lire une affaire comme un réseau, maillon par maillon
L'information d'actualité est produite au fil de l'eau : chaque article répond à l'événement du jour, puis cède la place au suivant. Ce format permet de suivre un fait, mais il atteint ses limites quand il faut comprendre un système, avec ses acteurs, leurs relations et leur évolution dans le temps. Le savoir existe, mais il est dispersé, et c'est au lecteur de le recomposer. Les synthèses générées par IA promettent de faire ce travail à sa place. Elles soulèvent pourtant une question nouvelle : sur quoi repose ce qu'on lit ?
Les affaires judiciaires concentrent ces difficultés. Elles se lisent en dizaines d'articles publiés sur plusieurs années, chacun dans l'ordre imposé par l'actualité. Les mêmes acteurs reviennent d'un épisode à l'autre, leur situation évolue au fil des procédures, et le lecteur doit reconstituer seul qui est lié à qui et où en est chacun. Pour un étudiant qui doit en rendre compte dans un mémoire, l'obstacle n'est sans doute pas l'accès à l'information, mais la capacité à distinguer ce qui est établi, à quelle date et sur quel fondement. Nodes part de cette hypothèse, à éprouver sur le terrain : face à des contenus toujours plus denses, la lecture non linéaire peut transformer l'article en un espace d'exploration, à condition de ne rien céder sur la rigueur.
La méthode emprunte à l'enquête en sources ouvertes : partir de chaque acteur, suivre ses actes datés jusqu'aux décisions de justice, et qualifier chaque maillon par la solidité du fait qui le fonde — établi, retenu en première instance, allégué ou écarté. L'objectif : offrir une lecture libre sans perdre la rigueur de l'information, en rendant visibles les liens, les degrés d'implication et ce qui reste à juger.