NENA est l’intelligence derrière c:node : une IA à graphe de connaissances neuro-symbolique et sourcée, bâtie sur des modèles ouverts (open source) et qui grandit en continu à chaque cas. Elle est conçue pour travailler de façon traçable plutôt que deviner — chaque affirmation liée à une source, chaque étape vérifiable. Cet article résume les preuves revues par les pairs qui la sous-tendent : pourquoi les modèles de langage seuls ne suffisent pas quand ça compte, pourquoi les graphes de connaissances + règles comblent l’écart, et comment cela répond aux exigences de l’EU AI Act.
Les grands modèles de langage forment des phrases en prédisant le mot suivant le plus probable statistiquement. L’institut de normalisation américain NIST note que les affirmations inventées (confabulations) sont inhérentes à la conception de tels modèles — pas un accident, mais une propriété de l’architecture.1 Consulter de vrais documents (retrieval-augmented generation) réduit nettement le taux d’erreur sans l’éliminer : même avec les bons documents, les modèles simples ajoutent encore du non-sourcé.5 Pour des décisions à conséquences, « souvent juste » ne suffit pas.
La recherche appelle cette approche IA neuro-symbolique : la reconnaissance de motifs des réseaux de neurones est combinée à la vérifiabilité des règles symboliques et des graphes de connaissances.2 Une synthèse revue par les pairs (NAACL 2024) montre que les graphes de connaissances comme source externe réduisent les hallucinations et augmentent la précision du raisonnement.3 Et pour le raisonnement multi-étapes — relier plusieurs faits liés en une réponse — la variante à base de graphe est démontrée supérieure à la simple recherche de texte.4 C’est précisément ce sur quoi NENA est bâtie.
Pour l’IA à haut risque, l’EU AI Act exige exactement ce que cette architecture fournit de toute façon : des journaux complets (art. 12), la transparence et une documentation traçable (art. 13) et la possibilité d’une supervision humaine (art. 14).6 Comme NENA enregistre chaque affirmation avec sa source et son historique (provenance), chaque décision reste vérifiable a posteriori — sans devoir exposer l’intérieur du modèle.
NENA s’appuie sur des modèles ouverts (open source) — interchangeables sans changer la logique traçable —, fonctionne dans le cloud, sur vos serveurs ou entièrement hors ligne, et reste ainsi souveraine dans votre environnement. Ce n’est pas un modèle statique mais un graphe de connaissances vivant qui grandit par client à chaque cas. La répartition : vous pilotez avec c:node, NENA réfléchit, les agents agissent.
L’orientation de NENA est guidée par une expertise académique en recherche décisionnelle et en IA.
Recherche sur l’intelligence artificielle, les processus de décision, l’apprentissage automatique et les neurosciences appliquées — les fondements cognitifs et méthodologiques d’une intelligence décisionnelle robuste. Travaux choisis :
Les sources étayent les principes sous-jacents (IA neuro-symbolique, graphes de connaissances contre l’hallucination, exigences de l’EU AI Act). Les informations sur le conseil scientifique sont publiques (Google Scholar) ; les données R&D seront ajoutées après validation interne.
NENA s’appuie sur des modèles open source — interchangeables sans changer la logique traçable.
GitHubPas un modèle figé — NENA grandit chez vous, cas après cas.
Découvrir NENAFonctionne là où sont vos données — jusqu’au tout air-gapped.
SouverainetéUn court essai dans votre environnement — des réponses traçables, avec leur source.