Capture de connaissances expertes

L’expert métier — le Fachexperte — est la personne qui sait des choses que les données ne peuvent montrer.

Marie-Thérèse sait que ses vieilles vignes produisent moins par conception. Le déclarant en douane sait que Shanghai retient les produits électroniques pendant 48 heures. Le responsable d’entrepôt sait que les interdictions de circulation du dimanche provoquent des lacunes hebdomadaires de checkpoints. L’infirmière cheffe sait que l’unité 3B code les procédures différemment parce que son terminal hérité n’a que 6 caractères.

Leur connaissance est la différence entre une fausse alarme et un insight. jinflow la capture sous forme de SMEbits — des pièces atomiques, attribuées et versionnées de connaissance experte.

Le problème

Aujourd’hui, créer un SMEbit nécessite d’écrire du YAML. Le SME n’écrit pas de YAML. Il parle, pointe des écrans, dit « ce n’est pas un problème, c’est comme ça que ça fonctionne ici. » Il y a un écart entre la personne qui sait et le système qui a besoin de savoir.

La pyramide analytique — Signals, Theses, Verdicts — est construite par des ingénieurs et des analystes. Mais la connaissance qui rend la pyramide fiable vient de personnes qui n’ouvriront jamais un éditeur de texte. Si capturer leur connaissance nécessite un développeur comme intermédiaire, cette connaissance se perd à chaque transfert.

La vision : capture guidée

Trois modes de capture, du plus simple au plus riche.

1. Mode interview (Explorer)

Un flux guidé dans l’Explorer. L’analyste montre un Finding au SME. Le SME dit « Je sais pourquoi c’est ainsi. » Le système pose des questions structurées :

• Que savez-vous ? (le contenu)
• Pourquoi est-ce ainsi ? (la raison)
• Cela s’applique-t-il partout ou juste ici ? (le scope)
• Le système devrait-il vérifier cela automatiquement ? (le niveau)

Les réponses deviennent un brouillon de SMEbit. L’analyste passe en revue, affine le scope et la catégorie, et le commite dans l’AFS. Au prochain build, la connaissance est compilée dans le KLS et visible par tous.

2. Capture rapide (barre latérale Explorer)

Un bouton « I know something about this » sur les pages de détail Entity, les cartes de Finding et les évaluations de Thesis. Un clic ouvre un formulaire minimal : sujet, contenu, pourquoi. Le scope est pré-rempli depuis le contexte — tenant courant, entité courante, plage temporelle courante.

Cela crée un brouillon de SMEbit Level 0 (observation uniquement, pas de check exécutable). La barrière à l’entrée est une phrase et un clic.

3. Capture vocale (futur)

Enregistrer une conversation avec le SME. L’IA transcrit et structure en SMEbits candidats. L’analyste passe en revue, édite et commite. Le SME ne touche jamais un clavier.

C’est le mode le plus difficile à construire et le plus facile à utiliser. Il n’est pas encore implémenté.

Le flux de capture

Chaque SMEbit porte une attribution : qui l’a dit, quand, dans quel rôle. La chaîne de provenance est ininterrompue de la personne à la production.

Le cycle de vie

Une pièce de connaissance capturée passe par des étapes claires :

1. Parler. Le SME partage ce qu’il sait, dans ses propres mots, dans sa propre langue.
2. Brouillon. Le système le structure en SMEbit avec contenu, scope et catégorie.
3. Revue. L’analyste vérifie le brouillon — affine la formulation, définit le bon scope, décide s’il devrait avoir un check exécutable (Level 1) ou rester une observation (Level 0).
4. Commit. Le SMEbit revu est sauvegardé dans l’AFS comme fichier YAML. Il fait désormais partie du framework analytique.
5. Build. jinflow make compile le SMEbit dans le KLS. Les SMEbits Level 1 produisent des verdicts (confirmed/violated/no_data). Les SMEbits Level 0 apparaissent dans le registre.
6. Surface. L’Explorer affiche les SMEbits à côté des findings et Theses auxquels ils sont liés, via les ancres.

Le SME voit sa contribution reflétée dans le système. L’analyste obtient la connaissance institutionnelle formalisée. Le lecteur voit les findings annotés avec un contexte qu’aucun algorithme ne pourrait dériver.

Ce qui existe aujourd’hui

La fondation est construite. Ce qui manque est l’interface de capture.

Couche	Statut
Format YAML SMEbit	Livré. Voir Référence YAML.
Validateur (smebitcheck.py)	Livré. Valide la structure, les références, le scope.
Compilateur (smebitcompile.py)	Livré. YAML vers SQL dbt.
Registre SMEbit + verdicts dans le KLS	Livré. Level 0 dans le registre, verdicts Level 1.
Affichage SMEbit dans l’Explorer	Livré. Page liste, page détail, ancres vers Signals/Theses.
BitBundles (regroupements narratifs)	Livré. Curer des SMEbits en histoires. Voir Référence YAML.
Mode interview dans l’Explorer	Planifié. Flux de capture guidé.
Bouton capture rapide	Planifié. Un clic depuis les pages entity/finding.
Workflow brouillon-revue-commit	Planifié. Édition dans l’Explorer avec écriture dans l’AFS.
Capture vocale	Futur. Transcription IA vers SMEbits candidats.

Le moteur traite les SMEbits comme des instruments de premier rang — ils ont le même cycle de vie compile-validate-build que les Signals et Theses. La pièce manquante est la porte d’entrée pour les personnes qui détiennent la connaissance.

Le principe

La différence entre données et connaissance est le pourquoi. Le SME fournit le pourquoi. Le rôle de jinflow est de rendre la contribution de cette connaissance aussi facile qu’une conversation.

Un Signal peut vous dire que l’unité 3B a 40% moins de procédures codées que l’unité 3A. Une Thesis peut vous dire que ce pattern est cohérent et statistiquement significatif. Un Verdict peut vous dire que la catégorie de cause racine est process_failure. Mais seule l’infirmière cheffe peut vous dire pourquoi — et ce pourquoi change ce que vous faites à ce sujet.

L’outillage SME existe pour fermer cette boucle. Pas en faisant des experts des ingénieurs, mais en les rencontrant là où ils sont : devant l’écran, pointant un nombre, disant « laissez-moi vous raconter ça. »