TRANSFORMEZ VOS DONNÉES. PAS LEUR SENS.
DataAuthority rassemble, rapproche et fusionne des données de plusieurs sources, sans effacer leur histoire.
Vous avez plusieurs fichiers, bases ou sources qui ne disent pas toujours les choses de la même façon. DataAuthority les croise, les apparie et les structure tout en conservant ce qui permet de comprendre le résultat : provenance disponible, contexte, limites, absences et contradictions explicites.
Une donnée absente ne devient pas zéro. Une information inconnue ne devient pas fausse. Une contradiction entre deux sources ne disparaît pas.
Quand les données ne permettent pas de conclure, DataAuthority le dit au lieu d’inventer une certitude.
- Fusion
- Provenance
- Absence ≠ zéro
- Inconnu ≠ faux
- Conflits visibles
Comprendre DataAuthority
Fusionner des données est facile. Savoir ce qu’on peut réellement affirmer l’est beaucoup moins.
DataAuthority ne cherche pas seulement à rapprocher des fichiers. Le moteur conserve le contexte disponible, distingue absence, zéro, inconnu et conflit, et aide à savoir quand une conclusion est réellement soutenue par les données.
VOS DONNÉES, REMISES AU CLAIR.
Vous pouvez avoir un fichier Excel ou CSV, une base interne, des données publiques, une API, ou plusieurs référentiels qui ne se recouvrent pas parfaitement.
Le problème n’est pas seulement de les mettre dans la même table. Il faut encore savoir :
- Identitéquelles lignes parlent réellement du même objet
- Sourcequelle source dit quoi
- Périodeà quelle période une valeur s’applique
- Case videzéro, absence ou inconnu
- Désaccorddeux sources qui se contredisent
- Limitesce qui doit accompagner le résultat
C’est là que DataAuthority intervient.
Ce que vous réunissez
- CSVfichier ou tableur exporté
- Exceltableau de travail
- Basebase interne
- Publicdonnées publiques
- APIflux ou service tiers
UN EXEMPLE SIMPLE.
CSV ou Excel, plus une base interne, plus des données publiques, plus une API : rapprochées, fusionnées puis structurées. Dans le résultat, les informations utiles restent distinguables au lieu d’être écrasées les unes par les autres.
Ce qui reste attaché au fait
- Valeurce qui est affirmé
- Identitél’objet concerné
- Contexteunité, cadre, dimension
- Périodesi elle est disponible
- Provenancesi elle est disponible
- Limitesce qui reste à vérifier
- Absencesce qui n’est pas renseigné
- Inconnusce qui n’est pas déterminé
- Contradictionsce qui reste en désaccord
Le résultat n’est donc pas seulement « un fichier fusionné ».
C’est un ensemble dont on peut mieux expliquer :
- ce qu’il affirme ;
- d’où cela vient ;
- ce qui manque ;
- ce qui se contredit ;
- dans quelles limites cela peut être utilisé.
Ces champs ne sont pas obligatoires dans tous les cas : ils dépendent des sources et du périmètre de la mission.
CE QUE DATAAUTHORITY NE TRANSFORME PAS SILENCIEUSEMENT.
Zéro n’est pas absence. Si une valeur est réellement zéro, elle reste zéro. Si l’information n’est pas présente, elle reste absente.
Inconnu n’est pas faux. Si les données disponibles ne permettent pas de savoir, cet état doit rester visible.
Conflit n’est pas absence. Si deux sources comparables se contredisent, le désaccord peut rester visible au lieu qu’une valeur soit choisie arbitrairement.
Provenance incomplète reste provenance incomplète. Si l’origine d’une information n’est pas suffisamment documentée, elle n’est pas présentée comme certaine.
Quand les éléments disponibles ne suffisent pas pour conclure, le résultat peut conserver explicitement l’absence, l’inconnu, le conflit ou une autre limite pertinente.
Ce qui reste distinguable
- Zérovaleur connue, égale à zéro
- Absenceinformation non présente
- Inconnuétat non déterminé
- Conflitsources incompatibles
- Périodequand elle est connue
- Provenancepartielle ou absente signalée
DES SOURCES DISPERSÉES AUX FAITS INTERROGEABLES.
Le Moteur DataAuthority rassemble des sources dispersées, les fusionne, puis décompose le résultat en atoms. Dans DataAuthority, un Atom est une petite unité de fait structurée : l’objectif est de conserver autour du fait les éléments de contexte disponibles nécessaires à son contrôle, sa combinaison et son interrogation.
Ces éléments de contexte dépendent des sources et du cas traité : leur présence n’est pas garantie dans toutes les situations. Les données publiques restent notre principal terrain de démonstration à ce jour ; le moteur travaille aussi sur des jeux de données structurés fournis, étudiés au cas par cas.
- 01 Sources
- 02 Fusion
- 03 Atomisation
- 04 Règles d’interprétation
- 05 Preuves / provenance
- 06 Interrogation
- 07 Résultat
Les règles d’interprétation déterminent ce qu’un fait peut affirmer — dimensions, unités, périodes, provenance disponible, contradictions explicites — selon les règles applicables au cas traité. Si un fait ne satisfait pas les règles requises pour une interrogation précise, il n’est pas utilisé pour cette réponse : la raison reste documentée, et le fait n’est ni transformé ni présenté comme une certitude.
D’OÙ VIENT CETTE INFORMATION ?
QUE PEUT-ON VRAIMENT EN CONCLURE ?
Nous conservons sa source, son contexte, sa date et ses limites pour savoir ce qu’elle permet d’affirmer — et ce qu’elle ne permet pas d’affirmer.
Regrouper des informations publiques Provenance des données Données fiables pour l’IA Data autorité ou gouvernance ? Questions fréquentes
Ce qui voyage avec l’information
- Sourced’où vient l’information
- Contextedans quelles conditions elle a été produite
- Limitesce qu’elle ne permet pas d’affirmer
NOUS TRAÇONS LÀ OÙ LE SENS PEUT CHANGER.
Croiser deux fichiers, retirer des lignes, regrouper des catégories ou calculer une moyenne peut changer la portée d’un résultat. Nous gardons la trace de ces étapes au lieu de les laisser disparaître dans la sortie.
État d’origine
Des cases changent
Le sens a bougé
Le parcours reste visible après chaque transformation.
UNE DONNÉE MANQUANTE N’EST PAS UN ZÉRO.
Si une information est absente, elle reste signalée comme absente. Elle ne devient pas automatiquement 0, « non » ou une valeur supposée.
- Case pleine = information connue
- Case vide = information absente
UNE IA PEUT UTILISER LES DONNÉES. PAS DEVINER CE QUI MANQUE.
Une IA peut produire une réponse. DataAuthority travaille sur les faits sur lesquels cette réponse peut s’appuyer : nos sorties exposent la source, la couverture, les contradictions et les limites utiles à une IA. Une valeur absente ne doit pas devenir un zéro, et une incertitude ne doit pas devenir une certitude.
Ce qui est observé
Ce qui est transmis
Ce qui est conclu
- Sourcereste identifiable
- Couverturereste visible
- À ne pas déduirereste explicite
LA PREUVE RESTE ATTACHÉE À L’INFORMATION.
Un résultat garde sa source, sa date et son parcours pour que l’on puisse comprendre d’où il vient et le vérifier.
Étude publique — données seniors
- Sourcedonnées publiques
- Parcoursrassemblement, vérification, publication
- Limitesaffichées avec les résultats
MOTEUR DATAAUTHORITY · CAS SÉLECTIONNÉS
INTERROGER VOS DONNÉES SANS PERDRE LEUR HISTOIRE.
Le Moteur DataAuthority travaille sur des données structurées — CSV, Parquet, DuckDB et NDJSON — et conserve la provenance, les transformations, la couverture et les limites utiles à l’interprétation. C’est notre mise en pratique de la Data Authority : savoir ce que les données permettent réellement d’affirmer.
Le moteur n’est pas en libre accès. Nous l’utilisons actuellement sur des cas sélectionnés et des jeux de données transmis sur demande.