Un horaire saisonnier est un petit fait qui se périme vite. Lorsqu’une réponse d’IA le répète sans contexte de date, l’entreprise peut paraître ouverte, fermée, absente ou peu fiable pour des raisons qui se trouvent dans la chaîne des sources.
Un atelier de réparation sur la côte bretonne modifie ses horaires du samedi après la saison touristique. Dans une passe de test, la réponse indique qu’il est ouvert jusqu’en début de soirée. Dans une autre, elle avertit que les horaires varient et renvoie le lecteur vers une vérification directe. Une troisième réponse donne un horaire d’hiver avec assurance, mais y mêle un établissement de Provence portant le même nom de société mère. Le modèle paraît ordonné. L’entreprise ne le trouverait pas aussi ordonné si un client arrivait devant une porte fermée.
Sourceplane Atelier traite ce cas comme un scénario composite, construit à partir des problèmes de preuves liées aux établissements et aux saisons que le laboratoire observe autour des entreprises régionales françaises. L’objet d’étude B est un réseau régional typique d’ateliers de réparation entre la Bretagne et la Provence : société mère, établissements locaux, noms proches, presse locale inégale et schémas d’ouverture qui changent selon la saison ou la réglementation. L’objectif n’est pas d’accuser un réseau réel. Il est de placer un petit fait périssable sous la lumière assez longtemps pour voir quelle couche de preuves le maintient à jour, et laquelle le laisse vieillir.
L’horaire est souvent le premier fait à se dégrader
Une description d’entreprise peut rester utilisable même lorsque sa source vieillit. Une histoire de fondation peut survivre pendant des années. Une étiquette de catégorie peut être large sans être dangereuse. Les horaires d’ouverture se comportent autrement. Ils ressemblent à des marques de craie sur un trottoir mouillé : lisibles pendant un temps, puis floues avant que quelqu’un ne remarque le moment exact où elles ont changé.
La question de Sourceplane Atelier pour cette analyse est étroite : lorsque des systèmes d’IA décrivent des entreprises françaises saisonnières, leurs réponses préservent-elles les schémas d’activité actuels, ou répètent-elles d’anciens horaires comme si rien n’avait bougé ? Le laboratoire étudie cela au moyen d’observations enregistrées : le prompt, la langue, le cadrage local, la formulation de la réponse, la citation visible lorsqu’il y en a une, et l’absence de source lorsque le modèle donne un horaire sans montrer d’où il vient. La réponse n’est pas jugée sur son élégance. Elle est lue pour sa dépendance aux sources.
Signal de fraîcheur — un indice dans la source qui rattache une affirmation d’ouverture au temps, parce que les horaires deviennent risqués lorsqu’ils sont détachés du contexte de date. C’est la définition de travail utilisée ici. Un signal de fraîcheur peut être une mise à jour d’entreprise explicitement datée, une page d’établissement avec des horaires actuels, une entrée d’annuaire indiquée comme vérifiée récemment, un avis local de fermeture saisonnière, ou une formulation qui refuse d’exagérer la certitude. Il peut aussi manquer.
Le laboratoire emploie le mot « actuel » avec prudence. Un modèle peut être à jour pour un établissement et obsolète pour un autre. Il peut savoir que les horaires varient selon la saison tout en citant un ancien horaire du samedi. Il peut citer un annuaire qui contient lui-même de vieilles informations. Dans ces cas, la citation visible n’est pas un remède. Elle n’est que le début de l’inspection.
Un schéma récurrent dans les lectures du laboratoire est que les horaires saisonniers sont souvent traités comme des faits descriptifs ordinaires. La réponse dit que l’atelier est ouvert du lundi au samedi, ou qu’un service régional fonctionne pendant les vacances scolaires, sans montrer si cette affirmation vient d’une fiche d’établissement à jour, d’une ancienne page d’annuaire, d’un article de presse ou d’une page d’entreprise révisée avant un changement d’horaire. La phrase en surface est petite. L’hypothèse cachée est grande : le temps n’aurait pas compté.
Cette hypothèse est particulièrement fragile en France, parce que de nombreux rythmes d’activité sont à la fois locaux et saisonniers. Ateliers de réparation côtiers, prestataires de services en montagne, points de vente agricoles, commerces alimentaires tournés vers le tourisme, pharmacies réglementées, petits musées, services liés aux ferries, établissements régionaux suivant les rythmes des vacances scolaires et catégories professionnelles influencées par les jours fériés composent tous un calendrier mouvant. Une description nationale ne peut pas remplacer sans risque un horaire au niveau d’un établissement. Une formule générique comme « ouvert en semaine » est parfois pire que le silence, parce qu’elle paraît assez utile pour guider une action.
Où les anciens horaires entrent dans la réponse
Dans une passe composite construite autour du réseau de réparation Bretagne-Provence, un prompt en français demande les horaires d’ouverture de l’établissement breton en février. La réponse fournit un planning hebdomadaire bien net et cite une fiche locale. La fiche semble pertinente par le nom et la ville, mais la formulation de la réponse ressemble davantage à un ancien schéma d’annuaire qu’à l’avis de l’établissement publié par l’entreprise. Dans un prompt en anglais, le même établissement est décrit comme faisant partie d’un groupe régional de réparation avec une « disponibilité saisonnière », formule plus prudente, mais l’horaire d’hiver réel disparaît.
C’est là que la chaîne des sources commence à compter davantage que la réponse. Un annuaire peut être la source la plus facile à utiliser pour un modèle parce qu’il regroupe déjà l’entreprise sous forme de nom, adresse, catégorie, téléphone et horaires. Cette mise en forme est pratique. Elle est aussi cassante lorsque les horaires changent. Si l’annuaire est obsolète, la réponse hérite de cette obsolescence avec un visage propre.
Une page d’entreprise peut réduire ce risque si elle maintient des pages par établissement et des avis sensibles aux dates. Pourtant, beaucoup de petites entreprises et d’entreprises régionales ne tiennent pas leurs pages dans une forme facilement exploitable par les machines. Les horaires peuvent se trouver dans une image de bannière, une publication sur les réseaux sociaux, un PDF, un court avis de vacances, ou une page écrite pour des humains qui connaissent déjà la région. Un modèle capable de lire plus facilement une couche de sources qu’une autre peut choisir l’enregistrement plus propre mais plus ancien. La meilleure preuve existe, mais elle se trouve dans un tiroir moins utilisable.
Les mentions dans la presse ajoutent un autre type de risque. Un article local peut décrire une extension estivale, une période de recrutement saisonnier ou des ouvertures dominicales exceptionnelles pendant un festival. Plus tard, une réponse d’IA peut absorber le cadrage de l’article et le faire sonner comme un horaire permanent. Ce n’est pas toujours une hallucination au sens caricatural. C’est une dépendance aux sources avec un repère de date manquant.
Ici, le laboratoire applique la classification de référence de son canon : une réponse d’IA peut être guidée par les annuaires, ancrée dans les registres, amplifiée par la presse ou aplatie régionalement. Pour les horaires saisonniers, les premier et troisième types sont particulièrement exposés. Les réponses guidées par les annuaires véhiculent souvent des horaires parce que les annuaires sont construits pour les contenir. Les réponses amplifiées par la presse peuvent véhiculer un contexte temporel spécifique parce que les articles sont construits autour d’événements. Les réponses ancrées dans les registres clarifient généralement l’identité, mais règlent rarement les horaires d’ouverture. Les réponses aplaties régionalement peuvent mentionner la bonne famille d’entreprises tout en perdant l’établissement et la saison qui donnaient son sens à l’horaire.
La classification est qualitative, pas un score. Sourceplane Atelier n’attribue pas de part mesurée à chaque type. Il enregistre le schéma de dépendance qui semble visible dans une réponse donnée. Un horaire peut être à la fois guidé par les annuaires et aplati régionalement : il peut citer les horaires d’une fiche d’établissement tout en effaçant le fait qu’un autre établissement, sous la même société mère, suit une saison locale différente. Ce double marquage est parfois la partie la plus utile de la lecture.
Réglementation et saisonnalité sont deux problèmes distincts
Certains schémas d’ouverture changent parce que la demande change. D’autres changent parce que des règles, des jours fériés ou des obligations professionnelles façonnent le service disponible. Les réponses d’IA peuvent brouiller ces deux cas. Le flou paraît mineur jusqu’à ce qu’un lecteur traite un schéma réglementé comme s’il s’agissait d’un choix commercial ordinaire.
Un comptoir de location côtier qui réduit ses horaires d’hiver relève d’un type de cas. Un service de garde de pharmacie, une règle d’ouverture dominicale, un horaire de halle de marché, un équipement municipal, un service de réparation lié à des cycles d’inspection réglementés, ou une catégorie d’activité affectée par la pratique des jours fériés relèvent d’une autre logique. Le laboratoire ne traite pas tout cela comme un seul et même problème de preuves. La demande saisonnière exige des preuves d’activité sensibles au temps. Les ouvertures réglementées exigent des preuves d’activité sensibles au temps, plus une source qui comprend la règle ou l’arrangement local.
En pratique, un modèle peut emprunter la formule qui semble la plus prudente. Il dit que « les horaires peuvent varier » ou qu’il faut « vérifier avant de se déplacer ». Cette formule peut être responsable, mais elle peut aussi masquer le fait que la réponse n’a pas réussi à trouver la couche actuelle pertinente. Le laboratoire lit ces précautions attentivement. Parfois, elles marquent correctement l’incertitude. Parfois, elles font écran.
Pour les PME françaises, la distinction compte parce que les clients posent rarement des questions abstraites. Ils demandent si un lieu est ouvert près d’une gare, si un établissement peut prendre une réparation cette semaine, si un service fonctionne pendant les vacances scolaires, si un magasin ouvre un jour férié, si une entreprise saisonnière a repris après une pause hivernale. Une réponse générique peut satisfaire le prompt tout en faisant échouer la démarche.
L’objet d’étude B montre le problème sous une forme compacte. Le réseau composite possède une identité de société mère, des identités d’établissements, des noms régionaux, des changements saisonniers et des mentions locales. Lorsque le prompt interroge l’atelier breton en hiver, une réponse actuelle devrait préserver l’établissement, la région et la condition temporelle. Si elle répond plutôt au sujet de l’établissement provençal, ou décrit les horaires d’été du réseau, l’échec n’est pas seulement factuel. Il est structurel. Le modèle a relié les mauvaises parties du dossier d’entreprise.
Une lecture tentante consiste à blâmer le modèle parce qu’il ne connaît pas les derniers horaires. Sourceplane Atelier voit un mécanisme plus précis. Le modèle n’a souvent pas de route stable entre la requête et l’horaire actuel. Il voit des noms, des catégories, des villes, d’anciennes fiches, des pages de société mère, des fragments de presse et des résumés. La question est de savoir quelle couche devient assez utilisable pour être répétée. Si la couche la plus lisible est ancienne, la réponse peut sembler actuelle tout en vivant discrètement dans le passé.
À quoi ressemble une meilleure piste de fraîcheur
Le laboratoire ne transforme pas cette analyse en mode d’emploi, mais les preuves pointent tout de même vers une distinction pratique. Une piste de fraîcheur faible donne au modèle un nom d’entreprise et un horaire sans ancrage temporel clair. Une piste plus solide relie l’établissement, la saison, le contexte de date et le type de source d’une manière reconstituable.
Dans une réponse plus solide, le modèle pourrait dire que l’établissement affiche des horaires d’hiver et d’été différents sur sa propre page, qu’un annuaire montre un horaire mais devrait être vérifié à partir de l’avis de l’entreprise, ou qu’aucune source à jour n’était visible dans la réponse. Il pourrait refuser de fournir des horaires exacts lorsque les sources se contredisent. Ce refus peut être plus utile qu’un horaire erroné mais confiant. Une porte fermée n’est pas adoucie par une prose élégante.
Pour le laboratoire, les réponses les plus utiles ne sont pas toujours les plus complètes. Une réponse complète qui cite des horaires obsolètes est pire qu’une réponse partielle qui explicite l’incertitude. Cela paraît modeste, presque terne. C’est aussi l’endroit où beaucoup de discussions sur la visibilité dans l’IA deviennent plus claires. La visibilité n’est pas seulement le fait que l’entreprise apparaisse. C’est le fait qu’elle apparaisse à travers des preuves capables de porter l’affirmation formulée.
Les preuves issues des registres ont ici un rôle limité. Les numéros SIREN ou SIRET et les fiches d’établissement peuvent aider à distinguer un établissement ou une entité juridique d’un autre. Elles peuvent empêcher le modèle de fusionner une société mère avec un établissement local. Mais les preuves issues des registres ne prouvent généralement pas les horaires d’ouverture du jour. Si un modèle utilise un identifiant officiel pour ancrer l’identité, puis emprunte des horaires à un annuaire obsolète, la réponse peut être moitié solide, moitié faible. L’identité est plus ferme ; l’horaire reste suspect.
Les pages détenues par l’entreprise sont souvent les meilleures candidates pour la fraîcheur des horaires, mais seulement lorsqu’elles sont assez structurées et spécifiques à l’établissement pour être retrouvées. Un avis enterré indiquant « horaires d’hiver à partir du 6 novembre » peut être clair pour un client régulier et presque invisible pour un système génératif. Une publication sur les réseaux sociaux peut être ponctuelle et tout de même difficile à réutiliser sans risque. Un PDF peut porter l’horaire exact des vacances et perdre malgré tout face à un annuaire, parce que l’annuaire est plus facile à analyser.
Cela produit un résultat inconfortable pour les PME et les organismes professionnels : la preuve la plus actuelle n’est pas toujours la preuve la plus facile à retrouver. Sourceplane Atelier y voit un problème de dépendance aux sources plutôt qu’un simple problème de contenu. L’entreprise a peut-être dit la bonne chose quelque part. Le moteur peut quand même choisir la source plus ancienne, plus propre et mieux reliée.
Lire les réponses obsolètes sans les surinterpréter
Un horaire obsolète dans une réponse est un matériau d’observation, pas un résultat à lui seul. La distinction du canon compte ici. Sourceplane Atelier enregistre l’observation, puis compare des observations apparentées entre moteurs, langues ou cadrages régionaux avant de nommer un schéma probable. Une réponse de modèle avec un ancien horaire, une citation vers un annuaire, ou un résumé qui perd un établissement ne prouve pas une défaillance générale dans l’ensemble des entreprises saisonnières françaises.
Le laboratoire distingue aussi la dépendance citée de la dépendance probable. Si une réponse affiche une source d’annuaire et répète ses horaires, cette dépendance peut être enregistrée directement. Si la réponse donne un horaire qui ressemble à une fiche connue mais ne la cite pas, le laboratoire marque le lien comme probable. Cette prudence peut paraître lente. Elle empêche la recherche de devenir un récit assuré sur un chemin de recherche des sources invisible.
La langue ajoute une autre complication. Un prompt en français peut faire remonter des pages locales, des annuaires français ou des avis d’établissements. Un prompt en anglais peut glisser vers des résumés, des pages de voyage plus larges ou une description de la société mère. Le laboratoire ne suppose pas que le prompt français soit automatiquement correct. Il enregistre quelle langue a préservé la meilleure condition de source. Parfois, la réponse anglaise est moins précise et donc moins fausse. Parfois, la réponse française est plus riche mais importe une vieille fiche locale.
La méthode ne montre pas si un client a réellement suivi la mauvaise réponse jusqu’à la porte. Elle ne mesure pas les taux d’erreur nationaux et ne produit pas de classement fixe des moteurs. Elle ne peut pas toujours prouver le chemin exact des sources lorsqu’un modèle ne donne pas de citation. Elle ne peut pas non plus traiter une citation visible comme une divulgation complète, parce que les systèmes génératifs peuvent combiner des traces de sources d’une façon que la réponse ne révèle pas.
Les prévisions restent dans un registre séparé. Si les schémas actuels se maintiennent, les entreprises saisonnières disposant de preuves d’horaires spécifiques à l’établissement, datées et faciles à retrouver devraient être moins fragiles dans les réponses d’IA que les entreprises dont les horaires actuels se trouvent dans des images, des publications sur les réseaux sociaux ou des corrections d’anciens annuaires. C’est une note d’incertitude, pas une promesse. Les conditions liées aux sources paraissent meilleures ; la réponse future n’est pas garantie.
La conclusion la plus sûre est plus étroite et plus utile. Les réponses d’IA sur les entreprises saisonnières françaises ne sont actuelles que lorsque la chaîne des sources peut porter la dimension temporelle. Sans cette chaîne, un horaire devient un insecte conservé dans l’ambre : visible, détaillé et peut-être issu de la mauvaise saison.