5. Signification et Conclusion

Ce travail est significatif car il propose une approche pragmatique pour l'utilisation de l'IA dans des contextes critiques et sensibles (sécurité des enfants, enquêtes policières).

• Changement de paradigme : Il démontre que les LLM ne doivent pas être traités comme des décideurs autoritaires, mais comme des « experts faillibles » dont les sorties doivent être contraintes, croisées et validées.
• Équilibre Performance/Sécurité : L'utilisation de QLoRA permet d'améliorer la qualité des candidats sans sacrifier l'évolutivité, tandis que le consensus assure la sécurité opérationnelle.
• Limites et Avenir : Les auteurs reconnaissent que cette approche augmente les coûts computationnels et que l'évaluation sémantique reste limitée par le manque de données de vérité terrain. Néanmoins, Guardian établit un cadre robuste pour intégrer l'IA dans les flux de travail de recherche et de sauvetage, en priorisant la traçabilité et la stabilité des données structurées sur la génération de texte libre.

En résumé, Guardian incarne une vision où la fiabilité de l'IA est construite par l'ingénierie du système (contrôles, consensus, validation) plutôt que par la seule performance intrinsèque d'un modèle de langage.