Comment cela fonctionne-t-il ?

La forme d'une exécution

Il y a quatre étapes à suivre, une seule fois. Créez un projet: un site que vous souhaitez voir apparaître dans les réponses des IA. Ajoutez un domaine et prouvez que vous en avez le contrôle. Pour ce faire, publiez un petit défi sur /.well-known/ava-site-verification ou sous la forme d’un enregistrement DNS TXT; nous le récupérons ensuite pour le vérifier. Ajoutez les questions que vos clients posent réellement, en utilisant leurs propres mots plutôt que les vôtres. Lancez une exploration. Le système analyse vos propres pages afin qu’une réponse puisse être vérifiée par rapport à ce que vous publiez.

Ensuite, une session d’échantillonnage soumet chacune de vos questions à un fournisseur d’IA et enregistre les réponses obtenues. C’est vous qui déclenchez ces sessions ; aucun échantillonnage n’est effectué selon un calendrier que vous n’avez pas défini.

Pourquoi ce contrôle de domaine existe-t-il ?

Aucun contenu n’est exploré tant qu’un domaine n’a pas été vérifié, et il s’agit là d’un contrôle plutôt que d’un retard. Sans cela, l’outil récupérerait n’importe quelle adresse saisie par n’importe qui, depuis notre réseau et sous notre nom. Le défi n’est pas un secret : vous le publiez précisément pour que nous puissions venir le lire. Le connaître ne confère aucun avantage ; prouver le contrôle d’un domaine signifie toujours être capable d’y publier du contenu.

Ce que fait le robot d'indexation, et ce qu'il ne fait pas

Il récupère vos pages, enregistre l’adresse de chacune d’entre elles, son statut HTTP, le hachage de son contenu et le verdict robots.txt, puis stocke le code HTML tel qu’il a été servi. Il respecte la directive robots.txt, se limite strictement au domaine exact que vous avez vérifié, et refuse toute redirection quittant cet hôte plutôt que de la suivre. Les liens vers d’autres hébergeurs sont ignorés plutôt que mis en file d’attente — ainsi, l’exploration de votre site principal ne s’égare pas vers d’autres sites vers lesquels vous pourriez avoir créé des liens.

La valeur par défaut est de 25 pages. Il ne s’agit pas d’une limite budgétaire : l’exploration de sites est peu coûteuse. Cette limite est fixée car une exploration approfondie d’un petit serveur représente une charge que nous avons nous-mêmes générée, et parce que ce qu’un modèle dit d’une organisation est déterminé par sa page d’accueil, sa page « À propos » et ses tarifs, plutôt que par la page 300 d’une archive. Vous pouvez augmenter cette limite à 500.

Quels sont les systèmes d'IA échantillonnés ?

Les fournisseurs auxquels votre accès donne droit, via leurs API. Chaque exécution indique le nom du fournisseur et du modèle sur l’enregistrement, ce qui permet de toujours remonter à la source d’un chiffre. Un fournisseur exclu de votre accès est signalé comme tel — il n’est jamais omis en silence, car un chiffre dont le dénominateur a été discrètement réduit est pire que pas de chiffre du tout.

C’est l’API qui est échantillonnée, et non le produit destiné au grand public. Nous ne mesurons pas ce que le site de chat dit à une personne connectée en tenant compte de son historique et de sa mémoire. Il s’agit là d’une réelle différence, qui est clairement énoncée sans être minimisée.

L'enregistrement, et ce qu'il prouve

Chaque observation fait l’objet d’un hachage. Un lot d’échantillons est scellé dans son ensemble : un hachage unique couvre toutes les observations qu’il contient, est signé puis envoyé à une autorité externe chargée de l’horodatage, et le résultat est réécrit dans chaque enregistrement du lot. N’importe qui peut recalculer le hachage d’une observation, le retrouver parmi les feuilles du lot, recalculer la racine et la comparer à l’horodatage. Le scellement est disponible sur demande.

Un scellement permet de détecter une altération ; il ne rend pas un enregistrement immuable. Rien de ce que nous développons n’empêche qu’un enregistrement soit altéré. Le scellement permet simplement à une personne qui ne nous fait pas confiance de détecter qu’il l’a été. Un fournisseur affirmant qu’un enregistrement ne peut jamais être modifié avance une promesse qu’aucun logiciel ne peut tenir concernant les données qu’il détient.

Il existe deux niveaux d’horodatage. L’horodatage ordinaire est un véritable horodatage cryptographique émis par une autorité externe ; il peut être présenté comme preuve, mais aucune loi ne présume de son exactitude. L'horodatage qualifié est délivré par une autorité européenne accréditée et bénéficie d'une reconnaissance légale au sein de l'UE — il est payant ; votre accès comprend donc un nombre défini d'horodatages et le tableau de bord indique combien il en reste. Lorsqu'un enregistrement n'a pas fait l'objet d'un horodatage qualifié, cela est clairement indiqué. Rien n'est jamais présenté comme qualifié alors qu'il ne l'est pas.

Où se trouvent vos données, et ce que cela implique ou non

Les enregistrements sont conservés sur une infrastructure située en Nouvelle-Zélande ou dans l’Union européenne, sans aucun cloud américain dans la chaîne, et le scellement est effectué par My Digital Sovereignty Ltd, qui détient la clé de signature. C’est ce que l’on entend ici par « conservation souveraine ».

Cela ne signifie pas que la mesure reste dans la juridiction que vous avez choisie. Mesurer ce que OpenAI ou Perplexity disent à votre sujet implique nécessairement de s’adresser à OpenAI et Perplexity, qui sont des entreprises américaines. Vos questions et les réponses leur sont transmises. Ce qui est conservé dans la juridiction que vous avez choisie, c’est l’enregistrement.

Ce que ce n’est pas

Il ne s’agit pas d’un outil de classement et il ne promet pas de modifier ce qu’un modèle dit à votre sujet. Il rend compte de ce qui est dit et de ce qui, sur votre propre site, vient le confirmer ou le contredire. Il n’établit pas qu’une modification que vous avez apportée a entraîné un changement dans une réponse — les modèles évoluent en arrière-plan de toute comparaison de ce type, et une analyse « avant-après » qui ignorerait ce fait relèverait davantage du récit que de la mesure.

Si quelque chose semble anormal

Si un crawl reste en file d’attente, cela signifie que le processus de traitement n’est pas en cours d’exécution — signalez-le-nous, c’est à nous de le résoudre, pas à vous. Un échantillonnage refusé avec le message « runs exhausted » signifie que votre quota d’accès est épuisé ; rien n’a été facturé et aucun fournisseur n’a été contacté. Une observation sans attestation comporte, dans l’enregistrement, la raison de cette absence plutôt qu’un champ vide.