D’où vient le « côté machine » de l’écriture par l’IA ? a16z : n’y pensez plus : la vraie question est de savoir si l’article est bon
Après la démocratisation de l’IA générative, « cet article est-il écrit par une IA ? » est devenu, presque partout en ligne, une nouvelle forme de soupçon. Or, le fonds de capital-risque a16z, via sa branche a16z crypto, estime que cela pourrait être une question mal posée dès le départ. (Vous lisez des newsletters écrites par une IA ? Substack lance un outil de détection d’IA pour contrer le « Claudefishing », des faux créateurs humains) Récemment, a16z crypto a partagé l’article « The habits of AI writing, and what to do about them », qui explore d’où provient réellement le « goût d’IA » auquel beaucoup sont habitués.
Bon nombre des problèmes attribués à l’IA existaient pourtant bien avant que l’humanité n’utilise des grands modèles de langage. L’IA ne fait alors que copier à grande échelle — et amplifier — ces mauvaises habitudes. Par conséquent, plutôt que de chercher à savoir quelle proportion d’un texte a été générée par une IA, la question la plus importante est : l’article explique-t-il clairement les choses ? L’information est-elle fiable ? L’auteur apporte-t-il réellement de la valeur aux lecteurs ?
Ce que l’on appelle le « goût d’IA » est, en grande partie, constitué de mauvaises habitudes humaines au départ. Quand on lit un article, il est facile de deviner qu’il « ressemble à du ChatGPT ». Par exemple : beaucoup de phrases qui paraissent profondes mais contiennent peu d’informations ; des formules toutes faites dignes de présentations d’entreprise ; le découpage en trois points bien rangés pour tout ; une structure complète, mais sans véritable voix personnelle ; ou encore des signes de ponctuation et des schémas de phrases très similaires qui reviennent sans cesse.
a16z crypto regroupe ces problèmes en plusieurs catégories : les formulations « pseudo-profondes », un langage trop général, une structure excessive, un manque de voix personnelle, ainsi que des ponctuations et des schémas de phrases répétés.
Le problème, c’est que ces défauts ne sont pas nés avec l’IA. Les communiqués de presse d’entreprise, les rapports de consultants, les articles universitaires, voire les communiqués d’actualité, en sont déjà remplis depuis longtemps. Les grands modèles de langage n’ont fait qu’apprendre à partir d’une énorme quantité de textes humains, puis réassembler les façons de s’exprimer les plus fréquentes, les plus sûres et les plus faciles à prédire.
Autrement dit, le « goût d’IA » que beaucoup détestent est, dans une certaine mesure, la moyenne d’une écriture humaine banale. Plutôt que de chercher l’IA, traiter le « goût d’IA » comme une liste d’erreurs d’écriture.
Cela ouvre aussi une autre perspective sur l’émergence de la « détection de l’IA » (« AI Detection »). Plutôt que de considérer certains traits comme une preuve permettant d’établir si un article a été généré par une IA, il est préférable de les voir comme une « taxinomie des mauvais articles ».
Quand un texte regorge de qualificatifs vagues, on demande à l’auteur d’ajouter des personnes, des chiffres, des événements et des exemples concrets. Quand un paragraphe semble complet mais n’exprime pas de point de vue, on demande ce que l’auteur veut dire vraiment. Quand chaque paragraphe a exactement le même style, il faut ajuster le rythme. Quand une phrase pourrait s’appliquer à n’importe quel secteur, elle ne fournit probablement pas grand-chose en information.
La clé d’un bon texte n’est pas « l’absence d’IA », mais une suffisante précision. a16z crypto estime que l’orientation vraiment importante consiste à préserver la specificité (la concrétude) et l’authenticité. Cela signifie aussi que l’IA n’a pas forcément à être exclue du processus d’écriture. Au contraire : l’IA peut servir à vérifier quels paragraphes sont trop vagues, quelles phrases peuvent être supprimées, si la structure est confuse, voire aider l’auteur à repérer les formules toutes faites qu’il réutilise sans cesse.
En revanche, ce qui ne convient pas du tout à un « outsourcing » total à l’IA, ce sont les jugements propres à l’auteur. Par exemple : « Pourquoi cela mérite d’être écrit ? », « Quel détail est le plus important ? », « Je ne suis pas d’accord avec quelle vision du marché ? », et « Quelles informations valent la peine que le lecteur y consacre du temps ? ». Ce sont justement ces éléments qui font la différence réelle d’un article.
Si l’auteur confie même ces choix au modèle, alors même si la grammaire est parfaitement correcte et la structure très belle, il se peut qu’à la fin il n’obtienne qu’un texte « sans erreur, mais aussi sans rien dont on se souviendra ».
D’où vient le « côté machine » de l’écriture par l’IA ? a16z : n’y pensez plus : la vraie question est de savoir si l’article est bon. Le tout premier fait son apparition dans.
Après la démocratisation de l’IA générative, « cet article est-il écrit par une IA ? » est devenu, presque partout en ligne, une nouvelle forme de soupçon. Or, le fonds de capital-risque a16z, via sa branche a16z crypto, estime que cela pourrait être une question mal posée dès le départ. (Vous lisez des newsletters écrites par une IA ? Substack lance un outil de détection d’IA pour contrer le « Claudefishing », des faux créateurs humains) Récemment, a16z crypto a partagé l’article « The habits of AI writing, and what to do about them », qui explore d’où provient réellement le « goût d’IA » auquel beaucoup sont habitués.
Bon nombre des problèmes attribués à l’IA existaient pourtant bien avant que l’humanité n’utilise des grands modèles de langage. L’IA ne fait alors que copier à grande échelle — et amplifier — ces mauvaises habitudes. Par conséquent, plutôt que de chercher à savoir quelle proportion d’un texte a été générée par une IA, la question la plus importante est : l’article explique-t-il clairement les choses ? L’information est-elle fiable ? L’auteur apporte-t-il réellement de la valeur aux lecteurs ?
Ce que l’on appelle le « goût d’IA » est, en grande partie, constitué de mauvaises habitudes humaines au départ. Quand on lit un article, il est facile de deviner qu’il « ressemble à du ChatGPT ». Par exemple : beaucoup de phrases qui paraissent profondes mais contiennent peu d’informations ; des formules toutes faites dignes de présentations d’entreprise ; le découpage en trois points bien rangés pour tout ; une structure complète, mais sans véritable voix personnelle ; ou encore des signes de ponctuation et des schémas de phrases très similaires qui reviennent sans cesse.
a16z crypto regroupe ces problèmes en plusieurs catégories : les formulations « pseudo-profondes », un langage trop général, une structure excessive, un manque de voix personnelle, ainsi que des ponctuations et des schémas de phrases répétés.
Le problème, c’est que ces défauts ne sont pas nés avec l’IA. Les communiqués de presse d’entreprise, les rapports de consultants, les articles universitaires, voire les communiqués d’actualité, en sont déjà remplis depuis longtemps. Les grands modèles de langage n’ont fait qu’apprendre à partir d’une énorme quantité de textes humains, puis réassembler les façons de s’exprimer les plus fréquentes, les plus sûres et les plus faciles à prédire.
Autrement dit, le « goût d’IA » que beaucoup détestent est, dans une certaine mesure, la moyenne d’une écriture humaine banale. Plutôt que de chercher l’IA, traiter le « goût d’IA » comme une liste d’erreurs d’écriture.
Cela ouvre aussi une autre perspective sur l’émergence de la « détection de l’IA » (« AI Detection »). Plutôt que de considérer certains traits comme une preuve permettant d’établir si un article a été généré par une IA, il est préférable de les voir comme une « taxinomie des mauvais articles ».
Quand un texte regorge de qualificatifs vagues, on demande à l’auteur d’ajouter des personnes, des chiffres, des événements et des exemples concrets. Quand un paragraphe semble complet mais n’exprime pas de point de vue, on demande ce que l’auteur veut dire vraiment. Quand chaque paragraphe a exactement le même style, il faut ajuster le rythme. Quand une phrase pourrait s’appliquer à n’importe quel secteur, elle ne fournit probablement pas grand-chose en information.
La clé d’un bon texte n’est pas « l’absence d’IA », mais une suffisante précision. a16z crypto estime que l’orientation vraiment importante consiste à préserver la specificité (la concrétude) et l’authenticité. Cela signifie aussi que l’IA n’a pas forcément à être exclue du processus d’écriture. Au contraire : l’IA peut servir à vérifier quels paragraphes sont trop vagues, quelles phrases peuvent être supprimées, si la structure est confuse, voire aider l’auteur à repérer les formules toutes faites qu’il réutilise sans cesse.
En revanche, ce qui ne convient pas du tout à un « outsourcing » total à l’IA, ce sont les jugements propres à l’auteur. Par exemple : « Pourquoi cela mérite d’être écrit ? », « Quel détail est le plus important ? », « Je ne suis pas d’accord avec quelle vision du marché ? », et « Quelles informations valent la peine que le lecteur y consacre du temps ? ». Ce sont justement ces éléments qui font la différence réelle d’un article.
Si l’auteur confie même ces choix au modèle, alors même si la grammaire est parfaitement correcte et la structure très belle, il se peut qu’à la fin il n’obtienne qu’un texte « sans erreur, mais aussi sans rien dont on se souviendra ».
D’où vient le « côté machine » de l’écriture par l’IA ? a16z : n’y pensez plus : la vraie question est de savoir si l’article est bon. Le tout premier fait son apparition dans.
