Tu corriges les mêmes choses depuis des mois et tu ne sais pas pourquoi elles reviennent. Tant que tu ne sais pas d'où vient le défaut, tu vas continuer à le corriger à la main.
Un modèle de langage prédit le mot suivant. À chaque mot, il choisit celui qui a le plus de chances de venir après, compte tenu de tout ce qui précède.
Cette phrase paraît anodine. Sa conséquence ne l'est pas.
Si tu demandes à dix personnes d'écrire l'introduction d'un article sur l'IA, tu obtiens dix textes différents. Si tu la demandes dix fois à un modèle, tu obtiens dix variantes de la même introduction. Parce que le modèle ne cherche pas ce qui est juste pour ton cas. Il cherche ce qui convient au plus grand nombre de cas possibles.
La formulation la plus probable est, par construction, la plus vue. Et ce qu'on a déjà beaucoup vu, on le reconnaît.
Deux forces poussent dans le même sens.
La première : l'entraînement par retour humain. Les évaluateurs préfèrent les réponses structurées, complètes, enthousiastes. Le modèle apprend donc à structurer, à compléter, à s'enthousiasmer. Trois listes, une conclusion optimiste, un peu de gras. C'est noté positivement en évaluation. C'est illisible en production.
La seconde : la pénalité de répétition. Pour éviter qu'un modèle répète vingt fois le même mot, on le pénalise quand il le refait. Résultat, il tourne les synonymes. L'outil devient la solution, puis la plateforme, puis le dispositif. Un humain aurait écrit « l'outil » quatre fois.
Tu ne corriges pas un bug. Tu corriges un réglage par défaut.
Un bug se répare une fois. Un réglage par défaut revient à chaque conversation, parce que chaque conversation repart de zéro. Le modèle ne se souvient pas que tu as barré « véritable levier » hier.
D'où les deux mauvaises solutions que tout le monde essaie avant d'arriver ici.
Écrire « fais plus naturel » dans le prompt. Ça marche pendant deux paragraphes. Le modèle n'a aucune définition opérationnelle de « naturel », donc il produit sa propre version statistique du naturel, qui est elle aussi la plus probable. Souvent il ajoute des emojis.
Corriger le texte après coup. Ça marche une fois, sur ce texte. Demain tu recommences.
Tu écris une fois, noir sur blanc, ce que tu corriges à la main. Tu ranges cette liste dans un fichier. Le modèle lit ce fichier avant d'écrire.
C'est tout ce qu'est une skill : un fichier de règles chargé avant la rédaction, pas après.