La récursivité appliquée à l'IA

Les modèles d'IA se remplacent tous les six mois. Ce qui impressionnait hier devient banal, ce qui coûtait cher devient gratuit. Dans cette course, miser sur le modèle revient à miser sur un actif qui se périme.

La valeur durable tient à la méthode qu'on apprend au modèle à suivre. Un système modeste inséré dans un contexte clair, documenté et gouverné produit davantage qu'un système brillant lâché dans le désordre. L'architecture qui encadre l'intelligence pèse plus que l'intelligence brute.

Cette architecture développée par Numméris repose sur une idée simple : la récursivité. Chaque interaction rend la suivante plus précise, plus sûre, plus fidèle au contexte réel. On travaille sur le mode de production du résultat, et pas seulement sur le résultat.

La récursivité répond à une limite des modèles actuels. Utilisée de façon classique, une IA traite une demande, puis l'échange se dissout dans le flux. L'utilisateur répète ses préférences, corrige les mêmes erreurs, réexplique les mêmes nuances métier. L'intelligence produite pendant l'usage se perd.

Cette limite appartient aux modèles d'aujourd'hui. Les modèles futurs mémoriseront peut-être seuls plus efficacement et rendront cette mécanique superflue. La récursivité garde malgré tout deux mérites. Elle fait fonctionner l'IA correctement dès maintenant. Elle prépare une organisation dont le savoir reste lisible et transmissible, même le jour où l'outil saura s'en passer. On investit dans une méthode qui sert aujourd'hui et qui éduque un futur capable de fonctionner sans elle.

Au sens strict, la récursivité désigne un processus qui se renvoie à lui-même. Appliquée à l'IA, elle reste méthodologique : le système produit, observe sa manière de produire, identifie ce qu'il faut conserver ou corriger, puis transforme cette observation en amélioration pour les usages suivants. L'IA sert à améliorer la procédure qui exécute la tâche.

Cette démarche exige un cadre. L'IA repère les améliorations possibles, les formule, les justifie, les documente. L'humain décide ensuite de les intégrer. La modification libre du système par lui-même reste hors du cadre.

Un skill est un module de compétence donné à l'IA : un document d'instructions, souvent accompagné de quelques ressources ou scripts, que l'IA charge quand une tâche précise se présente. Il contient la marche à suivre pour ce contexte : traiter une facture, classer un mail, répondre à un client, vérifier une information, respecter une limite de sécurité. L'IA reconnaît la situation, ouvre le skill, applique ses règles. Un skill packagé se partage, se réutilise, s'installe d'un environnement à l'autre. Il transforme une bonne pratique répétée en procédure explicite et rejouable.

Le skill porte l'action. Avec le temps, il s'enrichit et se complexifie, au risque de devenir opaque : on oublie pourquoi telle règle existe, quelle erreur elle évitait, comment la transférer ailleurs. Il reste aussi enfermé dans un seul système, au sein d'une application (Claude, pour l'instant).

La méthode récursive de cet article répond à ce double risque en créant un document miroir, téléchargé sur l'ordinateur et fonctionnant en duo avec le skill. Le skill contient l'instruction de lire le document miroir ; le document miroir contient l'instruction de mettre à jour le skill dès qu'il est lui-même modifié. Les deux se tiennent et évoluent ensemble.

Lisible par un humain et par une autre IA, le document miroir explique le fonctionnement du skill : son intention, ses limites, ses règles, ses exemples, ses zones d'incertitude, ses arbitrages, son historique d'amélioration. Le skill agit, le document miroir explique. Le skill assure l'efficacité immédiate, le document miroir assure la transmission.

Le document miroir rend ainsi le savoir procédural portable. On le relit, on l'audite, on le corrige, on le transfère à une autre IA, on l'adapte à un autre outil. C'est une question de souveraineté : tant que chaque skill garde son document miroir, l'entreprise conserve sa méthode même quand elle change de modèle. Le jour où l'on passe de Claude à OpenAI, le document miroir expose la mémoire procédurale au nouveau modèle, là où le skill serait resté enfermé dans les systèmes de Claude. La valeur se déplace de l'outil vers l'architecture de contexte.

Cette architecture consomme plus de tokens. Charger un skill, relire un document miroir, tenir un journal d'apprentissage : chaque étape ajoute du contexte, donc de la dépense. Le choix coûte cher à court terme.

Il devient économique à long terme. Un système qui documente ses règles cesse de réexpliquer les mêmes nuances à chaque session. On paie une fois pour fixer une méthode plutôt que de payer sans cesse pour la reconstruire. La répétition évitée compense largement le surcoût initial. Suivre cette architecture relève d'un arbitrage stratégique : dépenser davantage maintenant pour dépenser moins durablement.

Une architecture solide repose sur quatre couches :

1. Le skill opérationnel : ce que l'IA doit faire.
2. Le document miroir : pourquoi et comment elle doit le faire.
3. Le journal d'apprentissage integré dans le document miroir — ce que l'usage révèle comme erreurs, ambiguïtés ou améliorations possibles.
4. La gouvernance humaine : ce qui décide si une observation devient une règle.

La récursivité apparaît quand l'usage enrichit l'architecture. Une erreur devient une règle préventive. Une nuance précisée par l'utilisateur devient un principe. Un cas limite rejoint le document miroir. Un risque révélé par une automatisation devient un garde-fou.

Cette transformation demande du tri. Trois niveaux se distinguent : l'observation ponctuelle, l'hypothèse utile, la règle validée. Une bonne boucle récursive hiérarchise et propose plutôt que de tout mémoriser.

La méthode devient déterminante dès que l'IA touche à des automatisations. Rédiger ou résumer présente un risque limité. Agir sur des mails, des fichiers, des factures, un calendrier ou une base de données place le contrôle au centre.

Une consigne écrite comme « ne fais rien sans autorisation » reste une barrière fragile. L'architecture doit rendre certaines actions techniquement impossibles sans validation humaine. L'IA analyse un mail et prépare un brouillon ; l'envoi d'un message sensible reste réservé à l'humain. Elle recommande une modification dans une base ; l'écrasement d'une information importante demande une confirmation. Elle repère une facture suspecte ; le déclenchement d'un paiement lui échappe. Elle prépare, l'humain engage.

Le document miroir devient alors un document de responsabilité. Il explicite ce que le système peut faire, ce qu'il laisse à l'humain, et pourquoi. Un système qui apprend, documente, propose et attend validation devient gouvernable.

Brancher une IA sur un désordre laisse l'organisation en désordre. L'IA rend l'organisation plus intelligente quand elle sert à expliciter, structurer et améliorer ses propres procédures. Beaucoup d'entreprises manquent surtout de lisibilité sur leur propre fonctionnement : règles implicites, exceptions logées dans quelques têtes, procédures orales, décisions sans traçabilité. L'IA transforme des habitudes en procédures, des corrections en garde-fous, des erreurs en apprentissages, des échanges éphémères en mémoire opérationnelle.

Le skill donne une capacité. Le document miroir donne une mémoire à cette capacité. La validation humaine donne une légitimité à cette trajectoire.

La récursivité documentée fait passer d'une IA assistant à une IA infrastructure. Les modèles changent vite. La vraie valeur tiendra autant à l'IA qu'on utilise qu'à la qualité du chemin qu'on lui apprend à suivre.

Passer à la pratique

Numméris installe cette architecture de données récursive directement dans votre entreprise. Nous cartographions vos procédures, construisons vos skills et leurs documents miroirs, mettons en place le journal d'apprentissage et les points de validation humaine. Vous repartez avec une méthode documentée, portable et gouvernée, qui produit dès aujourd'hui et reste la vôtre quel que soit le modèle de demain. Contactez Numméris pour transformer votre savoir de travail en infrastructure durable.

Martin de Numméris