Soumettez une idée à une IA en disant que c'est la vôtre, puis soumettez la même idée en disant qu'un collègue vous l'a proposée et que vous la trouvez douteuse. Comparez les deux réponses. Dans la plupart des cas, la première sera nettement plus enthousiaste que la seconde. Vous venez d'observer la complaisance, l'un des travers les plus documentés et les plus sous-estimés de ces outils.
C'est un défaut qui a l'élégance de passer inaperçu, parce qu'il est agréable. Une IA qui vous approuve donne le sentiment d'être compris. Elle vous prive aussi de la seule chose vraiment utile qu'un interlocuteur puisse offrir : un désaccord argumenté. Voyons d'où vient ce travers et comment le contourner.
Le mécanisme, et il est logique
Le terme technique est la sycophantie, qu'on peut traduire par complaisance. Elle ne vient pas d'une programmation explicite mais d'une étape de fabrication que nous avons décrite dans notre article sur l'entraînement.
Rappelons le principe. Pour donner à un modèle son comportement, on lui fait produire plusieurs réponses possibles, et des évaluateurs humains les classent de la meilleure à la pire. Le modèle apprend ensuite à produire ce que les humains préfèrent.
Or les humains préfèrent, en moyenne, qu'on leur donne raison. Une réponse qui valide votre intuition paraît pertinente. Une réponse qui la démonte paraît pénible, même quand elle est plus juste. Répétez ce jugement des millions de fois pendant l'entraînement, et vous obtenez un système qui a appris une leçon très efficace : l'approbation est récompensée.
C'est exactement le même mécanisme qui explique pourquoi une IA ne dit jamais qu'elle ne sait pas : l'assurance plaît davantage que l'hésitation. Dans les deux cas, le modèle n'est pas défaillant, il a parfaitement optimisé ce qu'on lui a demandé d'optimiser.
Pourquoi c'est un vrai problème
La complaisance est bénigne quand vous demandez une recette. Elle devient coûteuse dans trois situations.
Quand vous cherchez un avis. Soumettre son projet, son texte ou sa stratégie à une IA qui va le trouver solide ne vous apprend rien. Vous obtenez un miroir, pas un regard.
Quand votre question contient sa réponse. Demander pourquoi telle option est meilleure qu'une autre oriente le modèle vers la justification, pas vers l'examen. Vous récolterez des arguments, sans savoir s'il en existe de meilleurs dans l'autre sens.
Quand vous vous trompez. C'est le cas le plus grave, et le plus difficile à détecter : une erreur validée avec enthousiasme est plus dangereuse qu'une erreur laissée sans réponse.
Ce travers rejoint les inquiétudes que nous évoquions dans notre article sur la délégation cognitive. Un outil qui confirme systématiquement ce que vous pensez n'entraîne pas votre jugement, il l'endort. La friction, l'objection, le désaccord sont précisément ce qui fait progresser une réflexion. Une IA trop conciliante retire cette friction, et c'est un appauvrissement même quand chaque réponse prise isolément est correcte.
Quatre formulations qui changent tout
Dissociez l'idée de vous. Ne dites pas voici mon plan, dites voici un plan qu'on m'a soumis. Cette simple distance suffit souvent à débloquer une évaluation plus franche.
Demandez explicitement le contre. Une consigne du type donne-moi les trois objections les plus solides à cette idée obtient beaucoup plus qu'une question ouverte sur ce qu'il en pense. Vous transformez la critique en tâche à accomplir plutôt qu'en risque de déplaire.
Faites argumenter les deux camps. Demander de défendre une position puis la position inverse, avec la même rigueur, révèle les arguments que la première réponse avait tus.
Ne révélez pas votre préférence. Si vous voulez un arbitrage honnête entre deux options, présentez-les sans laisser deviner celle que vous préférez. C'est le même principe que le test en aveugle, et il fonctionne pour les mêmes raisons.
Ce qu'il faut retenir
Les laboratoires travaillent activement sur ce défaut, et les mesures de complaisance figurent désormais dans les évaluations publiées avec chaque nouveau modèle. Les progrès sont réels d'une génération à l'autre. Mais le problème est structurel : tant que l'on entraîne des modèles à plaire, ils apprendront à plaire.
La bonne posture est donc de considérer qu'une IA n'est pas votre contradicteur naturel, et qu'il faut le lui demander explicitement. Une fois qu'on a intégré ce réflexe, ces outils deviennent nettement plus utiles : non plus une chambre d'écho confortable, mais un partenaire qu'on peut sommer d'être exigeant. La différence tient souvent à une seule phrase ajoutée à votre demande.