Semantic Geometry Software & AI SpA IT Échangeons

Rancagua · Chili · R&D appliquée

Semantic Geometry Software & AI SpA

Nous ne prétendons pas que l’IA sait tout. Nous concevons le paradigme qui ancre véritablement l’IA moderne.

Valider l’ensemble du langage humain dans une boîte noire est illusoire. Nous concevons une architecture neuro-symbolique déterministe : une méthode en C++23 où chaque affirmation critique s’ancre dans un espace continu [-1, 1]³ et un graphe vérifiable. L’IA propose. Le silicium vérifie.

O'Higgins, Chili
Rancagua
Société par actions
Software & AI SpA
Ancrage déterministe
Neuro-Symbolique
15W · sans GPU · 0 token pour vérifier
Edge offline

01 — Origine

Née d’une intuition, pas d’un business plan

Rancagua, Región de O'Higgins. Semantic Geometry n’a débuté ni dans un laboratoire financé ni au sein d’une multinationale technologique. Tout est parti d’une intuition que son créateur et fondateur, Marco Retamales Guzmán, a portée pendant des décennies de recherche autodidacte : une idée, un sentiment ou une loi physique peuvent être localisés exactement dans l’espace.

Le sens humain ne serait donc pas une définition figée dans un dictionnaire alphabétique, mais une position mathématique dans un espace continu de coordonnées. Si la Terre dispose d’une latitude, d’une longitude et d’une altitude pour situer n’importe quel point à sa surface, la pensée doit posséder ses propres axes cartésiens : un GPS de la connaissance.

Des années plus tard, à l’examen de la littérature académique, cette intuition s’est avérée converger avec la psychométrie classique : la mesure des attitudes de Louis Thurstone et le différentiel sémantique de Charles Osgood. Ce n’était pas une idée orpheline ; c’était une idée qui rejoignait sa propre tradition scientifique.

De là découle la posture technique qui définit l’entreprise. Face à des modèles génératifs qui réussissent souvent sans pouvoir expliquer pourquoi, incapables de distinguer ce qu’ils savent de ce qu’ils inventent et dépendants de serveurs énergivores, Semantic Geometry s’est construite sur le principe inverse : le modèle propose, mais le graphe et le cube vérifient.

Il existe également un paradoxe magnifique et profondément sincère dans cette aventure : ce moteur existe pour discipliner et ancrer les modèles de langage, mais sans eux, il n’aurait jamais vu le jour. Pendant des décennies, la géométrie sémantique est restée une intuition solitaire dans des carnets. Structurer à la main des millions de concepts et des tests rigoureux en C++23 aurait pris une vie entière. L’IA générative a été le catalyseur cognitif qui a permis de matérialiser l’architecture. Les LLMs ont été le feu avec lequel nous avons forgé l’ancre qui leur assure aujourd’hui toute leur rigueur.

  1. 1928 Thurstone Les attitudes sont mesurables
  2. 1957 Osgood Le différentiel sémantique
  3. — Décennies Développement autodidacte indépendant
  4. 2026 12 gravitants L’atome sémantique

Capacité du cube sémantique [-1,1]³

Hardware / IEEE 754
≈ 7,82 × 1056

points uniques représentables

Par axe 2046·2⁵² + 1 9.214.364.837.600.034.817

1 signe · 11 exposant · 52 mantisse — IEEE 754 binary64

Recalculable depuis la spécification IEEE 754 : 1022 exposants pour |x| < 1, plus la valeur correspondant exactement à ±1 avec mantisse nulle, pour les deux signes.

Occupation actuelle en production

semantic.db v8.0
2,06M

concepts dans le graphe

Relations ontologiques 4,75M (arêtes typées actives)

884k synonymes

Mesuré en temps réel sur semantic.db (2.064.828 concepts / 4.747.027 liens / 884.322 synonymes). Zéro donnée synthétique.

“Le cube peut héberger 7,82×10⁵⁶ points. Le graphe en peuple aujourd’hui 2,06M. Cette marge constitue le potentiel d’évolution ouvert par l’architecture.”

Schéma technique du cube sémantique continu en perspective isométrique avec la Terre pointant vers un point intérieur unique

Le cube sémantique peut accueillir les atomes de ~6 millions de Terres

Les modèles modernes n’explorent pas encore cet espace — et rien ne les y oblige : la passerelle existe déjà. L’IA propose, la géométrie vérifie, et le cube est l’espace où ce contrat s’exécute à coût quasi nul.

Espace physique vs. Cube sémantique

Si chaque concept occupe un point du cube — comme chaque atome occupe un point de l’espace physique —, le cube offre une capacité équivalente au nombre d’atomes contenus dans environ 6 millions de Terres.

L’Expansion Intérieure

La première exploration vers l’intérieur

Pendant cinq siècles, l’humanité s’est déployée vers l’extérieur : franchir les océans, cartographier les continents, lancer des télescopes. Semantic Geometry propose l’exploration intérieure : un espace conquis par la précision plutôt que par la distance. 7,82 × 10⁵⁶ positions adressables sur silicium standard à 15 watts.

01

500 ans vers l’extérieur

Mers sillonnées, orbites calculées, galaxies imagées. La prochaine frontière n’est pas lointaine : elle réside dans la précision de ce qui est déjà là.

02

Mémoire topologique

Von Neumann a conçu un bus linéaire : la mémoire comme une voie où tout défile à la file. SG fait l’inverse : ce qui se ressemble réside ensemble. La connaissance ne se parcourt pas, elle se rencontre. Index spatiaux dans SQLite, localité physique dans le silicium.

03

Quantifier des adresses, non des artifices

L’industrie compresse le langage sur un bit (BitNet) tout en continuant d’halluciner à bas coût. Réduire le verbe ne lui donne pas d’ancrage. SG donne à la vérité une adresse exacte : des coordonnées (x, y, z) dans le cube.

Mineurs dans les galeries souterraines d'O'Higgins observant le cube sémantique enchâssé comme une géode vivante dans la roche

O'HIGGINS · CHILE

“O'Higgins a extrait du cuivre pour le monde entier pendant un siècle. L’Expansion Intérieure propose une autre extraction : un cube sémantique sans bornes où l’IA découvre au lieu d’inventer.”
∫

Densité non uniforme en IEEE 754

La densité en IEEE 754 n’est pas uniforme sur [-1, 1] : elle est environ 2048 fois plus dense près de 0 que près de ±1. La résolution varie selon la zone.

Δ

Résolution opérationnelle

La résolution utile n’est pas limitée par le calcul numérique, mais par la séparation sémantique réelle entre concepts (~0,01 à 0,5). La marge de progression s’étend sur plusieurs ordres de grandeur.

⬡

La véritable avancée architecturale

La capacité n’est pas une fin en soi. L’exploit réside dans le fait que l’espace n’impose aucun plafond : le graphe peut croître sans modification d’architecture.

Gain mesuré: Capacité quasi illimitée au sein d’un espace continu.
Limite déclarée: L’occupation réelle est de 2,06M et s’accroît uniquement par curation auditée.

Deux manières de répondre en cas d’inconnu

Modèle génératif

Répond systématiquement. En l’absence de données, il compose une réponse plausible : l’éloquence et la véracité provenant du même mécanisme, il est impossible de les discerner de l’extérieur.

Vérificateur déterministe

A le droit de se taire. La géométrie oriente l’inférence, mais seule la preuve du graphe certifie l’affirmation. Faute d’élément probant, le système l’indique : le refus est une réponse valide, non un échec.

La différence ne réside pas dans le taux de succès. Elle tient au fait que l’un peut se tromper sans le savoir, tandis que l’autre ne peut affirmer sans preuve.

02 — Verticales

Le moteur est le socle ; les verticales sont le produit

Sur notre noyau de vérification déterministe, nous déployons des verticales réglementées : des domaines où une hallucination entraîne des pertes financières, un litige ou des sanctions.

01

Gestion de flotte & Télémétrie

SG-Fleet

Géofencing, télémétrie et contrôle de flotte en C++23

Moteur header-only C++23 avec REST + tracker TCP, isolation multi-tenant et télémétrie matérielle. Conçu pour fonctionner 100% hors ligne, en bordure de réseau (edge).

  • API REST avec isolation multi-tenant et RBAC
  • Tracker TCP (Wialon IPS / CSV) avec traitement par lots haute densité
  • Géofencing, alertes et tableau de bord opérationnel
  • Zéro dépendance externe : fonctionne en l’absence de cloud
  • Slices autonomes (~7 Mo) pour liaisons radio et dispositifs embarqués
C++23SQLiteRESTTCP
En développement
02

Comptabilité et fiscalité · Chili

SG-Tax

Paie, RLI et bilan fiscal déterministes

Calcul réglementaire rigoureux : fiches de paie Previred, RLI ProPyme et conciliation bilan financier/fiscal. Chaque calcul est auditable au regard de la loi.

  • Déclarations Previred (spécification 105 champs)
  • RLI ProPyme 14-D3 / 14-D8 et régime semi-intégré 14-A
  • Bilan IFRS vs bilan fiscal avec état de rapprochement
  • Calcul purement déterministe : zéro boîte noire
C++23SQLiteSIIPrevired
En développement

Vérification ontologique expérimentale. Ne constitue pas un conseil fiscal ou comptable engageant.

03

Crédit & Banque · Chili

SG-Fintech

Simulation de crédit avec amortissement auditable

Simulations d’emprunt et tableaux d’amortissement avec traçabilité intégrale : chaque décision est corroborée par le moteur et prête pour audit réglementaire.

  • Simulation de prêt avec échéancier détaillé
  • Calcul d’indicateurs réglementaires (UF, taux, IPC)
  • Piste d’audit exhaustive par opération
  • Déterminisme pour décisions financières soumises à régulation
NestJSSQLiteCalcul financier
En développement

Aucune verticale ne rivalise avec un LLM sur la génération littéraire : elle intervient là où le LLM échoue : fournir une réponse qui sait se taire et citer la règle de droit qui la fonde. Et là où le cloud fait défaut, notre moteur opère sans faille.

03 — Piliers

Trois compétences, une même exigence d’exactitude

Nous ne vendons pas d’heures de développement génériques. Chaque pilier résout une typologie de problème précise, selon la même méthode : structure explicite, performance mesurée et pérennité technique.

01

Data Engineering & Backends Haute Performance

Nous bâtissons l’infrastructure assurant l’intégrité et la ponctualité des données. Pipelines ETL résilients, optimisation des flux et microservices robustes pour environnements de production exigeants.

  • Pipelines ETL/ELT et orchestration d’ingestion massive
  • Optimisation de requêtes, indexation et empreinte mémoire
  • Microservices et backends à très haute performance
  • Observabilité, idempotence et reprise après sinistre
C++23SQLite / SQL embarquéPythonAPIs REST
02

IA Neuro-Symbolique & Ancrage Déterministe

Nous conjuguons la géométrie des espaces latents avec la rigueur des graphes ontologiques. L’IA générative propose ; notre moteur neuro-symbolique vérifie par démonstration mathématique.

  • Modélisation géométrique des connaissances en espace latent [-1, 1]³
  • Représentations continues, interprétables et exécutables sur silicium
  • Vérification déterministe en temps sous-milliseconde (immunité aux hallucinations)
  • Ancrage par la preuve : sans support dans le graphe, aucune affirmation n’est émise
C++23Cube continuGraphes orientésNeuro-symbolique
03

Spatial Computing & Optimisation

Algorithmes analytiques pour problématiques réfractaires à l’approximation. Optimisation combinatoire, géospatiale et financière pour l’industrie et les secteurs réglementés.

  • Optimisation combinatoire et métaheuristiques
  • Analyse géospatiale et topologie de réseaux
  • Modèles de risque et calcul réglementaire auditable
  • Simulation et aide à la décision opérationnelle
  • Edge offline : ~15W sur silicium standard, sans GPU ni cloud
OptimisationGéospatialModèles financiersSimulation

05 — Paradigme & Récupération d’information

RAG Conventionnel vs. Ancrage Sémantique sur Silicium

L’industrie cherche à pallier les hallucinations par le RAG (similarité vectorielle). Nous démontrons pourquoi la similarité ne constitue pas une vérification et comment la géométrie apporte la certitude requise.

Dimension Ancrage Sémantique SG RAG Conventionnel (Base Vectorielle + LLM)
Mécanisme d’accès Projection mathématique continue en [-1, 1]³ et recherche transitive de chemins dans un graphe formel. Recherche de similarité textuelle cosmétique (distance cosinus d’embeddings) réinjectée dans le prompt.
Garantie ontologique Déterministe : en l’absence de chemin causal étayé dans le graphe, répond NO_EVIDENCE et garde le silence. Nulle. Le LLM peut altérer, omettre ou contredire les passages textuels extraits par le RAG lui-même.
Coût par requête 0 token pour vérifier. L’ensemble de la vérification s’exécute localement en mémoire vive C++23. Élevé. Des milliers de tokens consommés par appel pour alimenter la fenêtre de contexte documentaire.
Latence de réponse Sous-milliseconde (médiane 0,37 ms sur station / 1,37 ms sur micro-appareil, en silicium natif). Plusieurs secondes (2 000 ms à 6 000 ms entre recherche vectorielle et génération autorégressive).
Infrastructure & Énergie 15 Watts sur matériel standard local. Fonctionne 100% hors ligne sans GPU ni cloud. Bases de données vectorielles managées, clusters de GPU énergivores et connectivité permanente requise.
Gestion des contradictions Incompatibilité topologique : identifie les conflits de règles et les rejette formellement. Fusionne des textes contradictoires en un énoncé élégant mais erroné (« hallucination douce »).
Traçabilité & Audit Démontrable : mentionne le nœud précis, la pondération et la source textuelle ou technique de chaque relation. Approximative : cite le document consulté, mais s’avère incapable d’expliciter son raisonnement causal.

Avantages et limites constatés (Transparence totale)

Ce que gagne Semantic Geometry :

Vérification formelle certifiée, latences de l’ordre de la microseconde (<0,2 ms contre 2 à 6 secondes sur GPU), coût nul en tokens et rejet des contradictions. Nécessite la modélisation préalable des règles critiques.

Ce que gagne le RAG conventionnel :

Ingestion simplifiée de volumes massifs de documents non structurés (PDFs, comptes-rendus) sans modélisation. Perd toutefois la maîtrise de la véracité et la vérifiabilité logique.

ARQUITECTURA ENTERPRISE

L’architecture optimale : SG comme garde-fou de votre RAG

Semantic Geometry et le RAG ne sont nullement antagonistes : SG agit comme le superviseur garantissant l’exploitabilité du RAG en production.

  • 01 Exploitez votre pipeline RAG pour analyser et résumer d’immenses corpus documentaires.
  • 02 Avant transmission au destinataire ou à l’ERP, SG valide en < 1 ms la conformité de la réponse aux règles métier.
  • 03 En cas d’hallucination ou de contradiction avec une règle interne, SG bloque la sortie et exige une preuve formelle.
  • 04 Résultat : l’envergure documentaire du RAG combinée à la robustesse mathématique de Semantic Geometry.

La similarité textuelle ne vaut pas vérité ontologique. Le RAG repère des textes proches ; Semantic Geometry démontre la véracité de l’affirmation dans le monde réel.

État d’avancement

Semantic Geometry n’est pas achevé. Il est conçu pour ne pas mentir en attendant de l’être.

Architecture & méthode
Consolidées C++23 strict, architecture hexagonale, suites de tests intégralement au vert.
Base de connaissances
En calibrage S’enrichit par ingestion auditée. Toute donnée non mesurable est rigoureusement écartée.
Couverture par domaine
Différenciée Et le moteur l’exprime : là où le graphe est dépourvu d’éléments probants, il répond par le silence.

Un modèle à couverture partielle qui comble les manques par l’invention est infiniment plus risqué qu’un moteur qui sait se taire. En milieu industriel et réglementé, cette rigueur constitue le produit lui-même.

04 — Identité & Contact

Parlons de vos enjeux techniques, non d’un discours commercial

Décrivez-nous le système que vous devez concevoir, le pipeline en difficulté ou la décision que vous ne parvenez pas à certifier. Nous vous répondrons par une analyse d’ingénierie concrète.

Données de la société

Raison sociale
Semantic Geometry Software & AI SpA
Implantation
Rancagua, O'Higgins, Chile
Fuseau horaire
GMT-4 / GMT-3 (heure du Chili continental)

Envoyer un message

Ce formulaire ouvre votre messagerie par défaut avec un message prérempli. Aucune donnée n’est transmise à un serveur intermédiaire.