La plupart des systèmes confondent une donnée manquante et une situation qu'ils ne savent pas représenter. Les deux ressortent en « null ». Schemabound distingue les deux, et le déclare au lieu de le masquer.
Most systems conflate a missing value with a situation they have no way to represent. Both surface as “null.” Schemabound tells the two apart and declares it, instead of hiding it.
Vos bases et vos moteurs de décision rencontrent l'absence en permanence : une valeur non renseignée, un fait jamais enregistré, une requête sans résultat. La plupart écrasent ces cas dans un même état indifférencié : « null », « inconnu », « non trouvé ».
Your databases and decision engines meet absence constantly: a value never filled in, a fact never recorded, a query that returns nothing. Most of them collapse these into one undifferentiated state: “null”, “unknown”, “not found”.
Or deux situations qui se ressemblent en surface sont profondément différentes. Le système a une catégorie « revenu » mais aucune valeur pour ce client : il sait ce qui lui manque. Le système rencontre un revenu issu d'une activité qu'aucune de ses catégories ne couvre : il n'a même pas de case où le ranger, et pourtant il produit un « null », comme s'il s'agissait d'une simple donnée absente.
Dans les deux cas, la sortie ressemble à de la connaissance. Dans le second, c'est en réalité une limite du système présentée comme un fait. C'est exactement là que se cache une fausse certitude, et donc un risque, aussi bien pour un DSI que pour un architecte de données.
Yet two situations that look identical on the surface are deeply different. The system has an “income” category but no value for this client: it knows what it is missing. The system meets income from an activity none of its categories cover: it has no slot for it at all, and still emits a “null”, as if it were a simple missing value.
In both cases the output looks like knowledge. In the second, it is in fact a limit of the system presented as a fact. That is exactly where a false certainty hides, and with it a real risk, for a CTO and a data architect alike.
Ce que coûtent les défaillances de données que personne ne voit venir.
What data failures no one sees coming actually cost.
La mauvaise qualité des données est dangereuse précisément parce qu'elle est invisible au moment où elle se produit. Comme le note l'IBM Institute for Business Value, son impact « apparaît rarement au point de défaillance ». Il ressurgit en aval, sous forme de revenus perdus et de décisions faussées, « bien avant que le problème et ses causes soient identifiés ».
Poor data quality is dangerous precisely because it is invisible at the moment it occurs. As IBM notes, its impact “rarely appears at the point of failure”. It surfaces downstream, as lost revenue and distorted decisions, “long before the issue and its causes are identified”.
Source : IBM Think, « The true cost of poor data quality », 23 janvier 2026. ibm.com Source: IBM Think, “The true cost of poor data quality”, 23 January 2026. ibm.comSelon une étude Forrester, plus d'un quart des organisations estiment perdre plus de 5 millions de dollars par an à cause de la mauvaise qualité des données, et 7 % au-delà de 25 millions.
According to Forrester research, more than a quarter of organizations estimate they lose over USD 5 million a year to poor data quality, and 7% report losses above USD 25 million.
Source : étude Forrester, citée par IBM (2026). Source: Forrester research, cited by IBM (2026).Des scores de crédit erronés émis à des millions de consommateurs à cause de valeurs incorrectes générées par un système ancien. Dans certains cas, les erreurs étaient assez importantes pour influencer des décisions de prêt.
Erroneous credit scores issued to millions of consumers due to incorrect values from a legacy system. In some cases, the errors were significant enough to influence lending decisions.
Décisions de prêt faussées · millions de consommateurs Distorted lending decisions · millions of consumersUne ingestion de données inexactes a corrompu les modèles publicitaires de l'entreprise. Unity a déclaré environ 110 millions de dollars de revenus perdus.
Faulty data ingestion corrupted the company's advertising models. Unity reported roughly USD 110 million in lost revenue.
≈ 110 M$ de revenus perdus ≈ USD 110M in lost revenueLa recherche en systèmes d'information l'établit : forcer une donnée absente dans une valeur par défaut fausse le résultat. La substitution par zéro « entraîne une distorsion sérieuse » et conduit à « des estimations biaisées », quel que soit le mécanisme d'absence. Traiter une absence comme un nombre n'est jamais neutre.
Information systems research establishes it: forcing an absent value into a default distorts the result. Zero substitution “results in serious distortion” and leads to “biased estimations”, whatever the missingness mechanism. Treating an absence as a number is never neutral.
Source : Peng, Hahn & Huang, Information Systems Research (INFORMS). DOI 10.1287/isre.2022.1104 Source: Peng, Hahn & Huang, Information Systems Research (INFORMS). DOI 10.1287/isre.2022.1104Parmi ces défaillances silencieuses, une est structurellement invisible : quand un système rencontre une situation qu'aucune de ses catégories ne couvre, il ne lève pas d'alerte : il produit un « null », indistinguable d'une simple donnée manquante. La décision se prend comme si de rien n'était. C'est ce cas précis, et lui seul, que Schemabound rend visible.
Among these silent failures, one is structurally invisible: when a system meets a situation none of its categories cover, it raises no alert: it emits a “null”, indistinguishable from a simple missing value. The decision is made as if nothing were wrong. That precise case, and only that one, is what Schemabound makes visible.
Schemabound sépare, comme propriété constitutive de chaque conclusion, l'absence d'une instance dans une catégorie connue de l'absence de toute catégorie capable de représenter la situation.
Schemabound separates, as a constitutive property of every conclusion, the absence of an instance within a known category from the absence of any category able to represent the situation at all.
La catégorie existe, mais aucune valeur n'a été renseignée. Le manque est nommable : le système peut le déclarer comme une information exploitable et actionnable.
The category exists, but no value was supplied. The gap is nameable: the system can declare it as usable, actionable information.
Aucune catégorie du système ne couvre la situation. Ce n'est pas une valeur absente : c'est une limite du périmètre. Le système la déclare, au lieu de la forcer dans une case existante.
No category in the system covers the situation. This is not a missing value: it is a boundary of scope. The system declares it, instead of forcing it into an existing slot.
La qualification A1 / A2 est portée nativement dans la sortie, inspectable et traçable. Aucune couche du système n'a de statut privilégié. Résultat : une décision auditable, une limite visible.
The A1 / A2 qualification is carried natively in the output, inspectable and traceable. No layer of the system holds privileged status. The result: an auditable decision, a visible boundary.
« Un système ne doit jamais présenter comme connaissance ce qui relève, en réalité, d'une limite de connaissance. » La distinction des deux absences en est la mise en œuvre concrète.
“A system must never present as knowledge what is, in reality, a limit of knowledge.” The distinction between the two kinds of absence is its concrete implementation.
Choisissez une propriété à interroger. Le système applique sa règle unique : la propriété appartient-elle au schéma connu ? Puis observez comment il qualifie chaque conclusion (A1, A2, valeur présente ou état invalide) au lieu de tout écraser en « null ».
Pick a property to query. The system applies its single rule: does the property belong to the known schema? Then watch how it qualifies each conclusion (A1, A2, present value or invalid state) instead of collapsing everything into “null”.
L'approche s'appuie sur un préprint publié avec un DOI pérenne et un profil ORCID. Elle s'inscrit explicitement dans la lignée de Codd (1986), qui distinguait déjà, dans les bases relationnelles, l'information manquante applicable de l'information inapplicable.
The approach rests on a preprint published with a persistent DOI and an ORCID profile. It stands explicitly in the lineage of Codd (1986), who already distinguished, in relational databases, applicable from inapplicable missing information.
Le texte est diffusé sous licence CC BY-NC-ND. L'implémentation, elle, reste propriétaire et n'est pas exposée.
The text is released under a CC BY-NC-ND licence. The implementation itself remains proprietary and is not disclosed.
Face à une propriété rencontrée pour une entité, le système applique une seule règle qui ne dépend que de l'appartenance de cette propriété à son ensemble de catégories connues.
When it meets a property for an entity, the system applies a single rule that depends only on whether that property belongs to its set of known categories.
La propriété n'appartient pas au schéma. Le système déclare la situation hors de son périmètre de représentation, sans lui attribuer de valeur.
The property is not part of the schema. The system declares the situation out of its representational scope, without assigning a value.
Le manque est nommable et déclarable comme une information exploitable.
The gap is nameable and declarable as usable information.
La catégorie existe, la valeur est présente mais non exploitable. Cet état est signalé pour lui-même, distinct des deux absences A1 et A2, plutôt que d'en extraire un nombre par défaut.
The category exists, the value is present but not usable. This state is flagged in its own right, distinct from the two kinds of absence A1 and A2, rather than silently extracting a default number.
La qualification (A1 / A2) est elle-même une assertion inspectable dans la sortie, jamais un drapeau caché.
The qualification (A1 / A2) is itself an inspectable assertion in the output, never a hidden flag.
La fiabilité de la distinction dépend d'un appariement fiable entre les termes d'entrée et le schéma du système (synonymes, variantes d'orthographe, granularité). C'est un problème distinct, difficile, que nous n'abordons pas ici. Nous le disons plutôt que de le cacher : cette honnêteté fait partie du sérieux de l'approche.
The reliability of the distinction depends on reliable matching between input terms and the system's schema (synonyms, spelling variants, granularity). That is a separate, hard problem we do not address here. We state it rather than hide it: this honesty is part of the seriousness of the approach.
Le Règlement (UE) 2024/1689 (AI Act) impose de documenter la frontière de responsabilité entre fournisseur et déployeur et, pour les systèmes à haut risque, de journaliser leur fonctionnement (article 12). Un système qui déclare explicitement ce qui dépasse son périmètre produit une information qui peut nourrir cette documentation.
Regulation (EU) 2024/1689 (the AI Act) requires documenting the responsibility boundary between provider and deployer and, for high-risk systems, logging their operation (Article 12). A system that explicitly declares what falls outside its scope produces information that can feed into that documentation.
Déclarer explicitement les limites d'un système peut contribuer à documenter la frontière de responsabilité que l'AI Act oblige à tracer, en rendant visible ce qui dépasse son périmètre, sous réserve que ces informations soient effectivement renseignées dans le système.
Explicitly declaring a system's limits can contribute to documenting the responsibility boundary the AI Act requires you to trace, by making visible what falls outside its scope, provided that information is actually recorded in the system.
Nous ne « mettons pas en conformité ». La conformité dépend de la classification de risque, de l'évaluation formelle et du marquage, et reste la responsabilité du fournisseur ou du déployeur, pas d'un composant logiciel. Une vérification par un juriste reste nécessaire.
We do not “make you compliant.” Compliance depends on risk classification, formal assessment and marking, and remains the responsibility of the provider or deployer, not of a software component. Review by a qualified lawyer remains necessary.
Le point de départ est toujours une conversation sur votre cas. À partir de là, deux voies, combinables selon votre besoin.
The starting point is always a conversation about your case. From there, two paths, combinable to fit your need.
Une licence d'usage de la distinction A1 / A2, telle qu'elle a été spécifiée et éprouvée en implémentation de référence. Le code n'est pas exposé : il constitue l'avance technique.
A usage licence for the A1 / A2 distinction, as specified and exercised in a reference implementation. The code is not exposed: it is the technical advantage.
Une prestation pour adapter la distinction à votre schéma, à vos catégories et à vos flux existants, là où l'appariement entrée-schéma se joue concrètement.
A service to adapt the distinction to your schema, your categories and your existing flows, where input-to-schema matching actually happens.
Chercheur indépendant basé à Paris. Mon travail porte sur la façon dont les systèmes représentent ce qu'ils ne savent pas : la distinction entre l'absence d'une instance dans une catégorie connue et l'absence de toute catégorie capable de représenter une situation.
Independent researcher based in Paris. My work concerns how systems represent what they do not know: the distinction between the absence of an instance within a known category and the absence of any category capable of representing a situation at all.
J'aborde cette question depuis la pratique de l'ingénierie, pas depuis l'université. Je suis trader professionnel ; j'ai développé plusieurs systèmes de trading automatisés et je me spécialise dans la conception d'indicateurs techniques. Concevoir un indicateur, c'est décider quelles catégories existent pour décrire une situation ; en construire un nouveau, c'est admettre qu'aucune des catégories existantes ne saisissait ce qui était là. Je teste ces systèmes contre le hasard comme référence, une habitude qui façonne ma manière d'énoncer les affirmations : ce qui est démontré, et ce qui n'est que plausible.
I come to this question from engineering practice rather than from academia. I am a professional trader; I have developed several automated trading systems and specialise in the design of technical indicators. Designing an indicator means deciding which categories exist to describe a situation; building a new one is an admission that none of the existing ones captured what was there. I test these systems against chance as a baseline, a habit that shapes how I state claims: what is demonstrated, and what is merely plausible.
Karim Benrezzag
Écrivez-moi directement, en quelques lignes, à propos du système où l'absence pose problème. Je réponds personnellement pour convenir d'une démonstration adaptée.
Write to me directly, in a few lines, about the system where absence is a problem. I reply personally to arrange a demonstration that fits.
Pas de formulaire, pas de données collectées. Copiez l'adresse pour écrire depuis votre messagerie habituelle (webmail ou logiciel), ou cliquez pour l'ouvrir directement.
No form, no data collected. Copy the address to write from your usual mailbox (webmail or app), or click to open it directly.
Un échange court et concret. Aucune promesse que le produit ne pourrait pas tenir en rendez-vous.
A short, concrete exchange. No promise the product could not keep in a meeting.
[Nom et prénom, ou raison sociale], [statut : personne physique / micro-entreprise / société]
Adresse : [adresse postale complète]
E-mail : contact@schemabound.dev
Téléphone : [numéro (recommandé)]
[Si micro-entreprise ou société : n° SIRET · RCS et ville · capital social · n° TVA intracommunautaire]
Directeur de la publication : [Nom]
IONOS SARL, société à responsabilité limitée au capital de 100 000 €, 7 place de la Gare, 57200 Sarreguemines, France. SIREN 431 303 775, RCS Sarreguemines. ionos.fr
L'ensemble des contenus de ce site (textes, structure, mise en forme) est protégé. Le texte du préprint cité est diffusé sous licence CC BY-NC-ND 4.0. L'implémentation logicielle reste la propriété de l'éditeur et n'est pas diffusée. Toute reproduction non autorisée est interdite.
Les champs entre crochets surlignés sont à compléter par l'éditeur avant la mise en ligne.
[Full name, or company name], [status: individual / sole trader / company]
Address: [full postal address]
Email: contact@schemabound.dev
Phone: [number (recommended)]
[If a registered business: company ID · trade register & city · share capital · VAT number]
Publication director: [Name]
IONOS SARL, a limited liability company with share capital of €100,000, 7 place de la Gare, 57200 Sarreguemines, France. SIREN 431 303 775, Sarreguemines Trade Register. ionos.fr
All content on this site (text, structure, layout) is protected. The cited preprint text is released under a CC BY-NC-ND 4.0 licence. The software implementation remains the property of the publisher and is not disclosed. Any unauthorised reproduction is prohibited.
The highlighted bracketed fields are to be completed by the publisher before launch.
Ce site est un site vitrine statique. Il ne comporte aucun formulaire et ne collecte aucune donnée personnelle à votre insu. Aucun cookie de suivi ni outil de mesure d'audience n'est utilisé.
Si vous nous écrivez à contact@schemabound.dev, nous traitons votre adresse e-mail et le contenu de votre message dans le seul but de vous répondre. Ces données ne sont ni cédées ni vendues à des tiers, et sont conservées uniquement le temps nécessaire au traitement de votre demande.
Conformément au Règlement général sur la protection des données (RGPD), vous disposez d'un droit d'accès, de rectification et d'effacement de vos données. Pour l'exercer, écrivez à contact@schemabound.dev. Vous pouvez également introduire une réclamation auprès de la CNIL (cnil.fr).
Aucune décision automatisée n'est prise à partir de vos données.
Cette politique reflète l'état actuel du site (aucune mesure d'audience). Elle devra être mise à jour si un outil de statistiques ou un formulaire est ajouté.
This is a static showcase website. It contains no form and collects no personal data without your knowledge. No tracking cookies or audience-measurement tools are used.
If you write to contact@schemabound.dev, we process your email address and the content of your message for the sole purpose of replying to you. This data is neither shared nor sold to third parties, and is kept only as long as needed to handle your request.
Under the General Data Protection Regulation (GDPR), you have the right to access, rectify and erase your data. To exercise it, write to contact@schemabound.dev. You may also lodge a complaint with the CNIL (cnil.fr).
No automated decision-making is carried out on your data.
This policy reflects the current state of the site (no audience measurement). It must be updated if a statistics tool or a form is added.