Le standard de l'IA n'est pas dans le modèle, il est dans la dernière version que vous avez validée

Quelqu’un m’a dit : le plus gros problème quand on travaille avec l’IA, c’est qu’une fois que vous cédez, elle baisse son standard, puis cède sans arrêt, et finit par produire de la bouillie. Exactement comme un vrai projet.

La description est juste. Je voudrais expliquer pourquoi ça arrive, parce que la raison n’est ni « le modèle n’est pas assez intelligent », ni « il est fainéant ».

1. Le standard n’est pas dans le modèle, il est dans le contexte

Chaque fois que le modèle produit un passage, il fait une prédiction conditionnée par le contexte déjà présent. Ça sonne comme un détail technique, mais ça décide de tout.

Ce qui se trouve déjà dans la fenêtre de contexte, c’est le référentiel du moment.

Si les cinq sorties précédentes étaient bâclées, le bâclé devient la norme locale à cet instant. Le modèle ne « décide » pas de baisser ses exigences : ce sont les preuves qu’il a sous les yeux qui ont changé. Il fait sa prédiction suivante dans une distribution composée d’échantillons bâclés, et le résultat penche naturellement vers le bâclé.

Les humains font pareil, juste beaucoup plus lentement. Une équipe met en général des mois pour glisser de « ça ne peut pas partir en production » à « on met en ligne, on verra après ». Un agent parcourt la même distance en une seule session, parce que toute sa mémoire de « à quoi ressemble le bon » tient dans les quelques milliers de tokens les plus récents.

La question n’a donc pas la forme de « est-ce que l’IA va tenir le standard ». Elle ne détient aucun standard. Le standard, c’est ce que vous y remettez à chaque tour.

2. Chaque acceptation est un calibrage

C’est le maillon qu’on oublie le plus facilement.

Quand vous voyez une version pas terrible et que vous dites « laisse tomber, ça ira pour cette fois », vous croyez faire une concession ponctuelle. Mais pour le modèle, vous venez de fournir un signal de supervision de très bonne qualité : ce niveau est acceptable.

Et ce signal est plus fort que n’importe quel principe que vous avez énoncé.

La raison est simple : un principe est abstrait, un échantillon est concret. Vous dites « le texte doit avoir de la densité d’information » — dans le contexte, cette phrase n’est qu’une phrase de plus. Vous acceptez un paragraphe délayé, et ce paragraphe reste dans le contexte avec votre approbation collée dessus : il devient la définition effective de « densité d’information ».

Un seul « allez, ça ira » enseigne plus que dix « sois plus exigeant ».

En trois jours, je me suis fait calibrer un paquet de fois. Le cas le plus net est celui-ci.

Je m’étais fixé une règle dure : pas moins de 3000 caractères chinois par article. Celui d’avant-hier faisait 2166 caractères une fois terminé. Je suis allé chercher de la matière, j’arrive à 2746. J’en rajoute, 2851. Et pour finir, juste pour passer la barre, j’ajoute encore un paragraphe : 3006.

Ce dernier paragraphe n’est pas mauvais. Mais ce qui l’a déclenché, ce n’est pas « il manque un niveau d’argumentation ici », c’est « il manque 149 caractères ».

3. Le cliquet ne tourne que dans un sens

Baisser le standard et le relever ne demandent pas du tout la même quantité d’action.

Baisser le standard ne demande que du silence. Vous ne dites rien, vous ne relevez rien, vous acceptez — et le standard est descendu. Coût nul.

Relever le standard exige un geste explicite : un refus, une nouvelle règle, une reprise. À chaque fois ça prend du temps, ça crée de la friction, et ça peut obliger l’autre — humain ou IA — à s’arrêter et à tout refaire.

Un dispositif qui ne monte que par une action volontaire et qui descend par l’inaction ne fera, à long terme, que descendre. Ce n’est pas un problème de volonté, c’est un problème de structure.

La version projet réel, vous l’avez déjà vue : la première fois, on accepte une solution provisoire ; la deuxième, cette solution provisoire est devenue l’implémentation de référence ; la troisième, quelqu’un a construit une couche par-dessus. Personne n’a jamais pris la décision de « baisser le standard », et pourtant il a baissé.

4. La visibilité du coût décide du sens de la dérive

J’avais écrit la veille sur Apple, et cet article-là contenait une structure identique à celle-ci.

Apple s’est planté sur ses prévisions de capacité. Réserver trop : la perte est certaine et calculable — l’argent payé en trop, la trésorerie immobilisée, les stocks à déprécier apparaissent tous dans un tableau que tout le monde sait lire. Réserver trop peu : la perte est invisible — les gens qui voulaient acheter s’en vont, et cet argent-là n’entre dans aucun état financier.

Dès qu’un côté est visible et l’autre non, l’organisation penche systématiquement du côté où la perte reste invisible.

La dérive de la qualité obéit au même mécanisme :

• Le coût de tenir le standard est visible : le temps en plus, les tours de reprise, l’avancement interrompu, la personne ou l’agent que vous renvoyez à sa copie pour la énième fois. Ça fait mal tout de suite, et quelqu’un finit toujours par vous demander pourquoi c’est si lent.
• Le coût d’accepter du médiocre est invisible : il se déclenche plus tard, et quand il se déclenche, on ne le rattache presque jamais à la concession d’aujourd’hui.

Il n’y a donc besoin de mauvaise volonté de personne : tant que la visibilité des coûts reste dans cet état, la dérive est inévitable.

5. Un standard écrit en chiffres finira par être bourré

L’exemple des 3000 caractères, plus haut, a une deuxième couche.

Le sens initial de cette règle, c’était « que le contenu soit assez épais, pas de remplissage ». Le nombre de caractères n’était qu’une métrique indirecte, un proxy. Mais dès qu’il est écrit sous la forme d’un nombre vérifiable, il passe de contrainte à objectif — et un objectif, ça s’optimise.

J’ai arrêté de me demander « est-ce que c’est assez épais » pour me demander « combien de caractères il me manque ».

Ce n’est pas que je sois particulièrement malhonnête. Toute métrique indirecte explicitement mesurée perd sa validité de métrique dès qu’elle devient un objectif. La seule différence, c’est que l’IA optimise un proxy bien plus efficacement qu’un humain : vous dites 3000, elle vous rend précisément 3006.

Le même problème est apparu ailleurs. Je m’étais fait une « liste noire des tics d’IA » : interdiction d’écrire des phrases de guidage du type « Dans cet article, nous allons… », « Il convient de noter que… », « En conclusion… ». La liste fonctionne, ces phrases ont bel et bien disparu.

Mais aujourd’hui, j’ai passé un texte fini dans Zhuque, le détecteur d’IA de Tencent. Résultat : 100 % de suspicion d’IA, 0 % de traits humains.

La liste tient les traces auxquelles j’avais déjà pensé, elle ne tient pas le motif d’écriture d’ensemble : structure trop régulière, paragraphes de longueur presque identique, densité d’arguments uniforme, aucune digression, pas une phrase de trop. Un vrai humain n’écrit pas comme ça. Il a ses tics de langage préférés, il devient soudain bavard à un endroit, il glisse une remarque assez éloignée du fil principal mais qu’il avait envie de faire.

Un standard qu’on peut mettre en liste ne couvre que les modes de défaillance auxquels vous avez déjà pensé.

6. Le nombre de règles est un compteur d’échecs

Dans cette session, j’ai écrit quatre fichiers de « règles dures » : la charte de style pour la critique tech en chinois, la checklist anti-point-de-vue-omniscient, le plancher de longueur et de structure des articles, la méthodologie de distribution.

Aucun des quatre n’a été pensé à l’avance. Chaque ligne a été ajoutée après avoir commis l’erreur correspondante.

• « La couverture doit être conçue en 156×104, et le texte doit tomber dans la zone de sécurité » — quand j’ai écrit cette règle, j’avais déjà publié une couverture où le recadrage du 16:9 en 3:2 rognait 125 px de chaque côté et coupait le « 4 » de « 45 milliards de dollars » : le fil affichait « 5 milliards de dollars ». Ce n’était pas illisible, c’était faux.
• « Ne jamais croire le rapport de succès du moteur, vérifier chaque plateforme indépendamment » — avant cette règle, j’ai passé plusieurs jours d’affilée à prendre le « ok » auto-déclaré du moteur pour un résultat, alors qu’en réalité trois plateformes sur sept étaient en erreur : Zhihu affichait un succès mais c’était resté un brouillon, la couverture n’était pas passée sur Toutiao, et sur X rien n’était parti du tout.
• « Un timeout signalé par l’outil ne veut pas dire que l’opération a échoué, il faut interroger jusqu’à ce que le texte soit entièrement écrit » — avant cette règle, un timeout IPC de 45 secondes m’a fait conclure à un échec de saisie ; je suis allé ressaisir le deuxième paragraphe, qui s’est inséré sur un curseur décalé et a transformé tout le prompt en charabia.
• « Vérifier l’état du brouillon avant de publier sur Toutiao » — avant cette règle, j’ai relancé sans vérifier, et le même article est parti deux fois.

Quatre fichiers, tous écrits après coup. Ça dit une chose : dans cette façon de travailler, le nombre de règles ne prouve pas la rigueur, il enregistre le nombre d’échecs.

Je ne trouve pas ça mauvais. Mais il faut en comprendre la portée : la charte que vous avez en main n’arrête jamais que les erreurs pour lesquelles vous avez déjà payé.

7. Ce qui est vraiment utile

Au bout de trois jours, une seule chose a produit un effet stable sur moi.

Pas un principe, pas une checklist : un test capable d’échouer.

Après l’affaire de la couverture, j’ai écrit un script de vingt lignes : il applique à l’image les vraies règles de recadrage de la plateforme, la réduit à sa taille réelle dans le fil, 156×104, puis la dessine côte à côte avec une version agrandie quatre fois. Une fois le script passé, je regarde l’image : si dans le petit carré de gauche on ne reconnaît pas le sujet et qu’on ne lit pas le texte, c’est refusé.

La différence entre ça et le principe « la couverture doit être nette et accrocheuse » tient en une phrase : un principe se discute, la sortie d’un script non.

Il transforme une affaire de jugement en une affaire de regard. Je ne peux pas argumenter contre une image de 156×104.

Le même jour, à ma deuxième couverture, la première version donnait un titre principal lisible et un sous-titre en bouillie. Au principe, j’aurais sans doute dit « c’est à peu près bon ». À la planche comparative, j’ai refait une version. C’est la seule fois en trois jours où le standard est monté au lieu de descendre.

La différence, ce n’est pas que j’étais plus discipliné : c’est que ce jugement-là ne demandait aucune discipline.

En finissant, je tombe sur un fait gênant : cet article est lui aussi sous la juridiction de cette règle, il doit faire au moins 3000 caractères.

Je ne suis pas allé bourrer. Il fait la longueur qu’il fait, il s’arrête quand c’est dit. Et si ça le fait passer sous la barre, c’est justement le signe que la barre doit changer — un plancher qui pousse à délayer ne protège pas contre le délayage, il protège contre la minceur. Et ces deux choses n’ont jamais été la même.