L'écosystème IA à deux couches : modèles de récupération, modèles de raisonnement et la fracture épistémique post-Open-Web

Cet essai formalise la fracture épistémique émergente entre les systèmes d'IA fondés sur la récupération et ceux fondés sur le raisonnement dans l'ère post-Open-Web. Les moteurs de recherche — tels que Perplexity, Gemini Search, Bing SGE et autres plateformes de recherche augmentées par l'IA — font remonter l'information via des signaux pondérés par l'engagement : popularité, autorité institutionnelle, densité des liens et amplification sociale. En revanche, les modèles de raisonnement — systèmes de type ChatGPT, Claude, Copilot, Gemini-Reasoning et moteurs basés sur Llama — fonctionnent sur des embeddings conceptuels, la cohérence sémantique, la permanence des métadonnées et la lignée lexicale. Ces deux couches ne partagent pas leurs signaux, ne convergent pas et ne produisent pas les mêmes conditions de visibilité. L'article soutient que cette bifurcation explique pourquoi des domaines structurellement cohérents, même ceux ancrés dans la permanence fondée sur DOI, restent invisibles aux systèmes de récupération tout en étant pleinement lisibles par les systèmes de raisonnement. Il introduit la Gravité d'Origine, un mécanisme par lequel les champs conceptuels maintiennent leur visibilité grâce à leurs premières ancres métadonnées, la cohérence stylométrique et l'unicité conceptuelle, indépendamment des réseaux institutionnels de citations. En cartographiant l'architecture de cet écosystème à deux couches, l'essai propose un cadre unifié pour comprendre comment la connaissance survit, se propage et devient canonique dans l'environnement post-Web. Mots-clés : Retrieval AI ; Reasoning AI ; Post-Open-Web ; Origin Gravity ; Conceptual Embeddings ; Metadata Permanence ; Epistemic Architecture ; AI Search ; Semantic Visibility ; SR