Chaque conversation acceptée devient dix dimensions typées d'intelligence structurée.

La conversation est la matière première. Les dix dimensions sont la structure que la plateforme impose à chaque conversation acceptée. L'ensemble est stable par vertical : chaque vertical reçoit dix dimensions, avec deux ou trois remplacements selon ce que la main-d'oeuvre sait réellement. Le commerce de détail reçoit un ensemble. Le conseil remplace le comportement par segment client par des indicateurs d'économie d'engagement. La restauration remplace la carte de perception de marque par la variance opérationnelle au niveau du quart de travail. Le nombre reste à dix.

Dix est un nombre calibré. Cinq écrase les dimensions les unes dans les autres et perd la comparabilité entre les marchés. Vingt fragmente le signal sur trop de champs, chacun insuffisamment alimenté par une seule conversation. À dix, un entretien de quinze à quarante-cinq minutes produit une densité suffisante par dimension pour soutenir l'agrégation multi-conversation, et un nombre de champs assez limité pour que le schéma reste interrogeable comme un objet unique. Le calibrage est empirique. L'ensemble a été resserré sur deux ans de travail avant le premier déploiement commercial.

Les dix dimensions ci-dessus constituent l'ensemble du commerce de détail. Pour le conseil, le comportement par segment client est remplacé par des indicateurs d'économie d'engagement (réalisation des taux, dérive de périmètre, levier des associés). Pour la restauration, la carte de perception de marque est remplacée par la variance opérationnelle au niveau du quart de travail (la performance du même établissement lors des services du matin, du midi et du soir). Pour la pharmacie, le risque réglementaire et de conformité prend un poids plus important, et le scoring de maturité IA est calibré pour un contexte de distribution réglementée.

Le schéma général : chaque vertical conserve dix dimensions et en remplace deux ou trois par rapport à l'ensemble du commerce de détail. Le schéma est portable d'un vertical à l'autre. La méthodologie de remplacement est documentée par vertical et accompagne le déploiement.

La plupart des systèmes d'entretien par IA traitent chaque conversation et filtrent après coup. L'inconvénient est que les mauvaises conversations polluent les agrégats que le tableau de bord présente. La plateforme adopte la conception inverse. Une barrière déterministe s'exécute avant tout appel LLM : les appels abandonnés (moins de soixante secondes, moins de six messages, moins de quatre lignes de transcription nettoyée) et les appels à faible signal (moins de deux cents caractères utilisateur, ou une moyenne de tour inférieure à quinze caractères combinée à un tour le plus long inférieur à quarante caractères) échouent à la barrière.

Quand la barrière se déclenche, le score de qualité est mis à zéro, la raison est enregistrée et le pipeline s'arrête. Aucun token LLM n'est consommé pour une conversation qui ne produira pas de signal. Les seuils (soixante secondes, deux cents caractères) sont empiriques. Ils ont été calibrés sur le corpus pilote. Ils sont suivis comme paramètres et sont ajustables par vertical.

Une deuxième barrière s'exécute après le pipeline LLM. Si l'appel d'extraction d'intelligence signale une richesse « faible », ou si l'appel de nettoyage des citations signale chaque verbatim comme à faible valeur, ou si l'audit de qualité signale l'utilisabilité des données comme « faible », la conversation est étiquetée comme cas atypique et exclue de la vue dirigeants. L'enregistrement est conservé pour audit. Il n'est pas supprimé.

La profondeur technique se trouve sur le site de documentation (lié ci-dessous). Au niveau méthodologique, le pipeline fait cinq choses dans un ordre précis, avec des propriétés d'atomicité spécifiques.

Appel 1, extraction d'intelligence. La transcription est convertie en points de friction structurés, opportunités, menaces, surprises, contradictions, un profil du répondant et zéro à huit verbatims clés. Chaque verbatim doit être une sous-chaîne littérale d'un vrai tour de parole du travailleur. Un filtre anti-hallucination vérifie cela après l'appel. Une citation inventée est supprimée, jamais réécrite.

Appel 2, nettoyage des citations. Travail mécanique sur un modèle moins coûteux. La citation verbatim est l'enregistrement légal et n'est jamais modifiée. Une version longue d'affichage retire les éléments de remplissage sans reformulation. Une version courte d'affichage extrait la clause d'opinion de marque la plus forte de l'intérieur de la version longue. Le registre québécois-français reste intact.

Appel 3, cartographie des perceptions. Exécuté séparément de l'extraction d'intelligence pour que le modèle ne fusionne pas les deux en une seule passe. Brut d'abord, structure ensuite. Une vérification de contamination croisée s'exécute après cet appel : tout champ de perception de marque qui mentionne un concurrent ou un produit que le travailleur n'a jamais nommé est effacé et signalé.

Appel 4, audit de qualité. Un agent indépendant évalue l'agent d'entretien sur six KPI de protocole à chaque conversation. Le prompt d'audit référence la même spécification de protocole qui configure l'agent d'entretien. Les deux parties s'ancrent dans le même document, de sorte que l'audit ne peut pas dériver silencieusement du protocole qu'il mesure.

Appel 5, traduction. Les chaînes analytiques sont traduites du français vers l'anglais pour que le tableau de bord puisse servir les utilisateurs anglophones. Le verbatim dans la langue source n'est jamais traduit. Il reste dans sa langue d'origine comme enregistrement de provenance.

Scoring déterministe. Aucun LLM. Une formule combine la richesse (nombre d'intelligence extraite, avec plafonds), la profondeur (nombre de tours, longueur du tour le plus long, durée) et l'exécution (les six scores de KPI de l'audit) en un composite de zéro à cent. La formule est auditable. Un client peut demander le calcul exact qui a produit n'importe quel score dans son corpus.

Une conversation exécute un pipeline. Un échec efface tous les états partiels et la relance repart de zéro. Il n'y a pas d'enregistrement d'enrichissement partiel dans la base de données.

Le pipeline exécute quatre contrôles qui détectent les modes d'échec que la plupart des pipelines ignorent. Vérification de la dérive des prompts. Chaque prompt système est enregistré par empreinte SHA-256. Un hash déployé qui ne correspond pas à la version enregistrée fait échouer l'appel. Filtrage des hallucinations. Chaque verbatim clé est vérifié comme sous-chaîne littérale d'un vrai tour de parole du travailleur avant persistance. Vérification de contamination croisée. Les champs de cartographie des perceptions qui introduisent des entités que le travailleur n'a jamais nommées sont effacés et signalés. La piste d'audit d'enrichissement. Chaque appel LLM écrit une ligne dans une table d'audit en ajout seul : version du pipeline, version du prompt, identifiant du modèle, nombre de tokens, durée, statut. La table n'est jamais supprimée.

Les mécanismes derrière ces contrôles sont documentés en détail sur Confiance et sécurité.