Ce que masque la baseline « IA Moyenne » : où les 5 modèles divergent réellement

Le graphique radar « IA Moyenne » de votre Writing DNA Snapshot aplatit quelque chose qui mérite d'être décortiqué. Il montre une forme, étiquetée IA Moyenne, à côté de la vôtre. L'implication : les modèles d'IA écrivent à peu près de la même façon par défaut.

Sur deux des six axes, c'est vrai. Sur l'un d'eux, c'est complètement faux.

Nous sommes retournés dans le même corpus de 320 échantillons que nous avions construit pour comment nous mesurons l'IA moyenne et nous avons séparé les scores anglophones par modèle au lieu de les moyenner entre eux. Le résultat affine quelque chose que nous soupçonnions sans l'avoir quantifié : l'« IA médiane » n'est pas une seule personnalité. Ce sont cinq personnalités différentes qui se trouvent d'accord sur deux points et en désaccord net sur un troisième.

---

Le protocole : même corpus, découpe différente

La méthodologie complète se trouve dans comment nous mesurons l'IA moyenne : 320 échantillons, cinq modèles, quatre langues, huit types de consignes, deux variantes par combinaison, environ 100 800 mots au total, chaque échantillon généré avec des instructions identiques.

L'analyse d'origine moyennait les cinq modèles pour construire les baselines par locale de l'« IA Moyenne ». Ce billet conserve les mêmes données sous-jacentes mais sépare les modèles, en isolant le corpus anglophone (80 échantillons : 5 modèles × 8 types de consignes × 2 variantes) pour comparer modèle contre modèle à armes égales.

Chaque chiffre de ce billet porte sur la tranche anglophone, sauf mention contraire. C'est délibéré, pas un raccourci. Les formules de notation tiennent compte de la langue : la segmentation des phrases, la tokenisation et les listes de mots changent selon la locale, donc un score n'est comparable qu'à un autre score calculé dans la même langue. Une moyenne « par modèle » unique et translinguistique mélangerait des mesures prises avec des instruments différents. Quand une contre-vérification est utile, nous citons les tranches française et espagnole côte à côte plutôt que de les fusionner.

Les six axes sont inchangés : complexité des phrases, étendue du vocabulaire, expressivité, formalité, cohérence, concision. Les mêmes formules déterministes et sensibles à la langue que celles décrites dans le billet de méthodologie.

---

Les chiffres par modèle (corpus anglophone)

Deux lignes bougent à peine. Une ligne bouge plus que toutes les autres, et de loin. Les autres se situent entre les deux.

---

Là où les modèles s'accordent vraiment

L'étendue du vocabulaire est le groupe le plus resserré de la tranche anglophone : un écart de 13 points (40-53) sur les cinq modèles. Le ratio types-occurrences est remarquablement stable, quel que soit le modèle qui a généré le texte. Si vous cherchez à obtenir de l'IA un vocabulaire plus riche ou plus contraint, changer de modèle ne change presque rien. Le levier qui fait bouger cet axe, c'est votre profil de style, pas le choix du modèle.

La cohérence est presque aussi resserrée : un écart de 16 points (47-63). Le rythme des longueurs de phrases est l'une des propriétés de l'écriture IA les plus indifférentes au modèle. Cela rejoint le schéma plus large que nous décrivons dans le problème de l'utilisateur médian : le RLHF pousse chaque modèle vers une cadence « sûre », sans à-coups, et cette pression semble se poser sur la cohérence de façon presque identique dans tous les laboratoires.

Sur ces deux axes, « IA Moyenne » est une abstraction réellement utile. Calibrer l'ajustement de votre profil de style contre la baseline multimodèle fonctionne quel que soit le modèle qui lit votre Master Prompt.

---

Là où les modèles se séparent

L'expressivité est l'exception, et de loin. Claude Opus 4.6 se situe à 100, porté par un usage plus marqué des exclamations, des questions, des marqueurs d'attitude et des tirets cadratins. Gemini 3 Pro se situe à 39. Cet écart de 61 points fait plus du double de l'écart suivant le plus large de la tranche anglophone. Si vous visez Opus en particulier, l'ajustement « sonner moins comme une IA » dont vous avez besoin sur cet axe est nettement plus agressif que si vous visez Gemini.

Deux réserves sur ce 61, qui vont toutes deux dans le même sens. D'abord, 100 est le plafond de notre échelle, pas le sommet mesuré d'Opus : le score brut est écrêté, donc la distance réelle entre Opus et Gemini est au moins de 61 points et nous ne pouvons pas dire de combien elle la dépasse. Ensuite, un résultat portant sur une seule langue invite à la question évidente : est-ce un artefact de l'anglais ? Non. Le même écart d'expressivité du haut vers le bas apparaît indépendamment dans les deux autres langues que nous pouvons noter de façon fiable :

Gemini 3 Pro occupe le bas dans les trois, et un modèle Claude occupe le haut dans les trois. Cette régularité est la raison pour laquelle nous acceptons de qualifier la divergence d'expressivité de réelle plutôt que de bizarrerie propre à une découpe du corpus. (Notre tranche japonaise est exclue ici ; voir la note sur les limites plus bas pour savoir pourquoi elle ne peut pas soutenir cette comparaison pour l'instant.)

La complexité des phrases affiche un écart réel mais plus petit, de 29 points. Claude Sonnet 4.6 produit les phrases les plus denses structurellement (79) ; Gemini 3 Pro produit les plus simples (50). Ce résultat va à l'encontre de l'histoire de « convergence étroite » que vous pourriez attendre des moyennes par locale, qui mélangent les cinq modèles et lissent cette variance.

La formalité se partage sur 25 points, et la direction est contre-intuitive. Claude Haiku 4.5, le plus petit et le plus rapide des modèles du corpus, obtient le score le plus élevé (70). Claude Sonnet 4.6 obtient le plus faible (45). GPT-5.2 (65) et Gemini 3 Pro (64) se situent près de Haiku, pas près de Sonnet. Si votre modèle mental est « les petits modèles sont plus décontractés », ces données disent le contraire, du moins pour cette gamme de modèles à cet instant précis.

La concision s'étale sur 20 points. Claude Sonnet 4.6 produit les phrases les plus serrées après la transformation de longueur inverse (32) ; Gemini 3 Pro produit les plus relâchées (52). La combinaison chez Sonnet d'une complexité de phrase élevée (79) et d'une concision faible (32) est une signature en soi : des phrases longues et structurellement élaborées qui se compriment mal.

---

Pourquoi cela compte pour votre profil de style

Si vous construisez un profil de style, vous choisissez implicitement entre deux stratégies de calibrage : un ajustement contre la baseline multimodèle « IA Moyenne », ou un ajustement contre le modèle précis que vous utilisez le plus.

La baseline multimodèle est le bon choix par défaut. C'est elle qui alimente votre Writing DNA Snapshot, et elle produit un ajustement qui se transpose à ChatGPT, Claude et Gemini sans réglage supplémentaire. Pour l'étendue du vocabulaire et la cohérence, c'est presque gratuit : les modèles ne sont guère en désaccord, donc une cible multimodèle est pratiquement identique à une cible fondée sur un seul modèle.

L'expressivité est l'exception qu'il vaut la peine de connaître. Comme l'écart est d'au moins 61 points en anglais, et de 56 à 60 en français et en espagnol, assez large pour que « la moyenne » et « le modèle individuel le plus proche » puissent diverger fortement, une cible multimodèle peut sous-estimer de combien vous devez réellement pousser contre les défauts d'un modèle donné. Si vous savez que vous écrivez principalement dans Claude Opus 4.6, traitez l'expressivité comme le seul axe où un ajustement propre au modèle, et pas seulement le delta de l'« IA Moyenne », mérite cette précision supplémentaire. Pour tous les autres axes, la baseline multimodèle que votre Snapshot vous fournit déjà fait son travail.

---

Ce que la moyenne cachait

La baseline « IA Moyenne » reste la bonne cible par défaut : c'est elle qui rend un profil de style portable d'une plateforme à l'autre plutôt que réglé sur la personnalité d'un seul modèle. Mais moyenner cinq modèles en une seule forme masque le fait que les modèles ne s'accordent pas réellement entre eux sur le degré d'expressivité que devrait avoir l'écriture IA. Ils s'accordent étroitement sur le vocabulaire et le rythme. Ils divergent d'au moins 61 points, en anglais, sur la charge rhétorique à mettre sur la page.

Si vous avez eu le sentiment que Claude « sonne différemment » de ChatGPT ou de Gemini, les données le confirment et désignent précisément l'axe qui porte la différence.

Pour la méthodologie complète de la baseline et les tableaux par locale, voir comment nous mesurons l'IA moyenne. Pour l'explication, au niveau de l'entraînement, de la raison pour laquelle les modèles convergent tout court, voir le problème de l'utilisateur médian.

---

Limites

Trois choses à savoir avant de vous appuyer sur ces chiffres.

Les mesures sont un instantané de février 2026. Le corpus a été généré le 2026-02-15 avec Claude Opus 4.6, Claude Sonnet 4.6, Claude Haiku 4.5, GPT-5.2 et Gemini 3 Pro. Chacune de ces versions de modèle a depuis été remplacée. Les défauts des modèles évoluent à chaque publication, donc considérez les scores par modèle comme un relevé du comportement de cette gamme à ce moment-là, pas comme un comportement actuel. Le constat structurel qui devrait survivre est que les modèles diffèrent bien plus sur l'expressivité que sur le vocabulaire ou le rythme ; les valeurs précises, elles, ne survivront presque certainement pas.

L'expressivité est plafonnée à 100, et Opus est assis sur le plafond. Tout score au plafond est une borne inférieure. Quand nous citons un écart de 61 points, lisez « au moins 61 ».

La tranche japonaise est exclue de toutes les comparaisons de ce billet. Dans nos échantillons japonais, quatre des cinq modèles (Opus, Sonnet, Haiku et Gemini) obtiennent tous un 100 identique et parfait en expressivité. Quatre modèles issus de deux laboratoires différents qui atteignent exactement le plafond, c'est un artefact de mesure, pas un résultat. La cause est dans notre code de notation, pas dans l'écriture : la formule d'expressivité divise plusieurs de ses termes de ponctuation par un nombre de mots produit par un tokeniseur limité à l'ASCII, ce qui sous-compte massivement le texte japonais et gonfle ces termes jusqu'à saturer le score. L'expressivité en japonais doit être revalidée avec un comptage de mots sensible à la locale avant de pouvoir être citée comme résultat comparatif — y compris la colonne japonaise de notre billet de méthodologie antérieur, que nous sommes en train de revoir. Les cinq autres axes et les trois autres langues ne sont pas touchés par ce problème précis.

---

Prêt à voir où vous vous situez ?

Vous voulez votre propre graphique radar à six axes face à la baseline multimodèle « IA Moyenne », y compris votre delta sur l'axe qui compte le plus pour le modèle que vous utilisez ?

Obtenez votre Writing DNA Snapshot gratuit

Soumettez quelques échantillons d'écriture. Voyez vos scores sur les six axes, et exactement où votre écriture diverge de l'« IA Moyenne ». Gratuit, sans carte bancaire.

Votre écriture a une empreinte. Nous la mesurons. My Writing Twin transforme cette mesure en instructions qui font écrire n'importe quelle IA (ChatGPT, Claude, Gemini) comme vous.