Mon Custom GPT n'a pas ma voix : pourquoi, et la solution qui marche

TL;DR : votre Custom GPT n'a pas votre voix parce que rien de vous ne lui est jamais parvenu. Un Custom GPT reçoit quatre entrées (instructions, fichiers de connaissances, amorces de conversation et choix du modèle) et aucune d'elles ne transporte votre voix, sauf si vous l'y placez sous une forme que le modèle peut exploiter. Les adjectifs de ton pointent vers un registre générique. Les fichiers de connaissances sont consultés, pas absorbés. Un modèle plus récent exécute des instructions vagues plus fidèlement, ce qui donne une version plus propre de la même moyenne. L'IA ne connaît pas votre ton ; elle connaît des mots qui décrivent un ton. La solution consiste à remplacer la description dans le champ d'instructions par des mesures tirées de vos propres écrits : longueur des phrases, place des atténuations, transitions et ponctuation.

Vous avez passé une soirée à construire un Custom GPT pour vos e-mails clients. Vous l'avez nommé, vous avez écrit un paragraphe sur votre style, téléversé cinq e-mails dont vous étiez fier, et choisi le meilleur modèle. Le premier brouillon qu'il a produit aurait pu venir de n'importe quel assistant sur n'importe quel ordinateur portable de votre immeuble.

Le GPT a fait ce que vous avez demandé. Ce que vous avez demandé ne contenait pas vous.

Pourquoi mon Custom GPT n'a-t-il pas ma voix ?

Parce que le GPT a reçu une description de l'effet que vous voulez et quelques exemples de cet effet, et qu'il doit inventer la mécanique tout seul. Il l'invente de la même manière pour tout le monde, à partir de la moyenne de tout ce sur quoi il a été entraîné. Votre voix, la partie qu'un lecteur reconnaîtrait, ne lui a jamais été transmise.

Regardez ce que la plupart des gens mettent dans le constructeur. Le champ d'instructions reçoit un paragraphe du type « Vous écrivez comme Priya : chaleureuse mais directe, concise, sûre d'elle, sans remplissage corporate ». La section connaissances reçoit une poignée d'anciens e-mails. Le menu déroulant du modèle reçoit ce qu'il y a de plus récent. Chacune de ces étapes donne l'impression d'apprendre au GPT qui vous êtes. Chacune laisse fuir votre voix en chemin.

Il y a quatre fuites, et elles s'additionnent :

1. Le champ d'instructions contient des adjectifs. Un adjectif est un pointeur vers un registre que le modèle connaît déjà. « Concis » pointe vers la propre idée que le modèle se fait de « court ».
2. Les fichiers de connaissances sont consultés, pas absorbés. Le modèle les recherche quand il décide qu'ils comptent et paraphrase ce qu'il trouve.
3. La couche modèle est générique par conception. Une nouvelle version de modèle rend chaque Custom GPT meilleur pour suivre des instructions et n'ajoute rien de vous.
4. Les longues conversations dérivent. Vos instructions sont en haut du contexte, la production du modèle s'accumule en dessous, et au dixième échange le réglage par défaut a repris possession du brouillon.

La suite de cet article reprend chaque fuite l'une après l'autre, puis montre quoi mettre dans le champ d'instructions pour que le GPT ait quelque chose de vous sur quoi travailler.

Que reçoit réellement un Custom GPT de votre part ?

Quatre entrées, et une seule peut transporter votre voix. Le guide d'OpenAI sur la création d'un GPT les liste : instructions, connaissances, amorces de conversation, et capacités comme la navigation ou le code. Le champ d'instructions est l'endroit où le comportement se règle. Tout le reste est soit du matériel de référence, soit un interrupteur de fonctionnalité.

La plupart des gens répartissent leur effort sur les quatre et placent le contenu le moins précis dans celle qui compte. Le champ d'instructions reçoit un paragraphe de ton. La section connaissances reçoit les vraies preuves, là où le modèle ne peut les atteindre que par consultation.

Regardez ce que « chaleureux mais direct, concis, sûr de soi » donne au modèle comme matière. Pendant l'entraînement, il a vu des quantités énormes de textes décrits avec ces mots : annonces RH, réponses de support client, publications LinkedIn, relances commerciales. La formule pointe désormais vers le centre statistique de tout cela. Tapez-la et vous obtenez le centre. Un collègue qui tape la même formule obtient le même centre. Vous n'écrivez pas du tout de la même façon, et le GPT n'a aucun moyen de le savoir, parce que l'étiquette était la seule chose que l'un comme l'autre avez fournie. Nous avons démonté cet argument en détail dans pourquoi les adjectifs de ton ne sont pas votre voix. La version Custom GPT du problème est le même problème avec une plus jolie icône.

Pourquoi les fichiers de connaissances n'y changent-ils rien ?

Parce qu'une connaissance est une consultation, et qu'une voix est un ensemble de contraintes qui doit s'appliquer à chaque phrase. Téléverser vos e-mails donne au GPT une bibliothèque à consulter. Cela ne change pas la façon dont le GPT écrit quand il ne consulte pas la bibliothèque, c'est-à-dire la plupart du temps.

Regardez la mécanique. Quand vous demandez à votre GPT un e-mail de relance, le modèle décide si l'un des fichiers téléversés est pertinent pour la demande. S'il décide que oui, il tire les passages pertinents dans le contexte et s'en sert comme référence. S'il décide que non, les fichiers n'entrent jamais dans la conversation. Dans les deux cas, les fichiers nourrissent le contenu de la réponse. Ils ne fixent pas le rythme de la prose.

Même quand les fichiers sont tirés dans le contexte, le modèle fait face à un problème d'inférence qu'il ne peut pas résoudre à partir de cinq échantillons :

• Habitude ou humeur ? Un e-mail s'ouvre sur une ligne personnelle. Était-ce votre schéma ou juste ce mardi-là ? Cinq échantillons ne peuvent pas séparer les deux.
• Quel registre ? Des excuses à un client et un point d'avancement interne dans le même dossier tirent le modèle dans des directions opposées, et il en fait la moyenne.
• Que reproduire ? Le modèle voit des phrases courtes et une demande placée tôt, et il peut les reproduire. Il ne remarquera pas que vous n'utilisez jamais « cependant », parce qu'une absence est invisible dans un échantillon.

Le champ d'instructions a aussi un plafond. Collez-y trois e-mails complets et il ne reste plus de place pour de vraies règles. Déplacez-les dans les connaissances, et vous revenez à la consultation. Notre guide sur l'utilisation d'un Custom GPT dans un projet ChatGPT traite en profondeur la question du contenant : lequel des instructions, Projects, mémoire et GPT doit contenir quoi. En résumé, les échantillons sont des preuves, et le modèle doit encore en tirer la conclusion. Tirez-la vous-même et transmettez la conclusion.

Un meilleur modèle réparera-t-il mon Custom GPT ?

Non, et la raison est structurelle plutôt qu'une question d'attendre la prochaine version. La capacité du modèle et le conditionnement par vos données sont deux couches distinctes. Le laboratoire améliore la première à chaque version, et il ne peut pas fournir la seconde, parce que la seconde est faite de vos écrits et que le laboratoire ne les a jamais vus.

Un modèle plus capable suit des instructions nuancées plus fidèlement. C'est tout ce qu'une mise à niveau apporte à un Custom GPT. Donnez-lui « chaleureux mais direct » et il produit un rendu plus soigné, plus cohérent, plus fluide du registre générique chaleureux-mais-direct. Le brouillon se lit mieux et ne vous ressemble pas plus qu'avec l'ancien modèle. Plusieurs lecteurs nous ont dit que leur GPT s'était dégradé après un changement de modèle, et la cause probable est la même : le nouveau modèle exécute les adjectifs plus à fond, donc la moyenne est encore plus moyenne.

La même propriété joue en votre faveur dès que les instructions contiennent quelque chose de précis. Un profil qui dit « phrases de 13 mots en moyenne, plage de 5 à 26, demande dans la première ligne, atténuation uniquement avant une recommandation, jamais « cependant » » est un ensemble d'instructions qu'un modèle plus fort peut atteindre plus précisément qu'un modèle plus faible. Plus le modèle devient bon pour suivre des instructions nuancées, mieux il exécute votre profil. Nous avons exposé les preuves dans pourquoi les meilleurs modèles d'IA ne connaissent toujours pas votre voix : chaque génération réduit l'écart entre instruction et exécution, et aucune ne réduit l'écart entre le modèle et vous. Seules vos données le font.

Le menu déroulant du modèle est donc la dernière chose à changer, pas la première. Corrigez ce que le modèle est chargé d'exécuter, puis laissez chaque version future l'exécuter mieux.

Que mettre dans le champ d'instructions à la place ?

Des mesures tirées de vos propres écrits, formulées comme des règles que le modèle peut suivre sans interpréter. Une voix vit dans la longueur des phrases, la place des atténuations, les transitions et la ponctuation, et chacun de ces éléments peut se compter dans des e-mails que vous avez déjà envoyés.

Voici à quoi ressemble chacun sous forme d'instruction plutôt que d'adjectif :

Longueur des phrases. Pas « concis » mais une distribution. « Phrase typique de 12 à 14 mots. Descendre à 4 à 6 mots pour énoncer une décision. Autoriser une phrase de plus de 25 mots par paragraphe pour poser le contexte. » Un modèle à qui l'on donne « concis » écrit des phrases uniformes de quatorze mots pour toujours. Un modèle à qui l'on donne la plage change de vitesse comme vous le faites.

Place des atténuations. « Atténuer avant une recommandation (« je suggérerais », « probablement utile »). Ne jamais atténuer après qu'une décision a été énoncée. Ne pas utiliser « je pense » dans la première ligne. » Deux auteurs au vocabulaire identique diffèrent ici à chaque paragraphe, et les lecteurs sentent la différence sans la nommer.

Transitions. « Commencer des phrases par « Donc » et « Et » quand la phrase précédente les amène. Ne jamais utiliser « cependant », « de plus » ou « cela dit ». Ouvrir les paragraphes par la conclusion. » Les transitions par défaut du modèle sont celles qu'il a vues le plus, et ce sont précisément celles qui donnent à un brouillon une odeur d'IA.

Ponctuation. « Au plus un deux-points par e-mail. Les apartés vont entre parenthèses, jamais dans une phrase séparée. Pas de point d'exclamation dans un e-mail client. Pas de point-virgule. » Les habitudes de ponctuation sont la dimension la plus stable de l'écriture de la plupart des gens, et celle que les adjectifs de ton ne peuvent pas exprimer du tout.

Par-dessus ces quatre éléments viennent le vocabulaire et les évitements : les mots vers lesquels vous allez et les formules que vous n'écririez jamais. Les deux sont des listes, et une liste est une instruction.

La version manuelle prend environ une heure :

1. Rassemblez dix à quinze textes que vous avez écrits et dont vous étiez satisfait, dans le registre auquel le GPT est destiné.
2. Comptez les mots par phrase sur l'ensemble. Notez la valeur typique, la plus courte, la plus longue.
3. Listez chaque atténuation et l'endroit où elle se trouvait dans la proposition.
4. Listez les transitions que vous avez utilisées et, séparément, celles que vous n'avez jamais utilisées.
5. Notez vos habitudes en matière de deux-points, virgules, parenthèses et points d'exclamation.
6. Rédigez les résultats sous forme d'instructions avec des chiffres dedans. Supprimez chaque adjectif.

Ce bloc va dans le champ d'instructions du Custom GPT et nulle part ailleurs. Gardez la section connaissances pour ce qui est réellement du matériel de référence : noms de produits, tarifs, historique du client. Notre guide complet des instructions de Custom GPT propose la disposition champ par champ, y compris la place d'un profil comme celui-ci par rapport aux instructions de tâche et au format de sortie.

C'est aussi ce qu'est un profil de style de MyWritingTwin.com : l'étape de mesure faite pour vous, sur plus de dimensions que les quatre ci-dessus, à partir d'échantillons que vous téléversez une seule fois. Le résultat est une analyse d'ADN d'écriture exprimée sous forme de contraintes et conditionnée en un bloc que vous collez dans le champ d'instructions. Votre Writing Twin pour ChatGPT, Claude et Gemini est ce bloc, déployé dans les outils que vous payez déjà, et le même bloc qui répare un Custom GPT répare aussi un Claude Project ou un Gemini Gem. Notre explication de comment fonctionne l'extraction de style passe en revue la liste complète de ce qui est mesuré.

Deux propriétés d'un profil mesuré comptent ici. Il peut être vérifié : « était-ce assez direct ? » n'a pas de réponse, et « la longueur moyenne des phrases était-elle dans la plage ? » en a une, donc quand un brouillon dérive vous comptez, trouvez l'écart et corrigez une règle. Et il survit au modèle : les mesures vous décrivent, donc elles tiennent quand le modèle change, et chaque modèle plus fort les exécute plus fidèlement que le précédent.

Comment vérifier si votre Custom GPT vous connaît ?

Donnez-lui le brief d'un e-mail que vous avez déjà envoyé et comparez en comptant. Cinq minutes, aucun outil, et le résultat est un chiffre plutôt qu'une impression.

Choisissez un e-mail de la semaine dernière qui a bien fonctionné. Rédigez un brief de deux lignes : à qui il s'adressait, ce dont vous aviez besoin, ce que la personne savait déjà. Collez le brief dans votre Custom GPT et demandez l'e-mail. Placez son brouillon à côté du vôtre et comptez :

• Mots par phrase : typique, la plus courte, la plus longue
• Phrases par paragraphe
• Où se trouve la demande (première ligne, milieu ou fin)
• Atténuations : combien, et si elles ouvrent ou ferment la proposition
• Virgules par phrase, deux-points par e-mail
• La ligne d'ouverture et la ligne de clôture

Si les chiffres diffèrent, le GPT ne vous connaît pas, quoi qu'il vous réponde quand vous lui demandez « comprends-tu mon style ? » (il dira oui ; il dit toujours oui). S'ils concordent sur un e-mail, lancez-en trois autres dans des registres différents : des excuses à un client, un point interne, une prise de contact à froid. Les GPT fondés sur des adjectifs réussissent en général le premier test et échouent au second, parce que le paragraphe a été écrit pour une humeur et que vous en avez plusieurs.

Relancez le même test après avoir remplacé le paragraphe par des mesures. Les chiffres convergent, et ils continuent de converger à mesure que vous resserrez chaque règle. Cette convergence est toute la différence entre un GPT qui porte votre nom et un GPT qui vous contient.

Votre Custom GPT n'a jamais été cassé. Il était vide. Remplissez le champ d'instructions avec ce que fait réellement votre écriture, et le contenant se met à faire son travail.

Mesurez l'écart entre votre GPT actuel et vos vrais écrits avec le test Humanity Score, ou construisez un profil de style à partir de vos propres échantillons et collez-le dans le GPT que vous avez déjà créé.