1. Graphe de connaissances structuré
Chaque framework, article peer-reviewed et essai opérateur que Sophie peut citer est une ligne dans notre base Postgres avec slug, auteur, année, résumé, tags vertical et un score d'autorité (0-100). Quand Sophie cite Porter ou MEDDPICC, le slug résout vers cette ligne. Pas de références hallucinées.
2. Vocabulaire vertical natif
Sophie parle la langue du vertical. DTC : MER mixte, marge de contribution par cycle, conversion F1 à F2. Fintech : take-rate net des frais de schéma, RAROC, three-lines-of-defense. ProfSvc : utilisation x réalisation x leverage, portfolio 2x2 de Maister. SaaS : MEDDPICC, décomposition de la vélocité commerciale, Magic Number net de S&M.
3. Scoring GRIP déterministe
Chaque workspace reçoit un score GRIP : 12 piliers x 4 dimensions (Guidance, Resources, Implementation, Performance), avec 22 règles de calibration. Modèles par vertical : SaaS, DTC, Fintech, ProfSvc. Le score est recalculé à chaque snapshot, pas estimé à partir du chat. Sophie cite les chiffres GRIP ; elle ne les invente jamais.
4. Règles d'application framework -> archétype
Pour chaque archétype (Discount Addiction, Compliance Debt, Bench Accumulation, Pricing Governance, etc.) Sophie dispose d'une liste organisée de frameworks qui s'appliquent, chacun avec une règle d'application explicite et un exemple de mouvement. Quand elle diagnostique un archétype, le bon framework est déjà en périmètre.
5. Cas de cohorte
18 cas anonymisés de cohorte agrégée par vertical, soit 72 au total. Chaque cas contient la métrique déclenchante, le mouvement effectué, le résultat en EUR, le delta de pilier et une narration de 2 à 3 phrases. Sophie cite ces cas par id quand elle veut donner des preuves comparables. Elle n'invente jamais un cas.