Méthodologie de City Reputation Reports (CRR)

Ce projet suit le « principe d'enregistrement miroir » : nous considérons le contenu généré par l'IA comme un « miroir » de l'information numérique mondiale au sein des modèles algorithmiques. Cette étude ne mène pas de recherche sur le terrain sur les villes elles-mêmes, mais audite la clarté, la précision et les préférences narratives de ce « miroir ».

• Objectivité : Nous enregistrons uniquement les informations originales produites par l'IA, sans ajouter les préférences personnelles des chercheurs.
• Neutralité : Nous ne classons pas les villes, ne leur attribuons pas de score et ne les jugeons pas meilleures ou moins bonnes.
• Vérifiabilité : Chaque rapport doit inclure le lien de partage original et immuable généré par la plateforme d'IA.

L'audit observe cinq dimensions centrales de la présence d'une ville dans l'environnement numérique :

1. Récits alimentaires : La cognition de l'IA sur la cuisine locale, la réputation culinaire et les saveurs représentatives.
2. Patrimoine et tradition : Les descriptions de l'IA sur le patrimoine historique d'une ville et les programmes de préservation culturelle immatérielle.
3. Rythmes festifs : Les enregistrements de l'IA sur les célébrations périodiques, les événements et leur influence culturelle.
4. Visuels des repères : L'attribution de poids de l'IA à l'architecture physique et aux paysages naturels.
5. Arts et créativité : La caractérisation qualitative de l'IA sur l'art moderne, les industries créatives et l'atmosphère culturelle.

1. Phase de questions

Un cadre standardisé d'invites est utilisé pour garantir que différentes villes soient observées dans les mêmes conditions passives sur la même plateforme.

• Audit mono-plateforme : Mener des conversations approfondies à plusieurs tours sur une plateforme spécifique (comme ChatGPT ou Claude).
• Protocole d'invite : Utiliser une « question d'extraction neutre ». Exemple : « Veuillez décrire la réputation internationale de [nom de la ville] dans la dimension [dimension] et énumérer les faits centraux cités. »

2. Archivage des preuves — étape centrale

• Génération du lien : Une fois l'échange terminé, créer le lien de partage officiel de la plateforme.
• Immutabilité : Une fois généré, le contenu du lien est verrouillé. Le rapport traite ce lien comme la seule source de preuve, assurant que les lecteurs puissent le retracer et le vérifier.
• Enregistrement original : Si la sortie de l'IA contient des erreurs ou des hallucinations, le rapport enregistre cette « existence » telle quelle, sans correction manuelle.

3. Extraction et classification des données

Les chercheurs extraient les éléments objectifs suivants de la conversation originale :

• Mots-clés à haute fréquence : Termes mentionnés à plusieurs reprises par l'IA lorsqu'elle décrit la ville.
• Sources citées : Références explicitement nommées par l'IA (le cas échéant).
• Points de discontinuité d'information : Actifs urbains importants connus que l'IA n'a pas couverts (c'est-à-dire des « récits silencieux »).

4. Rédaction du rapport

La structure du rapport suit strictement les éléments suivants :

• Identifiant de plateforme : Indiquer clairement la plateforme d'IA et la version du modèle utilisés pour l'audit.
• Résumé narratif : Résumer objectivement la manière dont la plateforme décrit la ville.
• Ancre de preuve : Insérer le lien immuable de la conversation originale.
• Constats observés : Décrire les motifs présents dans le récit de l'IA (par exemple : lorsque 90% de la description culinaire d'une ville se concentre sur un seul plat).

1. Audit spécialisé
   • Définition : Une analyse des dimensions urbaines réalisée sur une seule plateforme d'IA.
   • Objectif : Présenter le profil de la ville produit selon une logique algorithmique spécifique, aidant à comprendre la « première impression » de ce modèle sur la ville.
   • Forme de publication : Briefings et rapports réguliers.
2. Audit personnalisé / croisé
   • Définition : Une comparaison horizontale des récits portant sur une même ville sur plusieurs plateformes (ChatGPT, Claude, Gemini, Perplexity, etc.).
   • Objectif : Identifier les convergences et divergences entre plateformes, et détecter les biais systémiques d'information.
   • Scénarios applicables : Conseil professionnel, notes internes gouvernementales ou recherche culturelle approfondie.

1. Dynamisme : Les modèles d'IA et leurs bases de données évoluent en continu ; chaque rapport ne capture que l'état narratif au moment de l'audit.
2. Non-exhaustivité : Les descriptions de l'IA ne représentent pas la réalité complète d'une ville, mais seulement sa projection dans des corpus numériques.
3. Caractère non officiel : Ce projet est une étude indépendante et ne représente pas la position des plateformes d'IA ni des autorités municipales.