La journalisation LLM capture les invites et les complétions — des données descriptives sur ce qui s'est passé. Le traçage des décisions capture POURQUOI les décisions ont été prises — un raisonnement structuré avec des arguments pour/contre, des précédents et un raisonnement. La journalisation permet le débogage. Le traçage des décisions permet la mémoire institutionnelle, la recherche de précédents et l'IA explicable. AI Agentree fournit la couche de traçage des décisions que la journalisation ne peut pas remplacer.
TL;DR : La journalisation capture ce que le modèle a dit. Le traçage des décisions capture pourquoi la décision a été prise. Un seul permet la mémoire des précédents et institutionnelle.
La journalisation est nécessaire mais insuffisante. Voici ce qui lui manque.
Descriptif : "Cela s'est produit"
// Log entry
{
"prompt": "Should we approve...",
"completion": "Yes, approved...",
"tokens": 847,
"latency_ms": 1234
}
Vous pouvez trouver ce journal. Mais pouvez-vous trouver comment vous avez décidé des cas similaires ?
Normatif : "Cela soutient/s'oppose parce que..."
// Decision trace
{
"decision": "APPROVED",
"pro_arguments": [...],
"con_arguments": [...],
"precedent_cited": "D-1234",
"rationale_ids": [...]
}
Interrogeable par modèle de raisonnement. Citable comme précédent.
| Aspect | Journalisation LLM | Traçage des décisions |
|---|---|---|
| Ce qu'il capture | Invitations, complétions, jetons, latence | Structure de raisonnement, précédents, justification |
| Structure des données | Texte non structuré, métadonnées plates | Arbres d'arguments structurés, relations normatives |
| Capacité de requête | 'Trouver des journaux contenant X' | 'Trouver des décisions similaires à Y basées sur un modèle de raisonnement' |
| Soutient le précédent | ||
| Mémoire institutionnelle | ||
| Explicabilité | Montre ce que le modèle a dit | Montre pourquoi la décision a été prise |
| Valeur de conformité | Trace d'audit des événements | Trace d'audit du raisonnement |
"Comment avons-nous géré des demandes de remboursement similaires ?" nécessite une structure de raisonnement, pas une recherche textuelle. Les journaux trouvent des mots correspondants. Les traces trouvent des motifs correspondants.
La connaissance qui s'accumule au fil du temps nécessite des décisions structurées. Les journaux sont de l'archéologie. Les traces sont de l'architecture.
Les agents qui citent des décisions passées ont besoin de précédents structurés. "Nous avons approuvé D-1234 dans des conditions similaires" nécessite des traces de décision.
"Pourquoi l'IA a-t-elle décidé X ?" nécessite un raisonnement structuré. La chaîne de pensée est post-hoc. Les traces de décision sont la vérité fondamentale.
Suivre quels motifs de raisonnement mènent à de bons résultats nécessite une structure. Les journaux ne peuvent pas corréler les arguments aux résultats.
Passer de l'humain dans la boucle à l'autonomie totale nécessite des preuves. Les traces de décision prouvent la qualité des décisions. Les journaux prouvent l'exécution.
La journalisation LLM capture les invites, les complétions et les métadonnées (tokens, latence). Le traçage des décisions capture le raisonnement structuré : arguments pour/contre, précédents cités, niveaux de confiance et la logique qui a conduit à la décision. La journalisation est descriptive ; le traçage est normatif.
Les journaux d'invites/sorties ne capturent pas la structure du raisonnement. Vous ne pouvez pas interroger 'comment avons-nous géré des cas similaires ?' ou 'quels précédents soutiennent cette décision ?' à partir de journaux de texte brut. Le traçage des décisions crée des artefacts structurés qui permettent la recherche de précédents et la mémoire institutionnelle.
Non. La chaîne de pensée est générée a posteriori par le modèle — elle n'est pas fidèle au calcul interne. Deux invites peuvent produire la même réponse avec des 'explications' différentes. Le traçage des décisions capture des artefacts structurés au moment de la décision, pas des récits reconstruits.
Pas efficacement. Les précédents nécessitent des relations normatives (soutient/s'oppose), pas descriptives (contient/mentionne). La recherche basée sur les journaux trouve du texte similaire ; le traçage des décisions trouve des schémas de raisonnement similaires. La différence est fondamentale.
Oui. Gardez votre journalisation pour le débogage, le suivi des coûts et la conformité. Ajoutez le traçage des décisions pour l'explicabilité, le précédent et la mémoire institutionnelle. Ils servent des objectifs différents et fonctionnent ensemble.
Les réglementations exigent de plus en plus d'expliquer les décisions de l'IA. Les journaux montrent ce que le modèle a dit. Les traces de décision montrent pourquoi la décision a été prise, quelles alternatives ont été considérées et quelles preuves l'ont soutenue. C'est ce dont les auditeurs et les régulateurs ont réellement besoin.
Capturez POURQUOI votre IA décide, pas seulement ce qu'elle dit.