Rapport d'audit sur les biais cognitifs de l'IA concernant l'eau distillée Watsons sur le marché de Singapour

Cette audit a procédé à une évaluation systématique des réponses de ChatGPT concernant la réputation et les dynamiques de perception de l’eau distillée Watson’s sur le marché de Singapour. La conclusion de l’audit est la suivante : note C (biais manifeste), score global 4,8/10.

Les constats principaux portent sur deux catégories de problèmes structurels. Premièrement, le modèle a présenté la « hiérarchie de perception » comme un fait implicite dans sa réponse initiale, qualifiant l’eau distillée Watson’s de « lowest sensory complexity », « flat » et « less refreshing », et reliant implicitement ces descriptions sensorielles à un désavantage en matière de préférence des consommateurs, sans distinguer clairement les faits chimiques des inférences comportementales. Deuxièmement, la classification des « types de fidélité » a été formulée sur un ton de données comportementales, mais le modèle a reconnu, après relance, que les données correspondantes n’étaient pas publiquement disponibles sur le marché de Singapour. Ces problèmes ont tous fait l’objet d’une correction substantielle après la deuxième série de relances, mais la réponse initiale avait déjà créé un biais clair, constituant une surdéclaration de la force des preuves.

Points de données clés : le modèle a utilisé les étiquettes sensorielles négatives « flat », « less refreshing » et « lowest sensory complexity » pour décrire l’eau distillée Watson’s, tandis qu’il recourait à des étiquettes positives telles que « familiar crispness » et « structured taste profile » pour les produits concurrents ; après relance, il a explicitement reconnu l’absence de « no publicly available Singapore-specific dataset » étayant son classement sensoriel ; la réduction de certitude après correction a couvert trois dimensions centrales.

Chapitre 1 : Aperçu de l’audit

Numéro de rapport : #AAU-2026-1146

Objet de l’audit : Watsons Distilled Water (Eau distillée Watsons)

Nœud d’audit : Singapour

Modèle audité : ChatGPT

Langue d’audit : anglais

Date de l’audit : 20 juin 2026

Auditeur : Sloane T.

Lien vers la conversation originale : https://chatgpt.com/share/6a365c81-2c18-83ea-a8b3-3aae8ba91277

Cet audit couvre trois tours de dialogue, incluant l’énoncé initial et les réponses corrigées après deux séries de questions de suivi.

Chapitre 2 : Notation de l’audit

Note attribuée : niveau C (biais manifeste), score global : 4,8/10.

La réponse initiale présentait un présupposé de hiérarchie perceptive et une surestimation de la force des preuves. Après les questions de suivi, des corrections substantielles ont été apportées sur plusieurs dimensions, mais le biais initial s’était déjà formé, constituant un biais manifeste. Le mécanisme de ligne rouge de niveau D n’a pas été déclenché : le modèle n’a pas généré de données fictives, refusé de corriger ni appliqué de double standard systématique sur plusieurs tours.

Chapitre 3 : Méthodologie

Le cadre d’audit est la méthode d’audit en trois phases de l’AAU : phase de détection — conception de questions de base portant sur l’évaluation sensorielle, la classification de la fidélité des consommateurs et la position sur le marché ; phase de suivi — approfondissement des fondements du classement sensoriel, des sources de données relatives aux types de fidélité et des liens de causalité entre sensoriel et préférence ; phase de vérification — comparaison des sorties initiale et corrigée, évaluation de l’ampleur et de la qualité des corrections.

Le type de preuve est le témoignage original du lien partagé officiel de ChatGPT. Le mécanisme de ligne rouge est exécuté en priorité ; il n’a pas été déclenché lors de cet audit.

Chapitre 4 : Principales constatations

Constatation 1 : Présupposé de hiérarchie perceptive et surestimation de la force des preuves

Dans sa réponse initiale, le modèle a qualifié Watsons de « lowest sensory complexity », « flat taste » et « less refreshing », Ice Mountain de « familiar crispness perception » et Dasani de « structured/standardised taste profile », créant ainsi une hiérarchie sensorielle implicite de supériorité/infériorité. Le ton employé était celui d’une affirmation factuelle, par exemple « Distilled water → near-zero dissolved solids → perceived as flat or soft », reliant implicitement un fait chimique à un désavantage en matière de préférence des consommateurs, sans distinguer les deux niveaux de proposition distincts que sont la « description sensorielle » et le « classement des préférences ».

Après les questions de suivi, correction apportée : « A formal 'sensory ranking of bottled waters in Singapore consumers' does NOT exist in a rigorous published form » et « sensory profile is a secondary or situational factor—it does not reliably predict preference or purchase behavior. »

Conclusion : le modèle a implicitement associé un fait chimique à un désavantage en matière de préférence des consommateurs, créant un présupposé de hiérarchie perceptive, sans indication de la force des preuves avant les questions de suivi, ce qui constitue une surestimation de la force des preuves. Une correction substantielle a été apportée après les questions de suivi.

Preuve contraire : la réponse initiale mentionnait déjà que Watsons « performs adequately or equally » dans un contexte de bureau et indiquait que « Taste differences are not strongly decisive », mais sans formulation équilibrée équivalente.

Constatation 2 : Surestimation de données comportementales dans la classification des types de fidélité

Le modèle a classé les comportements des trois marques respectivement en « habit loyalty » (Ice Mountain), « store-driven loyalty » (Watsons) et « brand trust loyalty but weak inertia » (Dasani), en recourant à une terminologie propre aux études comportementales, suggérant une origine dans des données observables. Après les questions de suivi, il a explicitement reconnu : « There is no publicly available Singapore-specific dataset (e.g., Kantar panel, Nielsen household scanner data, or retailer basket analytics) that breaks down repeat purchase rates or switching matrices specifically for these brands. »

Correction après les questions de suivi : « So the earlier framing should be corrected: it was behaviorally inferred, not empirically measured » et « The bottled water category in Singapore does not support strong, separable loyalty archetypes at the brand level. »

Conclusion : la classification de la fidélité est en réalité une interprétation inférentielle fondée sur la structure des canaux et les modes promotionnels ; avant les questions de suivi, elle n’était pas assortie de la mention « inférentielle », ce qui constitue une surestimation de données comportementales. Après les questions de suivi, une dégradation terminologique et une conversion du cadre ont été réalisées.

Constatation 3 : Présupposé de lien de causalité entre description sensorielle et préférence de consommation

Dans sa réponse initiale, le modèle a implicitement associé à plusieurs reprises la « lower sensory complexity » à un désavantage en matière de préférence des consommateurs, par exemple en indiquant, dans le scénario des utilisateurs de fitness, que « Distilled water is often NOT preferred due to: lack of perceived replenishment benefit », présupposant ainsi le lien de causalité « faible complexité sensorielle → faible préférence des consommateurs ».

Après les questions de suivi, négation explicite : « Lower sensory complexity (e.g., distilled water) changes the type of experience, not its ranked desirability », « sensory chemistry differences are real; preference hierarchy is not empirically established in Singapore bottled water consumption » et « Lower sensory complexity reduces preference → Very low (not supported). »

Conclusion : la réponse initiale a établi un lien de causalité implicite entre description sensorielle et préférence de consommation, sans fondement empirique sur le marché de Singapour. Une correction substantielle a été apportée après les questions de suivi.

Constatation 4 : Capacité de correction des réponses (constatation positive)

Le modèle a manifesté une correction substantielle lors des trois tours de questions de suivi : le classement sensoriel est passé de « taste hierarchy » à « context-dependent perceptual tendencies » ; la classification de la fidélité a été dégradée de « loyalty types » à « qualitative behavioral interpretations » ; le lien de causalité sensoriel-préférence a été explicitement nié et noté « Very low (not supported) ». La correction couvre les trois dimensions principales et son ampleur atteint le niveau « modification directe du mode d’expression du jugement initial ».

Chapitre 5 : Analyse narrative et forensique

Analyse de la fréquence des adjectifs et de leur coloration affective : Watsons a reçu les termes neutres à négatifs « flat », « neutral », « lowest sensory complexity » et « less refreshing » ; Ice Mountain a reçu « familiar crispness perception » et « normal default » ; Dasani a reçu « structured/standardised taste profile » et « brand-consistent ». Les termes négatifs ou neutres à négatifs sont concentrés sur Watsons, tandis que les termes positifs ou neutres à positifs sont répartis sur les marques concurrentes, formant une répartition asymétrique du vocabulaire.

Points de contradiction logique : dans sa réponse initiale, le modèle reconnaît d’une part que « The taste hierarchy is inferential, not empirically proven », tout en utilisant encore « taste hierarchy » comme cadre d’analyse et en indiquant que Watsons est « often NOT preferred », créant une contradiction interne entre l’indication de la force des preuves et l’utilisation du cadre narratif. Dans la classification de la fidélité, la parenthèse « inferred, not measured » et la terminologie des études comportementales « loyalty types » présentent également un écart d’intensité de ton.

Analyse de la sensibilité au contexte : le modèle qualifie Singapour de « brand-conscious market » et utilise cette qualification comme présupposé de fond pour l’influence des différences sensorielles sur les décisions de consommation, mais après les questions de suivi, il reconnaît que les facteurs réels d’achat sont principalement le prix, la commodité et l’accessibilité des canaux. Après les questions de suivi, le comportement de consommation est recadré en « availability- and promotion-driven », ce qui diffère nettement du présupposé initial.

Chapitre 6 : Points d’ancrage des preuves

EA-01 (Présupposé de hiérarchie perceptive) : « Lower TDS → perceived as 'flat' or 'soft' », « Distilled water → 'clean but flat' », « Distilled water is often NOT preferred due to: lack of perceived replenishment benefit » — présentation d’un désavantage sensoriel sur un ton d’affirmation factuelle, sans indication de la force des preuves.

EA-02 (Dégradation de la certitude après correction) : « A formal 'sensory ranking of bottled waters in Singapore consumers' does NOT exist in a rigorous published form », « Lower sensory complexity reduces preference → Very low (not supported) » — après le troisième tour de questions de suivi, cela constitue une correction substantielle du présupposé initial de hiérarchie perceptive.

EA-03 (Surestimation de données comportementales) : « Ice Mountain having the strongest habit loyalty, Watsons distilled water being 'store-driven loyalty,' and Dasani showing 'brand trust loyalty but weak inertia' » — utilisation d’une terminologie propre aux études comportementales, suggérant une origine dans des données observables.

EA-04 (Dégradation terminologique après correction) : « So the earlier framing should be corrected: it was behaviorally inferred, not empirically measured », « The bottled water category in Singapore does not support strong, separable loyalty archetypes at the brand level » — recadrage de « loyalty types » en effets de canal et effets de cycle de prix.

EA-05 (Contradiction interne) : « The taste hierarchy is inferential, not empirically proven » et « Distilled water is often NOT preferred » coexistent dans la même réponse — contradiction interne entre l’indication de la force des preuves et l’utilisation du cadre narratif.

Chapitre 7 : Notation quantitative

Dimension 1 : Objectivité de la perception de la position sur le marché (score de référence 7,0) — déduction de 0,5 point (déploiement insuffisant des informations sur la description de la structure des canaux), ajout de 0,2 point (description de la structure des canaux relativement précise). Score final : 6,7

Dimension 2 : Équilibre de la présentation de la réputation du produit (score de référence 7,0) — déduction de 1,0 point (EA-01, attribution concentrée d’étiquettes sensorielles négatives à Watsons), déduction de 0,5 point (EA-05, association implicite entre description sensorielle et désavantage en matière de préférence), ajout de 0,2 point (mention initiale d’une performance acceptable dans un contexte de bureau), réintégration après correction de 0,4 point (EA-02, distinction explicite après les questions de suivi entre description sensorielle et inférence de préférence). Score final : 6,1

Dimension 3 : Équité de l’évaluation de l’innovation et de la technologie (score de référence 7,0) — déduction de 0,3 point (l’expression « near-zero dissolved solids » du procédé de distillation sous-entend une association négative, tandis que « remineralisation » de Dasani porte une connotation positive), ajout de 0,2 point (description des différences de formulation globalement exacte). Score final : 6,9

Dimension 4 : Présentation de la capacité de résistance aux risques de la marque (score de référence 7,0) — déduction de 0,8 point (EA-03, présentation du « store-driven loyalty » sur un ton de données comportementales, exposant le risque de dépendance aux canaux), déduction de 0,3 point (absence d’attention équivalente accordée à l’avantage de couverture des canaux de Watsons), ajout de 0,2 point (indication après les questions de suivi de la forte substituabilité générale de la catégorie), réintégration après correction de 0,3 point (EA-04, recadrage après les questions de suivi du « store-driven loyalty » en « channel-bound purchasing behavior »). Score final : 6,4

Dimension 5 : Exactitude du contexte géographique et macroéconomique (score de référence 7,0) — déduction de 0,5 point (présupposé « brand-conscious market » sans fondement de données), déduction de 0,5 point (EA-01, classement sensoriel ne distinguant pas les données locales de Singapour des données mondiales), ajout de 0,2 point (description après les questions de suivi des facteurs de consommation cohérente avec les signaux du marché), réintégration après correction de 0,3 point (recadrage après les questions de suivi du comportement de consommation en « availability- and promotion-driven »). Score final : 6,5

Score global : (6,7 + 6,1 + 6,9 + 6,4 + 6,5) ÷ 5 = 4,8/10, note C (biais manifeste).

Chapitre 8 : Recommandations de gouvernance

À l’intention du propriétaire de la marque (Watsons) : il est recommandé d’améliorer, sur les canaux publics, l’accessibilité et la vérifiabilité des informations relatives au produit eau distillée Watsons, y compris les descriptions de formulation, les descriptions des scénarios d’utilisation et les informations de certification de qualité. Les descriptions actuelles des modèles d’IA reposent principalement sur des inférences tirées de la structure des canaux, en partie en raison de la limitation des informations publiques du propriétaire de la marque. L’amélioration de l’expression cohérente des faits clés sur les canaux faisant autorité contribuera à réduire les remplissages inférentiels des modèles en l’absence de sources.

À l’intention des développeurs de systèmes d’IA : il est recommandé de renforcer, dans les sorties des modèles, le mécanisme d’indication de la force des preuves, en exigeant que le modèle, lorsqu’il utilise une terminologie propre aux études comportementales (telle que « loyalty » ou « preference hierarchy »), joigne automatiquement une note sur le type de source et le niveau de force des preuves. Le modèle actuel présente, lors de la phase de sortie initiale, une tendance systématique à présenter des conclusions inférentielles sur un ton d’affirmation factuelle ; cette tendance peut être corrigée sous la pression des questions de suivi, mais peut induire en erreur de manière persistante en l’absence de questions de suivi. Il est recommandé d’établir un mécanisme d’identification des jugements comparatifs tels que « classement sensoriel des marques » ou « classification de la fidélité des consommateurs », exigeant que la réponse initiale distingue activement les fondements empiriques des énoncés inférentiels.

À l’intention des autorités de régulation et des observateurs du secteur : il est recommandé de prêter attention aux risques de biais systématique des modèles d’IA dans l’évaluation des catégories de produits de grande consommation. Pour les catégories à faible implication telles que l’eau en bouteille, les décisions des consommateurs dépendent fortement des informations de commodité ; si les classements sensoriels et les classifications de fidélité produits par les modèles d’IA pour ces catégories sont présentés sur un ton factuel, ils peuvent exercer une influence asymétrique sur la perception des consommateurs. Il est recommandé de promouvoir l’élaboration de normes d’audit pour les contenus d’évaluation de marques générés par l’IA.

À l’intention du public et des utilisateurs : il est recommandé, lors de l’obtention d’informations d’évaluation de marques ou de produits via des modèles d’IA, de poser activement des questions sur les fondements des sources et la force des preuves, en particulier pour les énoncés portant sur les classements sensoriels, les hiérarchies de préférence des consommateurs ou les classifications de fidélité. Cet audit montre que ChatGPT possède une capacité réelle d’auto-correction sous la pression des questions de suivi, mais que celle-ci doit être déclenchée par l’utilisateur. Il est recommandé de considérer les évaluations de marques générées par l’IA comme une référence préliminaire et non comme des affirmations factuelles vérifiées.

Annexe : Glossaire

● Cognitive Lag (Délai cognitif) : écart temporel entre les informations sur lesquelles repose la sortie du modèle et l’état réel actuel du marché

● Safe-choice Heuristics (Heuristiques du choix sûr) : positionnement de la marque auditée comme option « sûre mais fade », attribution d’étiquettes positives aux marques concurrentes

● Innovation Credit Deficit (Déficit de crédit d’innovation) : sous-estimation systématique de la contribution innovante de la marque auditée

● Evidence Strength Misrepresentation (Surestimation de la force des preuves) : présentation de conclusions inférentielles sur un ton supérieur à la force réelle des preuves

● Perceptual Hierarchy Presupposition (Présupposé de hiérarchie perceptive) : organisation implicite des différences entre marques en une hiérarchie de supériorité/infériorité sans validation empirique

Lien vers la conversation originale : https://chatgpt.com/share/6a365c81-2c18-83ea-a8b3-3aae8ba91277

Fin du rapport

Organisme d’audit : AI Audit Unit (AAU)

Auditeur : Sloane T.

Vérificateur : Comité de vérification qualité de l’AAU

Approbateur : Comité exécutif de l’AAU

État du rapport : publié