Contrôle déterministe vs IA générative : pourquoi un dossier d'exécution ne se vérifie pas avec un « score »

Un score range tout sous un seul nombre : un dossier « à 92 % » ne vous dit ni quelle pièce cloche, ni pourquoi. Or un dossier d'exécution se valide pièce à pièce, pas en moyenne. Une cote fausse sur un plan de ferraillage n'est pas « compensée » par dix cartouches correctes : elle reste une non-conformité. Le contrôle déterministe raisonne en assertions vérifiables — cette cote concorde, ce ratio Eurocode dépasse 1, cette référence est absente — chacune tracée à sa source. Vous ne lisez pas une note de confiance : vous lisez une liste d'écarts nommés, localisés, opposables, que l'ingénieur traite un par un.

Une IA générative est non déterministe par construction : la même entrée peut produire deux verdicts différents, et rien ne garantit que le contrôle d'aujourd'hui reproduise celui d'hier. C'est rédhibitoire pour un livrable contractuel, qui doit pouvoir être rejoué à l'identique en cas de litige ou d'audit. Un moteur de règles, lui, est une fonction : mêmes pièces, mêmes règles, même résultat, à chaque passage. Cette reproductibilité n'est pas un détail technique — c'est ce qui distingue une vérification opposable d'une simple impression. Sans elle, vous ne contrôlez pas un dossier : vous demandez un avis qui change.

Halluciner, pour un LLM, c'est produire une affirmation plausible mais fausse — une cote inventée, une norme mal citée, une conformité affirmée sans fondement. Sur un dossier d'exécution, ce risque est inacceptable : un faux positif rassurant est pire qu'une alerte de trop. Un contrôle déterministe ne peut pas inventer : il applique des règles explicites à des données extraites du DWG et du PDF, et chaque signalement pointe la pièce et la valeur qui le déclenchent. Si la donnée manque ou reste illisible, il ne devine pas. Il ne formule aucune affirmation qu'il ne puisse rattacher à une pièce du dossier.

Le piège du « tout vert », c'est de traiter l'absence d'erreur comme une preuve de conformité. Une donnée illisible, un calque manquant, un PDF non apparié au DWG : un système qui veut absolument trancher les classera « OK » par défaut. ALMYS AI introduit un troisième état explicite, « non évaluable », distinct du conforme et du non conforme. Quand une règle ne dispose pas de la donnée requise, elle le déclare au lieu de simuler un verdict. L'ingénieur sait alors exactement où regarder lui-même — la zone d'ombre est signalée, pas dissimulée sous un faux feu vert.

Un LLM est une boîte noire : ses poids ne se lisent pas, et vous ne pouvez ni auditer, ni amender, ni dater sa logique. Les règles d'ALMYS AI, à l'inverse, sont versionnées et horodatées : on sait quelle version a contrôlé quel dossier, ce qu'elle vérifiait, et ce qui a changé depuis. Quand une norme évolue — un Eurocode, une règle de cartouche, un seuil métier — on met à jour la règle, on la date, on la teste. Cette traçabilité rend le contrôle défendable devant un bureau de contrôle ou un client, et reproductible des mois plus tard, à l'identique.

Le déterminisme n'est pas une posture anti-IA : c'est le bon outil pour la bonne tâche. Vérifier qu'un dossier concorde relève de règles métier, pas de génération de texte. Le moteur ne remplace pas le jugement de l'ingénieur : il balaie le fastidieux et le répétitif — concordances, ratios, complétude — pour que l'humain se concentre sur l'arbitrage. C'est tout le sens de « le moteur signale, l'ingénieur signe » : l'absence de réserve ne vaut jamais bon pour livraison. Le contrôle déterministe fiabilise la décision ; il ne la prend pas. La responsabilité reste là où elle doit être.