Vous posez une question dans une application, puis exactement la même dans une autre. Les deux annoncent utiliser le même modèle. Vous obtenez deux réponses de longueur, de ton et parfois de contenu différents. Le modèle n'a pas changé. Ce qui change, c'est tout ce qu'on a mis autour, et qui reste invisible.
C'est une source de confusion fréquente, et la comprendre change la manière dont on évalue ces outils.
1. L'instruction système
C'est le facteur le plus important. Avant votre message, l'application envoie au modèle un texte que vous ne voyez pas, qui définit son rôle, son ton, ce qu'il doit refuser, comment formater ses réponses.
Nous l'avons détaillé dans notre article sur les instructions invisibles. Un même modèle configuré comme conseiller juridique prudent et comme assistant créatif produira des réponses radicalement différentes à une question identique.
2. La température
Ce réglage détermine à quel point le modèle privilégie la réponse la plus probable ou explore des formulations moins attendues, comme nous l'expliquions dans notre article sur la température.
Une application de rédaction créative la règle haut, un outil de traitement documentaire la règle bas. Même modèle, comportements opposés.
3. Le contexte injecté
Beaucoup d'applications ajoutent des informations à votre question sans le dire : des extraits de documents via un système de RAG, votre historique, des données de votre compte.
Le modèle ne répond donc pas à votre question seule. Il répond à votre question plus tout ce qu'on lui a fourni, et deux applications ne fournissent pas la même chose.
Voici le facteur le plus sournois. Une application annonce utiliser un modèle en le désignant par sa famille, mais les versions précises diffèrent. Nous avons documenté ce problème dans notre article sur la dépréciation : un identifiant générique peut pointer vers des versions différentes selon le moment et le fournisseur. Deux services affichant le même nom peuvent tourner sur deux modèles distincts.
5. Le niveau d'effort
Les modèles récents permettent de doser combien le système « réfléchit » avant de répondre, ce que nous avons décrit dans notre article sur les modèles de raisonnement.
Ce réglage a un coût direct : plus d'effort signifie plus de tokens, donc une facture plus élevée. Une application gratuite a une incitation évidente à le régler bas, une offre professionnelle à le régler haut. C'est souvent l'explication d'un écart de qualité entre deux services qui utilisent le même modèle.
Pourquoi c'est utile à savoir
Trois conséquences pratiques.
Ne jugez pas un modèle à travers une application. Si un outil vous déçoit, ce n'est pas nécessairement le modèle qui est mauvais : c'est peut-être la configuration. Et inversement, une bonne expérience peut venir d'un excellent travail d'intégration autour d'un modèle moyen.
Comparez à configuration égale. C'est le seul moyen de mesurer quelque chose. Comparer deux applications ne compare pas deux modèles.
Une partie de la valeur est dans l'enveloppe. C'est ce que nous relevions à propos des modèles de fondation : quand tout le monde construit sur les mêmes briques, ce qui différencie est ce qu'on met autour. Une bonne application n'est pas celle qui a le meilleur modèle, c'est celle qui l'a bien réglé pour son usage.
Ce qu'il faut retenir
Le nom du modèle affiché dans une interface est une information beaucoup moins précise qu'elle n'en a l'air. Elle vous dit quelle famille, pas quelle version, ni comment elle est configurée, ni ce qu'on lui envoie avec votre question.
C'est un peu comme lire « moteur essence » sur une fiche technique. C'est vrai, et cela ne vous dit presque rien de ce que fera la voiture.