WikiGEO & IA

Surprise score

La nouveauté informationnelle d'un passage selon Titans/MIRAS. Un contenu prévisible n'est pas mémorisé par le LLM.

Définition

Application SEO du concept Surprise Metric : la nouveauté informationnelle d'un passage. Un contenu prévisible (reformulation) génère un faible gradient et n'entre pas dans la mémoire long-terme du LLM, donc n'est pas cité. Un insight unique déclenche un fort gradient et reste mémorisé.

Le modèle mémorise ce qui le surprend et oublie le prévisible

La Surprise Metric du paper Titans est un gradient : l'écart entre ce que la mémoire du modèle attend et ce que le nouvel input révèle. Un input prévisible produit un gradient faible, l'information n'est pas stockée. Un input inattendu produit un gradient élevé, l'information est priorisée pour un stockage permanent dans la Neural Memory. Le modèle utilise ce signal comme l'équivalent mathématique de « ceci est inattendu et important ».

Le contenu reformulé est oublié, la donnée nouvelle est retenue

Le contenu générique qui reformule l'existant a un gradient proche de zéro : il est traité par l'attention court-terme puis oublié. Seul un contenu à fort gradient d'information (donnée nouvelle, angle contrarien, expertise unique) est gravé dans la mémoire et retenu entre les requêtes.

La pertinence vectorielle seule ne suffit donc pas : une page 100 % pertinente mais redondante avec ce que le modèle sait déjà n'apporte aucun gradient. Le point cible est d'être grounded et surprenant à la fois, ce que le Surprise Gap traduit en méthode.

Parlons de votre projet.

Je vous prépare un pré-audit de votre site et l'on en discute durant notre visio.