Sur la base de notre étude sur les effets récursifs des biais humains, nous nous sommes concentrés sur un domaine encore peu abordé par les recherches d’alignement : l’analyse des biais sous l’angle de la mémoire contextuelle lors de sessions dialogiques longues (50 à 300 inférences).

L’analyse in situ de ces données denses nous a permis d’isoler des heuristiques implicites récurrentes, ainsi que les effets de bord induits par les guardrails et le priming. Par cette approche empirique et bottom-up, Ai2iA aborde les failles par le comportement réel du système, plutôt que par l'inspection statique des poids du modèle ou de son dataset. Veritas Lens est le produit de cette méthode: Un protocole XAI de diagnostic et d’audit aligné avec l'esprit de l’AI Act. 

Veritas Lens se base sur :

• Un Knowledge Graph (Neo4j) exclusif et annoté, modélisant biais, heuristiques et techniques argumentatives.

• Des algorithmes de détection Cypher déterministes et reproductibles, offrant une explicabilité traçable et opérationnelle des inférences (XAI).

• Un rapport d’audit pour chaque inférence, incluant analyse de risque et recommandations.

Sous sa forme actuel, Veritas Lens est un outil de stabilisation des régimes de sortie sessionnels. Sous une forme industrielle, ce protocole offre la possibilité de systématiser la génération de paires de questions/réponses préqualifiées, directement réutilisables pour la création de datasets SFT et DPO.