MODÈLE DE CONFIANCE

Des éléments de preuve que vous pouvez inspecter.
Des affirmations que vous pouvez délimiter.

Comprenez ce qu'un enregistrement peut démontrer, ce dont il dépend et ce qui reste hors de sa portée.

Intégrité

Les octets protégés ont-ils changé par rapport à un reçu ou un point de contrôle de confiance ?

Provenance

Quelles références enregistrées de source et de contexte sont associées à cet événement ?

Reconstruction

Quel état de la mémoire stockée peut être récupéré à partir de l'historique conservé ?

LES LIMITES

Ce que le mécanisme établit.

MécanismeCe qu’il soutientCe qu’il n’établit pas
Reçus cryptographiquesVérifier des données protégées par rapport à une référence de confiance.Que la source d'origine soit factuellement vraie.
Historique à ajout seulPréserver les événements antérieurs à mesure que de nouveaux s'ajoutent.Une protection automatique contre tous les scénarios de perte de données.
Séparation des tenantsUn accès limité par l'identité authentifiée de l'espace de travail.Un isolement fondé uniquement sur un champ tenant dans une charge utile.
Rejeu déterministeLa reconstruction de l'état de la mémoire conservée.Des sorties identiques d'un modèle de langage probabiliste.
Récupération non générativeLe renvoi des éléments de preuve stockés et de leurs relations.La prévention de toute hallucination dans un modèle connecté.

ACCÈS & SÉCURITÉ

L'identité à la limite.
Les éléments de preuve à l'intérieur.

Le modèle d'accès utilise une authentification centralisée, une vérification d'e-mail par lien et des sessions basées sur JWT. Les limites MCP et gRPC sont protégées, avec une autorisation conçue pour échouer en mode fermé.

Portée authentifiée

L'identité du tenant est résolue à partir du contexte backend authentifié.

Accès fermé par défaut

Une autorisation manquante ou invalide ne doit pas devenir une réponse de succès vide.

Inspectez le résultat

Utilisez des identifiants d'enregistrement faisant autorité pour remonter d'un événement à ses éléments de preuve.

RÉPONSES CLAIRES

Un modèle de confiance doit répondre aux questions difficiles.

PHIROK prévient-il les hallucinations ?

PHIROK fournit une mémoire vérifiable et des éléments de preuve traçables. Il n'est pas présenté comme une garantie mathématique contre les hallucinations dans un modèle connecté.

S'agit-il d'une certification réglementaire ?

Non. Les workflows d'éléments de preuve et d'audit peuvent soutenir la révision, mais ils n'établissent pas à eux seuls la conformité à l'EU AI Act ni aucune autre certification. Aucune certification n'est revendiquée sur ce site.

Les exemples interactifs sont-ils des enregistrements de production réels ?

Non. Ce sont des exemples clairement étiquetés. Le bac à sable d'intégrité calcule les hachages dans votre navigateur en utilisant SHA-256 pour sa démonstration. Il est indépendant de l'implémentation de reçus BLAKE3 de production de PHIROK.

Et si la source était erronée ?

Un contrôle d'intégrité peut confirmer que les octets conservés correspondent à leur référence. Il ne peut pas transformer un matériau source inexact en vérité. La qualité de la source et l'intégrité des éléments de preuve sont des questions distinctes.

Le rejeu déterministe reproduit-il le raisonnement d'une IA ?

Le rejeu concerne l'état de la mémoire conservée et le contexte enregistré. Il ne revendique pas l'accès au raisonnement interne privé d'une IA ni ne garantit qu'un modèle générera à nouveau la même réponse.

Quelles affirmations sont délibérément exclues ?

La détection d'incohérences en direct, les embeddings commerciaux de production, la prévention mathématique des hallucinations et la certification réglementaire ne sont pas présentés comme des fonctionnalités disponibles. PHIROK n'est pas commercialisé comme un générateur de réponses.

VOTRE PROCHAINE DÉCISION

Inspecte les preuves.
Tranche la question.

Un modèle de confiance ne sert que si on l’utilise. Emmène-le dans le playground et essaie de casser un enregistrement d’exemple.