Réseau de connaissances

FlameP se présente publiquement comme un mouvement en faveur de la clarté, de la profondeur et d’une présence consciente à l’ère de l’IA. Parallèlement, un produit numérique voit le jour et doit être exploité, financé, protégé et développé. [1] Les deux peuvent être vrais. La situation devient problématique lorsque l’ouverture d’un mouvement, les engagements d’un produit et les intérêts d’une entreprise se confondent dans le langage. Il en découle pour FlameP une règle de gouvernance : l’idée, la communauté, l’exploitation du produit et l’entité juridique sont clairement distinguées. Chaque forme se voit attribuer ses propres droits, obligations et processus décisionnels.

De nombreux débats sur la protection des données appliquée à l’IA générative commencent par le fournisseur : où se trouve le serveur ? Une saisie est-elle utilisée pour l’entraînement ? Combien de temps le modèle conserve-t-il le chat ? Ce sont des questions importantes. Mais elles arrivent trop tard si, auparavant, des dossiers entiers, des boîtes de réception ou des historiques de conversation ont été intégrés au contexte sans vérification. ChocoPolitico qualifie ce point de « goulot d’étranglement en amont du modèle ». [1] Le règlement général européen sur la protection des données impose la limitation des finalités et la minimisation des données ; les données à caractère personnel doivent être adéquates, pertinentes et limitées à ce qui est nécessaire au regard des finalités. Il exige également la protection des données dès la conception et par défaut. [2] Pour FlameP, il en résulte un ordre clair : déterminer d’abord la finalité et l’espace, puis classifier et minimiser les informations, ensuite constituer le contexte autorisé — et seulement après appeler un modèle.

Corazón de Cacao décrit le projet d’acquérir, avec des communautés autochtones, des terres dégradées ou peu utilisées et de les transformer en forêts nourricières durables. La page publique du projet montre que l’achat des terres n’est qu’un début : régénération des sols, pépinière, plantation, protection, utilisation et responsabilité communautaire s’inscrivent dans la durée. [1] Un tel projet s’oppose à la logique des annonces rapides de réussite. Des années séparent une intention, une mesure engagée et un impact solide. Cette expérience dépasse largement l’agriculture. De nombreux projets humains échouent non par manque d’idée, mais parce que le contexte, les décisions et la responsabilité se perdent au fil du temps. Il n’en découle pas pour FlameP qu’il faille gérer numériquement des forêts nourricières ou placer Corazón de Cacao au centre de la plateforme. FlameP est un nouvel environnement destiné à des préoccupations très diverses. La règle transférable est la suivante : les projets à long terme ont besoin d’une mémoire, d’étapes identifiables, de questions ouvertes et d’un langage de l’impact qui ne confonde pas planification et résultat.

Sous le titre « Farmer First », Corazón de Cacao décrit un concept dans lequel les agricultrices et agriculteurs ne se situent pas seulement au début d’une chaîne d’approvisionnement, mais doivent agir de manière autonome et responsable. La page cite comme problèmes auxquels le modèle entend répondre la rémunération injuste, l’absence de participation aux décisions, le manque de transparence, le manque d’éducation, les dommages environnementaux et le faible pouvoir de négociation. [1] Cela ne prouve pas l’existence d’un modèle achevé. La page indique elle-même que le concept est en cours d’élaboration et que d’autres contributions sont les bienvenues. C’est précisément là que réside une expérience importante : la participation ne commence pas par une solution parfaite, mais par la question de savoir qui peut décrire un problème, influencer une décision et s’opposer à une solution proposée. Il n’en découle pas pour FlameP qu’il faille construire une plateforme consacrée au cacao. FlameP est plus vaste et fondamentalement différent. Il doit créer un environnement numérique dans lequel les personnes peuvent organiser leurs préoccupations, leur savoir, leurs décisions et leur collaboration au sein d’espaces clairs. L’expérience de « Farmer First » devient ainsi un principe général de conception : les personnes ne doivent pas être uniquement des sources de données, de travail ou de consentement. Leur rôle, leur pouvoir décisionnel et leur opposition doivent rester visibles dans le système.

« Communauté » compte parmi les mots les plus positifs des projets sociaux. Il promet appartenance, entraide et orientation commune. C’est précisément pourquoi il peut masquer les différences : qui parle au nom de la communauté ? Qui n’en fait pas partie ? Qui accomplit le travail non rémunéré, qui décide et qui peut s’opposer ? Sur plusieurs pages, Corazón de Cacao décrit la collaboration avec des communautés locales ou autochtones, le développement commun et la création de sources de revenus. [1] [2] Ces textes témoignent d’une démarche et d’un processus prévu. Ils ne prouvent pas que toutes les personnes concernées ont les mêmes intérêts ou participent de manière égale. Pour FlameP, il en découle ceci : une communauté ne doit jamais être modélisée comme un acteur unique. Les rôles, les groupes, les minorités, les conflits et les formes concrètes de représentation doivent rester visibles.

L’aide n’est pas automatiquement bonne parce qu’elle part d’une bonne intention. Elle peut élargir les possibilités d’action. Mais elle peut aussi lier durablement des décisions, des structures et des attentes à la personne qui aide. Sur sa page consacrée aux dons, Corazón de Cacao formule expressément l’objectif d’éviter la dépendance aux dons. L’organisation décrit parallèlement les dons réguliers comme un soutien aux projets à long terme et indique privilégier l’aide affectée à un objet précis parce qu’elle crée un lien avec des projets concrets. [1] Il ne s’agit pas d’une solution achevée, mais d’une tension féconde. Pour FlameP, il en découle ceci : le soutien doit avoir un objectif, des dépendances visibles, un pouvoir décisionnel local et une logique possible de sortie ou de transition. Sinon, l’aide devient facilement une relation sans fin honnête.

Les États-Unis sont actuellement les grands favoris de la compétition mondiale en matière d’intelligence artificielle. Ils disposent des principales plateformes cloud, de plusieurs des modèles d’IA généralistes les plus performants, de vastes marchés de capitaux et d’une capacité supérieure à diffuser de nouvelles technologies par l’intermédiaire des plateformes existantes de logiciels, de publicité et de systèmes d’exploitation. Selon le Stanford AI Index, les investissements privés dans l’IA aux États-Unis étaient en 2025 environ 23 fois supérieurs à ceux de la Chine ; dans le domaine de l’IA générative, les investissements américains dépassaient nettement les investissements cumulés de la Chine et de l’Europe. Cela ne signifie toutefois pas que les entreprises américaines contrôleront nécessairement l’ensemble de la création de valeur économique et sociale issue de l’intelligence artificielle. Le développement d’un modèle de fondation, l’exploitation de centres de données, l’intégration dans les entreprises et les applications dans l’industrie, la médecine, l’énergie, l’administration ou la science relèvent de marchés distincts, dont les conditions de réussite diffèrent. L’OECD décrit ainsi le marché de l’IA comme associant une forte concentration de la puissance de calcul, des données et de la distribution à une dynamique toujours soutenue du côté des modèles, des fournisseurs et des applications. L’exemple historique d’Airbus montre que l’Europe peut briser une domination américaine établie dans un secteur de haute technologie à forte intensité capitalistique. Airbus n’a pas évincé Boeing, mais a transformé un marché dominé par les États-Unis en un duopole mondial. En 2025, Airbus a livré 793 avions de ligne et disposait, à la fin de l’année, d’un carnet de commandes record de 8.754 appareils. Ce succès ne reposait pas uniquement sur une qualité européenne prétendument supérieure. Airbus a regroupé des compétences nationales, bénéficié d’un soutien public à long terme, obtenu l’engagement de premiers clients et évolué d’un consortium peu structuré vers une entreprise intégrée dotée d’une direction commune. Boeing, de son côté, a souffert de problèmes avérés concernant la fabrication, la documentation, la supervision et la gestion de la qualité. Le National Transportation Safety Board américain a attribué l’incident lié à l’obturateur de porte d’un Boeing 737 MAX 9 à une formation, des instructions et un contrôle insuffisants de la part de Boeing. L’autorité américaine de l’aviation FAA a en outre relevé de nombreuses violations des exigences de qualité. L’expérience d’Airbus ne peut néanmoins pas être transposée telle quelle à l’IA. Les avions ont des cycles de produit qui s’étendent sur plusieurs décennies, des procédures de certification clairement définies et des coûts de changement très élevés. Les modèles d’IA peuvent perdre de leur compétitivité relative en l’espace de quelques mois. Un groupe européen unifié créé par décision politique serait donc probablement trop lent. L’Europe a plutôt besoin d’un système industriel de l’IA fondé sur le principe d’Airbus : une infrastructure commune de calcul, d’énergie et de données, au moins un fournisseur européen performant de modèles de fondation, des modèles alternatifs ouverts et interchangeables, des entreprises spécialisées comme DeepL, de premiers clients industriels, des marchés publics stratégiques, des capitaux de croissance européens, ainsi que des institutions indépendantes de sécurité et d’évaluation. Un tel système n’aurait de sens pour la société que s’il remplissait trois conditions supplémentaires : il doit renforcer les capacités humaines et non se contenter de remplacer du personnel ; les financements publics doivent avoir une contrepartie publique ; et les fabricants ne doivent pas être les seuls évaluateurs de leurs propres systèmes. L’Europe ne dépassera probablement pas les États-Unis dans les plateformes cloud mondiales, les assistants destinés aux consommateurs ou le volume absolu de puissance de calcul. Elle pourrait toutefois occuper des positions de premier plan dans la fiabilité industrielle, les processus d’entreprise multilingues, les applications réglementées, le déploiement contrôlable et l’intégration de l’IA dans les systèmes de production réels. Cette possibilité est réelle. Elle ne découle toutefois pas automatiquement du passé industriel de l’Europe. Elle doit être organisée sur les plans politique, économique et institutionnel.

Pourquoi nous avons besoin de 19 principes fondamentaux : les grandes entreprises n’ont pas de problème avec une telle constitution de l’IA parce qu’elle serait déraisonnable. Elles ont un problème avec elle parce qu’elle impose des limites précisément là où naît aujourd’hui leur pouvoir. Il règne actuellement cet étrange mélange d’euphorie et de critique. Tout le monde parle d’IA. Quiconque sait rédiger un prompt sans erreur construit quelque chose avec. Quelque chose qui transforme les High Performers en super-performeurs, en dieux de l’IA. Tout le monde est soit enthousiaste, soit alarmé, soit effrayé — souvent même en alternance quotidienne. Et, en réalité, je n’entends toujours que les mêmes questions. Une grande partie du débat public sur l’IA tourne autour de questions qui ne sont pas vraiment erronées, mais qui sont souvent trop étroites, posées trop tard ou de travers. Elles captent l’attention, créent des camps et font les gros titres. Pourtant, elles passent en partie à côté du véritable problème. Des contributions récentes critiquent précisément cela : les débats traitent l’IA soit comme un outil purement technique, soit comme un monstre futur lointain, au lieu de prendre au sérieux les structures sociotechniques de pouvoir et de décision qui agissent déjà aujourd’hui. [1] Une tentative de mise en ordre : les questions importantes, mais posées de manière trop étroite. Les questions qui détournent du cœur du sujet. Et celles qu’il faudrait réellement poser. Je sais naturellement exactement lesquelles.

La page d’accueil de FlameP affirme : « L’IA est un miroir, pas un professeur. » [1] Cette phrase protège contre une confusion répandue. Un modèle de langage ne possède pas automatiquement l’expérience, la responsabilité ou la relation d’un être humain simplement parce que sa réponse paraît instructive. Mais la métaphore du miroir a elle aussi ses limites. Un miroir ne restitue pas simplement et de manière neutre ce qui se trouve devant lui. Les systèmes d’IA façonnent leurs productions au moyen des données d’entraînement, des règles, de la conception du système, du contexte sélectionné et des probabilités. Pour FlameP, il en découle ceci : l’IA peut refléter des perspectives, révéler des schémas et susciter des questions. Elle doit toutefois rester visible comme système conçu. Le jugement, l’expérience et la responsabilité ne doivent pas lui être transférés à l’insu des personnes.

Les êtres humains ne décident pas uniquement avec des phrases. La tension, le calme, la fatigue, la résistance ou un sentiment de justesse peuvent fournir des indices sur la manière dont une situation est vécue. Sur sa page d’accueil, FlameP relie également son histoire fondatrice à TheFlameWithin et à la recherche d’une orientation intérieure. [1] Mais la sensation corporelle n’est pas un détecteur de vérité infaillible. Elle peut être façonnée par l’expérience, la peur, la maladie, l’habitude, le traumatisme, la pression du groupe ou une situation aiguë. Pour FlameP, il en découle ceci : la perception corporelle peut être consignée comme preuve personnelle. Elle ne doit ni remplacer des faits objectifs, ni être diagnostiquée ou normalisée par un système.

Les partenariats promettent une plus grande portée, des capacités et un partage des risques. Mais un angle mort apparaît facilement : puisque tout le monde participe, personne ne se sent responsable de l’ensemble. Corazón de Cacao décrit sa collaboration avec CacaoSource comme une association de valeurs communes, de commerce direct, d’une plus grande portée et de la disponibilité pratique de petites quantités de cacao. [1] Il s’agit d’une présentation publique de la coopération par ses acteurs, et non d’une preuve indépendante de ses effets. Pour FlameP, il en découle qu’un partenariat nécessite, outre l’objectif commun, des rôles distincts, des engagements concrets, des droits de décision, des preuves et une gestion encadrée des erreurs et de la séparation.

Corazón de Cacao décrit la « transparence radicale » comme l’ambition de rendre traçable chaque étape d’une chaîne de valeur, de la fève de cacao au produit : les personnes impliquées, les processus de travail, l’origine et les valeurs vécues. [1] L’ambition est forte. C’est précisément pourquoi elle ne doit pas être confondue avec un site web détaillé. La transparence ne naît pas de la quantité d’informations visibles, mais de leur provenance, de leur actualité, de leurs liens et de leur vérifiabilité. Un beau rapport peut être sincère tout en laissant subsister des lacunes décisives. Pour FlameP, Corazón de Cacao constitue ici un espace d’expérience, et non un modèle de produit. FlameP ne construit pas une chaîne d’approvisionnement numérique du cacao. Il développe un nouvel environnement pour les tâches, le savoir, les décisions et la collaboration. La question transposable est la suivante : comment une personne peut-elle reconnaître d’où vient une affirmation, qui l’a modifiée, quelle incertitude demeure et quelle décision en a résulté ?

Sur la page consacrée aux certificats-cadeaux, Corazón de Cacao indique que les certificats ont été créés avec l’aide de l’IA et que les idées ainsi que les contributions proviennent du projet. [1] C’est mieux qu’une origine invisible. Mais la mention ne précise pas encore quelles parties ont été générées, qui les a vérifiées et si les personnes ou les lieux représentés sont réels. Pour FlameP, il en découle ceci : l’étiquetage de l’IA doit avoir une finalité et être proche du contenu. Il ne doit pas être une simple étiquette générale, mais rendre compréhensibles l’origine, le traitement humain et la validation responsable.

Les labels peuvent fournir des repères. Mais ils peuvent aussi dissimuler la complexité, générer des coûts et déléguer la confiance à une marque. Corazón de Cacao déclare publiquement renoncer actuellement, de manière délibérée, aux labels et certifications, vouloir publier une ventilation détaillée des coûts et proposer des visites sur place comme possibilité de se faire sa propre impression. [1] Cette position soulève une véritable question : une transparence radicale assurée par l’organisation elle-même peut-elle remplacer une vérification indépendante ? La réponse courte est non. Elle peut toutefois créer les conditions permettant à la vérification de devenir concrète, accessible et corrigible. Pour FlameP, il en découle un ordre des preuves. Chaque affirmation doit indiquer s’il s’agit d’une autodéclaration, d’une preuve documentée, d’une confirmation externe ou d’une vérification indépendante. La confiance n’est pas automatisée pour autant. Son fondement devient visible.

Le débat sur l’intelligence artificielle et la vérité se concentre souvent sur les hallucinations, les deepfakes, la désinformation et les références erronées aux sources. Ces problèmes sont réels, mais cette perspective est trop étroite. La vérité n’est pas seulement une propriété d’énoncés isolés. Elle se forme dans des pratiques sociales, institutionnelles et épistémiques : par la vérification des sources, le témoignage, la controverse, la correction, la réplication scientifique, la responsabilité éditoriale, les procédures judiciaires, la délibération publique et le temps consacré à la vérification. Cette contribution développe la notion d’écologie de la vérité comme catégorie analytique de la gouvernance de l’IA. L’IA transforme les écologies de la vérité non seulement lorsqu’elle produit de faux contenus, mais déjà lorsqu’elle convertit la recherche en formats de réponse, lisse l’incertitude, dissimule les hiérarchies entre sources, simule l’autorité et remplace les processus institutionnels de vérification par des synthèses plausibles. À partir de la recherche générative, du travail scientifique, du journalisme, de l’administration et de la communication publique, l’article montre que les risques de l’IA pour la vérité ne doivent pas être compris uniquement comme des problèmes de contenu, de faits ou de détection. La question centrale n’est pas seulement de savoir si une réponse d’IA est correcte, mais si les conditions sociales permettant à la vérité d’être vérifiable, corrigible et publiquement solide sont préservées.

L’article montre comment des questions ouvertes, vérifiables et riches en perspectives préparent de meilleures décisions.

L’intelligence artificielle générative peut produire des réponses linguistiquement claires, structurées et convaincantes dont les affirmations sont néanmoins fausses, incomplètes, non étayées ou inadaptées au contexte concerné. Le problème central ne réside pas seulement dans la possibilité bien connue des hallucinations. Il tient à l’écart croissant entre la plausibilité linguistique et la fiabilité épistémique. Cette contribution emploie la notion incisive de détecteur de bullshit non comme un diagnostic psychologique de la machine ni comme un prétendu organe d’alerte humain fiable. Il s’agit d’une procédure de vérification personnelle, corporelle et fondée sur le risque, qui examine séparément les affirmations, la présentation, l’utilisation et la responsabilité institutionnelle. Le but n’est ni la méfiance généralisée ni l’acceptation aveugle, mais une confiance calibrée. On pourrait aussi dire : faites preuve de bon sens. L’article montre en même temps pourquoi l’esprit critique individuel ne suffit pas. Moins les utilisateurs sont capables de procéder à une vérification spécialisée et plus le dommage potentiel est grand, moins la sécurité d’un système d’IA doit dépendre de leur jugement personnel. Les fournisseurs, les organisations et les institutions publiques portent une responsabilité en amont. Le détecteur de bullshit n’est donc pas seulement une compétence individuelle. C’est une infrastructure sociale et institutionnelle pour gérer l’intelligence artificielle. Mais ce n’est évidemment pas non plus une excuse pour ne pas continuer à développer son propre septième sens.

Je l’avoue : mes premières réactions ont été : ce type ne sait pas ce qu’il fait. C’est inadmissible. Un capitaliste sans conscience sociale, et ainsi de suite. Puis Kemmerich, l’éphémère ministre-président, a publié un post qui relevait du pur populisme. Je me suis dit : réponds-lui vite fait. Mais j’ai ensuite voulu faire les choses précisément et j’ai mené quelques recherches. Et comme dans la vraie vie, il y a ici de l’ombre et de la lumière. Ce texte ne constitue expressément pas un soutien à l’idée d’« oser davantage de Milei ». Car, à bien des égards, nous différons davantage de l’Argentine qu’un protée d’une fusée. Au football aussi, mais c’est un autre sujet. Pour ma part, j’ai toujours dit : on ne pourra faire les comptes qu’au bout de cinq ans au plus tôt. Et je dois dire que c’est vrai. Je suis curieux de voir la suite. Nous connaissons cela au football : une excellente première mi-temps, puis une défaite malgré tout. Mon point de vue sur Milei et l’Argentine : Milei a nettement stabilisé l’Argentine sur le plan macroéconomique. Cela ne relève guère de la propagande, mais peut être étayé par l’inflation, le budget et la croissance. Jusqu’à présent, il n’a toutefois créé ni vaste miracle de l’emploi ni économie d’investissement stable. Le coût social de la première phase d’ajustement a été énorme, la stabilité extérieure reste fragile et son style de gouvernement porte en partie atteinte à des institutions essentielles à une croissance durable. Mon jugement, naturellement tout à fait subjectif, sur ce que Milei a accompli en quelque deux ans et demi : Lutte contre l’inflation : clairement Pro Finances publiques : clairement Pro, mais avec une qualité des coupes parfois médiocre Croissance : prudemment Pro Évolution de la pauvreté : désormais Pro, avec un effondrement intermédiaire brutal Marché du travail : plutôt Con Évolution des salaires : mitigée Économie extérieure et réserves : Con ou fragile Réformes structurelles : mitigées à Pro Institutions et style de gouvernement : Con

Une forêt nourricière peut régénérer les sols, favoriser la diversité et ouvrir de nouvelles possibilités de revenus. Mais avant toute plantation se pose une question plus fondamentale : à qui appartient la terre, qui peut décider de son utilisation et qui en bénéficiera à long terme ? Sur une page de projet, Corazón de Cacao décrit l’incertitude des régimes de propriété comme un défi central. La page envisage l’achat de terres, leur transfert à une fondation qui reste à créer et leur utilisation conjointe avec les communautés locales. Elle affirme également qu’un titre de propriété privé sans participation ni contrôle effectif ne procure pas une sécurité suffisante. [1] Il s’agit d’énoncés conceptuels, et non de preuves de propriété ou de participation confirmées dans le présent article. Il en découle pour FlameP que les projets écologiques doivent rendre les droits, le consentement, l’utilisation, le contrôle, le partage des bénéfices et les conflits aussi visibles que les nombres de plantations et les superficies.

Un modèle de langage qui propose un texte reste d’abord un outil. Un système qui collecte lui-même des informations, planifie plusieurs étapes, appelle des outils et modifie ainsi des données ou des états acquiert une autre importance organisationnelle. Non parce qu’il serait une personne, mais parce que ses actes ont des conséquences. ChocoPolitico a mis en relief ce déplacement dans deux publications : « AI Agents als handlungsfähige Systeme » interroge l’autonomie et les limites du contexte ; « AI Agents in Organisationen » met en garde contre le fait de traiter, dans le langage comme dans l’organisation, les acteurs numériques comme de simples outils. [1] [2] Parallèlement, le NIST américain explique que la portée et le nombre d’actions possibles peuvent fortement augmenter avec l’autonomie de tels systèmes, ce qui rend importants l’identité, l’autorisation, l’auditabilité et la limitation des accès. [3] [4] FlameP n’en déduit pas une interdiction des agents. Il en déduit une règle d’architecture : la capacité d’agir ne doit jamais être décrite comme une simple capacité du modèle. Avant chaque action, le rôle, le contexte, l’autorisation, la confirmation, le journal et la règle d’arrêt doivent être reconnaissables.

Les projets racontent leurs effets parce que les gens veulent savoir si leur argent, leur travail ou leur attention change quelque chose. Sans récits, l’effet reste abstrait. Mais un récit convaincant peut créer une certitude supérieure à ce que permettent les éléments disponibles. La page de Corazón consacrée à la récolte de cacao 2025 associe le préfinancement à des affirmations relatives aux revenus, à la nature, aux méthodes de culture traditionnelles, à la transparence et à un effet positif immédiat. Elle mentionne également une part de 77 pour cent qui serait directement versée aux familles d’agriculteurs. [1] Ces indications sont des affirmations publiques du projet. Le présent article ne les confirme pas. Il en découle pour FlameP que les affirmations d’effet exigent un auteur clairement identifié, une période, une comparaison, un statut probatoire et une limite visible entre contribution et causalité.

Et nous voulons gagner de l’argent avec FlameP. Cela doit être dit dès le début, car les entreprises aiment dissimuler quelque peu honteusement leurs intérêts économiques derrière de grands mots. Le développement coûte de l’argent. Les infrastructures coûtent de l’argent. La sécurité coûte beaucoup d’argent. Les personnes qui font du bon travail doivent être correctement rémunérées. Une entreprise sans revenus n’est pas un contre-modèle. C’est un projet d’amateur sans grande valeur. FlameP doit réussir économiquement. L’entreprise doit croître, créer des emplois, constituer des réserves et pouvoir financer elle-même son développement. Nous ne voulons pourtant pas bâtir une entreprise qui transforme les êtres humains en matière première.

Nous ne manquons pas d’informations. Ce qui nous manque souvent, c’est la capacité d’en tirer du sens, une relation et une réponse assumée. La page d’accueil de FlameP décrit donc l’espace qui se crée comme un lieu « entre stimulus et réponse » et énonce une succession de quatre mouvements : perception, sens, relation, réponse. [1] Ce texte n’est pas une description de produit. Il examine la question qui sous-tend cette formulation : que doit-il se passer entre une impulsion et une décision pour que la vitesse ne soit pas confondue avec la clarté ? Il en découle un choix de conception pour FlameP. Le système ne doit pas seulement conduire plus vite les personnes à des résultats. Il doit rendre visibles différents états : qu’a-t-on observé ? Qu’est-ce qui relève de l’interprétation ? Qui est concerné ? Qu’est-ce qui est décidé — et qu’est-ce qui reste ouvert ?

Activité par laquelle les êtres humains façonnent le monde et assument des responsabilités.

Préservation et recontextualisation de l’expérience au fil du temps.

Capacité d’agir à l’intérieur de conditions et de limites visibles.

Lien fondé sur des rôles, des droits et des obligations différents.

Règles, rôles et procédures pour des décisions assumées.

Perspectives culturelles sur la pratique, la matière, le soin et la durée.

La perception corporelle personnelle comme orientation, et non comme substitut général à la vérité.

Pratiques, significations et formes de vie commune partagées.

Transformation de la compréhension et de la capacité d’action par l’expérience et la réflexion.

Collaboration fondée sur des rôles, des engagements et des voies de résolution des conflits visibles.

La capacité de décider de manière informée et autonome.

Pratique philosophique portant sur le jugement, l’action et ce qui échappe à notre maîtrise.

Transparence quant au savoir manquant et aux multiples évolutions possibles.

Transition entre des états, des attitudes ou des structures.

Imputabilité des décisions et de leurs conséquences.

Disposition fondée à se fier à des personnes, des institutions ou des systèmes.

Ce qui peut être vérifié et corrigé dans des conditions compréhensibles.

Changement observable auquel des actions peuvent contribuer.

Connaissance vérifiable et susceptible d’être contextualisée.

Question centrale du Journal sur le rôle, la décision et les conséquences.

Question centrale du Journal sur le savoir, le contrôle et la capacité d’action.

Question centrale du Journal sur l’intention, la contribution et le changement.

Protection des données à caractère personnel et du contrôle de leur utilisation.

Systèmes techniques destinés à traiter, produire ou évaluer des informations.

Moyens, procédés et infrastructures conçus au service de l’action humaine.