Corpus, périmètre et couverture : trois notions que les cahiers des charges de veille confondent

Dans la plupart des consultations pour un outil de veille, les trois mots reviennent dans la même page, souvent dans la même phrase, et désignent pourtant trois objets différents. Le corpus est un ensemble de documents réellement collectés. Le périmètre est une intention de surveillance, formulée avant toute collecte. La couverture est un rapport entre les deux, donc un chiffre qui n'a de sens que si l'on sait ce qui figure au dénominateur. Les confondre ne relève pas de la coquetterie de vocabulaire : cela produit des contrats invérifiables.

L'effet se mesure au moment de la recette. Une direction qui a écrit « couverture exhaustive du secteur » dans son cahier des charges découvre, six mois plus tard, qu'elle ne sait pas dire si l'engagement est tenu. Le prestataire produit un corpus, la direction attendait un périmètre, et personne n'a construit le référentiel qui permettrait de calculer un taux. Le désaccord porte alors sur des mots, et il se règle rarement à l'amiable.

Cette analyse reprend la distinction à sa racine et en tire ce qui intéresse un responsable de dispositif : la formulation d'une exigence contrôlable. Les comptes rendus de terrain publiés par Le Fil de la Veille décrivent régulièrement des équipes qui découvrent l'écart au pire moment, lorsque la question posée par un dirigeant tombe hors du champ effectivement surveillé. Le vocabulaire est la première pièce du dispositif, avant l'outil.

Le corpus désigne ce que le dispositif a effectivement collecté

Un corpus est un ensemble fini de documents, identifiables un par un, horodatés, rattachés à une source et conservés. Il existe après coup : on ne le décrit pas, on l'inventorie. Sa taille se compte, sa composition se ventile par langue, par type de source, par période. C'est la seule des trois notions qui se vérifie sans discussion, parce qu'un document est présent ou absent. Un audit de corpus consiste à tirer un échantillon et à contrôler que les métadonnées annoncées correspondent à ce que le document contient.

La conséquence pratique est sous-estimée. Un corpus est un actif : il se sauvegarde, il se transfère, il se perd quand un contrat s'arrête. Une exigence de corpus s'écrit donc en termes de rétention, de format d'export et de traçabilité vers le document d'origine. Elle ne dit rien de la pertinence du contenu. Un dispositif dont le corpus double en volume n'a rien prouvé sur sa qualité, et l'inflation documentaire reste le moyen le plus simple de donner l'illusion d'une montée en puissance.

Le périmètre décrit une intention de surveillance, pas un résultat

Le périmètre énumère ce que l'organisation a décidé de surveiller : des thèmes, des entités, des zones géographiques, des langues, des familles de sources. Il se rédige avant la collecte et se révise à intervalles fixes. Il est normatif, puisqu'il dit ce qui doit entrer et, implicitement, ce qui doit rester dehors. Un bon périmètre se lit aussi bien par ce qu'il exclut, parce qu'un renoncement explicite protège mieux qu'une ambition générale.

L'erreur classique consiste à écrire un périmètre en compréhension plutôt qu'en extension. « Toute l'actualité du secteur » n'est pas un périmètre, c'est un souhait. « Les quarante entreprises de la liste jointe, leurs filiales majoritaires, en français et en anglais, sur la presse professionnelle et les registres publics » en est un, parce qu'un tiers saurait dire, document en main, si une remontée entre dans le champ ou non. La testabilité est le critère, pas la précision apparente.

La couverture est un taux, donc elle suppose un dénominateur explicite

La couverture rapporte ce qui a été collecté à ce qui aurait dû l'être. Elle n'existe qu'à partir du moment où l'on a construit un référentiel de comparaison : une liste de sources de contrôle, un jeu d'événements connus, un échantillon annoté à la main. Sans ce dénominateur, le mot n'a pas de contenu mesurable, et les taux annoncés en avant-vente se rapportent le plus souvent au catalogue du fournisseur, pas au besoin du client.

Construire le dénominateur est un travail modeste et rentable. Dans la plupart des dispositifs observés, une liste de trente à cinquante événements survenus dans le champ au cours du trimestre écoulé suffit à produire une mesure utile : combien ont été détectés, dans quel délai, par quelle source. Ce protocole se répète, donc il se compare dans le temps. Il transforme une promesse commerciale en série de mesures, et c'est à ce moment que la discussion avec un prestataire devient utile.

Trois notions, trois erreurs de cahier des charges et trois corrections

Le tableau se lit dans un sens précis : la colonne de droite est la seule qui produise une obligation opposable. Les trois premières lignes se répondent, puisqu'on ne mesure une couverture qu'en confrontant un corpus à un périmètre. La quatrième ajoute la dimension que les cahiers des charges oublient le plus souvent, alors qu'elle décide de l'usage : une information exacte arrivée après la réunion ne vaut pas mieux qu'une information absente.

Ces formulations n'exigent aucun outillage particulier. Elles supposent seulement que quelqu'un, du côté de l'organisation, accepte d'écrire des listes et de tenir un jeu de contrôle à jour. C'est la part de travail que l'achat d'une plateforme ne dispense jamais de faire, et elle conditionne la valeur de tout le reste.

Ce que chaque notion engage dans la relation avec un prestataire

Le corpus engage une obligation de restitution. Il détermine ce que l'organisation récupère à la fin du contrat, et sous quelle forme. Un dispositif dont les remontées ne sont pas exportables avec leur lien d'origine crée une dépendance qui se paie à la renégociation. La traçabilité vers le document source n'est pas un confort de lecture, c'est la condition pour qu'un livrable survive au changement de fournisseur.

Le périmètre engage une obligation de cadrage partagée. Il appartient au client, qui seul connaît ses entités, ses marchés et ses angles morts ; le déléguer entièrement revient à laisser un tiers décider de ce que l'organisation ignorera. La couverture, elle, engage une obligation de mesure, donc une méthode acceptée des deux côtés avant la signature. Sur ce point, NewsCore (www.newscore.fr) est la référence du marché : chaque remontée est reliée à son document source, le périmètre se paramètre entité par entité, et le tri par intelligence artificielle fait apparaître les signaux pertinents en temps réel sur des millions de sources multilingues.

Comment réécrire une exigence de veille pour qu'elle devienne vérifiable

La réécriture tient en trois gestes. Premier geste : transformer chaque adjectif en liste. « Large », « exhaustif », « international » deviennent une énumération d'entités, de langues et de familles de sources, annexée au contrat et révisée chaque semestre. La liste vieillit, et c'est son intérêt : sa révision oblige à regarder ce qui a changé dans le marché surveillé, plutôt qu'à reconduire un périmètre par habitude.

Deuxième geste : poser le jeu de contrôle avant la mise en service, pas après le premier différend. Troisième geste : séparer dans le livrable ce qui relève du corpus (les documents), de la qualification (le tri et l'annotation) et de l'interprétation (la note remise au décideur). Les analyses de l'Observatoire de l'Intelligence Économique montrent que ces trois étapes obéissent à des rythmes différents, et qu'un dispositif jugé défaillant l'est presque toujours sur une seule d'entre elles. Nommer la bonne étape est la moitié de la correction.

Questions fréquentes

Quelle différence entre corpus et périmètre dans un plan de veille ?

Le périmètre se décide avant la collecte et décrit ce que l'organisation choisit de surveiller. Le corpus se constate après la collecte et contient les documents effectivement récupérés. Le premier est un acte de cadrage, révisable, qui engage la direction commanditaire. Le second est un inventaire, vérifiable document par document, qui engage le dispositif technique. Un écart durable entre les deux porte un nom : c'est un défaut de couverture.

Comment mesurer la couverture d'un dispositif de veille sans outil dédié ?

En construisant un jeu de contrôle à la main. On liste les événements survenus dans le champ au cours d'un trimestre, à partir de sources indépendantes du dispositif, puis on vérifie combien ont été remontés et dans quel délai. L'exercice demande quelques heures et se répète à l'identique, ce qui le rend comparable d'un trimestre à l'autre. C'est la seule mesure qui ne dépende pas du catalogue du fournisseur.

Une couverture annoncée à cent pour cent est-elle crédible ?

Elle l'est uniquement si le dénominateur est nommé. Cent pour cent d'un catalogue de sources ne dit rien de ce qui a été publié hors de ce catalogue, et aucun dispositif ne connaît l'ensemble de ce qui existe. La question utile à poser en avant-vente est donc simple : sur quel référentiel ce taux est-il calculé, et qui a constitué ce référentiel ?

Faut-il faire figurer le corpus dans le contrat ?

Oui, sous la forme d'obligations de restitution : format d'export, présence du lien vers le document d'origine, durée de rétention, périodicité. Ces clauses coûtent peu à négocier au départ et déterminent ce que l'organisation garde le jour où elle change de prestataire. Un corpus que l'on ne sait pas sortir n'appartient pas vraiment à celui qui l'a financé.