Fondatrice de SEMANTIKIA
Mélanie Maquet
Sémantique des organisations et fidélité de reconstruction par les systèmes d’IA
J’étudie la manière dont les systèmes d’IA identifient, interprètent et reconstruisent les organisations. J’observe les représentations qu’ils produisent, mesure leurs écarts avec la référence déclarée et structure le signal informationnel qui contribue à ces reconstructions.
Je suis à l’origine du Signal Inference Optimization (SIO), fondatrice de SEMANTIKIA, conceptrice de Reconstruction Fidelity™ et du Web Agentique Gouverné (WAG).
Repères
Mélanie Maquet est la fondatrice de SEMANTIKIA, fondée en 2026.
Elle est à l’origine du Signal Inference Optimization (SIO). Le terme a été publié pour la première fois le 9 mars 2026.
Elle a également développé le Web Agentique Gouverné (WAG) et conçu Reconstruction Fidelity™. Ce cadre opérationnel et cette gamme de services permettent à SEMANTIKIA d’appliquer le SIO aux organisations.
Avant de fonder SEMANTIKIA, Mélanie Maquet a fondé et présidé Lumio Intelligence de 2018 à 2026. Elle a revendu ses parts et quitté l’entreprise en avril 2026. Elle n’exerce aujourd’hui aucune fonction et ne détient plus aucun intérêt dans Lumio Intelligence.
Expertise : Six axes pour comprendre et structurer la reconstruction d’une organisation
Audit inférentiel des reconstructions IA
Qu’est-ce que l’IA reconstruit ?
Observer ce que plusieurs systèmes d’IA reconstruisent d’une organisation et comparer leurs réponses à sa référence déclarée. Identifier les écarts, les variations et les dérives de reconstruction.
Modélisation sémantique et terminologique des organisations
Quelle est l’identité sémantique de référence ?
Construire et stabiliser l’identité sémantique d’une organisation. Formaliser ses concepts, ses termes, ses définitions, ses variantes, ses hiérarchies, ses associations et ses exclusions.
Cette modélisation vise une reconnaissance et une reconstruction plus stables par les systèmes d’IA.
Ingénierie du signal informationnel pour les systèmes d’IA
Qu’est-ce que l’organisation produit, gouverne ou influence ?
Structurer les informations qu’une organisation produit, gouverne ou influence. Faire de son identité, de ses activités, de ses offres, de ses relations et de ses limites un signal cohérent.
Ce signal doit être distinctif et reconnaissable par les systèmes d’IA.
Architecture de l’information pour la reconstruction IA
Comment cette identité est-elle déployée dans l’information ?
Organiser les pages, les contenus, les produits, les services et les liens qui les unissent. Rendre leur nature, leur hiérarchie, leur périmètre et leur articulation plus explicites.
Cette architecture améliore leur lisibilité pour les systèmes d’IA.
Conception de cadres de gouvernance inférentielle
Quelles règles bornent les interprétations rendues plausibles par le signal ?
Définir les règles qui bornent les interprétations rendues plausibles par le signal. Préciser ce qu’une organisation, une offre ou un produit est et n’est pas.
Ces règles déterminent également ce qui lui appartient, les relations qui lui sont propres et les entités avec lesquelles il ne doit pas être confondu.
Évaluation des expositions et des risques liés aux reconstructions IA
Quelles expositions et quels risques peuvent découler d’une reconstruction altérée ?
Qualifier les expositions constituées lorsqu’une dérive peut influencer la compréhension, la comparaison, la recommandation ou la décision d’un utilisateur.
Évaluer ensuite les risques commerciaux, réputationnels, juridiques ou institutionnels susceptibles d’en découler.
Travaux doctrinaux
Signal Inference Optimization (SIO)
Le Signal Inference Optimization (SIO) est une discipline développée par Mélanie Maquet à partir de 2026. Le SIO consiste à structurer le signal rendu disponible aux systèmes probabilistes. Il cherche ainsi à réduire la dérive d’inférence et à favoriser des reconstructions fidèles au sens recherché.
Le SIO n’optimise pas l’inférence elle-même. Il intervient sur le signal qui entre dans le processus d’inférence.
Le terme Signal Inference Optimization a été publié pour la première fois le 9 mars 2026 dans le Manifeste pour une ingénierie du signal à l’ère des LLM. Le cadre a ensuite été formalisé et déposé publiquement le 27 mars 2026. Il est publié sous licence CC BY-NC-ND 4.0.
Web Agentique Gouverné (WAG)
Le Web Agentique Gouverné (WAG), désigné en anglais sous le nom de Governed Agentic Web (GAW), est une doctrine, une architecture de référence et un programme de recherche développés par Mélanie Maquet et publiés en 2026.
Le WAG traite de la perte de contrôle sur la restitution de l’information. Cette perte survient lorsque des informations publiées sont récupérées, fragmentées, combinées, reconstruites et attribuées par des systèmes probabilistes et agentiques.
Le contrôle de la publication ne garantit plus le contrôle de la restitution.
Le WAG n’est pas une offre de service de SEMANTIKIA.
Découvrir le Web Agentique Gouverné →Reconstruction Fidelity™
Reconstruction Fidelity™ est le cadre opérationnel et la gamme de services conçus par Mélanie Maquet. Par eux, SEMANTIKIA applique les principes du SIO aux organisations.
Le cadre observe ce que plusieurs systèmes d’IA reconstruisent d’une organisation. Il compare ces reconstructions à sa référence déclarée.
Il permet ensuite de structurer les informations qui contribuent au signal et d’en gouverner la cohérence dans le temps.
La gamme comprend huit services :
Ces services peuvent être mobilisés séparément ou conjointement. Leur sélection dépend du problème observé, du corpus de l’organisation et de ses pratiques existantes.
Découvrir la gamme RF →Parcours : De la transformation numérique à la reconstruction IA
Mon travail sur la reconstruction des organisations s’appuie sur près de vingt ans d’expérience professionnelle.
J’ai évolué dans des environnements où l’information devait être structurée, transmise, vérifiée et utilisée pour prendre des décisions. Du droit des sociétés et des affaires au conseil, puis de l’image de marque à l’architecture des systèmes de gestion.
Avant les systèmes d’IA générative, j’ai travaillé sur l’organisation des données, l’architecture fonctionnelle et la circulation de l’information. J’ai également conçu des automatisations entre plusieurs systèmes numériques.
Cette expérience m’a confrontée à une réalité constante : un système ne peut produire un résultat fiable que si les informations qui l’alimentent sont correctement structurées. Ces informations doivent aussi être définies avec précision et reliées selon une logique cohérente.
L’arrivée des modèles de langage a déplacé cette question. Le problème ne concerne plus seulement le stockage ou la circulation des données.
Il concerne désormais la manière dont des systèmes probabilistes interprètent, rapprochent et reconstruisent une organisation à partir d’informations fragmentées.
Huit ans d’architecture logicielle et de transformation numérique dans l’écosystème Zoho
De 2018 à 2026, j’ai fondé et présidé Lumio Intelligence, entreprise québécoise de transformation numérique et partenaire certifié Zoho.
J’y ai dirigé une équipe multidisciplinaire pouvant compter jusqu’à huit personnes et piloté plus de 150 projets auprès de PME, de commerces, d’entreprises de services, d’OBNL et d’associations sectorielles.
Mon expertise couvre l’analyse des besoins, l’architecture fonctionnelle, la modélisation et la structuration des données, l’intégration de systèmes logiciels, la gestion de projets, l’automatisation des processus et le développement de solutions sur mesure.
Mes principaux domaines d’intervention
Ces projets m’ont amenée à intervenir dans le tourisme, la culture, le commerce de détail et électronique, la distribution, le transport, la construction, les services professionnels, l’éducation et la finance.
Au-delà des logiciels, j’ai appris à représenter une organisation dans toute sa complexité : ses entités, ses produits, ses services, ses données, ses processus, ses responsabilités et les relations entre ses différents systèmes.
En avril 2026, j’ai revendu mes parts et quitté définitivement Lumio Intelligence pour me consacrer à SEMANTIKIA et au développement du Signal Inference Optimization (SIO). Je ne détiens plus aucun intérêt dans l’entreprise et n’y exerce aucune fonction.
L’expertise acquise chez Lumio constitue aujourd’hui un socle essentiel de mon travail chez SEMANTIKIA. Elle me permet de remonter jusqu’à la source. Une partie des informations à partir desquelles les IA reconstruisent une organisation provient de ses systèmes de gestion, bien avant d’être publiée sur le Web.
Catalogues produits, inventaires et données commerciales
Les systèmes de gestion d’inventaire, les référentiels produits, les PIM (Product Information Management) et les hubs d’enrichissement de données structurent les noms, catégories, attributs, variantes et relations entre les produits. Ces informations alimentent ensuite les boutiques en ligne, les flux produits et les données structurées. Une nomenclature ambiguë, une catégorisation incohérente ou une synchronisation défaillante peut se propager aux surfaces publiques et influencer la reconstruction des produits par les IA.
Surfaces informationnelles issues des systèmes de gestion
Les CRM, les bases de connaissances (Zoho Desk), les offres d’emploi (Zoho Recruit), les campagnes marketing, les formulaires et les interfaces conversationnelles (Zoho SalesIQ) produisent ou diffusent des informations sur les activités, les services et les relations d’une organisation. Lorsque ces informations sont accessibles aux systèmes d’IA, elles peuvent contribuer à la représentation qu’ils en construisent.
Systèmes conversationnels et agentiques connectés aux données internes
Les assistants IA déployés auprès des équipes ou des clients peuvent interroger directement les CRM, les inventaires, les bases documentaires et les applications métier. Leur fiabilité dépend notamment de la qualité des données, de leur structuration, des mécanismes de récupération, des autorisations et des règles de restitution. La fidélité de reconstruction devient alors un enjeu d’architecture informationnelle autant que de gouvernance.
L’enjeu n’est plus seulement de faire circuler correctement l’information entre les systèmes. Il est aussi de préserver sa cohérence, son identité et son sens lorsqu’elle est interprétée et reconstruite par les intelligences artificielles.
Un parcours juridique et institutionnel
Avant de travailler dans la transformation numérique, j’ai occupé différentes fonctions au sein de cabinets d’avocats d’envergure et d’environnements professionnels. Ce parcours s’est déroulé en France, au Luxembourg et au Québec. J’ai participé à la préparation de dossiers de constitution de sociétés et à la gestion de dossiers en propriété intellectuelle. J’ai également contribué à la coordination de dossiers institutionnels et internationaux ainsi qu’à l’analyse et la préparation de réponses à des appels d’offres.
Ce parcours m’a appris à travailler avec des informations dont l’attribution, la précision, la cohérence et la traçabilité produisent des effets concrets sur une organisation. Il fait partie de mon expérience professionnelle. Il ne constitue ni une pratique juridique actuelle ni le fondement juridique des services proposés par SEMANTIKIA.
Je ne suis pas avocate et SEMANTIKIA ne fournit pas de services juridiques.
Formation continue : Comprendre les mécanismes qui interviennent dans la reconstruction par les IA
Une organisation peut être correctement reconstruite, généralisée, confondue ou associée à tort. Pour comprendre pourquoi, il faut étudier ce qui se passe entre l’information publiée et la réponse générée.
Je me suis formée aux mécanismes techniques qui interviennent dans la représentation, la sélection et la récupération de l’information par les systèmes d’IA. Ces mécanismes comprennent la tokenisation, les embeddings, la recherche sémantique, les bases de données vectorielles, la sélection des résultats, le reranking et les architectures de récupération augmentée.
Understanding and Applying Text Embeddings
Cette couche permet de comprendre comment les proximités vectorielles rapprochent une organisation de certaines catégories et peuvent contribuer à des phénomènes de projection.
Embedding Models: From Architecture to Implementation
Elle éclaire la manière dont un terme propriétaire peut conserver sa distinction ou être rapproché du vocabulaire dominant de son marché.
Large Language Models with Semantic Search
Ces mécanismes expliquent comment les fragments associés à une organisation sont sélectionnés, classés et mis en concurrence avec ceux d’autres entités.
Advanced Retrieval for AI with Chroma
Ils permettent d’observer comment des contenus redondants ou insuffisamment différenciés peuvent se concurrencer lors de la récupération et diluer leur propre signal.
Building Applications with Vector Databases
Dans un processus de récupération donné, un fragment non retenu ne contribue pas au contexte transmis au modèle pour produire la réponse concernée.
Retrieval Optimization: From Tokenization to Vector Quantization
Ces mécanismes permettent d’étudier comment la segmentation et la réduction du contexte peuvent affaiblir des distinctions dépendantes de leur environnement informationnel et contribuer à la troncature.
Ces formations soutiennent une pratique qui ne s’arrête pas à l’observation des réponses. Elles permettent d’étudier les transformations que l’information peut subir avant sa récupération.
Elles aident aussi à comprendre comment une information peut être sélectionnée, rapprochée d’autres contenus et mobilisée dans une reconstruction.
Méthode de travail : Une expertise directement engagée dans chaque mandat
SEMANTIKIA est un cabinet d’intelligence inférentielle. Il mesure l’écart entre ce qu’une organisation déclare et ce que les IA génératives en reconstruisent, puis structure et gouverne son signal pour que les systèmes d’IA, publics ou internes, la reconstruisent fidèlement.
Je conduis directement les mandats qui me sont confiés. J’interviens dans le cadrage, la définition de la référence déclarée, la conception des protocoles d’observation et l’analyse des réponses.
Je prends également en charge la qualification des dérives, la modélisation sémantique et la conception des cadres de gouvernance.
Selon la nature du projet, je peux travailler avec des spécialistes complémentaires. Ces collaborations peuvent concerner la stratégie SEO, la rédaction, la conception Web, les données structurées ou l’architecture déclarative.
Les collaborations sont identifiées lorsqu’elles interviennent dans un mandat. Elles ne modifient pas la responsabilité directe que j’assume dans mon champ d’expertise.
Ce modèle limite volontairement le nombre de mandats menés simultanément. Il préserve mon implication directe, la continuité méthodologique et une compréhension précise de chaque organisation.
Ressources publiques : Un travail documenté, publié et vérifiable
Une partie de mes travaux est accessible publiquement. Les définitions, les dates de publication et les relations entre les différents cadres peuvent ainsi être vérifiées.
Signal Inference Optimization (SIO)
Le dépôt de référence rassemble la définition canonique, les mécanismes, les lois et la méthodologie de diagnostic du SIO.
Corpus doctrinal du Signal Inference Optimization (SIO)
Les publications développent les mécanismes de reconstruction, les dérives d’inférence, l’ingénierie du signal et les enjeux de gouvernance liés aux systèmes d’IA générative.
Web Agentique Gouverné (WAG)
Le cadre doctrinal et l’architecture de référence du WAG sont publiés sous licence CC BY 4.0.
Dépôts académiques
Les travaux déposés sur Zenodo disposent d’une date, d’une version, d’une licence et d’un identifiant pérenne.
Première lecture : Vous ne savez pas ce que les IA reconstruisent de votre organisation ?
Le Diagnostic Express observe trente réponses produites par ChatGPT, Gemini et Perplexity. Ces réponses proviennent de dix questions conçues spécifiquement pour votre organisation.
Le diagnostic permet de voir ce que les systèmes reconstruisent correctement. Il montre également ce qu’ils oublient, ajoutent ou confondent, ainsi que les éléments qui méritent votre attention.