L'ordonnance historique de la Cour fédérale
Le traitement de la mémoire historique vient de franchir une étape cruciale au Canada. Selon des informations rapportées par Radio-Canada, la Cour fédérale a ordonné au gouvernement canadien de divulguer des renseignements jusqu'ici censurés concernant la présence présumée de criminels de guerre nazis sur le territoire national. Cette décision fait suite à une contestation juridique entourant les travaux de la commission Deschênes, établie au milieu des années 1980 pour faire la lumière sur cette question sensible.
Le jugement, rendu par le magistrat Richard Mosley, souligne un point de tension fondamental dans nos démocraties : l'arbitrage entre la sécurité nationale, la protection de la vie privée et le droit inaliénable du public à la vérité historique. Des rapports majeurs, à l'instar du rapport d'Alti Rodal rédigé en 1986, ont longtemps fait l'objet de caviardages massifs. Désormais, l'administration publique doit faire face à une obligation de transparence qui se traduit par une réalité technique complexe : la mise à disposition de milliers de pages d'archives numérisées, souvent anciennes, dactylographiées et parsemées de notes manuscrites.
Le défi de la masse documentaire et de la recherche sémantique
Pour les chercheurs, les historiens et les journalistes d'enquête, l'accès physique ou numérique à ces documents ne constitue que la première étape d'un long parcours. Le véritable obstacle réside dans la capacité à traiter cette masse informationnelle. La recherche traditionnelle par mots-clés, bien que familière, montre rapidement ses limites face à des documents historiques. Les variations orthographiques des patronymes, l'évolution du vocabulaire administratif et les imperfections de la reconnaissance optique de caractères (OCR) masquent fréquemment les informations cruciales.
C'est ici qu'interviennent les technologies de traitement automatique du langage naturel, et plus particulièrement la recherche sémantique basée sur les embeddings (ou plongements lexicaux). Plutôt que de chercher une correspondance exacte de caractères, cette méthode mathématique convertit les phrases en vecteurs de données. Elle permet ainsi d'interroger un corpus d'archives sur des concepts complexes. Par exemple, une requête sur la « complicité administrative » peut identifier des paragraphes pertinents contenant des termes différents comme « visas accordés sous de faux prétextes » ou « tolérance tacite des autorités », quand bien même le mot « complicité » n'y figure pas.
Le RAG comme passerelle d'analyse historique souveraine
La génération augmentée par récupération, plus connue sous l'acronyme RAG (Retrieval-Augmented Generation), représente l'évolution majeure de cette approche. Contrairement aux modèles de langage grand public qui tendent à inventer des faits lorsqu'ils manquent d'informations (un phénomène appelé hallucination), un système basé sur le RAG fonctionne comme un examen à livre ouvert. Il n'invente rien : il parcourt la base de documents déclassifiés, extrait les segments les plus pertinents par recherche sémantique, puis formule une synthèse rigoureuse en citant explicitement ses sources.
Dans le cadre de recherches sur des données aussi sensibles que des dossiers de crimes de guerre ou des archives d'État, la souveraineté de l'infrastructure technologique devient une exigence absolue. Soumettre des milliers de pages d'archives inédites à des serveurs d'entreprises étrangères expose ces données à des risques de surveillance extraterritoriale, notamment en vertu du Cloud Act américain. Pour les institutions publiques et les chercheurs canadiens, la conformité avec la Loi 25 au Québec et les normes de sécurité fédérales impose un contrôle strict du transit des données.
La mise en perspective au sein de ProductivIA
C'est précisément à cette jonction entre l'analyse documentaire avancée et le respect strict de la confidentialité que se positionne la plateforme québécoise ProductivIA. Grâce à l'application Base documentaire, les chercheurs peuvent ingérer de grands volumes d'archives de formats divers (PDF, documents textuels, transcriptions) directement dans un environnement web sécurisé. L'application génère des embeddings locaux et structure la mémoire vectorielle de l'utilisateur sans jamais envoyer les documents bruts à des tiers non autorisés lors de la phase de recherche.
L'utilisateur interroge ensuite cette base de connaissances via l'Assistant central ou l'outil Doc de ProductivIA. L'intelligence artificielle formule des réponses structurées en s'appuyant uniquement sur les textes présents dans la base. Cette approche garantit que chaque affirmation de l'IA peut être vérifiée instantanément par l'humain grâce à un renvoi précis vers le document d'origine.
Toutes les données d'analyse, les indexations et les fichiers importés demeurent consultables de manière transparente dans l'application Nuage, l'espace de stockage de la plateforme. Cet environnement applicatif entièrement sans code permet à des spécialistes des sciences humaines ou à des archivistes d'exploiter la puissance du RAG sans posséder de compétences en programmation logicielle. En éliminant le besoin de configurer des infrastructures complexes, la plateforme démocratise l'accès à l'enquête historique de haut niveau tout en maintenant une barrière de sécurité infranchissable face aux fuites de données.
Pour aller plus loin
L'ouverture des archives historiques par voie judiciaire soulève d'importantes questions sur la pérennité numérique de notre mémoire collective. Alors que les techniques de numérisation s'améliorent, l'adoption d'outils d'indexation sémantique transparents et locaux se positionne non pas comme un luxe technologique, mais comme une condition essentielle à l'exercice d'un véritable droit à l'information. Comment les institutions publiques adapteront-elles leurs infrastructures pour offrir ces outils d'analyse avancés aux citoyens tout en protégeant les données personnelles encore sensibles ?