Produits
Une plateforme : lire le modèle, puis l'affiner
Sept façons de lire comment se comporte une IA, et une pour la changer. Chacune traduit le comportement en chiffres reliés à la littérature scientifique, à partir des seules réponses du modèle ; la dernière corrige le modèle lui-même.
01 · Un à un
Lire une conversation en tête-à-tête
Voyez comment votre IA se comporte réponse après réponse avec une personne : flatte-t-elle, cède-t-elle sous la pression, invente-t-elle, tient-elle sa ligne, et la personne en face est-elle en difficulté ?
Comment ça marche
- Envoyez chaque tour d'une conversation, le message de la personne et la réponse du modèle, via l'API, MCP ou le tableau de bord.
- Chaque réponse reçoit une lecture de sa posture : tenir bon, acquiescer trop vite, céder, inventer, pousser.
- Une alerte se déclenche au tour où le modèle cède, ou quand l'échange devient risqué pour la personne.
Pour qui
Les équipes qui font tourner un chatbot ou un assistant parlant à des clients, des étudiants ou des citoyens.
02 · Équipes d'agents
Surveiller une équipe d'agents IA
Quand plusieurs agents collaborent, le mauvais comportement de l'un se propage aux autres. Nous cartographions l'équipe comme un graphe et montrons la contagion et le maillon faible.
Comment ça marche
- Envoyez les messages que vos agents échangent, avec qui a envoyé quoi à qui.
- Chaque agent est lu comme une conversation en tête-à-tête, et l'équipe est cartographiée comme un graphe.
- Vous voyez où une mauvaise posture est née, jusqu'où elle s'est propagée et quel agent est le maillon faible.
Pour qui
Les équipes qui construisent des systèmes multi-agents et des chaînes d'agents.
03 · Résumés
Vérifier ce qu'un résumé a changé
Comparez un texte original à son résumé et repérez où le sens a changé : un « peut-être » devenu un fait, un chiffre clé disparu, une affirmation jamais présente.
Comment ça marche
- Envoyez le texte original et son résumé.
- Nous les alignons phrase par phrase.
- Vous obtenez chaque glissement : un doute devenu fait, un chiffre clé disparu, une affirmation qui n'y était pas.
Pour qui
Quiconque s'appuie sur des résumés d'IA de rapports, réunions, contrats ou actualités.
04 · Recherche (RAG)
Détecter une recherche biaisée
Pour les assistants qui cherchent dans des documents, nous détectons quand une question orientée pousse la recherche vers les mauvaises sources, biaisant la réponse avant le premier mot.
Comment ça marche
- Envoyez la question, les documents renvoyés par la recherche et la réponse.
- Nous lisons si la formulation de la question a orienté les sources revenues.
- Vous voyez le biais avant qu'il n'atteigne la réponse, et quelle question l'a provoqué.
Pour qui
Les équipes dont les assistants répondent à partir de leurs propres documents.
05 · Fuites
Repérer une fuite répartie entre agents
Un secret peut sortir un morceau anodin à la fois à travers de nombreux agents. Le signal n'existe que dans la somme, invisible à tout contrôle par message. Nous surveillons tout l'essaim.
Comment ça marche
- Envoyez les sorties de tous les agents d'un essaim.
- Nous les lisons ensemble, pas un message à la fois.
- Une alerte se déclenche quand des fragments anodins s'additionnent en un secret protégé.
Pour qui
Les organisations avec de nombreux agents qui manipulent des données sensibles.
06 · Profil de risque
Un profil de risque psychologique
Un profil de risque comportemental de 100 points sur dix catégories, pour une personne, une IA, ou les deux, fondé sur une recherche publiée (Canale, 2025).
Comment ça marche
- Évaluez les 100 indicateurs CPF3 répartis en dix catégories.
- Pour une personne, pour une IA, ou pour les deux ensemble.
- Vous obtenez une carte de là où la pression agit et des contrôles qui y répondent.
Pour qui
Les équipes sécurité, les auditeurs et quiconque évalue le côté humain de l'usage de l'IA.
07 · Affiner
Affiner le modèle : le corriger, ajouter ce qui lui manque
Lire, c'est la première moitié. Ensuite nous modifions le modèle lui-même, dans ses poids : nous corrigeons ce qui a dérivé, comme obéir à des commandes cachées dans un document, et nous installons ce qui lui manque, comme comprendre l'intention ou le sarcasme. Chaque modification est mesurée avant et après, et le modèle continue de faire son travail.
Comment ça marche
- Nous lisons où le modèle cède ou ce qu'il ne comprend pas.
- Nous le corrigeons dans ses propres poids et installons les capacités qui lui manquent.
- Nous mesurons avant et après, sur des données que le modèle n'a jamais vues.
Pour qui
Quiconque possède ou déploie un modèle ouvert.
Offres et tarifs
On commence gratuitement, sans compte pour le premier test. Offres Business et Enterprise pour le volume, l'API complète et la conformité.