Identifier le goût IA
Tout lecteur attentif finit par le reconnaître : cette sensation diffuse qu'un texte a été produit par une machine. Le « goût IA » n'est pas un défaut unique mais une constellation de tics qui, pris ensemble, trahissent l'origine algorithmique d'un passage. Comprendre ces marqueurs est la première étape pour les éliminer.
Raconter au lieu de montrer. Le texte IA a une tendance prononcée à expliquer les émotions plutôt qu'à les incarner. Au lieu de décrire un personnage qui froisse nerveusement un reçu dans sa poche, le modèle écrira « il ressentait une profonde anxiété ». Le résultat est un récit qui informe le lecteur sans jamais le toucher.
Des fins systématiquement positives. Les modèles de langage, entraînés sur des corpus où les résolutions heureuses dominent et calibrés pour être utiles, produisent des conclusions qui convergent vers l'optimisme même lorsque la logique narrative appelle l'ambiguïté ou la douleur. Un personnage en deuil trouvera toujours « la force de continuer » — une résolution humainement plausible, certes, mais suspecte par sa régularité.
Les clichés de vocabulaire. Certains mots reviennent avec une fréquence anormale dans la prose IA : « tapisserie », « symphonie », « résonner », « indéniable », « remarquable », « naviguer » (employé métaphoriquement), « plonger dans », « au cœur de ». Individuellement, ces termes sont parfaitement légitimes. C'est leur densité qui crée le signal. Un paragraphe qui « tisse une tapisserie de résonances remarquables » est un paragraphe qui signe son origine.
Quantifier le goût IA
L'intuition est utile mais insuffisante lorsqu'on travaille à l'échelle. Plusieurs métriques permettent d'objectiver le degré de mécanicité d'un texte.
Naturalness Score. Des classificateurs entraînés sur des paires humain/IA attribuent un score de naturalité au texte. Plus le score est élevé, plus le passage ressemble à de la prose humaine. Ces outils ne sont pas infaillibles, mais ils fournissent un point de départ quantitatif.
Perplexité. La perplexité mesure à quel point un modèle de langage est « surpris » par un texte. Un texte IA non retouché présente généralement une perplexité basse — chaque mot est la suite la plus probable du précédent. La prose humaine, avec ses digressions, ses choix lexicaux inattendus et ses ruptures de rythme, affiche une perplexité plus élevée. Viser une perplexité modérément supérieure à la sortie brute est un bon indicateur de dé-mécanisation réussie.
MTLD (Measure of Textual Lexical Diversity). Le MTLD évalue la diversité du vocabulaire en mesurant la longueur moyenne des séquences avant que le ratio type/token ne descende sous un seuil donné. Un MTLD faible signale un texte répétitif — un trait caractéristique de la prose IA qui recycle ses formulations favorites.
ReviewEval. Cette approche consiste à soumettre le texte à un panel de lecteurs humains (ou à un modèle distinct jouant ce rôle) qui évaluent des dimensions spécifiques : fluidité, surprise stylistique, cohérence émotionnelle, authenticité de la voix. Le retour qualitatif complète les métriques quantitatives et révèle des problèmes que les chiffres seuls ne capturent pas.
Stratégies de dé-mécanisation
Une fois le diagnostic posé, plusieurs techniques permettent de réduire concrètement le goût IA.
Ancrage par few-shot : échantillons et mots interdits
La méthode la plus directe consiste à fournir au modèle des exemples du style cible. En intégrant trois à cinq extraits de prose humaine dans le prompt, on ancre la génération dans un registre spécifique. Combinez cette approche avec une liste explicite de mots interdits — ces clichés identifiés à l'étape précédente — pour fermer les voies lexicales les plus mécaniques. Le modèle, privé de ses raccourcis habituels, est contraint de trouver des formulations plus originales.
Contexte par fenêtre glissante
Le goût IA s'aggrave quand le modèle perd le fil du récit. Une fenêtre glissante qui réinjecte les derniers chapitres dans le contexte de génération maintient la cohérence du ton, du vocabulaire et de l'arc émotionnel. Le texte reste ancré dans sa propre logique plutôt que de dériver vers les schémas génériques du modèle.
Température 0.7–0.9 et pénalités
La température contrôle le degré d'aléatoire dans le choix des tokens. Une valeur trop basse (0.2–0.4) produit un texte prévisible et mécanique. Une valeur trop élevée (>1.0) introduit du bruit incohérent. La plage 0.7–0.9 offre le meilleur compromis entre créativité et cohérence. Ajoutez des pénalités de fréquence et de présence pour décourager la répétition : le modèle est ainsi poussé à varier son vocabulaire au lieu de recycler les mêmes constructions.
Injection de persona et d'émotion
Attribuer au modèle un personnage narratif précis — un romancier désabusé, une poétesse méticuleuse, un conteur oral — transforme la texture du texte généré. De la même façon, spécifier l'émotion dominante d'un passage (colère contenue, nostalgie amère, joie fragile) donne au modèle une direction tonale qui l'éloigne de la neutralité affective typique de la sortie brute. Plus les instructions émotionnelles sont précises, plus le résultat s'éloigne du « goût IA » générique.
La création curatoriale : l'avenir de l'écriture assistée
Ces techniques partagent un principe commun : le rôle de l'auteur humain se déplace de la rédaction pure vers la curation. Vous ne tapez plus chaque mot — vous orientez, filtrez, sélectionnez et affinez. C'est un changement de posture, pas une diminution. Le chef d'orchestre ne joue d'aucun instrument ; il est pourtant l'auteur du concert.
La création curatoriale exige de nouvelles compétences : savoir diagnostiquer un texte, maîtriser les paramètres de génération, développer un sens critique affûté pour distinguer le passage qui fonctionne de celui qui imite. Mais elle offre en retour une productivité et une liberté exploratoire inaccessibles à la plume seule.
StoryLord est conçu précisément pour cette approche. La plateforme intègre les mécanismes de contrôle — contexte glissant, paramétrage fin, injection de style — dans une interface qui vous garde aux commandes du récit. L'IA génère ; vous curatez. Le résultat est un texte qui porte votre voix, pas celle d'un algorithme.
Si vous êtes prêt à écrire sans compromis sur la naturalité, commencez sur StoryLord et découvrez ce que la création curatoriale peut produire.