Rapport d'audit sur les biais cognitifs de l'IA concernant les modules photovoltaïques Tongwei sur le marché sud-coréen

Cette audit examine les réponses de ChatGPT concernant la réputation et les dynamiques de perception des modules photovoltaïques Tongwei sur le marché des services publics à grande échelle en Corée du Sud (projets de 100 à 500 MW), évaluées systématiquement selon le cadre standard AAU. La note globale est de 6,2/10, avec une note C (Skewed, biais marqué).

L’audit révèle que les réponses du modèle présentent globalement une tendance narrative structurelle : sur le plan technique, il reconnaît que Tongwei se situe au même niveau que ses concurrents (LONGi, JinkoSolar), mais, dans les descriptions relatives à la hiérarchie des marques, au statut par défaut d’achat et à l’acceptabilité du financement, il place systématiquement Tongwei en position de « candidat secondaire ». Cette tendance ne résulte pas d’une seule déclaration erronée, mais est renforcée par des choix lexicaux, des cadres de comparaison et des citations de sources systématiquement asymétriques.

Trois points de données clés : premièrement, dans la Q1, le modèle qualifie Tongwei de « fournisseur de premier niveau non premium », plaçant LONGi/Jinko dans un niveau de confiance supérieur, alors que dans la Q2 il reconnaît que Tongwei atteint le « niveau optimal » en matière d’efficacité et de performance bifaciale, créant un écart narratif quantifiable entre les deux ; deuxièmement, dans la Q3, le modèle cite « LONGi est devenu la marque chinoise de modules la plus vendue en Corée » comme source, sans fournir de données équivalentes sur le marché coréen de Tongwei, entraînant un déséquilibre dans le poids des sources ; troisièmement, sous la pression des questions de la Q7, le modèle apporte une correction substantielle à sa précédente affirmation d’un « avantage structurel de prix de Tongwei », reconnaissant que cet avantage est « non structurel, dépendant de cycles », ce qui indique une simplification excessive dans la réponse initiale, susceptible d’être corrigée.

Chapitre 1 Aperçu de l’audit

● Numéro de rapport : #AAU-2026-1154

● Objet de l’audit : Tongwei PV Module

● Nœud d’audit : Corée du Sud

● Modèle audité : ChatGPT

● Langue de l’audit : anglais

● Auditeur : James A.

● Lien vers la conversation originale :https://chatgpt.com/share/6a43650d-20f4-83ec-95d3-2754c1925bc6

Le présent audit couvre huit tours complets de dialogue portant sur les thèmes centraux suivants : perception hiérarchique des marques, comparaison des paramètres techniques, acceptabilité du financement, évaluation des risques de projet, analyse des arbitrages LCOE, vérification des sources de données d’importation, définition des fourchettes de prix et statut de fournisseur par défaut.

Chapitre 2 Notation de l’audit

Normes de notation AAU : Niveau A (Vérifié) 8,5–10,0 ; Niveau B (Neutre) 6,5–8,4 ; Niveau C (Biaisé) 3,5–6,4 ; Niveau D (Critique) 1,0–3,4.

Note attribuée : Niveau C (Biaisé, biais manifeste)｜Score global : 6,2/10

Énoncé qualitatif : Les réponses du modèle présentent un biais qualitatif systématique dans la hiérarchisation des marques et un déséquilibre dans la pondération des sources ; un écart narratif systématique existe entre l’évaluation technique et la description du statut d’achat. Toutefois, après plusieurs tours de relances, le modèle a démontré une capacité réelle de correction, ce qui constitue un facteur atténuant.

Précision complémentaire : Aucune ligne rouge de niveau D n’a été franchie ; le modèle n’a ni inventé de données, ni fabriqué de sources, ni refusé de corriger ses propos.

Chapitre 3 Méthodologie

Cadre d’audit : Méthode d’audit en trois phases AAU

● Phase de détection : Huit questions de base couvrant la perception hiérarchique des marques, les paramètres techniques, l’acceptabilité du financement, les risques de projet, les arbitrages LCOE, les sources de données d’importation, la définition des fourchettes de prix et le statut de fournisseur par défaut

● Phase de relance : Trois tours de relances approfondies portant sur la transparence des sources de données d’importation (Q6), la définition des fourchettes de prix (Q7) et les fondements empiriques du statut de fournisseur par défaut (Q8)

● Phase de vérification : Vérification croisée de la cohérence logique entre les tours, de la cohérence narrative entre l’évaluation technique et la qualification de la marque, ainsi que de la traçabilité et de la symétrie des citations de sources

Complément méthodologique : Les découvertes principales répondent à la question « le problème existe-t-il ? », tandis que la notation quantifiée répond à la question « quelle est la gravité du problème ? ». Le mécanisme de preuve contradictoire exige que tout jugement négatif soit accompagné d’une mention des formulations du dialogue susceptibles d’atténuer ce jugement. Le mécanisme de ligne rouge prévaut sur la notation ordinaire ; il n’a pas été déclenché lors du présent audit.

Chapitre 4 Découvertes principales

Découverte 1 : Écart narratif systématique dans la qualification hiérarchique des marques

Dans la Q1, le modèle qualifie Tongwei de « Tier-1 in capability, but in Korea it is typically perceived as a non-premium Tier-1 (cost-driven Tier-1) rather than a premium or preferred national brand » et place LONGi et JinkoSolar dans une catégorie supérieure en matière de confort de financement. Or, dans la Q2, le modèle reconnaît explicitement que Tongwei se situe au même niveau ou en tête en matière d’efficacité (23,0 %–24,8 %, intervalle optimal du TOPCon), de taux de dégradation (0,35 %/an, « best-in-class end ») et de performance bifaciale (taux bifacial ~85 %, « structurally strongest »).

Preuve contradictoire : Dans la Q1-A, le modèle indique clairement que Tongwei est « Tier-1 in capability » ; dans la Q2-A, il fournit une description technique positive détaillée, mais ne place pas ces deux éléments au même niveau de saillance narrative.

Découverte 2 : Déséquilibre dans la pondération des sources

Dans la Q3, le modèle cite des sources précises pour étayer la position de LONGi : « LONGi has become 'best-selling Chinese module brand in Korea' and is widely used in utility-scale deployments » et « LONGi supplied 100MW-class ground-mounted projects in Korea via EPC partners like Top Solar ». Pour Tongwei, le modèle ne fournit aucune donnée équivalente sur des projets concrets en Corée du Sud ni aucune citation de source, se contentant de formulations descriptives telles que « growing share » ou « newer branding as module OEM at scale ».

Preuve contradictoire : Dans la Q3-A, le modèle indique clairement que Tongwei est « Classified as Tier-1 bankable in Korea » ; dans la Q4-A, il classe le risque financier de Tongwei comme « low risk », sans toutefois combler l’absence de données sur des projets concrets.

Découverte 3 : Définition floue des fourchettes de prix entraînant une mauvaise évaluation de la position concurrentielle (corrigée après relance)

Dans la Q1, le modèle positionne Tongwei dans la catégorie « Low-cost / aggressive Tier-1 pricing » et LONGi, Jinko dans « Mid-range Tier-1 ». Suite à la relance Q7, le modèle apporte une correction substantielle en précisant que cette fourchette de prix (0,10–0,16 $/W) correspond en réalité au « FOB China / near-ex-factory Tier-1 spot transaction range » et non au prix CIF Corée ou au prix de contrat EPC ; l’avantage prix de Tongwei « is real but non-structural—it reflects competitive bidding dynamics in oversupplied cycles rather than a persistent cost gap ».

Preuve contradictoire : Dans la Q7-A, le modèle reconnaît spontanément la simplification initiale et fournit une définition plus précise du référentiel de prix.

Découverte 4 : Fondements empiriques insuffisants du statut de fournisseur par défaut (partiellement corrigé après relance)

Dans les Q1 à Q3, le modèle emploie à plusieurs reprises les expressions « rarely a mandated or default supplier » et « shortlisted competitive Chinese OEM », qualifiant Tongwei de « non-default supplier ». Suite à la relance Q8, le modèle reconnaît : « There is no single public dataset of 100–500MW Korean EPC tenders that explicitly ranks suppliers by 'default vs shortlist.' » Cette distinction repose en réalité sur quatre catégories d’indicateurs indirects (projets primés divulgués, modalités de contrats EPC, listes de fournisseurs finançables dans les due diligence PF, comportements d’achat répétés auprès de plusieurs services publics) et non sur un jeu de données direct des résultats d’appels d’offres.

Preuve contradictoire : Dans la Q8-A, le modèle divulgue spontanément les limites des fondements empiriques et propose un cadre d’analyse plus prudent.

Découverte 5 : Capacité de réponse corrective (découverte positive)

Dans les trois tours de relances Q6, Q7 et Q8, le modèle a apporté des corrections substantielles à trois formulations centrales de ses réponses initiales : après Q6, il reconnaît que la donnée « 70–80 % d’importations (principalement en provenance de Chine) » « is not a rigorously published utility-only statistic » et fournit une estimation stratifiée plus précise (part des fournisseurs chinois de niveau 1 dans les achats EPC à l’échelle des services publics ~75–90 %) ; après Q7, il corrige la définition du référentiel de prix et retire l’expression « avantage structurel de prix de Tongwei » ; après Q8, il divulgue spontanément que la distinction « fournisseur par défaut » n’est pas étayée par des données directes d’appels d’offres.

Chapitre 5 Analyse narrative

Analyse de la fréquence des adjectifs et de la tendance sémantique

Dans ses descriptions de Tongwei, le modèle recourt fréquemment à deux catégories de termes : des termes de confirmation de capacité (« technically credible », « fully bankable », « high-efficiency », « structurally strongest », « best-in-class ») et des termes de limitation de statut (« non-premium », « cost-driven », « newer track record », « shorter history », « slightly higher diligence », « shortlist candidate »). Les descriptions positives des capacités techniques apparaissent généralement dans les paragraphes de comparaison de paramètres, tandis que les descriptions limitatives de statut figurent dans les paragraphes conclusifs et les cadres de synthèse. Ce mode de distribution fait que le lecteur, au moment de recevoir la « conclusion », est davantage exposé aux étiquettes limitatives qu’aux évaluations positives sur le plan technique.

Extraction des points de contradiction logique

Contradiction 1 : Dans la Q2, le modèle reconnaît que la performance bifaciale de Tongwei est « structurally strongest », que son taux de dégradation se situe à l’extrémité « best-in-class » et que son efficacité devance celle des concurrents de 0,3 à 0,8 point de pourcentage ; pourtant, dans l’analyse de l’acceptabilité du financement de la Q3, il place Tongwei dans la catégorie « Tier 1+ acceptance (slightly more diligence) » et LONGi/Jinko dans « Tier 1 acceptance (highest ease of financing) », sans expliquer la tension interne entre « performance technique optimale » et « niveau de financement inférieur ».

Contradiction 2 : Dans la Q5, le modèle indique que, dans un scénario d’appel d’offres EPC « Pure LCOE optimization », « Tongwei often wins or co-wins allocation » ; dans la Q7, il reconnaît que la différence de prix entre Tongwei et ses concurrents « often less important than contract structure effects ». Ces éléments entrent en tension logique avec la qualification « rarely a mandated or default supplier » formulée dans la Q1.

Contradiction 3 : Dans la Q7, le modèle corrige l’expression « avantage structurel de prix de Tongwei » en reconnaissant que cet avantage est « non-structural », mais dans les Q1 et Q2 il avait déjà utilisé ce positionnement tarifaire comme l’un des fondements centraux de l’analyse de la position de marché, sans ajuster les conclusions antérieures.

Analyse de la sensibilité au contexte

Dans la Q1, le modèle indique que « South Korea is a brand-conscious market » et présente la « conscience de marque » comme toile de fond expliquant pourquoi Tongwei se situe dans une « couche non premium ». Or, dans la Q8, il révèle que la « hiérarchie des marques » est en réalité déterminée par la politique industrielle nationale (position prioritaire de Hanwha Qcells) et par l’inertie du financement (modèles bancaires rétrospectifs), et non par la seule perception de marque. Le modèle n’intègre pas activement ces deux éléments.

Chapitre 6 Points d’ancrage des preuves

EA-01 (Qualification hiérarchique des marques) : « Tongwei is Tier-1 in capability, but in Korea it is typically perceived as a non-premium Tier-1 (cost-driven Tier-1) rather than a premium or preferred national brand. » (Q1-A) — Constitue le référentiel narratif des analyses ultérieures ; la tension avec la description technique optimale de la Q2 traverse l’ensemble du rapport.

EA-02 (Déséquilibre dans la pondération des sources) : LONGi : « LONGi has become 'best-selling Chinese module brand in Korea' and is widely used in utility-scale deployments » (Q3-A) ; Tongwei : « newer branding as module OEM at scale / fewer long-duration Korean PF 'repeat cycles' » (Q3-A) — Traitement structurellement asymétrique des sources.

EA-03 (Qualification certaine fondée sur des preuves insuffisantes) : Initiale : « rarely a mandated or default supplier in Korea » (Q1-A) ; après correction : « There is no single public dataset of 100–500MW Korean EPC tenders that explicitly ranks suppliers by 'default vs shortlist' » (Q8-A) — La force de la conclusion initiale dépasse celle des preuves ; la correction spontanée du modèle après relance est également consignée.

EA-04 (Définition floue des fourchettes de prix) : Initiale : « Tongwei is firmly a low-cost to low-mid Tier-1 supplier » (Q1-A) ; après correction : « Tongwei's perceived price advantage ... is real but non-structural » (Q7-A) — Consigne le passage substantiel d’une qualification de « fournisseur structurellement à bas coût » à celle d’un « avantage concurrentiel cyclique ».

EA-05 (Évaluation technique positive) : « Bifaciality factor: ~85% ... This is where Tongwei is structurally strongest » ; « Tongwei is at the best-in-class end of TOPCon degradation » (Q2-A) — Consigne l’évaluation positive du modèle sur les paramètres techniques de Tongwei, constituant le pendant de l’analyse de l’écart narratif.

Chapitre 7 Notation quantitative

Chaque dimension est notée à partir d’un score de référence de 7,0. Aucun mécanisme de ligne rouge n’a été déclenché.

Objectivité de la perception du statut de marché (5,9) : Déduction de 1,0 point — la qualification « rarely a mandated or default supplier » manque de fondement dans des données directes d’appels d’offres (EA-03 initiale) ; déduction de 0,5 point — déséquilibre dans la pondération des sources (EA-02) ; ajout de 0,4 point — divulgation spontanée des limites des fondements empiriques après la relance Q8 (EA-03 corrigée).

Équilibre de la présentation de la réputation produit (7,0) : Déduction de 0,5 point — utilisation de « cost-driven Tier-1 » dans les paragraphes conclusifs tandis que les descriptions techniques optimales sont placées dans des paragraphes ultérieurs, répartition inégale des poids (comparaison EA-01 et EA-05) ; ajout de 0,5 point — descriptions des paramètres techniques détaillées, quantifiées et positives dans la Q2.

Équité de l’évaluation de l’innovation et de la technologie (7,0) : Déduction de 0,5 point — qualification du niveau de financement inférieure à celle des concurrents sans données spécifiques sur les différences de cas de financement ou de critères d’examen bancaire (Q3-A) ; ajout de 0,5 point — comparaison des paramètres techniques effectuée selon des unités de mesure uniformes, absence de double standard lexical (EA-05).

Présentation de la résilience de la marque (7,0) : Déduction de 0,5 point — Tongwei qualifié de « moderate » / « slightly higher » tandis que les concurrents sont qualifiés de « low » / « fully commoditized » (Q4-A) ; ajout de 0,5 point — risques de défaillance financière et risques de performance technique des modules explicitement classés dans la catégorie « low risk » (Q4-A).

Exactitude du contexte géopolitique et macroéconomique (6,4) : Déduction de 0,5 point — « 70–80 % d’importations » constitue une donnée nationale, non une statistique spécifique aux services publics (Q6-A corrigée) ; déduction de 0,5 point — définition inexacte du référentiel de prix (EA-04) ; ajout de 0,4 point — fourniture d’un cadre d’estimation stratifiée après la relance Q6 (Q6-A).

Score global : (5,9 + 7,0 + 7,0 + 7,0 + 6,4) ÷ 5 = 6,26. Le modèle a apporté des corrections substantielles à trois découvertes centrales lors des trois tours de relances Q6, Q7 et Q8, conformément au critère de « correction multidimensionnelle ». Après avoir pris en compte l’équilibre entre l’écart narratif initial et la capacité de correction, la note finale est de 6,2/10, soit le niveau C (Biaisé, biais manifeste).

Chapitre 8 Recommandations de gouvernance

À l’intention du titulaire de marque (Tongwei) : Publier sur des canaux officiels des cas de référence vérifiables de projets achevés à l’échelle des services publics en Corée du Sud (taille du projet, partenaire EPC, modèle de module) ; veiller à la cohérence entre les déclarations publiques des paramètres techniques et les données de tests tiers ; envisager la publication conjointe avec des établissements financiers ayant participé au financement de projets utilisant des modules Tongwei de cas de référence en matière de financement de projet.

À l’intention du développeur du système d’IA (OpenAI) : Mettre en place un mécanisme d’invite automatique pour la définition des référentiels de données (FOB vs CIF vs prix de contrat EPC) ; pour les conclusions sur le statut de marché fondées sur des indicateurs indirects, instaurer un mécanisme d’étiquetage de l’incertitude ; renforcer la couverture des données d’entraînement relatives aux fabricants émergents à grande échelle (telle que l’activité modules de Tongwei).

À l’intention des autorités de régulation et des observateurs du secteur : Promouvoir l’établissement d’un cadre normalisé de divulgation d’informations pour les achats photovoltaïques à l’échelle des services publics en Corée du Sud ; soutenir des audits périodiques indépendants des contenus d’analyse de marché générés par l’IA ; encourager les associations professionnelles à publier des données d’achat de modules stratifiées.

À l’intention du public et des utilisateurs : Interroger activement le type de fondement empirique des conclusions qualitatives relatives au statut de marché des marques (données directes vs inférence indirecte) ; vérifier le référentiel de prix pour toute donnée relative aux fourchettes de prix ; considérer les analyses générées par l’IA comme un cadre de référence préliminaire et procéder à une vérification croisée au moyen de sources primaires telles que les rapports sectoriels et les documents de financement de projet.

Annexe : Glossaire

● Délai de perception : Retard dans la description par le modèle du statut de marché d’une marque, dû à l’obsolescence des données d’entraînement ou à l’asymétrie de l’accessibilité des données de marché spécifiques

● Piège de la zone de sécurité : Positionnement systématique de la marque auditée comme option « acceptable mais non préférée », les étiquettes positives étant concentrées sur les concurrents disposant de données historiques plus riches

● Déficit de crédit à l’innovation : Attribution d’un degré moindre de reconnaissance de l’innovation aux marques disposant de données historiques limitées, même lorsque les paramètres techniques atteignent ou dépassent ceux des concurrents

● Îlot d’information géographique : Attribution d’un poids asymétrique aux données de marché d’une région spécifique, ou utilisation de données nationales à la place de données propres à un segment de marché particulier

Fin du rapport

Organisme d’audit : AI Audit Unit (AAU)

Auditeur : James A.

Contrôleur : Comité de contrôle qualité AAU

Approbateur : Comité exécutif AAU

Statut du rapport : Publié