Une infrastructure indépendante pour mesurer et rendre gouvernables les systèmes génératifs
NeoMundi Recherche développe une infrastructure indépendante dédiée à la mesure du comportement réel des systèmes d’intelligence artificielle générative.
Sa mission : rendre observables la stabilité, les variations, les dérives et les régimes de fonctionnement des IA, afin de fournir une base de mesure exploitable pour leur suivi, leur audit et leur gouvernance.
Les systèmes génératifs influencent déjà des décisions, des services, des savoirs et des organisations. Pourtant, leur comportement en production demeure largement invisible et peut varier selon les modèles, les fournisseurs, les périodes et les contextes d’usage.
→ Explorer le corpus de référence sur la métrologie de gouvernance des IA
→ Voir les publications de l’Observatoire IA
Comité scientifique & d’orientation
NeoMundi Recherche s’entoure de profils complémentaires issus de la recherche, de l’enseignement, de l’audit, du droit et de la gouvernance des systèmes d’IA.
Leur rôle est de contribuer à challenger les méthodes, les protocoles, les hypothèses et les résultats publiés, afin de renforcer la rigueur scientifique, technique et institutionnelle du programme.
Le comité n’a pas vocation à piloter opérationnellement l’Observatoire. Il apporte un regard externe, critique et méthodologique : confronter les hypothèses, identifier les angles morts, examiner la reproductibilité et maintenir une exigence d’auditabilité.
Membres
Thomas Hormaza Dow — Fondateur du Business Physics AI Lab, professeur de Business With AI au Champlain College et co-auteur du REACT Framework – Cadre RÉAGI, consacré au développement du discernement dans l’usage de l’IA dans l’enseignement supérieur.
Joël Ignasse — Journaliste scientifique pour La Recherche. Auteur de Sur les traces du Nouveau T.rex (Eyrolles, 2025).
Cédric Chatelain — Consultant qualité et auditeur certifié IRCA, spécialisé en audit, validation et référentiels ISO. Basé à Berne, Suisse.
James Aull — Fondateur d’ASRO™, couche indépendante de témoin et de preuves d’état gouverné pour les systèmes d’IA. Basé à Twin Lake, Michigan, États-Unis.
Inès Ramoul — Juriste RGPD & AI Act, spécialisée en droit du numérique, protection des données et gouvernance de l’IA. Contributrice juridique et conformité de l’Observatoire IA NeoMundi. Basée à Lyon, France.
→ Découvrir les contributeurs de l’Observatoire
Une approche fondée sur la mesure
NeoMundi ne se contente pas d’observer les systèmes génératifs : nous les mesurons dans le temps.
Nous développons et publions des protocoles reproductibles, des données agrégées et des analyses ouvertes afin de construire une base commune de traçabilité et de comparaison.
Cette approche s’inscrit dans une logique de métrologie comportementale des systèmes d’IA : établir des référentiels de mesure, suivre leur évolution, caractériser leur variabilité et détecter les changements de régime observables en conditions réelles d’utilisation.
Une infrastructure indépendante
L’indépendance se traduit dans le choix des infrastructures, l’ouverture progressive des méthodes et le recours à des regards externes.
L’Observatoire s’appuie notamment sur le cloud suisse d’Infomaniak, partenaire infrastructurel permettant aux contributeurs, chercheurs et data scientists de travailler dans un environnement sécurisé, privacy-first et indépendant des principaux fournisseurs de modèles observés.
Cette séparation contribue à préserver la capacité de NeoMundi à produire des mesures indépendantes des systèmes faisant eux-mêmes l’objet de l’observation.
Des observations publiques et longitudinales
Les travaux de l’Observatoire sont publiés progressivement sous plusieurs formes :
- cartographies comparatives des systèmes génératifs ;
- baromètres réguliers de stabilité et de variation ;
- analyses longitudinales permettant de suivre l’évolution d’un même système dans le temps ;
- travaux spécialisés par domaine d’usage ;
- publications techniques, jeux de données et méthodologies ouvertes.
NeoMundi Recherche ne cherche pas à réduire les systèmes d’IA à un classement ou à un score unique.
L’objectif est de construire une base commune de mesure, de traçabilité et de discussion, permettant aux comportements des systèmes génératifs d’être observés, comparés, documentés et utilisés comme signaux par les infrastructures de gouvernance.