« Liquid Content » a besoin d’une colonne vertébrale

Imaginez que vous rédigiez un texte une seule fois. Ensuite, une personne le lit sur son téléphone en prenant le tramway, une autre l’écoute sous forme de podcast pendant son jogging, une troisième le reçoit sous forme de module d’apprentissage interactif, et une IA en extrait les deux phrases que quelqu’un vient de demander dans un chat. C’est ça, le « Liquid Content ».

Pas de réécriture, pas de copier-coller, pas de « il nous faudrait ça dans une autre version ». Le contenu prend la forme qu’exige le moment.

C’est le principe même de Liquid Content. Et je continue de trouver ça génial.

Mais le simple fait d’être liquide n’est pas un gage de qualité. L’eau est liquide. Le café renversé aussi.

Si le contenu s’adapte à n’importe quel support sans qu’aucun cadre ne vienne le structurer, la flexibilité se transforme rapidement en arbitraire. Le sens s’estompe, un peu plus à chaque format, jusqu’à ce que, finalement, personne ne puisse plus dire exactement ce qui était réellement voulu.

Pendant longtemps, il s’agissait avant tout d’une question de commodité. Aujourd’hui, c’est une question de confiance.

Car le Reader n’est plus seulement un être humain. De plus en plus souvent, c’est une machine qui traite, résume et diffuse notre contenu. Georges-Simon Ulrich, directeur de l’Office fédéral de la statistique, a parfaitement saisi ce phénomène dans sa série « Data Literacy » : lorsque l’IA manque de données fiables, elle ne signale pas cette lacune. Elle la comble. Avec quelque chose qui semble plausible. Il appelle cela la « certitude apparente ».

👉 https://www.netzwoche.ch/news/2026-06-14/gute-daten-helfen-mensch-und-maschine

Une IA capable de lire des contenus fluides mais non structurés fait exactement cela. Elle émet des hypothèses là où elle devrait savoir. Et elle semble convaincue lorsqu’elle le fait.

La Suisse est sur la bonne voie, ou presque

Ce n’est pas un hasard si tout le monde parle actuellement de « données prêtes pour l’IA ». Le Plan d’action suisse pour l’IA consacre un volet spécifique à ce sujet. Il s’agit de la qualité des données, des métadonnées, de l’interopérabilité et de plateformes telles que metadata.swiss. Un travail important, qui s’imposait depuis longtemps.

Il manque à mon sens un aspect essentiel à cette discussion. Celle-ci tourne presque toujours autour des ensembles de données, c’est-à-dire des tableaux, des registres et des chiffres. Or, une grande partie de nos connaissances ne se trouve pas du tout dans ces ensembles de données. Elle réside dans les contenus : dans les documents, les normes, les supports pédagogiques et les manuels.

Et c’est précisément là que la préparation à l’IA est la plus déficiente : au niveau du contenu. Un ensemble de données peut être parfaitement documenté, mais le texte qui l’accompagne peut tout de même n’être qu’un enchevêtrement de texte au format PDF, dans lequel aucune machine ne peut déterminer de manière fiable ce qui relève de la norme et ce qui est un exemple, ce qui est une définition et ce qui est une note de bas de page.

Qu’est-ce qui constitue une colonne vertébrale ?

Une infrastructure de contenu n’est pas aussi spectaculaire qu’elle en a l’air. En substance, elle se résume à quelques éléments seulement.

Le contenu est divisé en éléments constitutifs significatifs, et non en un enchevêtrement de texte continu. Dans bitmark, nous les appelons des « bits ». Chacun d’entre eux possède sa propre signification et son propre contexte. Chacun est accessible individuellement, et donc citable, plutôt que simplement « quelque part à la page 23 ». Et si quelque chose change, ce bit précis peut être mis à jour sans avoir à remanier l’intégralité du document.

Cela peut sembler technique, mais il s’agit en réalité simplement d’une organisation cohérente. La même organisation que préconise le plan d’action au niveau des données (métadonnées exploitables par les machines, gestion des versions, clarté sémantique), appliquée à un niveau plus profond, au contenu lui-même.

C’est là que bitmark entre en jeu

Tous ceux qui me connaissent peuvent deviner où je veux en venir. C’est précisément cette structure fondamentale que nous construisons avec bitmark depuis des années.

bitmark est une norme suisse ouverte pour les contenus. À la fois lisible par les machines et par l’homme, elle a été conçue dès le départ pour l’IA, et non pas adaptée a posteriori à celle-ci. Chaque bit contient son contexte, ses métadonnées et son adresse. L’IA n’a pas besoin de deviner ; elle peut pointer directement vers la source.

Et comme le contenu et la présentation sont clairement séparés, un même élément peut se présenter sous la forme d’une carte d’application, d’une page imprimée, d’une réponse dans un chat ou d’un extrait audio. Le contenu fluide n’est donc pas l’opposé de la structure. C’est au contraire le fruit de celle-ci. Ce n’est que grâce à la solide ossature sous-jacente que la forme fluide qui se trouve au-dessus est possible, sans que le sens ne s’en trouve dilué.

C’est peut-être là le véritable enjeu de tout ce débat sur la préparation à l’IA : nous parlons beaucoup de la forme que le contenu devrait finalement prendre, mais trop peu de la structure qui le soutient.

Une IA capable de reconnaître notre contenu comme une source fiable ne tombe pas du ciel. C’est à nous de la construire. Petit à petit.

Le liquide en haut. La base en bas. Les deux ont besoin l’un de l’autre.

Liens : Plan d’action suisse pour l’IA · Association bitmark ‧ Netzwoche : Des données de qualité au service de l’homme et de la machine