IA & richesse du langage

Les modèles de langage ne sont pas le grand égalisateur que l’on annonce. Ce serait plutôt l’inverse.

En formation, j’utilise un terme que mon public connaît bien : « mot-clé ». Et je dis une chose simple : les mots-clés n’ont jamais aussi bien porté leur nom qu’avec les modèles de langage. Ce sont des clés qui ouvrent des coffres au trésor sémantiques.

Derrière chaque terme bien choisi, le modèle mobilise un espace de contextes, d’associations, de corpus entiers. Écrire « surveiller la concurrence » ou écrire « cartographier les mouvements d’acteurs qui recomposent les frontières de notre marché », ce n’est pas seulement être plus précis. C’est ouvrir deux coffres différents. Ce n’est pas la même « machine » que l’on réveille.

Cela change deux choses.

D’abord, les professionnels de la veille, de la documentation, de la recherche d’information possèdent un avantage que personne ne leur reconnaît : thésaurus, descripteurs, champs lexicaux, équations booléennes sont leurs outils de travail depuis toujours.

L’ingénierie du prompting a des ancêtres qu’elle ignore. Les sciences de l’information, l’indexation documentaire, les vocabulaires contrôlés avaient déjà formalisé l’art d’interroger les corpus textuels avec rigueur. Ce savoir-faire revient par la fenêtre. Ceux qui ont passé leur carrière à bien nommer les choses disposent naturellement d’une longueur d’avance.

Ensuite, l’appauvrissement lexical que la baisse de niveau scolaire, les réseaux sociaux, la communication d’entreprise et les formats courts ont installé devient un handicap opérationnel. Quand on ne dispose que de dix mots pour parler d’un sujet qui en compte deux cents, on ne peut pas ouvrir les bons coffres. Le modèle ne peut pas rattraper ce que la consigne n’a pas su indiquer.

À celui qui a déjà, il sera beaucoup donné, dit la parabole : celui qui lit, qui écrit, qui s’est constitué un capital lexical et sait passer d’un registre à l’autre, tire des LLM une puissance que l’autre n’atteint pas. Le modèle ne privilégie pas les gens cultivés pour autant ; il leur répond simplement avec les clés qu’ils utilisent.

Pour bien travailler avec les modèles de langage, il faut s’en donner les moyens : savoir nommer les choses, passer d’un registre à l’autre, savoir transmettre la nuance. Cela suppose un travail antérieur, le plus simple et le plus exigeant : lire, et lire des textes qui résistent.

Objection recevable : pour beaucoup d’usages courants, parler simplement suffit. C’est vrai. Mais dès que la tâche exige de la finesse, de la précision, ou une sortie exploitable en conditions réelles, la pauvreté lexicale devient le plafond de verre.

Sur votre dernier dialogue décevant avec une IA : qui n’a pas trouvé les mots ?

Le carrousel publié avec ce texte