Blog ingénierie

Comment nous construisons ReasoningLayer

Des notes sur le moteur, les produits que nous bâtissons par-dessus, et les problèmes qu'ils résolvent. Écrites par l'équipe qui les livre.

3 août 202625 min readabliteration, refusal, llm, inference-engine, rust, reproducibility, measurement

Removing refusal behaviour from a language model, inside our own engine

Ask a model to fix the spelling of a sentence containing one rude word and it quietly rewrites the sentence. Refusal that fires on benign work is a product defect, and it lives in the weights. We built its removal into our Rust engine and measured it against the strongest published result on gemma-3-12b, with paired per-prompt tests rather than two numbers side by side — reproducing their checkpoint to 2 %, recovering their intervention out of their own weights, and showing that their published parameters run on the refusal directions our pipeline measured beat their own checkpoint, which places the advantage in the direction, the half of the method nobody's numbers pin down. Then the part we got wrong: three sections of this post chase a target we could not reach, and the reason was the metric. The field scores refusals by matching phrases like 'illegal' and 'disclaimer', which a compliant answer to a harmful prompt cannot avoid — so we read all one hundred generations and found zero actual refusals, on our model and on theirs. The target had been met and was unreadable, and the ruler was ranking a less-damaged model as worse. So we replaced the phrase list with a measurement: the refusal ruler is now discovered from each model's own two populations, which recovers gemma's wording on gemma and Qwen's on Qwen with nothing hardcoded.

8 juillet 202610 min readscheduling, performance, benchmarks, constraint-solving, or-tools

Are we fast yet? Benchmarking interactive exact scheduling

The performance story behind the interactive scheduler: the exact three-colour map in milliseconds — 128 ms on a zero-slack regional hospital where OR-Tools times out on sixteen cores — sub-second on every click (and dropping as you pin), flat memory across a long session, plus an honest list of where we are not fast yet.

14 juin 202615 min de lecturemodèle du monde, raisonnement, IA de confiance, graphe de connaissances, bancs d'essai

Le modèle du monde qui manque à l'IA, et le moteur conçu pour le porter

Les LLM hallucinent parce qu'ils n'ont aucun modèle du monde, seulement un modèle du texte. Voici la couche de raisonnement conçue pour y remédier : RDF, OWL, SHACL et SUMO sur un seul substrat, un raisonnement OWL 2 RL complet, et le plus rapide face à six autres moteurs sur trois bancs d'essai en tête-à-tête.

11 juin 20268 min de lecturecontrôle d'accès, sécurité, agents, cas d'usage

Le contrôle d'accès qui s'explique, avec ReasoningLayer

Les permissions deviennent une poignée de règles au lieu de milliers de lignes. Chaque droit est dérivé à la demande, et chaque réponse revient accompagnée de la preuve qui la justifie.

9 juin 20267 min de lectureplanification, santé, cas d'usage

Planification interactive avec ReasoningLayer : un cas d'usage de planning infirmier

Un outil de planification dont le rôle n'est pas de rédiger le planning à votre place, mais de garder visible chaque planning valide pendant que vous décidez une case à la fois.