L'IA connaît-elle mon style d'écriture ? Pourquoi les meilleurs modèles l'ignorent toujours

En bref : l'IA ne connaît pas votre style d'écriture, et la prochaine version de modèle n'y changera rien. La capacité du modèle et le conditionnement par vos données sont deux couches distinctes. Chaque laboratoire améliore la première et aucun ne peut fournir la seconde, parce que vos écrits n'ont jamais été dans le modèle. La mémoire stocke des faits sur vous, les Custom Instructions stockent des adjectifs, et des adjectifs décrivent des milliers de personnes. La solution consiste à donner au modèle des mesures de la façon dont vous écrivez réellement. Les meilleurs modèles exécutent ces mesures plus fidèlement, et c'est pourquoi un vrai profil gagne en valeur à chaque nouvelle version, au lieu d'en perdre.

Vous payez ChatGPT Plus depuis un an. Vous lui avez expliqué votre métier, corrigé ses brouillons des centaines de fois, et il ouvre encore chaque e-mail par « J'espère que vous allez bien ». Alors vous lui posez la question directement : connaissez-vous mon style d'écriture ? Il répond oui, et le brouillon suivant prouve le contraire.

La réponse honnête est non. Rien de la façon dont vous écrivez ne se trouve dans le modèle, et cet article explique pourquoi cela reste vrai quelle que soit la qualité des modèles.

L'IA connaît-elle seulement mon style d'écriture ?

Non. Un modèle de langage connaît la forme statistique du texte sur lequel il a été entraîné, plus ce qui se trouve dans la conversation en cours. Vos écrits n'étaient ni dans l'un ni dans l'autre, alors quand il rédige « comme vous », il rédige comme un mélange de tous les auteurs qui ressemblent à la description que vous lui avez donnée.

Cette réponse surprend, parce que l'assistant se comporte comme s'il vous connaissait. Demandez à ChatGPT s'il a appris votre style et il produira un paragraphe assuré sur votre « ton clair et direct ». Ce paragraphe est généré comme toutes les autres réponses : prédit à partir du contexte. L'assistant ne consulte aucune analyse enregistrée de vos écrits, parce qu'une telle analyse n'existe pas.

Trois choses sont prises pour une connaissance du style :

La documentation d'OpenAI sur la mémoire décrit elle-même la mémoire comme des détails que l'assistant conserve d'une conversation à l'autre, et les exemples sont factuels : ce que vous faites, ce que vous aimez, ce sur quoi vous travaillez. C'est utile comme contexte. Cela ne capture pas le fait que vos phrases font treize mots en moyenne, que vous ne nuancez jamais après une décision, ou que vous placez la demande dès la première ligne. Nous avons mesuré cet écart en détail dans notre comparatif entre la mémoire et les profils de style.

Les corrections disparaissent de la même façon. Une reformulation que vous acceptez dans une conversation façonne la suite de cette conversation, et elle seule. Ouvrez-en une nouvelle et le modèle repart de sa distribution d'entraînement.

Pourquoi un meilleur modèle ne règle-t-il pas le problème ?

Parce que la capacité du modèle et le conditionnement par vos données sont deux couches distinctes, et qu'une nouvelle version ne touche que la première. Chaque génération raisonne mieux, suit mieux les instructions longues, tient mieux un registre sur un long brouillon. Rien de tout cela n'ajoute une seule de vos phrases aux poids du modèle.

Considérez les deux couches séparément :

1. Couche de capacité. Ce que le modèle sait faire avec les instructions et le texte qu'on lui donne. Elle appartient au laboratoire. Elle s'améliore à chaque version.
2. Couche de conditionnement. Ce qu'on dit au modèle sur vous, dans cette conversation, maintenant. Elle vous appartient. Elle reste vide tant que vous ne la remplissez pas.

Les laboratoires travaillent sur la première couche parce que c'est la seule qu'ils peuvent atteindre. Anthropic n'a pas vos notes de conseil d'administration. OpenAI n'a pas vos e-mails clients. Même si un laboratoire voulait conditionner un modèle sur vous, il n'aurait rien pour le faire. L'ajustement fin sur vos écrits est possible en principe et impraticable pour une seule personne : il exige un grand corpus, il vous enferme dans une version du modèle, et il doit être refait à chaque nouvelle version.

La conséquence pratique va dans le sens inverse de ce qu'on attend. Un meilleur modèle ne comble pas l'écart tout seul. Un meilleur modèle augmente le gain à remplir correctement la couche de conditionnement, parce qu'il suit les instructions nuancées plus fidèlement que son prédécesseur. Donnez un profil précis à un modèle faible et il abandonne la moitié des contraintes dès le troisième paragraphe. Donnez le même profil à un modèle puissant et il les tient. Le profil est la constante ; le modèle est la variable qui continue de s'améliorer en votre faveur.

Nous avons mesuré le point de départ des modèles dans notre comparaison stylométrique de Claude, GPT et Gemini : chaque modèle a son propre style maison, et chacun est très loin de n'importe quel auteur individuel. Les réglages d'échantillonnage ne changent rien non plus, ce que couvre notre article sur l'impossibilité de sortir de la moyenne par les réglages. La température modifie la variance, pas la voix.

Que possède réellement l'IA quand vous décrivez votre ton ?

Des mots. L'IA ne connaît pas votre ton ; elle connaît des mots qui décrivent un ton. Quand vous écrivez « professionnel mais amical » dans vos Custom Instructions, le modèle rattache ces mots au registre qu'il a appris pour eux, et ce registre est le même pour toutes les personnes qui tapent la même formule.

Faites l'expérience. Mettez « professionnel mais amical, concis et chaleureux » dans une conversation vierge et demandez un e-mail de suivi après une réunion client. Demandez à un collègue de faire la même chose avec la même étiquette. Les deux e-mails se ressembleront davantage entre eux que l'un ou l'autre ne ressemble à ce que vous avez envoyé le mois dernier. L'étiquette ne portait aucune information qui vous distingue de votre collègue, donc le résultat ne peut pas le faire non plus.

C'est le problème de tous les gabarits de ton qu'on trouve sur le web, et c'est pourquoi « professionnel mais amical » décrit des milliers de personnes. Une voix vit là où l'étiquette ne peut pas atteindre :

• La longueur des phrases. Une distribution, pas un mot comme « concis ». Jusqu'où vos phrases courtes se raccourcissent, jusqu'où les longues s'étirent, quand vous passez de l'une à l'autre.
• La place des modalisateurs. Si « probablement » ouvre la proposition ou la ferme. Si vous nuancez encore une fois la décision prise.
• Les transitions. « Donc » contre « par conséquent » contre une simple phrase nouvelle. Si les paragraphes s'ouvrent sur la conclusion ou y mènent.
• La ponctuation. Fréquence des deux-points. Densité des virgules. Si vous utilisez des parenthèses pour les apartés ou si vous en faites des phrases à part.

Rien de tout cela n'est un adjectif. Tout cela se compte, et c'est pourquoi on peut l'extraire de vos écrits et l'énoncer sous forme d'instructions qu'un modèle peut suivre. Notre explication du fonctionnement de l'extraction de style passe en revue les dimensions que nous mesurons.

Pourquoi les échantillons collés restent-ils insuffisants ?

Les échantillons valent mieux que les étiquettes, et ils laissent quand même le modèle deviner. Trois e-mails montrent au modèle à quoi vous ressembliez trois jours donnés. Il doit déduire quels motifs sont les vôtres et lesquels appartiennent à ce seul message, et une déduction tirée d'une poignée d'exemples dérive au fil d'une longue conversation.

Il y a une seconde limite. Les champs de Custom Instructions ont une taille, et les échantillons la consomment. Le guide des Custom Instructions d'OpenAI vous donne un seul champ pour la façon dont l'assistant doit répondre. Remplissez-le avec trois e-mails et il ne reste plus de place pour les règles dont vous avez réellement besoin. Placez plutôt les échantillons dans les fichiers de connaissances d'un projet et le modèle les lit quand il décide qu'ils sont pertinents, c'est-à-dire pas à chaque fois.

Le schéma est le même pour les trois approches :

Un prompt décrit la façon dont vous espérez sonner. Un profil construit à partir de vos propres écrits est la preuve de la façon dont vous écrivez réellement. Toute la différence est là, et c'est pourquoi nous avons comparé les quatre types d'instructions côte à côte dans notre guide des meilleures Custom Instructions pour ChatGPT.

Comment donner à l'IA votre style réel ?

Mesurez-le une fois, énoncez-le explicitement, et collez le résultat dans l'assistant que vous utilisez. Le modèle n'a pas besoin de vous apprendre. Il a besoin qu'on le lui dise, précisément, sous une forme qu'il peut exécuter.

C'est ce que contient un profil de style de MyWritingTwin.com : une analyse d'ADN d'écriture extraite d'échantillons que vous avez déjà écrits, exprimée sous forme de contraintes. Plage et moyenne de longueur des phrases. Où se placent vos modalisateurs. Quelles transitions vous utilisez et lesquelles vous n'employez jamais. Habitudes de ponctuation. Vocabulaire vers lequel vous allez et formules que vous évitez. Le résultat est un bloc de texte que vous collez dans les Custom Instructions de ChatGPT, un Claude Project, les informations enregistrées de Gemini, ou tout autre outil qui accepte un System Prompt. Un seul profil, tous les modèles.

Deux propriétés comptent pour l'argument de cet article.

Le profil est une mesure, donc il peut être vérifié. Quand le modèle dérive, vous pouvez compter les longueurs de phrases de son brouillon contre le profil et voir où il a manqué. Un adjectif ne se vérifie pas. « Était-ce assez amical ? » n'a pas de réponse. « La longueur moyenne des phrases était-elle dans la plage ? » en a une.

Le profil est portable, donc il survit aux nouvelles versions. Votre Writing Twin pour ChatGPT, Claude et Gemini ne dépend d'aucune version en particulier. Quand un nouveau modèle sort, vous collez le même profil et vous en obtenez une meilleure exécution. L'actif prend de la valeur à chaque version, ce qui est l'inverse de ce qui arrive à un gabarit.

Si vous voulez prendre l'habitude sans passer d'abord par le produit, faites-le à la main :

1. Rassemblez dix textes que vous avez écrits et dont vous étiez satisfait, dans le registre dont vous avez le plus besoin (e-mail client, point interne, proposition).
2. Comptez les mots par phrase sur les dix et notez la plage et la valeur typique.
3. Listez chaque nuance que vous avez employée et sa place dans la proposition.
4. Listez les transitions que vous avez utilisées et celles que vous n'utilisez jamais.
5. Rédigez ces constats sous forme d'instructions, pas d'adjectifs, et collez-les dans vos Custom Instructions.

Cette version manuelle est plus grossière qu'un profil extrait et bat quand même n'importe quelle étiquette de ton, parce qu'elle donne au modèle des chiffres au lieu de mots sur des chiffres.

Comment tester dès aujourd'hui si votre IA connaît votre style ?

Donnez-lui un message que vous avez déjà envoyé, avec pour seule consigne le brief que vous auriez donné à un collègue, et comparez les deux versions en comptant. Cinq minutes, aucun outil.

Choisissez un e-mail de la semaine dernière. Rédigez-en un brief de deux lignes : à qui il s'adresse, ce dont vous avez besoin, ce que la personne sait déjà. Collez ce brief dans votre assistant avec vos Custom Instructions actuelles activées et demandez l'e-mail. Mettez ensuite son brouillon à côté du vôtre et comptez :

• Phrases par paragraphe
• Mots par phrase, la plus courte et la plus longue
• Où se place la demande (première ligne ou dernière)
• Nuances : combien, et si elles ouvrent ou ferment la proposition
• Virgules par phrase
• Lignes d'ouverture et de clôture

Si les chiffres diffèrent, votre IA ne connaît pas votre style, quoi qu'elle vous ait répondu quand vous lui avez posé la question directement. S'ils concordent sur un e-mail, essayez-en trois autres dans des registres différents. Une étiquette de ton survit en général au premier test et échoue au second, parce qu'elle a été écrite pour une seule humeur et que vous en avez plusieurs.

Refaites le même test après avoir collé un profil mesuré et les chiffres convergent. Cette convergence, c'est tout le produit, et c'est aussi la raison pour laquelle les meilleurs modèles aident au lieu de nuire : un modèle plus puissant atteint les chiffres plus sûrement qu'un modèle plus faible.

Rien de vous ne se trouve dans le modèle. Rien ne s'y trouvera jamais. La bonne nouvelle, c'est que ce n'est pas nécessaire, à condition que vous cessiez de décrire votre voix et que vous commenciez à la mesurer.

Vous pouvez voir en une minute environ à quelle distance votre configuration actuelle se situe de vos vrais écrits avec le test Humanity Score, ou construire un profil de style à partir de vos propres échantillons et le coller dans l'IA que vous payez déjà.