Corexiom est une couche de raisonnement neuro-symbolique qui vérifie les décisions des systèmes d'IA, rend leurs contradictions visibles, et suspend son verdict lorsqu'aucune conclusion cohérente ne peut être justifiée.
Pensé pour les chercheurs, les laboratoires et les universités — et les organisations où une erreur d'IA coûte cher.
Un grand modèle produit une réponse plausible quoi qu'il arrive : il n'a pas de raisonnement structuré inspectable, calibre mal son incertitude, et ne sait pas refuser de trancher face à une contradiction. Dans les contextes à fort enjeu, cette confiance permanente est précisément le danger.
Une réponse fausse est livrée avec la même assurance qu'une réponse juste. Rien n'indique le doute.
Face à des règles contradictoires, il invente un compromis au lieu de signaler l'impasse.
La décision sort d'une boîte noire : impossible de la vérifier, de l'auditer, ou de la défendre.
Corexiom est un noyau : il raisonne sur un graphe d'assertions typées, distingue ce qui est inviolable de ce qui est révisable, et garde le dernier mot sur la cohérence. Trois principes le définissent.
Des assertions liées par implication, soutien ou contradiction — pas une séquence de mots. Le raisonnement est formel et inspectable.
Conflit d'axiomes, violation d'une règle inviolable, quasi ex æquo : des critères explicites déclenchent une suspension au lieu d'une réponse forcée.
Toute décision, suspension ou contradiction porte sa justification : les assertions et les liens qui la fondent. Vérifiable, auditable.
Corexiom ne se range pas parmi les IA que l'on interroge : il ne répond pas et ne génère pas à votre place. C'est la couche de raisonnement et de vérification qui contrôle ce que ces systèmes produisent — rend leurs contradictions visibles et suspend lorsqu'aucune conclusion cohérente ne tient. Sa place est précise, à l'intersection de trois domaines.
Un perceveur neuronal peuple le graphe ; un noyau symbolique vérifie et garde le dernier mot.
Il fait respecter des règles inviolables et suspend plutôt que d'agir hors des clous.
Décider, suspendre ou signaler un conflit — toujours de façon tracée. Un décisionnel « à veto », pas un optimiseur.
Filiation assumée : Corexiom dialogue avec des familles de recherche établies — la prédiction sélective et le « droit de s'abstenir », les systèmes de maintenance de la vérité, les cadres d'argumentation. Sa contribution n'est pas d'inventer la suspension, mais de l'intégrer comme primitive de premier ordre dans un noyau minimal, déterministe et traçable.
Les assertions reçoivent un degré de croyance. Un opérateur de propagation — borné, déterministe, indépendant de l'ordre, à terminaison garantie — diffuse soutiens et contradictions jusqu'à un point d'équilibre. Le moteur évalue alors la cohérence, puis décide.
Les axiomes sont des contraintes dures et inviolables ; les croyances sont révisables. Une action qui contredit un axiome n'est pas « pénalisée » : elle est structurellement interdite — et le système le dit.
Corexiom n'oppose pas l'IA neuronale et la logique : il les marie. La perception du langage est une interface enfichable — un modèle peut peupler le graphe ; le noyau, lui, reste maître de la cohérence et peut suspendre, quelle que soit la sortie du modèle.
Un texte, une situation, des règles métier exprimées en clair.
Règles intégrées par défaut, ou un modèle de langage qui extrait des assertions structurées.
Propagation, détection de contradictions, cohérence — le garde-fou qui tranche ou suspend.
Décision, suspension ou conflit — toujours accompagné de sa justification.
Corexiom ne remplace pas vos systèmes d'IA — il coopère avec eux, comme couche de supervision. Le partage des rôles est limpide :
Un banc d'essai déterministe, minimal et hackable : tester des stratégies de suspension, mesurer la cohérence, brancher différents modèles, comparer des méthodes de propagation. Reproductible par construction — pensé pour les publications, les benchmarks et les démonstrations « le modèle seul échoue, Corexiom suspend ».
Petit, lisible, en Python pur. On observe une machine détecter une contradiction, suspendre, et dire pourquoi — ce qu'aucun modèle de langage ne montre. Idéal pour les TP, projets et mémoires sur l'IA explicable, la gouvernance et le neuro-symbolique.
Une fois éprouvé en recherche : encoder des règles inviolables (réglementation, politiques internes) au-dessus d'un modèle, et suspendre puis escalader au lieu d'agir hors des clous. Pertinent là où l'audit est obligatoire et où une erreur coûte cher : cybersécurité, conformité, finance, assurance, santé, juridique, systèmes critiques et réglementés.
Le noyau est publié sous licence Apache 2.0, écrit en Python pur, sans aucune dépendance externe pour fonctionner. Le code, la conception (avec ses garanties détaillées) et la suite de tests sont publics. Les contributions, les critiques et les forks sont les bienvenus.
Zéro dépendance pour le noyau.
Usage libre, y compris commercial.
Garanties prouvées vs validées, en clair.
Unitaires, propriété, adversariaux.
Corexiom est aujourd'hui un noyau de qualité prototype de recherche : son cœur est conçu et testé avec soin, mais ce n'est pas une plateforme clé en main. Voici où en est le projet, honnêtement.
Propagation fondée, cohérence, suspension tracée, perception enfichable. Testé, documenté, open source.
Brancher un modèle de langage comme « peupleur » du graphe, derrière l'interface déjà prévue.
Donner à la propagation une base bayésienne ou de satisfaction de contraintes plus rigoureuse.
Optimiser la performance une fois la sémantique figée — l'optimisation suit la correction, jamais l'inverse.
L'intelligence artificielle moderne sait produire : générer, compléter, prédire, imiter, répondre, automatiser. Mais elle ne sait presque jamais suspendre.
Les systèmes actuels poursuivent la génération même lorsqu'ils rencontrent des contradictions, manquent d'informations fiables, violent des contraintes explicites, ou devraient reconnaître qu'aucune conclusion cohérente ne peut être défendue.
Ils répondent. Même lorsqu'ils ne devraient pas.
C'est précisément là que Corexiom commence. Corexiom n'est pas un chatbot, pas un modèle génératif supplémentaire, pas une promesse d'intelligence artificielle générale. C'est une couche de raisonnement et de vérification conçue pour se placer au-dessus des systèmes d'IA.
Son rôle n'est pas de produire davantage. Il est de contrôler la cohérence, rendre les contradictions visibles, vérifier les contraintes, tracer les décisions, et suspendre un verdict lorsqu'aucune conclusion cohérente ne peut être justifiée.
Le modèle neuronal propose. Le noyau symbolique vérifie.
Un système intelligent mature ne devrait pas seulement savoir répondre. Il devrait aussi savoir exposer ses contradictions, reconnaître ses limites, expliquer son raisonnement, et refuser de conclure lorsqu'aucune décision cohérente ne tient. La suspension n'est pas une faiblesse : c'est une propriété fondamentale des systèmes décisionnels fiables.
Dans les environnements critiques — finance, industrie, cybersécurité, santé, infrastructures, gouvernance algorithmique, systèmes autonomes — une mauvaise décision prise avec confiance peut avoir des conséquences majeures. À mesure que les IA deviennent opérationnelles et agissent dans le monde réel, la nécessité de couches de vérification devient structurelle. Parfois, la réponse correcte est :
« Je ne peux pas conclure. »
Nous ne croyons pas qu'une seule IA contrôlera tout. L'avenir reposera sur des systèmes spécialisés qui collaborent, se supervisent, se vérifient mutuellement et maintiennent ensemble des contraintes explicites. Dans cet écosystème, la capacité de suspendre devient essentielle. Corexiom ne cherche pas à remplacer les modèles neuronaux : il collabore avec eux. Les modèles génératifs apportent perception, langage, généralisation et flexibilité ; Corexiom apporte cohérence, vérification, traçabilité, suspension et gouvernance logique.
Corexiom est volontairement minimal, déterministe, lisible, reproductible, open source — parce qu'un système de gouvernance ne peut pas devenir une boîte noire supplémentaire. Nous distinguons explicitement ce qui est démontré de ce qui est validé empiriquement. Nous préférons la rigueur à la promesse, l'explicabilité à l'illusion, la cohérence à la surenchère.
On prouve ce qui se prouve. On valide le reste agressivement.
Corexiom n'est pas une solution terminée. C'est un noyau de recherche, un terrain expérimental, une architecture ouverte à la critique — conçu pour être exploré, testé et formalisé. Le projet s'adresse aux chercheurs, aux laboratoires, aux universités, aux étudiants, aux ingénieurs, et à tous ceux qui considèrent que l'avenir de l'IA ne peut pas reposer uniquement sur la génération probabiliste.
Une intelligence artificielle réellement mature ne sera pas seulement capable de produire des réponses. Elle devra aussi savoir reconnaître, explicitement et structurellement, les situations où elle ne devrait pas conclure. C'est cette idée que Corexiom explore.
Corexiom est un projet de recherche ouvert. Deux façons d'y prendre part : le faire progresser, ou aider à le soutenir.
Forks, issues, relectures critiques, expérimentations, reproductions : tout est public sur GitHub. Les désaccords argumentés sont les bienvenus — c'est ainsi qu'un noyau de recherche se renforce.
Corexiom est développé en open source, sans publicité ni pistage. Un soutien libre aide à financer le temps de recherche, les tests et la documentation.
Une question, une collaboration de recherche, une proposition ? Écrivez à karim.benrezzag@corexiom.com.
Corexiom est porté par un praticien dont le métier est de concevoir des systèmes complexes et performants : infrastructures de trading haute fréquence sur les marchés à terme (ES, NQ, YM), options et ETF, et logiciels d'analyse de marché — sur MT4, MT5, NinjaTrader, Bookmap, Sierra Chart, ainsi qu'en mode SaaS, y compris des indicateurs, des stratégies de trading, ainsi que des outils de mesure et de backtesting que le marché peine à fournir.
C'est cette exigence d'ingénierie — mesurer, vérifier, ne rien laisser au hasard — qui irrigue Corexiom.