Version 1 — 18 novembre 2026
Les 10 questions d'Esomar aux fournisseurs d'études par IA : nos réponses.
En juillet 2026, Esomar a remplacé la partie acheteurs de ses 20 Questions par dix questions que tout acheteur devrait poser à un fournisseur d'études fondées sur l'IA. Nous avions répondu publiquement aux vingt en août. Voici les dix, traitées de la même façon : ce qui est en place aujourd'hui, où le vérifier, et la prochaine étape.
Source : Esomar — 10 Questions Buyers Should Ask Suppliers of AI-Based Research Services (en anglais). Les questions sont celles d'Esomar ; nous les reformulons en français, dans leur ordre. Le document original détaille les points qu'Esomar invite l'acheteur à examiner et les preuves qu'il suggère de demander.
Comment lire les couleurs
Esomar propose à l'acheteur, s'il le souhaite, de noter chaque réponse en vert, orange ou rouge. Les couleurs ci-dessous sont notre propre évaluation de nos propres réponses : un acheteur ne doit pas la croire sur parole, mais se faire la sienne.
- VertEn place, avec des preuves vérifiables, pour les usages que nous recommandons.
- OrangeEn place en partie. Ce qui manque est nommé, avec sa prochaine étape.
Les dix réponses en un coup d'œil
- 1. Quelle IA le service utilise-t-il, et pour quoi faire ?Vert
- 2. Qui fournit, exploite et contrôle l'IA ?Vert
- 3. Quelles données l'IA utilise-t-elle, et d'où viennent-elles ?Vert
- 4. Comment nos données, nos supports et nos résultats sont-ils consultés, conservés et réutilisés, et servent-ils à améliorer une IA ?Vert
- 5. Comment montrez-vous que le service est valide, fiable et adapté à l'usage ?Vert
- 6. Comment traitez-vous les biais, les hallucinations, les contenus synthétiques et les résultats de mauvaise qualité ?Vert
- 7. Quelle supervision professionnelle, quelle relecture et quels recours sont prévus ?Vert
- 8. Comment protégez-vous la vie privée, la confidentialité, la sécurité et la propriété intellectuelle, selon les pays ?Vert
- 9. Comment signalez-vous l'usage de l'IA, les données synthétiques, les personas synthétiques et leurs limites ?Vert
- 10. Quelles preuves, quelle traçabilité et quels engagements contractuels pouvez-vous fournir ?Orange
1. Quelle IA le service utilise-t-il, et pour quoi faire ?
VertDes modèles de langage commerciaux rédigent les réponses des répondants simulés et préparent l'analyse. Qui compose l'échantillon, dans quelles proportions, et comment les résultats sont pondérés et contrôlés, c'est le code et la statistique officielle qui le décident, pas le modèle.
FlashInsight construit des panels de répondants simulés à partir des statistiques officielles de population, puis leur soumet un questionnaire quantitatif, un entretien individuel ou un focus group. Des modèles de langage généralistes produisent les réponses de chaque répondant, dans la langue du marché, et préparent l'analyse. Un modèle répond aussi au court questionnaire de contrôle à partir duquel est calculé le score de fiabilité de chaque échantillon. C'est là toute l'IA du service.
Ce qui ne dépend pas de l'IA : qui compose l'échantillon et dans quelles proportions, qui vient de la statistique nationale ; la pondération des résultats, qui suit la structure réelle de la population ; les règles qui transforment les réponses de contrôle en score de fiabilité ; la vérification des citations dans les rapports qualitatifs ; et la mention IA sur les rapports et les teasers. Tout cela est du code déterministe.
À quoi il sert : trier et comparer des options (concepts, noms, messages, packs, films) avant d'engager un budget de terrain, et explorer les raisons d'une réaction en entretien qualitatif. À quoi il ne sert pas : prédire ce que fera une personne donnée, mesurer un niveau absolu, ou remplacer un baromètre. Les résultats se lisent en classements, en écarts et en oppositions entre groupes.
Le service est en production, pas en pilote. Une étude peut être menée par notre équipe ou par le client, sur la plateforme ou depuis l'assistant IA qu'il utilise déjà, par un connecteur sécurisé. Le livrable est un rapport, et l'étude reste ouverte dans l'espace du client pour d'autres vagues ou d'autres questions.
Où vérifier
Comment ça marche · Notre méthode · Cadre d'usage de l'IA
2. Qui fournit, exploite et contrôle l'IA ?
VertFlashInsight conçoit le service, l'exploite et en répond. Les modèles de langage viennent de plusieurs fournisseurs commerciaux, choisis par nous pour chaque tâche et validés avant usage ; changer de modèle ne change pas la méthode.
FlashInsight est à la fois le fournisseur d'études et l'exploitant. Nous configurons le service, choisissons les modèles et leurs réglages, et répondons devant le client de ce que la plateforme produit. Le service est dirigé par le Dr Laurent Florès, plus de trente ans d'études marketing, ancien président d'Esomar.
Les modèles de langage sont des modèles commerciaux de plusieurs fournisseurs, accessibles par une couche de routage. Nous choisissons le modèle de chaque tâche (rédiger la réponse d'un répondant, mener un entretien, préparer une analyse) et le validons avant sa mise en production. La population, la pondération et les contrôles sont hors du modèle : un changement de modèle ne change donc pas la méthode, et nous refaisons nos contrôles de validité après chaque changement.
Les prestataires d'hébergement, de base de données et de paiement sont nommés dans notre politique de confidentialité. La couche modèle y est décrite comme une catégorie plutôt que par le nom du fournisseur, parce que c'est un réglage que nous faisons évoluer ; nous communiquons les services précis utilisés à un client qui le demande, avant le début de l'étude.
L'acheteur ne choisit ni le modèle, ni la région d'hébergement, ni les durées de conservation : nous les fixons, et ils sont les mêmes pour tous les clients. C'est voulu : une étude reste ainsi comparable à la suivante.
Quand un client mène lui-même une étude, les mêmes populations, les mêmes contrôles et les mêmes mentions s'appliquent. Le client décide de ce qu'il teste ; nous restons responsables du fonctionnement de la plateforme. L'accès depuis un assistant IA passe par une autorisation standard que seul un administrateur de l'espace du client peut accorder.
Où vérifier
Politique de confidentialité · Mentions légales · L'auteur
3. Quelles données l'IA utilise-t-elle, et d'où viennent-elles ?
VertDes statistiques officielles et des enquêtes auprès de personnes réelles, nommées en toutes lettres, pour neuf marchés. Nous ne recrutons aucun participant et ne recueillons aucune réponse nous-mêmes ; les données client ne servent que si le client les fournit pour calibrer sa propre étude.
Chaque population est construite à partir de sources nommées. Sa composition vient de la statistique officielle : l'INSEE (France), l'ISTAT (Italie), l'INE (Espagne), Destatis (Allemagne), l'Office for National Statistics (Royaume-Uni), le US Census Bureau, l'INEGI (Mexique), le Haut-Commissariat au Plan (Maroc) et Eurostat, qui fournit aussi les marges de la Pologne, ajoutée en novembre 2026. Les valeurs sont calibrées sur des enquêtes auprès de personnes réelles : l'European Social Survey, enquête académique menée en face à face, pour les marchés européens ; le World Values Survey pour les États-Unis et le Mexique ; et une enquête nationale auprès de 1 016 répondants au Maroc, réalisée par un institut partenaire.
Quatre types de données, tenus séparés. Les données publiques : les statistiques et enquêtes académiques ci-dessus, que chacun peut télécharger et comparer à ce que nous disons reproduire, à l'exception de l'enquête marocaine, qui appartient à notre partenaire. Les données de participants : aucune qui nous soit propre ; nous ne recrutons personne et ne recueillons aucune réponse de personnes réelles, et les enquêtes ci-dessus nous parviennent agrégées ou anonymisées par les organismes qui les ont menées. Les données client : seulement quand un client les fournit pour calibrer une population pour sa propre étude. Les données synthétiques : chaque réponse d'une étude est simulée, et présentée comme telle.
Chaque marché est étudié dans sa langue, avec une population construite pour lui ; sept langues sont prises en charge aujourd'hui. Quand une dimension manque dans la statistique publiée d'un pays, nous le disons plutôt que de l'emprunter à un autre pays.
La fraîcheur des données est une vraie contrainte. Ces sources publient sur des cycles de plusieurs années : entre deux publications, nos populations décrivent le pays tel qu'il a été mesuré la dernière fois.
Où vérifier
Calibration (glossaire) · European Social Survey · World Values Survey · Eurostat
4. Comment nos données, nos supports et nos résultats sont-ils consultés, conservés et réutilisés, et servent-ils à améliorer une IA ?
VertLes supports d'un client servent à son étude et à rien d'autre, jamais à entraîner ou ajuster un modèle, le nôtre ou celui d'un autre. Chaque appel à un modèle qui transporte le contenu d'une étude refuse la collecte de données par le fournisseur, et les études d'un client ne sont visibles que de son propre espace.
Ce qu'un client dépose (un concept, un film, un brief, des données pour calibrer une population) sert à son étude et à rien d'autre. Rien de tout cela n'entre dans l'entraînement d'un modèle, ni ne sert au travail d'un autre client. Comme nos corrections vivent dans les données d'entrée et dans les contrôles, et non dans les poids d'un modèle, nous n'avons tout simplement aucun modèle à améliorer avec des données client.
Chaque appel à un modèle qui transporte le contenu d'une étude (réponses, entretiens, analyses) passe par un même client qui ajoute un réglage refusant la collecte de données par le fournisseur, et ce réglage est couvert par nos tests automatiques. Le respect de ce réglage par le fournisseur relève de ses propres conditions, que nous vérifions mais que nous ne pouvons pas faire appliquer nous-mêmes.
Dans la plateforme, les études d'un client ne sont visibles que des membres de son espace. Ce cloisonnement est appliqué dans la base de données elle-même, pas seulement dans l'interface.
Le client est propriétaire des livrables et des résultats de son étude, et peut les utiliser dans ses propres outils, outils d'IA compris. Nous gardons le droit d'utiliser des données de performance agrégées et anonymisées sur la méthode (scores de fiabilité, indicateurs de validation) pour améliorer la méthode et publier à son sujet. Nous ne publions aucun contenu client ni aucun résultat d'étude sans autorisation. Les durées de conservation sont précisées, finalité par finalité, dans notre politique de confidentialité.
Où vérifier
Politique de confidentialité · Cadre d'usage de l'IA
5. Comment montrez-vous que le service est valide, fiable et adapté à l'usage ?
VertEn le mesurant face à des personnes réelles et en publiant les résultats : trois mesures publiées, dont deux face à des personnes réelles, une correction de la dispersion mesurée marché par marché face à des enquêtes réelles, un score de fiabilité sur les échantillons de production, et une note technique archivée pour que chacun puisse la refaire.
Trois mesures, chacune répondant à une objection différente, chacune issue d'un protocole différent, à ne pas lire comme une fourchette. Stabilité : nos répondants simulés atteignent 26 % du plafond de cohérence humaine, le niveau auquel des personnes réelles reproduisent leurs propres réponses à deux semaines d'écart. Correspondance avec le réel : ρ ≈ 0,83 face à Twin-2K-500, référence américaine publiée de personnes réelles, et ρ ≈ 0,97, erreur absolue moyenne 0,35, face à l'European Social Survey en France. Cohérence : 18 prédictions directionnelles sur 18 conformes à la théorie établie.
La dispersion, défaut le plus propre aux répondants simulés, a été corrigée en septembre 2026. Des répondants simulés qui partagent un même profil sont désormais en désaccord entre 0,85 et 1,07 fois autant que des répondants réels de ce profil (0,96 à 1,07 sur les attitudes, 0,85 à 1,00 sur la personnalité), contre 0,20 à 0,76 fois auparavant, mesuré dans chacun des huit marchés servis à l'époque face à une enquête auprès de personnes réelles de ce marché. La Pologne a été mesurée de la même façon avant son ouverture.
En production, les échantillons reçoivent un score de fiabilité de 0 à 100 avec un code couleur, et l'une de ses composantes fait barrage : si des profils opposés de l'échantillon ne répondent pas réellement différemment aux questions de contrôle, le score global tombe à zéro et le voyant passe au rouge. Quand le score ne peut pas être calculé, l'écran l'indique au lieu d'en afficher un. Composantes, poids et seuils sont documentés, et chaque score enregistre la version de la méthode qui l'a produit.
Nous ne prenons pas le jugement d'un modèle sur son propre travail pour une preuve d'exactitude. Nos contrôles comparent les résultats à des données réelles ou appliquent des règles écrites dans le code. Et nos travaux sont publiés pour pouvoir être vérifiés : notre note technique sur la référence Twin-2K-500 est archivée avec ses scripts, ses consignes et ses résultats sous un identifiant permanent, et le test de dispersion est décrit pour que chacun puisse le faire tourner sur n'importe quel fournisseur.
Prochaine étape
Faire tourner le banc hors échantillon que nous avons préenregistré, publier une mesure formelle de la stabilité d'un modèle à l'autre, et ajouter une composante de dispersion au score de fiabilité. D'ici là, nous ne publions aucun intervalle de confiance.
Où vérifier
Les répondants synthétiques sont-ils fiables ? Nos chiffres, huit marchés · Sous-dispersion (glossaire) · Note technique Twin-2K-500 (en anglais)
6. Comment traitez-vous les biais, les hallucinations, les contenus synthétiques et les résultats de mauvaise qualité ?
VertLes populations sont ancrées sur la statistique officielle, un barrage signale les échantillons dont les profils opposés ne répondent pas différemment, chaque citation d'un rapport qualitatif est vérifiée par le code dans la transcription, et chaque rapport et chaque teaser dit qu'il vient de répondants simulés. Nous publions les défauts que nous trouvons, et leurs corrections.
Les biais. Les modèles de langage ont tendance à aplatir et à caricaturer les groupes démographiques. Nos populations sont tirées de la statistique officielle plutôt que de l'idée que le modèle se fait d'un groupe, le barrage de fiabilité signale les échantillons dont les profils opposés ne se différencient pas, et nous avons publié notre propre mesure de la caricature sur des données d'opinion publiques.
Les citations fabriquées. Dans un rapport qualitatif, chaque citation est vérifiée par le code dans la transcription du répondant à qui elle est attribuée. La comparaison ne tolère que les différences de casse, d'accents, de ponctuation et d'espaces ; une citation trouvée chez un seul autre répondant lui est réattribuée, toute autre est retirée ; un thème qui n'a plus assez de citations réelles est écarté, et un rapport qui garde moins de quatre thèmes n'est pas livré.
Les contenus synthétiques pris pour des preuves humaines. Il n'y a aucune donnée humaine dans nos livrables avec laquelle les confondre : chaque réponse est simulée. Chaque rapport et chaque teaser indique que son contenu vient de répondants simulés et a été généré par un système d'IA. Cette mention est insérée par le code, pas rédigée par le modèle, dans la langue du document.
La fausse précision. Les résultats se lisent en classements, en écarts et en oppositions, pas en niveaux absolus, et nous ne publions aucun intervalle de confiance que notre variance ne permet pas de soutenir.
Des défauts corrigés, dont trois publics. En août, huit tentatives d'injection sur huit, glissées dans des supports déposés, ont réussi ; après correctif, aucune des tentatives visant à orienter les réponses n'a abouti. En septembre, le désaccord trop faible à l'intérieur des groupes a été corrigé dans tous les marchés. En novembre, en ajoutant la Pologne, nous avons constaté que l'extrait d'enquête utilisé pour les valeurs comptait des adolescents et des répondants d'âge inconnu dans la tranche d'âge la plus élevée ; la calibration a été limitée aux adultes d'âge connu dans les six marchés concernés, la même semaine.
Où vérifier
Personas synthétiques : pourquoi l'IA caricature les répondants (Pew) · Sous-dispersion (glossaire) · Nos réponses aux 20 Questions, question 17 (en anglais)
7. Quelle supervision professionnelle, quelle relecture et quels recours sont prévus ?
VertChaque étude que nous livrons est lue et interprétée par un chercheur expérimenté avant de partir. Les études que les clients mènent eux-mêmes passent par les mêmes contrôles automatiques, et il n'y a aucun participant humain à protéger ou à joindre.
Un chercheur conçoit l'étude, lit les résultats et rédige l'analyse. Le modèle produit des réponses, pas des conclusions. Chaque étude que nous livrons sous forme d'analyse est lue par un chercheur expérimenté avant livraison, et cette relecture est aujourd'hui faite en personne, pas déléguée.
Ce que le relecteur sait repérer, c'est la réponse assurée mais fausse : un résultat qui se lit bien et contredit ce que l'on sait de la catégorie, un groupe qui répond de façon trop uniforme, une citation qui sonne juste et ne dit rien. C'est affaire d'expérience, et aucun score ne la remplace.
Quand un client mène lui-même une étude, les garde-fous qui ne dépendent pas d'une personne s'appliquent toujours : le score de fiabilité et son barrage, la vérification des citations sur chaque rapport qualitatif, la mention sur chaque rapport et chaque teaser. Une étude qualitative peut être arrêtée en cours de route, et notre équipe est joignable à chaque étape.
La protection des participants, essentielle quand un intervieweur IA parle à des personnes réelles, ne se pose pas ici : chaque répondant est simulé, et aucune personne réelle n'est interrogée.
Prochaine étape
Garder la trace de la relecture elle-même (ce qui a été lu, signalé, modifié avant livraison), pour que la supervision puisse se montrer et pas seulement s'affirmer.
Où vérifier
Cadre d'usage de l'IA · Nos réponses aux 20 Questions, question 12 (en anglais)
8. Comment protégez-vous la vie privée, la confidentialité, la sécurité et la propriété intellectuelle, selon les pays ?
VertIl n'y a aucune donnée personnelle de participant à protéger : les profils simulés sont tirés de statistiques agrégées, pas du dossier d'une personne. Les supports du client restent les siens, cloisonnés dans son espace et stockés en Irlande ; l'application tourne depuis Paris.
La vie privée des participants est protégée par construction plutôt que par une politique : les populations sont tirées de distributions agrégées publiées, jamais du dossier d'un individu, si bien qu'aucun profil n'est la copie d'une personne réelle. Les fichiers académiques que nous utilisons pour la validation sont diffusés sous forme anonymisée par les organismes qui les ont collectés.
La confidentialité et la propriété intellectuelle du client sont une autre question, traitée à part. Les supports du client restent sa propriété, servent à son étude seulement, et sont cloisonnés dans son espace au niveau de la base de données. Comme toute entreprise, nous détenons aussi des données clients ordinaires (comptes, facturation, journaux d'accès), régies par notre politique de confidentialité.
La localisation. Notre application tourne depuis Paris, et les comptes, la facturation et les contenus d'études stockés sont conservés en Irlande. Le contenu d'une étude envoyé à un modèle peut être traité dans l'Union européenne ou en dehors, notamment aux États-Unis, selon le modèle retenu : sur demande, nous indiquons où et par quels services avant le démarrage, et une étude peut être montée pour un client dont la politique exclut tout traitement hors de l'Union. Plusieurs de nos prestataires sont des sociétés américaines dont les conditions autorisent, dans certains cas, un traitement hors de l'Union européenne. Notre politique de confidentialité détaille tout cela.
La sécurité est testée face à des risques nommés plutôt qu'affirmée. Le plus concret dans notre architecture, ce sont des instructions cachées dans un support déposé ; nous l'avons testé sur le circuit réel, publié l'échec initial, corrigé et remesuré.
Prochaine étape
Un audit de sécurité indépendant et une certification : nous n'avons encore ni l'un ni l'autre, et nous ne prétendons pas le contraire.
Où vérifier
Politique de confidentialité · Nos réponses aux 20 Questions, questions 15 à 18 (en anglais)
9. Comment signalez-vous l'usage de l'IA, les données synthétiques, les personas synthétiques et leurs limites ?
VertChaque rapport et chaque teaser indique, dans sa langue, qu'il a été généré par un système d'IA à partir de répondants simulés. Notre méthode, nos résultats de validation et ce à quoi la méthode ne doit pas servir sont publiés.
Dans le livrable. Chaque rapport et chaque teaser porte une mention indiquant que son contenu a été généré par un système d'intelligence artificielle et que les réponses viennent de répondants simulés, et non de personnes réelles. La mention est insérée par le code dans chacune des sept langues prises en charge : aucun rapport ni teaser ne peut partir sans elle.
Dans nos engagements. Notre cadre d'usage de l'IA, publié, nous engage à ne jamais présenter une réponse simulée comme humaine, à dire ce qui a été simulé et à partir de quelles sources, à publier nos résultats de validation avec leurs limites, et à indiquer dans le livrable ce à quoi la méthode ne doit pas servir.
Dans les mots. Nous appelons nos répondants « simulés », jamais « réels », et nous présentons ce qu'ils produisent comme la lecture d'une population, pas comme la mesure de personnes.
En public. La méthode, les sources, les résultats de validation et les limites ouvertes sont sur ce site, datés, y compris les réponses qui ont été dépassées depuis.
L'information des participants, qu'Esomar demande quand des personnes réelles parlent à un intervieweur IA, ne s'applique pas : aucune personne réelle ne participe à nos études.
Prochaine étape
Étendre la même mention aux exports de données brutes que le client peut télécharger depuis la plateforme ; elle couvre aujourd'hui les rapports et les teasers.
Où vérifier
Cadre d'usage de l'IA · Notre méthode
10. Quelles preuves, quelle traçabilité et quels engagements contractuels pouvez-vous fournir ?
OrangeDes réponses publiques datées, des notes de méthode publiées, une note technique archivée et reproductible, des scores de fiabilité enregistrés avec leur version de méthode, et des clauses contractuelles sur la propriété et la confidentialité. Pas encore d'audit indépendant.
Ce que nous pouvons remettre à un acheteur aujourd'hui : cette page et nos réponses aux 20 Questions, chacune datée, les changements ultérieurs étant ajoutés plutôt que réécrits ; nos notes de méthode et nos résultats de validation ; une note technique archivée avec ses scripts, ses consignes et ses résultats, pour pouvoir être refaite ; les sources de chaque population ; et des scores de fiabilité qui enregistrent leur version de méthode, pour qu'un changement de méthode ne réécrive jamais en silence un ancien score.
Ce à quoi nous nous engageons : ne jamais fabriquer ni déformer des données ou des résultats d'étude, par l'IA ou par tout autre moyen ; ne jamais présenter une réponse simulée comme humaine ; n'utiliser les supports d'un client que pour ce client ; et dater publiquement chaque changement important de la méthode. La propriété, la confidentialité et les usages autorisés sont précisés dans notre contrat-cadre et dans chaque lettre de mission.
Pourquoi orange. Esomar demande une trace de la relecture professionnelle et des contrôles de qualité indépendants. La relecture est réelle mais pas encore tracée, et aucune partie sans intérêt dans le résultat n'a audité la méthode. Nos sources sont vérifiables par tous ; nos mesures restent les nôtres tant que quelqu'un d'autre ne les a pas refaites.
Prochaine étape
Tracer la relecture (voir la question 7), tenir un relevé public de la fréquence à laquelle notre niveau de confiance annoncé s'est vérifié, et inviter une partie indépendante à refaire nos mesures.
Où vérifier
Preuves · Nos réponses aux 20 Questions et leur mise à jour datée (en anglais)
Ce qui a changé depuis nos réponses aux 20 Questions
Nos réponses aux 20 Questions d'Esomar ont été publiées le 31 août 2026 et restent en ligne, avec une mise à jour datée. Depuis :
- Septembre 2026 : le désaccord trop faible à l'intérieur des groupes a été corrigé dans les huit marchés servis à l'époque, et mesuré dans chacun face à une enquête auprès de personnes réelles.
- Octobre 2026 : les clients peuvent mener leurs études depuis l'assistant IA qu'ils utilisent déjà, par une autorisation standard accordée par l'administrateur de leur espace.
- Novembre 2026 : notre note technique sur la référence Twin-2K-500 a été archivée avec ses scripts, ses consignes et ses résultats sous un identifiant permanent.
- Novembre 2026 : la Pologne est devenue notre neuvième marché, en polonais, calibrée sur les mêmes sources publiques et mesurée de la même façon.
- Novembre 2026 : la calibration des valeurs a été limitée aux adultes d'âge connu dans les six marchés qui s'appuient sur l'European Social Survey.
- Novembre 2026 : dans les entretiens individuels qui testent plusieurs supports, l'ordre de présentation tourne désormais d'un répondant à l'autre.
Pourquoi nous répondons en public
Esomar a écrit ces questions pour les acheteurs, à poser aux fournisseurs un par un. Nous préférons y répondre une fois, en public : tout acheteur peut lire les réponses avant le premier rendez-vous, et chacun peut nous dire où nous nous trompons. Au moment de publier cette page, le 18 novembre 2026, notre recherche n'avait trouvé aucun autre fournisseur répondant publiquement à ces dix questions ; si l'un d'eux le fait, nous ajouterons un lien vers ses réponses.
Les réponses évolueront avec le service. Quand ce sera le cas, nous ajouterons une mise à jour datée plutôt que de les réécrire.
Pour aller plus loin
Nos propres notes publiques sur les questions ci-dessus. Ce sont nos travaux, pas des preuves tierces, et elles doivent être lues comme telles.