Transparence · données & méthode

Les données, et ce qu'on en fait

Trois choses séparées, qu'on confond souvent : ce que VOUS saisissez dans l'outil, ce qui sert de population de référence pour situer un score, et ce qu'on mesure sur les visites du site. Cette page les distingue, avec le détail juridique complet renvoyé vers /confidentialite plutôt que recopié ici.

1. Ce que vous saisissez

Vos réponses au questionnaire restent dans le stockage local de votre navigateur : il n'existe pas de base de données d'utilisateurs chez nous, et nous n'avons par construction aucune liste de leads à exploiter. Deux fonctions, et deux seulement, envoient des données à notre serveur, uniquement quand vous cliquez sur un bouton précis : la rédaction du rapport par IA (vos chiffres, le temps de rédiger) et la pré-analyse d'un site (son texte public). Dans les deux cas, la donnée part vers l'API de Claude (Anthropic) pour ce seul traitement, et nous n'en gardons aucune copie. Le détail complet, sous-traitant par sous-traitant et pays par pays, est sur notre page confidentialité.

2. Le panel de référence : 36 PME, et elles sont fictives

Pour situer un score (moyenne sectorielle, percentile), l'outil le compare à un panel de 36 entreprises. Ce panel est aujourd'hui entièrement synthétique : 36 profils fictifs, répartis sur nos quatre familles sectorielles, avec des scores de dimension choisis à la main pour représenter une diversité de maturités réalistes — ni des clients, ni des sondages, ni des données observées. Nous le disons partout où le panel apparaît, parce qu'un comparatif qui tairait sa nature serait trompeur. Il sera remplacé progressivement par les résultats de pilotes réels, avec leur accord écrit, au même titre que les scores publiés sur /scores.

Source : lib/karmascore/benchmark.ts, 36 lignes figées dans le code — reproductible, pas une base de données.

3. Démonstration : classifier le panel par k-means

Une classification automatique (algorithme k-means, trois groupes) appliquée aux quatre scores de dimension du panel synthétique ci-dessus — pas à des données de clients réels, pour les mêmes raisons qu'au point 2. L'algorithme ne reçoit aucune étiquette : il regroupe seulement les 36 profils qui se ressemblent le plus sur les quatre axes T, C, E, S, puis nous trions et nommons les trois groupes obtenus du score moyen le plus bas au plus haut.

Méthode : distance euclidienne sur les quatre scores de dimension (0 à 100 chacun), trois centres initiaux choisis par la règle « point le plus éloigné » (pas de tirage aléatoire), puis réaffectations jusqu'à stabilité. Le code est public : lib/datascience/clustering.ts.

Le chiffre affiché par entreprise est la moyenne non pondérée de ses quatre scores de dimension (0 à 100) — pas le KarmaScore pondéré par secteur utilisé ailleurs sur le site (voir /methodologie), qui plafonne chaque axe à 40 %.

4. Un registre suisse, pas un laboratoire commun

AI-Karma est inscrit sur SAIROP (sairop.swiss), le registre de l'écosystème suisse de l'IA responsable que pilote la SATW (Académie suisse des sciences techniques). Pour être précis sur ce que ça dit et ne dit pas : c'est une fiche dans l'annuaire des prestataires de services, pas une adhésion, pas un label, et pas un travail de recherche mené en commun. Elle situe l'outil dans un répertoire neutre, à côté d'une centaine d'autres organisations, avec les mêmes réserves d'usage que partout ailleurs sur ce site (outil d'information, score auto-déclaré non audité).

Ce même registre référence aussi des projets de recherche suisses sur l'IA responsable (gouvernance, équité, droit). Nous ne prétendons à aucune collaboration avec ces travaux à ce jour — seulement au même répertoire.