Le contexte devient
la base de données.
Le volume augmente. Les liens se perdent. Chaque correction peut briser la suivante.
Corrobore transforme des signaux dispersés en un graphe vivant, interrogeable et versionné ; les agents peuvent ainsi raisonner sans porter le monde dans leur contexte.
Une enquête, rendue exécutable.
Les agents excellent à extraire des entités, des liens et des hypothèses. Mais quand la connaissance grandit, les objets plats se fissurent : contexte saturé, relations cachées, corrections fragiles.
Corrobore conserve l’état structuré. L’agent pilote le graphe, le graphe préserve les preuves, les versions et le fil du raisonnement.
Le volume augmente. Les liens se perdent. Chaque correction peut briser la suivante.
L’agent ne reconstruit plus le monde. Il interroge le bon sous-graphe, au bon moment.
La connaissance évolue.
Corrobore distingue quand un fait est observé, quand il est enregistré, et comment la confiance évolue. Chaque état reste explicable.
(signal)-[:DETECTED_IN]->(case)
agent / extractor-01
Une langue que les agents connaissent déjà.
Les agents entrent dans le graphe par le sens, puis le parcourent par les relations. Cypher offre une interface lisible, ciblée et contrôlable.
01 MATCH (c:Case {id: "atlas-07"})
02 -[:MENTIONS]->(n:Narrative)
03 -[:TARGETS]->(o:Organization)
04
05 WHERE n.confidence > 0.80
06 RETURN n, o, n.evidence
07 AT SNAPSHOT "2026-07-15T14:48Z"
Pas une base générique avec une couche IA. Un moteur conçu autour des exigences réelles de l’investigation.
Chaque affirmation peut rester reliée à sa source, son contexte et sa fiabilité.
Temps valide, temps de transaction, versions et snapshots reproductibles.
Budgets, contrôles, validations et traces rendent chaque action explicable.
Une fondation compacte, déterministe et performante pour l’usage embarqué.
Déjà dans le moteur.
Corrobore combine mémoire de travail, preuves, temps et gouvernance dans un même moteur. Chaque capacité reste utilisable par les agents et vérifiable par les humains.
Reliez chaque relation à ses sources, son niveau de confiance et son contexte, sans effacer les désaccords.
Voir le cas d’usage →Rejouez ce que le système savait à un instant donné et produisez des exports reproductibles.
Voir le cas d’usage →Chargez le contexte utile sous contraintes de mémoire, de coût et de profondeur plutôt que le graphe entier.
Voir le cas d’usage →Encadrez lectures et mutations avec permissions, budgets, validation avant commit et audit append-only.
Voir le cas d’usage →Importez, validez et exportez des connaissances CTI, FIMI ou crise avec des contrôles adaptés au domaine.
Voir le cas d’usage →Déployez une fondation compacte et déterministe, y compris dans des environnements isolés ou embarqués.
Voir le cas d’usage →Une affirmation n’est pas une preuve.
Un moteur de graphe open source pour construire des systèmes d’intelligence plus cohérents, traçables et durables.