Opus 5.5 adore vous dire que 'cela compte' (et autres tics de l'écriture IA)

Alors que les grands modèles de langage (LLM) deviennent omniprésents, la quête pour identifier les textes générés par des machines s'est intensifiée. Bien que les premiers indicateurs comme l'utilisation excessive de tirets cadratins et de mots spécifiques comme 'delve' aient été largement atténués, de nouvelles recherches de la société de marketing Graphite révèlent que les modèles d'IA continuent d'exhiber des habitudes d'écriture distinctes et persistantes. En analysant 13 000 expressions qui apparaissent beaucoup plus souvent dans le contenu généré par l'IA que dans l'écriture humaine, les chercheurs ont mis au jour un paysage complexe de 'marqueurs' linguistiques qui définissent les modèles modernes.

L'étude de Graphite souligne que si les développeurs ont réussi à supprimer certaines bizarreries, de nouvelles apparaissent à chaque itération. Greg Druck, directeur de l'IA chez Graphite, note que si les modèles Claude tendent vers une distribution de mots similaire à celle des humains, les modèles GPT s'en éloignent paradoxalement. Par exemple, le modèle Claude Opus 5.5 utilise fréquemment l'expression 'cela compte' à un taux 116 fois plus élevé que les rédacteurs humains, tandis que le modèle Astra d'OpenAI s'appuie fortement sur le 'cadrage correctif' et des expressions de prudence comme 'peut fournir' pour structurer ses arguments.

Pour mener cette analyse, Graphite a établi une base de référence en utilisant 10 000 articles publiés avant le lancement de ChatGPT. En chargeant divers modèles d'IA de réécrire ces résumés rédigés par des humains, les chercheurs ont créé un environnement contrôlé pour isoler les modèles spécifiques à chaque IA. Cette méthodologie a permis une comparaison précise de la construction des phrases et de la fréquence des mots, révélant que même lorsque les laboratoires tentent d'entraîner les modèles à être plus naturels, l'architecture sous-jacente force souvent l'IA à retomber dans des pièges stylistiques prévisibles et répétitifs.

Les ramifications de ces résultats sont significatives pour l'authenticité du contenu et l'avenir de la communication numérique. À mesure que les modèles d'IA deviennent plus habiles à imiter le ton humain, la dépendance à des expressions spécifiques agit comme une empreinte numérique, sapant potentiellement les efforts visant à faire passer le contenu IA pour une rédaction humaine. De plus, la persistance de ces marqueurs suggère que les laboratoires de pointe pourraient avoir du mal à contrôler totalement la production stylistique de modèles contenant des milliards de paramètres, car la complexité pure de ces systèmes rend le réglage fin des nuances incroyablement difficile.

À l'avenir, des experts comme Druck restent sceptiques quant à la capacité des laboratoires à éliminer complètement ces marqueurs linguistiques. La nature inhérente des réseaux neuronaux géants signifie que dès qu'un 'marqueur' est corrigé, un autre est susceptible d'apparaître. Alors qu'Anthropic et OpenAI continuent de promettre plus de clarté et moins de jargon dans les futures mises à jour, les preuves suggèrent que l'IA continuera de révéler ses origines artificielles à travers ces modèles stylistiques subtils, mais statistiquement significatifs, dans un avenir prévisible.