Nos
limites

Le modèle peut produire des affirmations plausibles mais fausses. Les passes multiples et la vérification de fiabilité réduisent ce risque sans l'éliminer.

Les nuances propres à chaque culture politique nationale peuvent être mal interprétées, surtout pour les pays moins représentés dans les données d'entraînement.

Deux analyses du même texte peuvent produire des résultats légèrement différents. La structure en plusieurs passes stabilise les résultats.

Les mises à jour du modèle peuvent modifier les résultats. Les versions sont tracées pour assurer la reproductibilité.

L'IA peine à distinguer un usage sincère d'un usage ironique d'une technique rhétorique.

Le ton, les gestes, les silences et les regards ne sont pas accessibles dans un texte écrit.

Les allusions culturelles, historiques ou médiatiques locales peuvent passer inaperçues.

Un argument légitime peut être identifié comme technique rhétorique si sa formulation ressemble à un mécanisme connu.

Une technique subtile ou inédite peut ne pas être détectée par les grilles existantes.

C'est un indicateur de lecture, pas un jugement moral ou politique.

La frontière entre un score "modéré" et "élevé" est définie par convention, pas par une vérité absolue.

Comparer le score d'un discours de campagne avec celui d'un texte de loi a peu de sens. Le contexte compte.

Tous les indicateurs ont le même poids, alors que certains sont plus graves que d'autres dans la réalité.

Sans données chiffrées, l'impact est estimé, pas mesuré. Les directions et intensités sont des approximations.

Si un texte ne mentionne pas un groupe, l'outil ne peut pas deviner l'impact sur ce groupe.

Les effets de second ordre — réactions de marché, comportements adaptatifs — sont rarement capturés.