L'IA est-elle en train de nous faire dire et créer la même chose ?
Contenus similaires, standardisation créative
Le vertige
Trois étudiants utilisent ChatGPT pour rédiger une note de synthèse. Ils ne se sont pas concertés. Vous lisez les trois textes l'un après l'autre. Vous avez l'impression d'avoir lu le même.
Cinq agences de communication utilisent le même outil pour produire des campagnes. Cinq concurrents lisent les mêmes rapports stratégiques générés par les mêmes modèles. Des millions de copies, de mails, de présentations, d'articles, d'images sortent chaque jour des mêmes quelques systèmes.
Quand tout le monde demande la même chose au même outil, tout le monde finit par dire la même chose. Et la singularité, cette voix qui détonne, ce coin qui dépasse, cette idée qu'on n'attendait pas, devient soudain rare. Voire suspecte.
Le point de départ
Les grands modèles de langage produisent ce qui est statistiquement probable. Par construction, ils tirent vers la moyenne. C'est leur force quand on veut rapidement quelque chose de correct. C'est aussi un risque quand des centaines de millions de personnes s'y abreuvent pour produire ce qu'elles présentent ensuite au monde.
Pire : ces modèles s'entraînent sur le web. Or le web se remplit chaque jour de textes générés par IA. Les futurs modèles apprendront en partie sur les productions des anciens. Les chercheurs appellent ce phénomène le model collapse : à force d'apprendre sur sa propre copie, l'IA dérive vers un appauvrissement progressif de la variété, comme un photocopieur qui photocopierait ses propres photocopies.
Derrière la question esthétique, il y a une question stratégique : si tous les concurrents pensent avec les mêmes outils, comment se différencier ? Et une question culturelle : que perd-on quand la diversité des voix se lisse ?
Demain
Demain, savoir penser et écrire sans IA, ou avec elle, mais en gardant une voix propre, pourrait devenir un avantage rare. Les organisations, les créateurs, les écoles auront à décider ce qu'elles veulent préserver de la diversité humaine. Et comment.
Angles possibles
Revue d'articles pour commencer
Wired — The Homogenization Problem in AI
Une bonne introduction au phénomène, illustrée d'exemples concrets et récents.
Shumailov et al. — The Curse of Recursion (Nature, 2024)
L'article scientifique qui a posé le terme de model collapse. Le résumé suffit pour saisir l'enjeu.
Seth Godin — Purple Cow
Un classique sur la différenciation qui prend un nouveau sens à l'âge des contenus génériques.
Walter Benjamin — L'œuvre d'art à l'époque de sa reproductibilité technique
Un essai ancien, étrangement contemporain. Ce que la reproductibilité change à la valeur d'une œuvre.
Articles sur la pensée divergente (Guilford)
Pour comprendre ce qu'on perd quand on optimise pour la pensée convergente.
Tester vous-même
- Donnez le même brief à trois IA différentes — ou trois fois à la même. Comparez les sorties : qu'est-ce qui se ressemble ?
- Demandez à une IA d'écrire dans le style d'un auteur très singulier.
- Visitez dix pages d'accueil de start-up récentes. Repérez les mêmes formules, le même type de visuel, la même structure.
- Cherchez une production récente — campagne, article, présentation — qui détonne vraiment. Demandez-vous pourquoi.
Et vous, dans quel contexte l'anchreriez-vous ?
La standardisation des contenus n'a pas les mêmes enjeux selon qu'on parle d'une agence, d'une école ou d'un studio créatif.
Enseignement supérieur
Mémoires, dissertations, copies — et l'évaluation face à la convergence des productions
Entreprise
Communication, stratégie, différenciation de marque dans un marché homogénéisé
Industrie créative
Design, musique, écriture, cinéma — la voix singulière face aux modèles génériques