🤖 AI

Odyssey: Constructing Verifiable Local Truth-Preserving Foundation Models

Ce document introduit ODYSSEY, un cadre catégorique utilisant l'apprentissage de fonderie universelle (Universal Foundry Learning) et le SQL de fonderie (Foundry SQL) pour construire des modèles de fondation locaux, vérifiables et préservant la vérité en composant des « fonderies » modulaires par des extensions de Kan, permettant ainsi une argumentation et des diagnostics rigoureux, ainsi que l'intégration de sources de connaissances hétérogènes.

Auteurs originaux : Sridhar Mahadevan

Publié 2026-06-29

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Sridhar Mahadevan

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

L'idée principale : D'une « boîte noire » à une « usine modulaire »

Imaginez les modèles de langage actuels (comme ceux avec lesquels vous discutez) comme une immense boîte noire scellée. Vous posez une question, et une réponse sort. Vous ne savez pas exactement comment la réponse a été construite, d'où proviennent les faits, ni pourquoi le modèle a décidé de dire « oui » dans une situation et « non » dans une autre. Si le modèle fait une erreur, il est difficile de la corriger car toute la boîte est emmêlée.

ODYSSEY propose une autre façon de construire ces modèles. Au lieu d'une seule immense boîte noire, imaginez ODYSSEY comme une usine de construction modulaire (appelée une « Fonderie » ou « Foundry »).

Dans cette usine, la connaissance n'est pas jetée en un seul tas. Au lieu de cela, elle est construite comme une courtepointe ou une carte faite de tuiles qui se chevauchent.

Vérités locales : Le système décompose le monde en petits quartiers spécifiques (contextes locaux). Dans un quartier, une affirmation peut être « prouvée ». Dans le quartier voisin, la même affirmation peut être « non prouvée » ou « contredite ».
Le liant : Le système possède des règles strictes sur la façon dont ces quartiers se connectent. Si deux quartiers se chevauchent, le système vérifie s'ils sont d'accord. S'ils ne sont pas d'accord, il ne les force pas à s'accorder ; au lieu de cela, il signale le désaccord comme un « glitch » (un bug) ou un « chemin bloqué » nécessitant l'attention humaine.

L'objectif est de créer des modèles qui sont vérifiables (vous pouvez vérifier le travail) et préservant la vérité (ils ne mentent pas sur ce qu'ils savent ou sur l'origine de leur savoir).

Les cinq travailleurs (Les Agents)

Pour faire fonctionner cette usine, ODYSSEY utilise cinq agents spécialisés (des travailleurs logiciels), nommés d'après des figures de la mythologie grecque. Ils font passer un fichier de projet de l'un à l'autre, comme sur une chaîne de montage :

SCYLLA (La Traductrice) :
- Rôle : Elle parle à l'humain. Lorsque vous posez une question, elle traduit votre demande vague en un « bref de mission » précis.
- Analogie : Imaginez que vous dites à un entrepreneur : « Je veux une maison ». Scylla demande : « Voulez-vous un chalet ? Un gratte-ciel ? Quel est le budget ? Quels matériaux ? ». Elle transforme votre souhait en un plan de construction.
HOMER (Le Chef de projet) :
- Rôle : Il prend le plan de Scylla et rédige la liste des tâches étape par étape. Il décide des outils nécessaires et de leur ordre d'utilisation.
- Analogie : C'est le contremaître qui dit : « D'abord, nous devons couler le béton. Ensuite, nous devons commander les briques. Voici le calendrier ».
ATHENA (L'Architecte) :
- Rôle : Elle conçoit la structure. Elle décide comment les différents « quartiers » de connaissances s'assemblent. Elle définit les règles de circulation de l'information d'une zone à l'autre.
- Analogie : Elle dessine la carte. Elle dit : « La cuisine est reliée à la salle à manger, mais la cuisine ne se connecte pas directement au garage sans un couloir ». Elle veille à ce que la logique soit cohérente.
PROMETHEUS (Le Bâtisseur) :
- Rôle : Il construit réellement le modèle selon les plans d'Athena. Il rassemble les données, effectue les calculs et crée le « modèle du monde ».
- Analogie : C'est l'équipe de construction. Il pose les briques, installe les tuyaux et construit les murs. S'il trouve un problème (comme un tuyau manquant), il rédige un rapport à ce sujet.
TOULMIN (L'Avocat / Le Débatteur) :
- Rôle : Il ne se contente pas de construire ; il argumente. Il prend le modèle terminé et vérifie : « Avons-nous des preuves pour cette affirmation ? Existe-t-il un contre-argument ? Quelles sont les limites ? ».
- Analogie : C'est l'inspecteur de qualité qui tient un marteau de juge. Il demande : « Vous affirmez que ce pont est sûr. Montrez-moi le rapport d'ingénierie. Et s'il pleut ? Voici les preuves qui soutiennent votre affirmation, et voici les preuves qui pourraient l'infirmer ».

Les outils spéciaux

Le papier introduit quelques outils spécifiques pour faire fonctionner tout cela :

L'Algèbre de la Fonderie (Foundry Algebra) : C'est comme un ensemble d'instructions LEGO. Vous pouvez prendre un bloc « Magasin » et un bloc « Financier » et les assembler pour créer un modèle de « Entreprise de vente au détail ». Vous ne pouvez pas les assembler n'importe comment ; les instructions (l'algèbre) vous disent exactement comment ils s'emboîtent.
TICKET (Le Gardien de sécurité) : C'est un système pour laisser entrer de nouvelles informations (comme un modèle pré-entraîné venant de l'extérieur) dans la fonderie. Il ne se contente pas de les laisser entrer ; il vérifie leur identité, inspecte leurs bagages et décide : « Vous pouvez entrer », « Vous pouvez entrer mais restez en salle d'attente » ou « Vous êtes banni ».
FSQL (Foundry SQL) : C'est un langage spécial pour poser des questions sur le modèle. Au lieu de simplement demander « Quel temps fait-il ? », vous pouvez demander : « Montrez-moi les données météo uniquement pour le quartier où nous avons une grande confiance, et masquez les données là où nous supposons ».

Exemples concrets tirés du papier

Les auteurs ont testé ce système sur plusieurs « Fonderies » spécifiques pour prouver son efficacité :

MyFixIt (Manuels de réparation) :
- Ils ont construit un modèle pour réparer des ordinateurs portables. Au lieu de simplement lire du texte, le système comprend les étapes : « Retirez la vis », « Soulevez la pièce », « Vérifiez l'image ».
- Résultat : Lorsqu'on lui demande de trouver une étape de réparation, ce système est bien meilleur pour trouver la bonne réponse qu'une recherche textuelle standard, car il comprend l'action et l'outil nécessaire, et pas seulement les mots.
Écriture de l'Indus (Mystère antique) :
- Ils ont appliqué cela à l'écriture non déchiffrée de la vallée de l'Indus.
- Résultat : Le système n'a pas prétendu connaître la réponse. Il a montré les différentes théories, là où elles se chevauchent et là où elles se contredisent. Il a explicitement marqué les parties « inconnues » comme des chemins bloqués, plutôt que d'halluciner une traduction.
TCC 44K (Revendications économiques) :
- Ils ont analysé 44 000 articles économiques sur les relations de cause à effet.
- Résultat : Le système pouvait vous dire : « Cette étude dit que X cause Y, mais seulement dans ce pays spécifique, et seulement si vous ignorez ce autre facteur ». Il a gardé les « petits caractères » visibles au lieu de les lisser.
Assemblage IKEA :
- Ils ont testé le système sur des vidéos d'assemblage de meubles.
- Résultat : Le système a vérifié si la vidéo de la personne construisant la chaise correspondait aux instructions. Si la vidéo montrait une pièce manquante ou une étape sautée, le système le signalait comme un « glitch » plutôt que de l'ignorer.

L'essentiel à retenir

L'article affirme qu'ODYSSEY est un moyen de construire des modèles d'IA qui sont :

Transparents : Vous pouvez voir exactement comment le modèle a été construit et d'où proviennent les données.
Honnêtes : Si le modèle ne sait pas quelque chose, ou si deux preuves divergent, il l'admet (en créant un enregistrement d'« obstruction » ou de « glitch ») au lieu d'inventer une réponse.
Réparables : Si une partie du modèle est erronée, vous pouvez corriger uniquement ce « quartier » sans avoir à reconstruire l'ensemble.

Les auteurs précisent qu'il s'agit actuellement d'un système en « phase de conception ». Il fonctionne bien pour des tâches spécifiques et structurées (comme les manuels de réparation ou les documents financiers), mais il ne remplace pas encore les chatbots généralistes massifs que nous utilisons aujourd'hui. C'est une nouvelle architecture pour construire une IA fiable et inspectable, et non une solution miracle pour tout.

Résumé Technique : ODYSSEY – Construire des modèles de fondation vérifiables et préservant la vérité locale

Énoncé du Problème

Les modèles de langage de grande taille (LLM) et les modèles de fondation actuels fonctionnent comme des interfaces polyvalentes mais échouent souvent dans les contextes scientifiques, industriels ou opérationnels où les utilisateurs exigent des modèles spécifiques à un domaine qui puissent être conçus, inspectés, adaptés et fiabilisés. Les approches existantes traitent généralement les modèles comme des plongements (embeddings) opaques, des résumés plats ou des points de contrôle uniques. Ce manque de structure rend difficile la préservation de la preuve locale, l'exposition de l'incertitude, le suivi de la provenance et la détermination du moment où une affirmation ne doit pas être transportée d'un contexte à un autre. L'article plaide pour un passage de la construction de modèles monolithiques vers une architecture modulaire et vérifiable qui traite les modèles de fondation comme des « fonderies » (foundries) : des blocs de construction réutilisables et typés capables de préserver la vérité locale et de gérer la cohérence des affirmations globales.

Méthodologie : Le Cadre ODYSSEY

ODYSSEY est un cadre catégorique de construction de modèles de fondation en tant que familles de modèles prédictifs et logiques locaux de type « faisceaux » (sheaves). Le principe de conception central est représentation = recouvrement + collage (covering + gluing), où les documents et les domaines ne sont pas réduits à des vecteurs uniques, mais sont traités comme des régions chevauchantes dotées de logiques locales.

1. La Pile à Cinq Agents

Le système est implémenté sous la forme d'une pile déterministe de cinq agents, chacun possédant des frontières d'artefacts explicites :

SCYLLA : Traduit les requêtes humaines en un « bref du modèle » (définissant le domaine, les objectifs, les entités et les incertitudes) et explique le contrat de réponse responsable.
HOMER : Compile le bref en un squelette de flux de travail exécutable, incluant la collecte de sources, les calendriers d'audit et les obligations de rafraîchissement.
ATHENA : Possède la sémantique de représentation. Elle définit le recouvrement (contextes locaux), assigne les types de représentation locale, déclare les chevauchements et spécifie les règles de collage ainsi que les politiques d'obstruction. Elle utilise une partition de valeurs de vérité finie : $\perp$ (non supporté), WEAK (faible), PLAUSIBLE (plausible), SUPPORTED (supporté) et $\top$ (confirmé).
PROMETHEUS : La salle des machines qui instancie le plan d'Athena en un Modèle de Monde Topos (Topos World Model). Il matérialise les sections locales, les applications de restriction, les résultats de collage et les sources de preuves. Il construit des « faisceaux de sources » (ex: rapports d'entreprises, manuels de réparation ou affirmations scientifiques) et émet des enregistrements d'obstruction lorsque le collage échoue.
TOULMIN : Un agent d'argumentation qui transforme l'état maintenu de la fonderie en affirmations garanties. Il structure les arguments en utilisant les éléments de Toulmin (Affirmation, Fondements, Garantie, Soutien, Qualificateur, Réfutation), garantissant que le système répond non seulement à « quoi », mais aussi à « pourquoi » et « où » un argument est valable.

2. Algèbre de Fonderie et Apprentissage de Fonderie Universel (UFL)

ODYSSEY organise la construction de modèles comme une algèbre de fonderies génériques (ex: preuve/argument, décision opérationnelle, institutionnel/financier) qui peuvent être composées, restreintes et spécialisées pour créer des fonderies concrètes.

Apprentissage de Fonderie Universel (UFL) : L'admission de modèles externes (y compris les modèles pré-entraînés de type GPT) est formalisée à l'aide d'Extensions de Kan.
- Extension de Kan à Gauche ($Lan$) : Rassemble les artefacts de sources locales en fonderies candidates (expansion/agrégation).
- Extension de Kan à Droite ($Ran$) : Impose la cohérence, la restriction et les conditions de collage (filtrage/pullback).
TICKET (Topos Integration using Causal Kan Extension Transformers) : Un opérateur d'admission spécifique qui découpe les artefacts externes, les transporte dans une fonderie cible via un foncteur déclaré, et les soumet à des vérifications de cohérence. Un candidat n'est promu que s'il survit à l'« audit de collage » et au scrutin de Toulmin ; sinon, il est mis en quarantaine ou bloqué.

3. Foundry SQL (FSQL)

Une surface de requête typée pour découper et interroger les artefacts maintenus de la fonderie. FSQL généralise les concepts SQL (lignes, jointures, vues) aux sections de fonderie, aux applications de restriction et aux vérifications de collage, permettant aux utilisateurs d'inspecter la provenance et la cohérence de certaines affirmations spécifiques.

Contributions Clés

Architecture de Fonderie : Introduit ODYSSEY comme un système pour construire des modèles de fondation inspectables sous forme de familles de type faisceau plutôt que comme des plongements opaques.
Contrat d'Agent : Spécifie le contrat d'implémentation et les artefacts durables échangés entre SCYLLA, HOMER, ATHENA, PROMETHEUS et TOULMIN.
Algèbre de Fonderie : Définit une algèbre formelle pour composer et spécialiser des fonderies génériques afin de produire des instances liées à un domaine.
Mécanismes d'Admission : Introduit FSQL pour interroger et TICKET pour admettre des modèles externes dans un état durable en utilisant des Transformateurs d'Extension de Kan Causale.
Noyau Formel : Formalise le noyau de prédiction locale et de théorie des faisceaux, incluant les contextes, les recouvrements, les valeurs de vérité finies et les enregistrements d'obstruction.
Implémentation Empirique : Documente une suite de fonderies implémentées, notamment :
- Dick's Sporting Goods (DKS) : Une fonderie de vente au détail combinant preuves de critiques, opérations de magasin et rapports d'entreprise.
- Indus Script : Une fonderie de défi scientifique préservant les hypothèses rivales et les controverses sans forcer un consensus prématuré.
- MyFixIt : Une fonderie procédurale pour les manuels de réparation, convertissant le texte en états prédictifs action-observation.
- TCC 44K : Un atlas de revendications causales sur 44 000 articles économiques.
- IKEA ASM : Une fonderie d'assemblage multimodale.
- Amazon Reviews 2023 : Une fonderie de référence de corpus.

Résultats et Évaluation

L'article présente des résultats empiriques préliminaires à travers plusieurs domaines, mettant l'accent sur l'évaluation par artefacts plutôt que sur un score scalaire unique :

Récupération MyFixit : Dans les tâches de récupération procédurale, la représentation action-observation de la PSR (Predictive State Representation) a nettement surpassé la ligne de base basée sur les jetons (tokens).
- nDCG@10 : Amélioration de +0,2478 (Actuel), +0,2460 (Largeur) et +0,2726 (Strict).
- Rappel@10 : Passage de 0,1000 (base) à 0,6130 (profil Strict).
- Tranches d'Échec : Le système a explicitement préservé les cas d'échec (ex: alias textuels, lacunes de mise en correspondance d'images) en tant qu'artefacts durables plutôt que de les moyenner.
Certification Toulmin : Des tests déterministes à travers sept domaines (Indus, TRACE, TCC, 10-K, etc.) ont montré que le système a réussi à construire des tickets Toulmin complets (Affirmation, Fondements, Garantie, Qualificateur, Réfutation) et a correctement identifié les obstructions, menant à une « mise en quarantaine pour examen » plutôt qu'à une promotion silencieuse.
Indépendance d'Échelle : Les expériences avec des LLM locaux (Llama 3.2-3B, Qwen3-80B, Qwen3-235B) ont montré que la détection d'obstruction (ex: dans les affirmations sur l'extinction des dinosaures) était liée au paquet ancré dans le faisceau plutôt qu'à l'échelle spécifique du modèle, indiquant une robustesse dans la logique d'admission.
Transport Bidirectionnel : Le système a réussi à importer 129 artefacts de la famille Prometheus (admettant 6, mettant en quarantaine 6 et en attente 117 comme candidats) et à exporter des fonderies ODYSSEY vers Prometheus pour inspection visuelle.

Signification et Revendications

L'article positionne ODYSSEY non pas comme un remplacement des grands modèles pré-entraînés, mais comme un substrat vérifiable pour ceux-ci. Sa signification réside dans :

Discipline Épistémique : Il sépare la requête humaine, le flux de travail, la sémantique de représentation, le modèle du monde et la couche d'argumentation, garantissant que « l'accord et le désaccord sont tous deux des artefacts durables ».
Préservation de la Vérité Locale : En utilisant la théorie des faisceaux, le système suit explicitement où les affirmations sont garanties, où elles échouent à se coller et où le transport est bloqué, évitant l'« effondrement des classements » des moyennes globales qui obscurcissent les contradictions locales.
Rigueur Causale et Argumentative : Il intègre le raisonnement causal (via PROMETHEUS et BRIDGE/SKFM) et l'argumentation (via TOULMIN) directement dans le cycle de vie de la construction du modèle, allant au-delà du débogage post-hoc pour un raisonnement intégré.
Portée Empirique Modeste : Les auteurs reconnaissent que l'implémentation actuelle est un « système en phase de conception » avec des composants pilotés par des modèles et des assignations de vérité déterministes. Les résultats sont présentés comme des validations préliminaires du contrat de la fonderie et des schémas d'artefacts, et non comme des benchmarks finaux. L'objectif est de démontrer que la même machinerie catégorique peut soutenir la construction de domaines, le rejeu d'artefacts et l'examen fondé.

L'article conclut qu'ODYSSEY offre une voie pour transformer les grands modèles de fondation en « fonderies vérifiables et préservant la vérité locale », où l'échelle fournit le matériau expressif, mais où la machinerie catégorique décide où ce matériau est garanti et où l'examen humain reste essentiel.