Si les IA sont plus performantes que les humains pour brasser des informations et produire un texte dans un laps de temps très court, elles ne maîtrisent ni la véracité des contenus ni l’adaptation des discours aux contextes. Quelques observations pour apprendre à travailler avec ces outils.

Il ne fait plus aucun doute que les IA changent nos vies et nos métiers. Certaines des compétences que nous avons toujours considérées comme spécifiquement humaines ne le sont plus. L’écriture va-t-elle disparaître ? Allons-nous revenir à une société de l’oral ?

Responsable d’une formation en rédaction et traduction à l’Université Paris-Est Créteil, je suis confrontée à cette question en permanence. Faut-il encore apprendre aux étudiants à produire des synthèses si nous pouvons les confier à une IA ? Quelles sont les compétences rédactionnelles qui ne peuvent pas (encore) être remplacées par des machines ?

Mon expérience d’enseignante et de chercheuse me montre qu’apprendre à rédiger un texte selon des normes propres aux différents modes de circulation des écrits reste indispensable, aussi bien pour les rédacteurs amateurs que pour les rédacteurs professionnels.

Nul doute que les IA sont plus performantes que les humains si nous considérons des paramètres comme le brassage d’informations, la vitesse de rédaction, la correction orthographique, ou encore l’élimination par principe de nos tics d’écriture comme la répétition de connecteurs (« alors », « certes », « donc », etc.). Il n’est donc pas étonnant que tout le monde s’y mette, d’autant que cela s’assortit d’un apparent gain économique en accélérant la vitesse de réalisation.

Cependant, à force de vouloir trop économiser, quelque chose au passage se perd : la véracité des contenus, la source des informations, l’adaptation aux discours ou encore le style d’écriture.

Vérifier les contenus

Premier problème posé par les IA : ces dispositifs n’encouragent pas à vérifier les contenus. Si les IA rédactionnelles brassent des quantités de données impossibles à exploiter dans le même ratio quantité/temps par un humain, la relation entre les données et les sources reste encore un point aveugle dans la production des textes.

En effet, les données sont transposées à travers des « espaces latents », c’est-à-dire des espaces de travail cachés, dont la complexité d’organisation dépasse largement nos capacités d’entendement. La production des données textuelles dépend de deux processus fondamentaux :

• rassembler et réduire les informations ;
• les traiter pour produire des résultats.

Or il peut y avoir des hiatus dans le passage de la première à la deuxième étape : l’apparence ou les actes d’une personne peuvent être attribués à une autre, un phénomène est assimilé à un autre pourtant très différent, etc. C’est ce que l’on retrouve dans les « hallucinations » souvent produites par les IA.

Comprendre la différence entre ce dont on parle (référent sémantique) et ce qu’on désigne (référent ontologique) est ce qui permet de faire le tri dans les contenus produits par les IA rédactionnelles. En effet, il faut savoir vérifier qu’il y a bien concordance entre les deux référents. Car, ce que produisent les IA n’a pas toujours un sens.

Identifier les sources fiables

Deuxième problème posé par l’IA : étant donné la complexité des processus de production des contenus, retrouver et vérifier la source des données textuelles est compliqué, et les IA rédactionnelles n’offrent pas toutes des outils pour le faire.

Or quand nous écrivons un texte scientifique, journalistique ou même commercial, la fiabilité et la vérification des sources sont une part fondamentale de la construction de l’argumentaire. En effet, les bons arguments dépendent souvent de la légitimité de la source. Si la source n’est pas légitime, il en va de l’autorité du discours et du propos tenus.

Il s’agit de détecter des sources fiables, non des sources en général. Cette activité est reliée, d’un côté, à une pratique de l’écrit, et, de l’autre, à une éthique de l’écrit. Cela impacte notamment la construction du rapport au lecteur qui signe avec l’auteur un pacte (implicite) de confiance.

Comme le disait Umberto Eco dans Sulla letteratura (2002) :

« Il n’y a qu’une seule chose que vous écrivez uniquement pour vous-même, c’est la liste des courses. »

L’opacité des sources brise ce pacte de confiance et ramène le contenu de l’ordre de l’information à l’ordre de la rumeur.

Adapter les textes aux discours

Troisième problème posé par les IA : la difficulté à adapter les textes produits aux discours de référence. Les écrits sont toujours produits au sein de discours très différents : publicitaires, politiques, scientifiques, critiques, etc.

Chaque discours a ses propres contraintes et attentes. Les écrits circulent au sein des discours à travers des formats d’écriture précis, c’est-à-dire des agencements de formes typiques qui servent d’interfaces entre les textes et les discours.

Prenons un exemple. J’ai travaillé cette année avec les étudiants sur un genre d’écrit ordinaire : la recette de cuisine. L’enjeu était de comprendre les normes de rédaction, les respecter et les déjouer, jusqu’à rédiger une recette qui ne ressemble plus à une recette. Cette capacité à passer d’un genre d’écrit à l’autre est un atout des rédacteurs humains qui n’est pas (encore) bien géré par les IA.

Chercher son propre style

Les sites proposant des IA rédactionnelles pour tout genre de discours sont nombreux. Les consignes pour les utiliser également. Toutefois, les textes produits présentent souvent une sorte de « neutralité » passe-partout qui, à la longue, finit par desservir les usagers.

Pour différencier ses propres contenus, notamment dans un environnement numérique qui regorge d’écrits, il est souhaitable de développer son propre style. L’injonction d’écrire « à la manière de » que nous pouvons donner à une IA dans un « prompt », c’est-à-dire les consignes de rédaction soumises, ne vise pas cet objectif. L’enjeu est de trouver notre propre manière d’écrire, ce qui fait toute la différence en tant que rédacteur.

Si les étudiants ne peuvent pas se passer d’utiliser les IA pour rédiger leurs écrits, notamment lors des stages en entreprise, il faudra alors les préparer à un usage critique de ces technologies : comprendre le fonctionnement, identifier les limites, personnaliser les pratiques. Pour cela, il faudra mettre en place des protocoles, formuler des recommandations, discuter les productions.

Cette année, nous sommes en pleine réflexion pour dessiner les nouveaux parcours de formation des étudiants. La question se pose : faut-il intégrer les IA dans nos formations ? Nous devons bien faire évoluer les parcours en suivant les transformations technologiques et sociales.

Il s’agit de réfléchir à de nouvelles compétences à développer comme la rédaction de prompts (prompt engineering), l’accompagnement à la pratique rédactionnelle (coaching), ou encore la révision des textes (post-edition) : encore du travail pour les rédacteurs ! Alors non, l’écriture ne va pas disparaître avec l’IA.

Rossana De Angelis, Maîtresse de conférences en sciences du langage, Université Paris-Est Créteil Val de Marne (UPEC)

Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.