Quand un assistant IA vous donne une réponse réglementaire, la question qui compte n'est pas "est-ce que cela semble juste". C'est "d'où cela vient-il, et puis-je le défendre". Cette question se joue entièrement au niveau des données sous-jacentes. Toutes les données réglementaires ne se valent pas, et la différence porte un nom : tier-0.

Cet article explique ce que signifie une donnée réglementaire tier-0, comment elle se compare aux données sur lesquelles reposent la plupart des réponses des IA, ce qui transforme des documents officiels bruts en une matière qu'un assistant peut citer en toute sécurité, et pourquoi c'est la provenance, et non la fluidité, qui rend une réponse défendable.

Les niveaux de la donnée réglementaire

Pensez l'information réglementaire en trois niveaux, selon la distance à la source.

Tier-0 : la source primaire et officielle

C'est la réglementation elle-même, directement issue de l'organisme qui l'a publiée : régulateurs, journaux officiels, agences et organismes de normalisation. Parmi les exemples : EUR-Lex, l'ECHA, la FDA et l'EFRAG. Le tier-0 fait autorité par définition, parce qu'il est la source, et non une description de celle-ci.

Tier-1 : agrégateurs et synthèses professionnelles

Newsletters, notes de cabinets d'avocats et éditeurs de bases de données qui collectent et résument le tier-0. Utile, mais avec un degré de séparation : des délais apparaissent, l'interprétation s'immisce, et vous héritez des choix éditoriaux de quelqu'un d'autre.

Tier-2 : le web ouvert

Blogs, forums, articles de presse et pages web généralistes qui mentionnent la réglementation. C'est l'essentiel de ce qu'un modèle généraliste a absorbé pendant son entraînement. C'est inégal, souvent obsolète, et fréquemment faux sur les points précis.

Pourquoi une IA entraînée sur du tier-2 échoue en conformité

Un modèle généraliste a appris le monde essentiellement à partir du tier-2 : le web ouvert. C'est acceptable pour la culture générale et dangereux pour la réglementation, où le web ouvert est précisément l'endroit où vivent les informations périmées et imprécises. Le modèle retient l'idée générale et perd les détails, ce qui, comme nous l'expliquons dans pourquoi l'IA hallucine sur les questions réglementaires, est exactement la façon dont naissent les réponses fausses et assurées.

On ne corrige pas des données d'entraînement tier-2 avec un meilleur prompt. La seule solution est de donner au modèle des données tier-0 sur lesquelles répondre, au moment même de la question.

Une réponse d'IA n'est défendable qu'à hauteur du niveau des données sur lesquelles elle repose. Du tier-0 en entrée, une réponse citable en sortie. Du tier-2 en entrée, une supposition plausible en sortie.

Ce qui transforme des documents tier-0 en une couche de confiance

Les documents officiels bruts font autorité mais sont désordonnés : des centaines d'éditeurs, des dizaines de formats, des doublons, des amendements, et aucune structure commune. Un sourcing tier-0 est nécessaire mais pas suffisant. Une couche de données digne de confiance doit aussi traiter cette matière pour qu'un assistant puisse l'utiliser en toute sécurité. Concrètement :

  • Analyser et normaliser. Du HTML, du XML et du PDF issus de centaines de sources convertis en un schéma canonique unique.
  • Dédupliquer et versionner. Des identifiants stables, pour qu'un texte republié ou amendé soit reconnu comme une nouvelle version, pas comme un nouveau fait.
  • Dater et marquer le statut. Chaque enregistrement indique quand il a changé et s'il s'agit d'un projet, d'un texte en consultation, adopté ou en vigueur.
  • Valider. Des contrôles d'intégrité avant toute mise à disposition, pour que ce qui atteint l'assistant remonte toujours à un document officiel.
  • Préserver la provenance. La source et le lien accompagnent l'enregistrement, jusque dans la réponse.

C'est la différence entre "nous avons scrapé quelques régulateurs" et une couche qu'un assistant peut citer. Obsidian applique ce pipeline à plus de 850 sources officielles dans plus de 50 juridictions : la donnée n'est pas seulement tier-0, c'est du tier-0 rendu exploitable.

Donnez à votre IA des données tier-0, pas des suppositions issues du web

Connectez Obsidian à Claude, ChatGPT ou Cursor et chaque réponse revient avec sa source officielle, sa date et son statut. Offre gratuite, installation en deux minutes.

Découvrir le MCP Obsidian

Pourquoi provenance rime avec défendabilité

En conformité, la valeur d'une réponse ne tient pas seulement à son exactitude, mais à votre capacité à montrer pourquoi elle est exacte. Une réponse avec provenance, une source officielle nommée, une date et un statut, c'est quelque chose que vous pouvez présenter à votre conseil d'administration, à votre auditeur ou à votre régulateur. Une réponse sans provenance est une affirmation que vous devez aller vérifier vous-même, ce qui signifie que l'assistant ne vous a rien fait gagner.

La provenance est aussi ce qui rend une réponse auditable dans le temps. Quand une règle change, un enregistrement versionné et daté montre ce qui était vrai au moment où vous avez agi. Ce n'est pas un luxe dans un métier réglementé. C'est le dossier de preuve.

Comment amener des données tier-0 dans votre IA

Vous n'avez pas besoin de reconstruire tout cela vous-même. La voie pragmatique consiste à connecter votre assistant à une couche tier-0 maintenue via le Model Context Protocol, plutôt que de construire et d'alimenter votre propre pipeline. Pour l'arbitrage construire ou connecter, voir RAG vs MCP pour l'IA réglementaire. Pour la vision d'ensemble, voir l'intelligence réglementaire agentique.

Ce qu'il faut retenir

La qualité d'une réponse réglementaire d'IA se décide avant que le modèle ne prononce un mot, au niveau des données sous-jacentes. Le tier-0, traité et estampillé de sa provenance, est ce qui transforme une supposition assurée en une réponse défendable. Quand vous évaluez une IA pour un usage réglementaire, ne demandez pas à quel point le modèle est intelligent. Demandez de quel niveau sont ses données.