À retenir
- L’écriture par IA échoue habituellement de façons prévisibles : des mots génériques, une structure répétitive, des affirmations au fini trop soigné et un faible jugement humain.
- Une bonne boucle d’édition fige le brouillon, le juge selon les preuves, puis réécrit une seule fois les parties faibles avec un plan clair.
- L’objectif n’est pas que le texte semble moins assisté. C’est qu’il soit exact, utile et encore clairement reconnaissable comme le vôtre.
Regardez la vidéo!
Si vous voulez utiliser les LLMs pour écrire plus rapidement sans sonner comme un LLM, cet article est pour vous. Chez Towards AI, nous avons passé les deux dernières années à réviser des milliers de soumissions assistées par l’IA et à créer des centaines de leçons de cours et de vidéos. Nous savons maintenant exactement où les modèles aident, où ils nuisent et comment préserver votre voix. Dans cet article, nous partageons les techniques concrètes et le template de prompt à toute épreuve que nous utilisons pour obtenir des textes de grande qualité avec les LLMs tout en évitant les empreintes révélatrices d’une prose générée par l’IA. Vous pourrez faire mieux que de lui demander gentiment de « ne pas sonner comme ChatGPT, s’il vous plaît » en croisant les doigts.
En 2023 et 2024, certains verbes et adjectifs ont soudainement commencé à apparaître partout dans les soumissions et les travaux publiés : delve, realm, underscore, meticulous, commendable et le célèbre tiret cadratin. Avant ChatGPT, beaucoup d’éditeurs professionnels les voyaient à peine en dehors des rapports officiels. Ils se trouvent maintenant dans les travaux d’étudiants, les emails, les notes internes, les publications LinkedIn et les papiers biomédicaux. Selon une estimation, le mot « delve » apparaît à lui seul environ 400 % plus souvent dans les récents articles PubMed qu’avant la fin de 2022. Hors du milieu universitaire, une analyse souvent citée des textes en ligne a découvert que la fréquence de l’expression « meticulously researched » a augmenté d’environ 3 900 % pendant l’ère de l’IA générative par rapport aux années précédentes.
L’intuition collective est donc justifiée : les modèles n’ont pas seulement changé la manière dont nous rédigeons les textes; ils modifient visiblement le langage autour de nous. Les LLMs sont entraînés sur d’immenses corpus de textes, puis polis grâce à l’apprentissage par renforcement à partir du feedback humain (RLHF) pour apprendre à produire exactement ce que nous voulons d’eux. Un récent papier de linguistique a repéré 21 « mots centraux » dont l’utilisation a bondi dans les résumés scientifiques, et ChatGPT les utilise beaucoup plus souvent que les auteurs humains. La meilleure explication des auteurs est que le RLHF pousse discrètement le modèle vers des mots que les évaluateurs fatigués considèrent comme un raccourci vers la « bonne écriture ». Des journalistes et des linguistes sont allés plus loin. Comme le travail de RLHF est largement confié à des annotateurs qui maîtrisent l’anglais dans des pays comme le Nigeria, certains de ces mots pourraient refléter des habitudes de l’anglais nigérian formel récompensées à répétition, puis amplifiées à l’échelle d’Internet.
Une fois ce style intégré, des millions de personnes commencent à le copier et à le modifier légèrement. Au fil du temps, la voix soignée et poliment académique du modèle se répand dans les textes assistés par l’IA comme dans les textes entièrement humains. Même si vous n’ouvrez jamais ChatGPT, vous finissez par vivre dans un environnement informationnel où « delve into », « underscore », « ever-evolving landscape » et « seamless, robust solutions » semblent étrangement courants.
C’est ce qu’on peut appeler le slop IA : pas seulement quelques mots suspects, mais un ensemble d’habitudes qui donnent à la prose une impression synthétique. La partie gênante est que, même après avoir retiré les « mots IA » les plus évidents, cette impression demeure souvent. Et elle est difficile à décrire clairement. Pourtant, la plupart des lecteurs peuvent reconnaître un texte écrit par un LLM, ou lourdement nettoyé par celui-ci. Le vocabulaire de surface a été nettoyé; le squelette sous-jacent ne l’a pas été. Les paragraphes suivent encore le même arc trop propre, les transitions avancent au pas comme dans une dissertation en cinq paragraphes et les conclusions prennent du recul vers une vague « vue d’ensemble » que personne n’a demandée. Le langage a été dé-delvé, mais la structure de pensée reste entièrement celle d’un modèle.
Donc, si vous voulez qu’un texte assisté par l’IA ne ressemble pas à une compilation de slop IA, vous ne pouvez pas seulement supprimer delve. Vous devez changer le squelette. La prochaine section examine d’abord ce squelette : la façon dont les LLMs tendent à organiser les idées par défaut et ce que vous pouvez ajuster dans vos plans, vos paragraphes et vos transitions pour qu’un texte cesse de ressembler à un template IA avant même de toucher aux mots individuels.
Améliorer la structure
Lorsque les gens disent « ça sonne comme ChatGPT », ils réagissent souvent à la structure, pas seulement au choix des mots. Les phrases semblent correctes seules, mais leur organisation paraît générique et trop familière. Quelque chose cloche.
Les patterns structurels courants comprennent :
- Une utilisation intensive des listes à puces : La majeure partie du texte est composée de courtes puces plutôt que de paragraphes développés avec des exemples ou des nuances.
- Beaucoup de sous-titres semblables : Tous les deux paragraphes, on trouve un titre comme « Comprendre X », « L’importance de Y », « L’avenir de Z ». Les sections semblent interchangeables.
- La structure standard d’une dissertation : Une introduction générale qui annonce le sujet, trois sections centrales qui reflètent cette phrase, puis un résumé qui répète chaque titre.
- Des phrases de transition partout : Des phrases fréquentes comme « Maintenant que nous avons exploré X… », « Comme mentionné plus tôt… », « Dans la prochaine section, nous aborderons… », même lorsque le lien est évident.
- Des paragraphes de même taille : La plupart des paragraphes ont une longueur semblable et suivent le même pattern : définition, explication, nuance, petit résumé. Le rythme change à peine.
- Écrire sur l’article plutôt que sur le sujet : « Dans cette section, nous examinerons… », « Premièrement, nous étudierons… puis nous explorerons… ».
- Des exemples génériques et trop simplifiés : « Par exemple, les entreprises peuvent utiliser l’IA pour simplifier les workflows et améliorer les résultats. » Ce genre d’exemple est techniquement correct, mais si générique qu’il n’ajoute aucune information. Il pourrait apparaître dans presque n’importe quel article sur l’IA, ce qui explique précisément pourquoi les lecteurs le reconnaissent comme du texte généré par une machine.
- Une conclusion générique : Un dernier paragraphe qui prend du recul vers une affirmation prudente et générale (« À mesure que l’IA continue d’évoluer… ») sans rien ajouter de précis.
Individuellement, ces éléments sont généralement corrects. Ils sont utiles pour les dissertations scolaires, la documentation et les blogues pratiques. Le problème apparaît lorsqu’ils se trouvent tous ensemble, dans le même ordre, peu importe le sujet. À ce moment-là, le texte cesse de ressembler au véritable raisonnement de quelqu’un et commence à ressembler à une structure réutilisée (pour ne pas dire trop utilisée).
Les LLMs tombent dans ce pattern parce que leurs données d’entraînement en sont remplies : des manuels, des tutoriels, des explications d’entreprise et des dissertations étudiantes. Lorsque vous demandez « Écris un article sur X », le modèle n’optimise pas une forme intéressante. Il récupère la « structure d’article sûre » et y insère votre sujet.
Si vous voulez conserver la vitesse de l’IA sans cette impression de template, vous devez changer ce niveau : le plan, la forme des paragraphes et les transitions.
Une règle utile : vous possédez la structure; le modèle la remplit. Voici quelques façons pratiques de la changer :
1. Décidez vous-même du plan
Avant d’écrire le prompt, préparez vous-même un plan rapide : où commencer, quelles sections comptent le plus et où terminer. Laissez certaines sections être courtes et d’autres plus longues; elles n’ont pas besoin d’être symétriques.
Demandez ensuite quelque chose comme ceci au modèle :
« Transforme ce plan en prose. N’ajoute aucune introduction ni conclusion au-delà de ce qui se trouve ici. Ne crée pas de sous-titres supplémentaires. »
Vous lui demandez de rester dans votre structure plutôt que d’inventer la sienne.
2. Privilégiez les paragraphes plutôt que les listes
Les LLMs utilisent trop de puces et de titres parce qu’une grande partie du contenu en ligne adopte cette structure. Si vous voulez un texte qui se lit davantage comme un article que comme une présentation, vous devez le dire.
Vous pouvez ajouter une contrainte simple :
« Écris principalement avec des phrases complètes et des paragraphes bien structurés. Évite les listes ou les puces, sauf lorsque le contenu en a clairement besoin (par exemple, des étapes précises ou des éléments distincts). Utilise les sous-titres avec parcimonie, seulement pour des sections clairement différentes, pas pour chaque nouvelle idée. »
Ça pousse le modèle vers un récit continu : des paragraphes plus complets, des transitions plus naturelles et moins de fragments en forme de liste. Vous pourrez toujours reconvertir une partie en liste plus tard si vous en avez réellement besoin.
3. Limitez les analogies pour qu’elles ne portent pas la structure
Les modèles aiment aussi s’appuyer sur les analogies comme moyen facile de sembler intéressants. Trop d’analogies, ou de mauvaises analogies, donnent une impression de remplissage et rendent le texte flou.
Vous pouvez les contrôler avec une courte règle :
« Utilise très rarement des analogies, et seulement lorsqu’elles apportent une clarification réelle et non évidente à ce public. Une seule analogie au maximum dans tout le texte, sauf si je demande explicitement plus. »
La structure reste ainsi ancrée dans le véritable argument plutôt que dans une série de métaphores vues par le modèle dans d’autres articles.
4. Réduisez les commentaires méta et les transitions explicites
Dans le prompt, limitez le style « dans cette section, nous allons… » :
« Évite les phrases comme “Dans cette section, nous allons…”, “Maintenant que nous avons exploré…”, “Comme mentionné plus tôt…”. Ne décris pas l’article; explique simplement le sujet. » Évite les remplissages qui n’ajoutent aucune valeur.
Lorsque vous révisez le brouillon, faites une passe rapide seulement pour les commentaires méta et supprimez les introductions qui ne font que meubler, les phrases récapitulatives qui répètent les titres et tout dernier paragraphe qui reformule seulement ce que le lecteur sait déjà.
5. Brisez la symétrie
Dites au modèle :
« Varie la longueur des paragraphes. Certaines sections peuvent être courtes; d’autres peuvent approfondir le sujet. Ne termine pas chaque section avec un mini-résumé. »
Si le brouillon contient encore trois sections égales avec des titres semblables, corrigez-le manuellement. Fusionnez les parties qui se chevauchent, transformez les titres plus faibles en paragraphes normaux ou coupez toute une section. Dès que le plan cesse de ressembler à une dissertation bien rangée en trois parties, le texte ressemble moins à un output IA par défaut.
6. Utilisez l’IA pour créer des composants, pas des sections terminées
Au lieu de lui demander d’« écrire la section 2 », utilisez le modèle pour générer des composants :
- « Donne-moi trois façons différentes de structurer cette section. »
- « Énumère des exemples précis qui rendraient cet argument concret », ou encore mieux, « Je veux créer une analogie avec le monde de l’escalade parce que je pense qu’elle aiderait le lecteur à faire les liens. Aide-moi à en trouver une qui convient ici. »
- « Propose deux transitions entre ces paragraphes qui ne résument pas ce que nous venons de lire. »
Vous choisissez, réorganisez et reliez ensuite les éléments. Le modèle vous donne du matériel; vous décidez comment il s’enchaîne.
7. Faites une passe structurelle avant une passe linguistique
Avant de toucher aux phrases, transformez chaque paragraphe en un résumé d’une ligne. Lisez ces lignes comme s’il s’agissait d’un plan. Est-ce que ça vous ressemble, ou est-ce que ça ressemble à un article de blogue générique : définition → liste → résumé → avenir vague?
Dans le deuxième cas, réorganisez, coupez ou resserrez jusqu’à ce que la séquence corresponde à la manière dont vous expliqueriez le sujet à voix haute. Souvent, retirer le premier paragraphe, raccourcir le résumé et terminer une étape plus tôt suffit pour éliminer la majeure partie de l’« impression IA ».
Une fois que la structure vous appartient, le brouillon ressemble déjà moins à un modèle, même s’il a été généré par l’IA. Vous pouvez ensuite vous concentrer sur le langage : bloquer votre propre liste de « mots IA », resserrer les formulations et utiliser un prompt anti-slop pour empêcher le modèle de choisir toujours le même vocabulaire.
Des règles linguistiques à ajouter à votre prompt
Une fois que la structure fonctionne, la majorité de l’« impression IA » restante vient d’habitudes au niveau des phrases : les répétitions, les débuts et les fins génériques, les adjectifs vagues, le ton trop poli et un ensemble récurrent de « mots IA ». Vous pouvez les transformer en règles explicites dans votre prompt afin que le premier brouillon évite déjà la plupart d’entre elles.
- Répétition
Un signe courant de l’IA est une répétition d’apparence inoffensive qui rend le texte mécanique : plusieurs phrases ou paragraphes qui commencent de la même façon, ou qui utilisent le même rythme encore et encore.
Règle du prompt :
« Varie le début des phrases. Évite de répéter les mêmes transitions (“De plus”, “En outre”, “Par ailleurs”) plus d’une fois. Ne répète pas la même idée avec des mots différents. »
Passe de révision : faites une lecture uniquement des débuts de phrase. Ignorez le sens et regardez uniquement les premiers mots de chaque phrase. Lorsque vous voyez la même ouverture ou le même pattern trois fois, coupez ou combinez. Souvent, deux phrases du modèle peuvent devenir une seule phrase plus claire sans perdre de contenu.
- Débuts et fins
Les introductions et conclusions génériques sont un autre signe clair. Elles annoncent ce que le texte va faire, puis le répètent à la fin.
Règle du prompt :
« Ne commence pas avec une mise en contexte générique comme “Dans le monde effréné d’aujourd’hui” ou “Alors que nous naviguons dans les complexités”. Commence avec un exemple concret, une affirmation précise ou un problème clair. Ne termine pas avec “En conclusion” ou un résumé des sections. Termine là où l’argument ou l’explication se termine naturellement. »
Passe de révision : si le premier paragraphe pouvait servir dans un autre article avec quelques petites modifications, coupez-le ou réécrivez-le. Si le dernier paragraphe répète seulement ce que le lecteur sait déjà, supprimez-le ou remplacez-le par une seule phrase finale précise.
- Adjectifs
Les modèles s’appuient souvent sur des adjectifs positifs, mais vagues : robust, seamless, groundbreaking, transformative, pivotal, intriguing, innovative, comprehensive. Ils semblent confiants, mais n’ajoutent aucune information.
Règle du prompt :
« Évite les adjectifs vagues ou dramatiques comme “robust”, “seamless”, “pivotal”, “groundbreaking”, “transformative”, “intriguing”, “innovative”, “comprehensive”. Utilise seulement un adjectif s’il ajoute de l’information concrète (par exemple sur l’échelle, la performance ou les contraintes). Sinon, retire-le. »
Passe de révision : prenez un paragraphe et retirez tous les adjectifs. Ensuite, remettez seulement ceux qui changent utilement le sens. Remplacez l’ambiance par des détails : « système robuste » peut devenir « service qui gère 10k requêtes par seconde sans perdre de données ».
- Politesse
Comme les modèles sont entraînés à être sûrs et inoffensifs, ils choisissent par défaut des formulations très polies et formelles : « J’espère que cet email vous trouve bien… », « J’aimerais prendre un moment pour… », « Je demande humblement… ».
Règle du prompt :
« Écris dans un ton professionnel direct et neutre. Évite les phrases d’email toutes faites comme “J’espère que cet email vous trouve bien” ou “J’aimerais prendre un moment pour exprimer ma sincère gratitude”. Va droit au but dès la première phrase. Évite les atténuateurs comme “juste”, “je me demandais si”, “espérons-le”, sauf s’ils sont essentiels pour préserver la relation. »
Passe de révision : demandez-vous « Est-ce que je dirais ça à voix haute? » Sinon, resserrez la phrase jusqu’à ce que vous puissiez le faire. « Je voulais gentiment faire un suivi au sujet de… » devient habituellement « Je fais un suivi sur… » ou « Des nouvelles sur…? ».
- Liste noire de mots
Certains mots et certaines expressions semblent maintenant être des outputs IA standards : delve, realm, tapestry, ever-evolving landscape, imagine, embark on a journey, navigate (comme métaphore), leverage, harness, endeavour, vibrant, crucial, compelling, « not just X, but Y ».
Il n’existe aucune liste universelle; les différents domaines ont des tics différents. Gardez une petite liste de mots que vous ne voulez pas voir, sauf si vous les avez choisis intentionnellement.
Règle du prompt :
« N’utilise pas de mots comme : delve, embark, imagine, realm, tapestry, vibrant, endeavour, leverage, harness, navigate (comme métaphore), seamlessly, pivotal, groundbreaking, transformative, compelling, ever-evolving, paradigm, “unlock the potential”. Si tu choisis normalement l’un d’eux, utilise plutôt un verbe plus simple ou une description concrète. »
Mettez cette liste à jour au fil du temps, à mesure que de nouveaux patterns commencent à vous déranger.
- Fidélité et certitude
Lorsque le modèle travaille à partir de notes, d’une transcription ou d’un article source, il a besoin de limites claires.
Règle du prompt :
« Lorsqu’un contexte ou un texte source est fourni, reste fidèle à celui-ci. N’ajoute pas et n’implique pas davantage de confiance ou de certitude que l’original. Si un fait ne se trouve pas dans la source, retire-le ou marque-le comme incertain. Utilise “leçon” pour les leçons de cours et “article” pour les textes indépendants, selon le contexte. »
- Ton et point de vue
Vous voulez de la cohérence sans théâtralité.
Règle du prompt :
« Rends le texte lisible et intéressant grâce à des détails concrets et à un raisonnement clair, pas grâce à des effets théâtraux ou à des fioritures. Garde un seul ton et un seul point de vue cohérents du début à la fin (choisis “nous” ou “vous” et ne change pas). Ne mélange pas “je”, “nous” et “vous” dans le même texte. Pour le contenu pédagogique, utilise “nous” par défaut. »
- Style direct, clarté, concision
Les accroches rhétoriques et les définitions répétées sont une façon courante dont le slop revient.
Règle du prompt :
« Sois direct. Évite le remplissage et le bavardage. Ne pose pas une question pour y répondre immédiatement comme procédé (par exemple : “Alors, qu’est-ce que X exactement?”). Énonce directement le point ou la définition.
Chaque phrase devrait ajouter une nouvelle information ou une nuance. Évite de répéter la même idée avec des mots différents. Ne redéfinis pas plusieurs fois le même acronyme ou concept dans le même document ou la même série. Si retirer une phrase ne change pas ce que le lecteur comprend, enlève-la. »
Un prompt anti-slop réutilisable
Voici la version révisée avec un minimum de changements, seulement les nouvelles règles ajoutées aux bons endroits.
Tu m’aides à rédiger un texte de grande qualité, sans slop et avec une voix humaine.
[1] Tâche et contexte
- Écris un [format : article / section / email / script / etc.] sur : [sujet].
- Contexte : [où le texte sera utilisé et pourquoi il est écrit].
- Utilise le matériel source suivant comme base factuelle. Ne le contredis pas :
[colle les notes, le plan, les citations, les liens].[2] Public et objectif
- Public : [qui il est : rôle, familiarité avec le sujet, contraintes].
- Suppose qu’il connaît déjà : [ce qu’il ne faut pas trop expliquer].
- Après la lecture, il devrait pouvoir : [1 à 3 résultats concrets].[3] Structure
- Suis cette structure :
1. [Nom de la section 1 + 1 à 2 lignes sur son contenu]
2. [Section 2…]
3. [Section 3…]
- N’ajoute AUCUNE section au-delà de ce plan.
- Utilise des paragraphes complets; chaque paragraphe se concentre sur une idée claire.
- Utilise les listes à puces seulement pour des éléments réellement distincts (étapes, avantages et inconvénients, etc.).
- Utilise les sous-titres avec parcimonie; ne crée pas un titre pour chaque paragraphe.
- Garde les titres courts et factuels. N’utilise pas de titres dramatiques ou narratifs en deux parties.
- Assure des transitions naturelles et fluides entre les sections SANS phrases méta comme
« Maintenant que nous avons exploré X, passons à Y. »[4] Style et ton
- Une prose claire et neutre : professionnelle, mais légèrement ludique et spirituelle lorsque ça facilite la compréhension.
- Rends le texte lisible et intéressant grâce à des observations concrètes et à un raisonnement clair,
pas grâce à des effets théâtraux ou à des fioritures.
- Évite le drame, le hype, les buzzwords et le langage marketing.
- Évite la prose violette (aucun langage orné, exagéré ou essoufflé).
- Utilise un seul point de vue cohérent (« nous » ou « vous ») et ne change pas.
- Sois direct. Évite le remplissage et le bavardage.
- Ne pose pas une question pour y répondre immédiatement comme accroche; énonce directement le point.
- Utilise des phrases complètes; n’utilise pas de fragments de phrase comme procédé stylistique.
- N’utilise pas le caractère de tiret cadratin. Utilise des virgules ou des points à la place.[Correspondance facultative de la voix]
- Reproduis le rythme, la longueur des phrases et le ton de cet exemple :
[colle 1 ou 2 paragraphes de mes propres textes].[5] Contraintes de langage et de vocabulaire (anti-slop)
- Évite les phrases génériques de dissertations et de blogues comme :
« Dans le monde effréné d’aujourd’hui… », « Alors que nous naviguons dans les complexités… », « En conclusion… ».
- N’utilise PAS de structures de phrase comme :
- « Ce n’est pas seulement X, c’est Y. »
- « X est plus que Y; c’est Z. »
- « Ce n’était pas X, c’était Y. »
- « C’est là que X entre en jeu. »
- N’utilise PAS ces mots ou expressions à moins que je les emploie explicitement dans mon input :
amazing, fascinating, mind-blowing, must-read,
fast-moving world, cut through the hype/noise,
groundbreaking, paradigm-shifting, transformative, pivotal, paramount, outstanding,
a significant leap,
delve, dive into, embark/embarking, endeavour, realm, tapestry, vibrant,
leverage, harness, seamlessly integrates, start from the ground up,
tackle a novel problem,
crucial, critical, invaluable, significant/significantly, surprisingly, simply, neatly,
« the best part is », « real magic happens », « recipe for disaster », « thrive »,
« unlock the real power ».
- Privilégie les verbes simples et concrets et les termes techniques précis plutôt que des mots vagues ou dramatiques.
- Utilise des adjectifs seulement lorsqu’ils ajoutent une information concrète (échelle, contraintes, performance).
- Utilise très rarement des analogies, et seulement lorsqu’elles apportent une clarification non évidente.
N’utilise pas de phrases d’introduction aux analogies comme « Imagine… » ou « Pense à ceci… ».[6] Exactitude et terminologie
- Reste fidèle au contexte et aux sources fournis.
- N’exagère PAS la certitude; si un fait est incertain, retire-le ou marque-le comme incertain.
- Pour les acronymes, écris le terme complet à la première utilisation, puis utilise l’acronyme.
« IA » et « LLM/LLMs » peuvent être utilisés sans développement, sauf si le public découvre complètement le sujet.
- Utilise « leçon » pour les leçons de cours et « article » pour les textes indépendants, selon le contexte.[7] Processus
- Commence par vérifier silencieusement ton propre output selon les règles ci-dessus.
- Retire les débuts de phrase répétés, les mots interdits et les phrases de remplissage qui n’ajoutent aucune nouvelle information.
- N’inclus aucun commentaire interne, aucune note pour toi-même ni aucun placeholder dans l’output final.
La réponse devrait se lire comme un produit complet et soigné.
- Présente ensuite le brouillon final sans expliquer ce que tu as changé.
Ce bloc peut se trouver dans votre template universel plus large (avec la tâche, le public, la structure et l’exactitude). Pour les emails, vous pourriez garder les règles de politesse et alléger le reste. Pour les articles longs, vous pourriez tout garder et étendre la liste noire avec les clichés propres au domaine.
À quoi ressemble une boucle de révision IA en pratique
Même avec une bonne structure et un prompt soigneux, la plupart des modèles ne suivront pas toutes les règles du premier coup. Ils vont encore glisser un « monde effréné », réutiliser trois fois la même transition ou retomber dans une conclusion de style dissertation. C’est normal. L’objectif n’est pas d’obtenir un brouillon parfait du premier coup, mais de créer une boucle où le modèle effectue la majeure partie du nettoyage avant que vous consacriez beaucoup de temps à la révision.
Une façon utile de voir les choses est la suivante : la première réponse est la version 0, pas un brouillon auquel vous êtes condamné. Vous commencez par demander le contenu et la structure avec votre template complet : la tâche, le public, le plan et vos règles linguistiques anti-slop. La version 0 devrait contenir les bonnes idées dans un ordre approximativement correct. Si la structure est mauvaise, vous corrigez ça en premier. Il ne sert à rien de polir le langage de sections que vous allez couper ou déplacer.
Une fois que la structure fonctionne, vous laissez un LLM agir comme juge. En pratique, ça signifie souvent d’ouvrir une deuxième conversation ou d’utiliser un autre modèle. La première conversation est votre modèle « auteur », celui qui a produit le brouillon. La deuxième conversation ou le deuxième modèle est votre modèle « éditeur », dont l’unique travail est de trouver et d’identifier le slop. Vous y collez le brouillon et les règles, puis lui demandez de réviser, pas de réécrire. Par exemple :
« Tu révises un brouillon pour repérer le slop IA et les problèmes de style, tu ne le réécris pas.
Voici les règles que nous utilisons (structure et langage) :
[colle les contraintes du plan + le bloc anti-slop]
Voici le brouillon :
[colle le brouillon]
1. Indique où ce brouillon enfreint les règles ci-dessus :
– débuts ou transitions répétitifs
– introductions ou conclusions génériques
– adjectifs vagues ou dramatiques
– phrases d’email toutes faites ou politesse excessive
– mots qui sonnent IA dans la liste noire
2. Pour chaque problème, propose une façon de le corriger en une courte phrase.
Ne réécris pas encore tout le texte. »
Traitez cette réponse comme un diagnostic. Elle mettra habituellement en évidence les débuts génériques, les patterns répétitifs, les mots interdits restants et les sections qui ressemblent à des résumés. Vous avez maintenant une liste concrète de problèmes sans devoir faire vous-même une lecture complète.
Ensuite, vous retournez dans l’onglet de l’auteur et demandez une deuxième passe en utilisant les notes du juge comme input. Vous ne voulez pas un nouvel article. Vous voulez une révision qui garde la structure et les idées, mais corrige les problèmes. Un prompt possible ressemble à ceci :
« Voici ton brouillon original et une évaluation qui indique où il a enfreint les règles de style et anti-slop sur lesquelles nous nous sommes entendus.
[colle l’évaluation]
Réécris le brouillon en corrigeant seulement ces problèmes :
– retire les introductions génériques et les conclusions de style dissertation
– varie les débuts de phrase répétitifs
– retire ou remplace les adjectifs vagues et les mots qui sonnent IA
– retire les phrases méta (“dans cette section, nous allons…”) et le balisage trop appuyé
Garde la structure, les sections et les arguments principaux identiques. »
Si une section est particulièrement mauvaise, vous pouvez l’isoler et faire ce travail un morceau à la fois. Ça empêche le modèle de réintroduire « utilement » les patterns que vous venez de retirer dans d’autres parties du texte.
Une fois que les modèles « auteur » et « juge » ont fait leurs passes, vous pouvez ajouter quelques étapes simples par-dessus.
Utilisez un vérificateur externe pour obtenir un deuxième avis
Une option consiste à passer le brouillon révisé dans Slop Score, qui vous donne une idée de la mesure dans laquelle les patterns de formulation semblent « GPT-ish ». Une autre est le benchmark Creative Writing Longform, qui se concentre sur les textes plus longs et au style plus humain. Ces outils ne décideront pas pour vous, mais ils offrent des signaux utiles. Si les scores bondissent ou que certaines phrases sont signalées comme très proches de celles d’un modèle, vous pouvez renvoyer cette information dans votre processus : ajoutez ces patterns à votre liste noire ou demandez explicitement au modèle juge de votre deuxième onglet de les chercher la prochaine fois.
Gardez votre révision humaine ciblée
Une fois que les modèles et les outils ont fait leur travail, vous effectuez une courte révision humaine ciblée. Vous lisez alors pour la structure, en vous demandant si l’ordre des paragraphes correspond réellement à la manière dont vous expliqueriez le sujet à voix haute. Vous lisez pour l’exactitude, en vérifiant que les chiffres, les noms et les affirmations sont ancrés dans des sources ou des connaissances que vous reconnaissez. Vous lisez pour la texture, en remarquant si le texte sonne comme vous ou votre équipe, ou comme une explication générique sans auteur clair. Tous les nouveaux mots fétiches ou patterns remarqués à cette étape peuvent directement rejoindre votre liste noire pour ne pas réapparaître dans les prochains brouillons. Et surtout, vous ajoutez les exemples ou les observations auxquels VOUS pensez pendant la lecture, en donnant votre personnalité et votre touche au texte.
Pensez en versions, pas en un seul brouillon
Dans de vrais workflows, ça signifie habituellement deux ou trois boucles rapides plutôt qu’un seul gros brouillon parfait. La version 0 est celle où vous utilisez votre prompt principal pour mettre en place le contenu et la structure générale. La version 1 est le même brouillon après que le modèle l’a critiqué et révisé selon vos règles, peut-être avec l’aide de Slop Score ou du benchmark de texte long. La version 2 est votre version révisée, où vous ajustez le jugement, les nuances et la voix. Le template de prompt, la liste noire, l’onglet du juge et les outils externes existent tous pour rendre chacune de ces boucles moins coûteuse, afin que « brouillon IA » signifie « quelque chose que je peux réviser légèrement » plutôt que « quelque chose que je dois réécrire à partir de zéro ».
Pourquoi la passe humaine compte encore
Rien de tout ça n’élimine le besoin d’une passe humaine. Les modèles peuvent rédiger, réorganiser et réviser selon vos règles, mais ils ne peuvent toujours pas décider quels points comptent pour vos lecteurs, à quel point vous devriez être certain d’une affirmation ou si le texte sonne comme vous. Vérifier la structure, les faits et le ton demeure votre travail.
La façon de rendre ce travail gérable est de standardiser le workflow. Vous réutilisez le même prompt de base au lieu d’écrire de nouvelles instructions chaque fois. Vous gardez une courte liste noire et la mettez à jour à mesure que de nouveaux « mots IA » apparaissent. Vous utilisez un prompt de juge fixe dans une deuxième conversation pour que le modèle puisse signaler ses propres habitudes avant votre révision. Votre passe finale suit ensuite une simple checklist : la structure a du sens, les affirmations sont ancrées dans quelque chose que vous reconnaissez et le langage correspond à la manière dont vous ou votre équipe écrivez habituellement.
Si vous faites ça de manière cohérente, l’IA n’élimine pas la révision, mais elle change le type de révision que vous effectuez. La majorité du slop mécanique est gérée par le modèle et vos prompts. Votre temps va dans les décisions que vous seul pouvez prendre : ce que vous voulez dire, jusqu’où vous êtes prêt à aller avec une affirmation et si vous êtes à l’aise de mettre votre nom sur ce texte.
Si vous avez aimé cet article, découvrez notre nouveau cours sur la maîtrise de l’IA au travail, avec beaucoup plus de conseils et d’astuces pour mieux exploiter les LLMs et les outils d’IA dans votre travail! Lien ici.
FAQ
Comment nettoyer un texte généré par l’IA?
Figez le brouillon, repérez le slop, vérifiez les affirmations, retirez les idées répétées et réécrivez les parties qui ne sonnent pas comme vous.
Qu’est-ce qui donne à un texte IA le ton de ChatGPT?
Les signes courants sont les transitions génériques, les phrases soignées mais vides, les formes de phrases répétées, les mots de hype et les affirmations sans preuve.
Que devriez-vous éviter lorsque vous révisez avec l’IA?
Évitez de demander un vague polissage. Donnez au modèle une grille de révision claire, puis gardez le jugement final entre les mains de l’auteur humain.
Pourquoi utiliser une deuxième conversation ou un autre modèle comme éditeur?
Un contexte séparé facilite l’évaluation du brouillon figé selon une grille au lieu de poursuivre le même pattern de génération qui l’a produit.
Pourquoi la dernière passe humaine compte-t-elle encore?
Un modèle peut signaler des patterns et proposer des révisions, mais l’auteur doit décider si les idées, les preuves, le rythme et la voix sont réellement les siens.
Pourquoi corriger la structure avant de polir les phrases?
Il ne sert à rien de polir des paragraphes que vous allez ensuite couper ou déplacer. Corrigez d’abord l’argument, l’ordre des sections et les idées répétées.
Comment un modèle éditeur devrait-il réviser un brouillon assisté par l’IA?
Demandez-lui de repérer les règles précises qui ont été enfreintes, de citer les preuves et d’expliquer chaque problème avant de réécrire. La révision reste ainsi précise et préserve les idées originales.