Produire plus et mieux avec l'IA

L'étude d'Anil Doshi et Oliver Hauser, publiée dans Science Advances le 12 juillet 2024 auprès de 300 auteurs et 600 évaluateurs, mesure une hausse de 10,7 % de la nouveauté des textes chez les auteurs les moins créatifs lorsqu'ils reçoivent des idées d'un modèle de langage. Elle mesure aussi, sur le même corpus, une hausse de 10,7 % de la ressemblance entre les textes ainsi produits. Le même nombre, dans les deux sens.

Cette symétrie n'est pas une coïncidence de présentation, elle décrit le mécanisme. Un modèle de langage améliore une production en la rapprochant du centre de ce qu'il a appris, ce qui élève chaque texte pris isolément et rétrécit l'espace occupé par l'ensemble. Les auteurs emploient le mot de dilemme social : chacun est individuellement gagnant, collectivement la variété disparaît. Pour une entreprise, la question n'est donc pas de produire davantage, ce qui est acquis, mais de produire quelque chose que ses concurrents n'auront pas produit le même jour avec le même outil.

Cet article détaille ce que l'IA produit réellement sur la créativité d'une personne, pourquoi les productions se ressemblent, quelles techniques de consigne changent quelque chose et lesquelles n'en changent aucune, ce que les moteurs de recherche font vraiment du contenu généré, et à qui appartient ce qui sort de l'outil selon le droit applicable.

L'essentiel

L'assistance élève la qualité perçue de chaque production, surtout chez les moins expérimentés, et elle réduit la diversité de l'ensemble : 10,7 % de nouveauté en plus par texte, 10,7 % de ressemblance en plus entre les textes. Une expérience conduite à Wharton en janvier 2024 a mesuré la diversité de lots d'idées produites selon trente-huit stratégies de consigne différentes, et son résultat est brutal : dire s'il te plaît, promettre un pourboire, menacer d'éteindre le modèle ou lui demander de se comporter comme un dirigeant célèbre ne déplacent pratiquement rien par rapport à une consigne nue. Une seule technique fait la différence, la chaîne de raisonnement, qui rapproche un lot d'idées produites par un modèle de la variété d'un groupe humain. Côté droit, le contenu généré n'est pas déclassé par Google, mais une production sans intervention humaine significative n'est protégée par le droit d'auteur ni en France ni en zone OAPI, et les lois sénégalaise et ivoirienne sont plus explicites que la française sur ce point.

Que produit réellement l'IA sur la créativité d'une personne ?

Elle élève la qualité perçue de ce qu'une personne produit, et l'effet est le plus fort chez celles qui partaient de plus bas.

L'expérience de Doshi et Hauser a demandé à 300 auteurs de rédiger des nouvelles courtes, certains recevant des idées de départ produites par un modèle de langage, les textes étant ensuite jugés par 600 évaluateurs. Chez les auteurs les moins créatifs au test de départ, avec cinq idées fournies, la nouveauté progresse de 10,7 %, l'utilité de 11,5 %, la qualité d'écriture jusqu'à 26,6 % et le plaisir de lecture jusqu'à 22,6 %, tandis que l'ennui ressenti recule jusqu'à 15,2 %. Sur l'ensemble des auteurs, avec l'accès le plus large, la nouveauté progresse de 8,1 % et l'utilité de 9 %.

Le résultat qui compte le plus pour une organisation est ailleurs : les auteurs les plus créatifs au départ sont ceux qui profitent le moins de l'assistance. C'est exactement la courbe que trois essais indépendants trouvent sur le gain de temps, décrite dans notre article sur le temps réellement gagné avec l'IA. Quatre équipes de recherche, quatre métiers sans rapport, la même forme : l'IA relève le plancher bien plus qu'elle n'élève le plafond.

Un travail conduit à Wharton par Karan Girotra, Lennart Meincke, Christian Terwiesch et Karl Ulrich en 2023 va dans le même sens sur un autre exercice. Comparant 200 idées de produits proposées par des étudiants de l'école à 200 idées produites par GPT-4 sur consigne identique, il constate que la qualité moyenne évaluée par sondage d'intention d'achat est supérieure du côté du modèle, et que la grande majorité des meilleures idées de l'échantillon groupé vient de lui. Les auteurs signalent eux-mêmes le revers : ces productions manquent d'originalité et se recouvrent fortement. Ce document est un document de travail non relu par les pairs, ce qui invite à le lire comme une convergence et non comme une preuve.

Pourquoi les productions se ressemblent-elles autant ?

Parce qu'un modèle de langage produit ce qui est le plus probable, et que le plus probable est le même pour tout le monde.

C'est le versant collectif du dilemme, et il se mesure. Sur le corpus de Doshi et Hauser, les récits écrits avec l'aide du modèle sont 10,7 % plus semblables entre eux que ceux écrits sans. L'assistance rapproche chaque texte d'un centre commun, et ce centre ne dépend ni de l'auteur, ni de son secteur, ni de son marché.

Une réserve de portée s'impose. Ces mesures portent sur des nouvelles courtes et sur des idées de produits, en anglais, avec des modèles de 2023 et 2024. Rien ne permet d'affirmer que le chiffre de 10,7 % se transpose tel quel à un rapport, à une offre commerciale ou à un plan de communication en français. Ce qui se transporte est le sens de l'effet, pas sa valeur.

Quelles techniques de consigne changent réellement quelque chose ?

Une seule, et ce n'est aucune de celles qui circulent. Lennart Meincke, Ethan Mollick et Christian Terwiesch ont mesuré la diversité des lots d'idées produits selon trente-huit stratégies de consigne, dans un document de travail de Wharton du 27 janvier 2024, et le classement est sans appel.

La mesure employée est la similarité cosinus moyenne à l'intérieur d'un lot d'idées : plus la valeur est basse, plus le lot est varié. Chaque consigne a été exécutée au moins dix fois sur GPT-4, et la comparaison entre idées repose sur un modèle de similarité de phrases publié par Google.

Source : Meincke, Mollick et Terwiesch, Prompting Diverse Ideas: Increasing AI Idea Variance, The Wharton School, 27 janvier 2024, relevé le 19 août 2026.

Tout le folklore de la consigne se tient dans un mouchoir de poche autour de la valeur de référence, et plusieurs de ces techniques font légèrement pire que de ne rien faire. La politesse, le pourboire, la menace et l'invocation d'un dirigeant célèbre n'améliorent pas la variété des idées produites. Fournir au modèle vos meilleures idées passées la dégrade nettement, ce qui est contre-intuitif et parfaitement logique : vous lui donnez un centre encore plus étroit que le sien.

La seule technique qui déplace réellement le résultat consiste à demander au modèle de dérouler son raisonnement par étapes avant de produire. Elle fait passer la similarité de 0,377 à 0,255, c'est à dire tout près de la variété qu'obtient un groupe humain.

Deux réserves accompagnent ce tableau, et les auteurs posent la première eux-mêmes : leurs résultats ne valent pas comme approbation générale d'une stratégie, l'interprétation de cette mesure appelle à la prudence, et le travail sur les consignes n'a pas toujours d'effet significatif. La seconde tient à la date. L'étude est de janvier 2024 et porte sur GPT-4 ; les modèles de 2026 raisonnent nativement par étapes, ce qui a pu absorber une partie de l'effet mesuré. Ce qui se transporte, là encore, est l'ordre de grandeur et la hiérarchie, pas la valeur exacte.

Les moteurs de recherche déclassent-ils le contenu généré ?

Non. Ils sanctionnent la production en masse de pages sans valeur, quelle que soit la méthode employée pour les produire.

La documentation de Google sur les politiques anti-spam, dans sa section consacrée à l'abus de contenu à grande échelle, mise à jour le 15 mai 2026, donne comme exemple d'abus le fait d'employer des outils d'IA générative ou similaires pour produire de nombreuses pages sans apporter de valeur aux utilisateurs. La formulation est précise et la distinction est réelle : la génération par IA n'est pas l'infraction, la production à l'échelle sans valeur substantielle l'est.

Pour une entreprise, cela déplace la question. Publier vingt pages produites en une journée pour couvrir des requêtes est exactement le motif visé. Publier un texte produit avec l'aide de l'IA, relu, complété par ce que vous êtes seul à savoir et corrigé, ne l'est pas. La différence ne se joue pas sur l'outil mais sur ce que vous avez ajouté, ce qui rejoint le constat de la section précédente : la valeur vient de ce que le modèle ne pouvait pas connaître.

À qui appartient ce que l'IA écrit pour vous ?

Cela dépend entièrement de ce que vous y avez apporté, et les textes africains sont plus explicites que le texte français.

En droit français, l'article L111-1 du code de la propriété intellectuelle ne définit pas l'auteur et ne dit pas expressément qu'il s'agit d'une personne physique : c'est la jurisprudence qui y loge l'exigence humaine. Le Conseil supérieur de la propriété littéraire et artistique a publié le 16 juillet 2026 un rapport de mission sur le statut des productions de l'intelligence artificielle qui distingue deux situations. Les créations dites hybrides, dirigées par un humain dont l'apport créatif peut se situer à trois stades, la conception et le paramétrage, la génération et l'itération, ou la reprise en post-production, sont protégeables si elles atteignent le seuil d'originalité. Les productions purement synthétiques, sans intervention humaine significative, sont hors du droit d'auteur. Ce rapport est un avis rendu au ministre, pas une norme : il ne lie aucun juge.

Les textes ouest-africains tranchent la question dans leur propre lettre, ce qui est une différence de nature et non de degré.

La loi ivoirienne n° 2016-555 du 26 juillet 2016 dit la même chose à son article premier, qui définit l'auteur comme la personne physique qui crée l'œuvre et l'œuvre originale comme celle qui constitue une création intellectuelle propre à son auteur. L'annexe VII de l'Accord de Bangui, dans son acte du 14 décembre 2015, retient la même définition. Une vérification en texte intégral sur ces trois textes montre par ailleurs que le terme intelligence artificielle n'y figure nulle part : ils sont antérieurs au sujet, et aucune révision les concernant n'a pu être identifiée.

La conséquence pratique est simple à retenir et rarement dite. Une sortie brute d'un modèle, publiée telle quelle, n'est protégée nulle part, ce qui signifie que n'importe qui peut la reprendre. Ce qui est protégeable est votre apport : la sélection, la structure, l'ajout, la réécriture. Le droit vous pousse donc exactement là où la mesure de diversité vous poussait déjà, et c'est une convergence rare entre le juridique et le concurrentiel.

Par quoi commencer cette semaine ?

Par trois gestes, applicables sans budget et sans changer d'outil.

Premier geste, changez la forme de vos consignes. Demandez systématiquement au modèle de dérouler ses étapes de raisonnement avant de produire, plutôt que de lui donner un rôle ou de le flatter. C'est la seule technique dont l'effet sur la variété est mesuré, et elle ne coûte rien à essayer sur votre prochaine séance de production d'idées.

Deuxième geste, arrêtez de lui fournir vos meilleures productions passées comme modèle. La mesure de Wharton place cette pratique parmi les plus appauvrissantes du classement, à 0,403 contre 0,377 pour une consigne nue. Fournissez-lui plutôt la matière qu'il ne peut pas connaître : vos contraintes réelles, vos chiffres, vos refus de clients, votre marché.

Troisième geste, gardez la trace de votre apport. Notez ce que vous avez sélectionné, écarté, réécrit. C'est ce qui fonde la protégeabilité de ce que vous publiez, et c'est aussi, accessoirement, ce qui distingue un contenu que Google considérera comme utile d'une page produite en série.

La créativité est la deuxième des cinq dimensions du Protocole AI5D, et elle vient après la productivité pour une raison que cet article rend visible : c'est la première dimension où une équipe doit apprendre à juger une production plutôt qu'à la recevoir.

À lire également

• Le Protocole AI5D : notre méthode en cinq dimensions : l'obligation de compétence, ce que les cadres publics laissent vide, et l'ordre des dimensions.
• Comment gagner vraiment du temps avec l'IA : la même courbe de gain selon le niveau initial, mesurée sur le temps.
• Ce que l'IA générative sait faire, et ce qu'elle ne sait pas : le périmètre réel des capacités, avant toute question d'usage.
• Les chiffres sur l'IA en Afrique sont faux : fabriqués, mal attribués, ou mal lus : la méthode de vérification appliquée aux statistiques du secteur.

FAQ

Les techniques de prompt que je vois circuler sont-elles inutiles ?

Pour la variété des idées, les plus populaires le sont. Le classement de Wharton place la politesse, le pourboire, la menace et l'imitation d'un dirigeant célèbre à des valeurs voisines de celle d'une consigne nue, et parfois légèrement moins bonnes. Cela ne dit rien de leur effet sur d'autres critères, comme la longueur ou le ton, qui n'étaient pas mesurés.

Puis-je déposer un texte ou une image produits par IA ?

Une production sans intervention humaine significative n'est pas protégée par le droit d'auteur, ni en France selon la doctrine du rapport officiel de juillet 2026, ni en zone OAPI où les textes définissent l'auteur comme une personne physique. Ce qui est protégeable est votre apport créatif, à condition qu'il atteigne le seuil d'originalité et que vous puissiez démontrer vos choix.

Google va-t-il déclasser mon site si j'utilise l'IA pour rédiger ?

Non, si le résultat apporte une valeur réelle. La politique anti-spam mise à jour le 15 mai 2026 vise la production de nombreuses pages sans valeur pour l'utilisateur, indépendamment de la méthode. Le risque n'est pas l'outil, c'est le volume publié sans apport.

Comment éviter que mes contenus ressemblent à ceux de mes concurrents ?

En fournissant au modèle ce qu'il ne peut pas connaître. Vos chiffres, vos contraintes locales, les objections réelles de vos clients, vos cas d'échec. C'est la seule matière que le centre statistique du modèle n'a pas, et c'est donc la seule qui écarte votre production de celle des autres.

Ces études valent-elles pour le français ?

Elles ont toutes été conduites en anglais, sur des corpus anglophones. Le sens des effets est vraisemblablement transposable, leur amplitude ne l'est pas, et aucune mesure d'homogénéisation sur un corpus professionnel francophone n'a été publiée à ce jour.