Comment Gemini a plongé un blog d'IA dans le mode collapse et forcé la refonte de son générateur de sujets

Un prompt créatif ouvert s'est révélé un mauvais rédacteur en chef : au lieu d'apporter de la variété, il a fait glisser sans bruit la rubrique du vendredi du blog d'IA vers le mode collapse. Pendant quatre semaines d'affilée, le LLM a proposé en substance la même « question polémique sur l'IA », en ne modifiant que légèrement la formulation, et cela n'est devenu visible que lorsque les textes, identiques sur le fond, ont formé une chaîne.

Le problème n'est pas apparu tout de suite, précisément parce que chaque publication prise isolément semblait acceptable. La première semaine, le sujet paraissait pertinent, la deuxième simplement proche, et la troisième la répétition pouvait encore passer pour une coïncidence. À la quatrième, il était clair que le modèle ne cherchait pas de nouveaux angles, mais tournait autour du même schéma. Pour une rédaction, c'est un type de panne particulièrement désagréable : localement la qualité tient, mais à l'échelle du système le contenu se met à se dupliquer.

L'équipe a d'abord cherché la solution dans le prompt lui-même. La logique se tenait : si le modèle reste bloqué sur une thèse, il faut mieux préciser les exigences de diversité, ajouter des contraintes, demander de nouveaux angles ou interdire les répétitions. Mais ces mesures n'ont aidé que de façon cosmétique. Les formulations changeaient, le ton aussi, mais le cœur de l'idée restait le même. C'est une observation importante pour quiconque utilise des LLM dans des chaînes de production de contenu : une demande ouverte du type « trouve un sujet intéressant » ne garantit pas une vraie diversité, même si les réponses semblent fraîches.

Au fil de l'analyse, il est apparu qu'une partie du problème ne tenait pas qu'au prompt engineering, mais aussi à la configuration propre de Gemini. Cette couche avait d'abord échappé à l'attention, alors qu'elle influe directement sur la distribution des réponses et sur la propension du modèle à répéter des schémas sûrs. Dans ce genre de systèmes, l'erreur vit rarement à un seul endroit : le prompt, les paramètres de génération et la logique globale du pipeline se renforcent mutuellement. Vouloir « achever la guérison » avec une seule formulation magique ne fait donc généralement que masquer le symptôme sans supprimer la cause.

La situation a aussi révélé un autre problème pratique de l'automatisation éditoriale : la relecture manuelle habituelle ne détecte pas ces défaillances quand on examine les contenus un par un. Il faut un contrôle au niveau de la série : comparer les sujets d'un mois, vérifier la proximité sémantique, tenir un journal des angles déjà publiés et disposer au moins d'une métrique simple de diversité. Sinon, le modèle continuera de produire des textes « normaux » qui, additionnés, diluent la rubrique et donnent l'impression que le blog débat sans cesse avec lui-même d'une seule et même question.

Après quatre séries d'expériences, l'équipe est arrivée à une conclusion plus terre à terre : mieux vaut ne pas laisser la génération de sujets entièrement à la discrétion du modèle. Au lieu du « trouve une question » ouvert, le générateur est passé à une rotation déterministe au sein d'un ensemble de sujets constitué et édité à l'avance. Cette approche est moins spectaculaire côté « créativité », mais elle apporte ce dont une rédaction a réellement besoin : une couverture prévisible de sujets variés, l'absence de boucle et le contrôle de l'équilibre thématique. La correction n'a nécessité ni fine-tuning, ni RAG, ni migration vers un autre modèle.

La conclusion principale est simple : si un LLM est intégré à un processus éditorial régulier, il faut l'évaluer non sur une seule bonne réponse, mais sur une série de parutions. Dans les usages appliqués, le mode collapse ressemble souvent non à une panne brutale, mais à un rétrécissement lent de l'éventail d'idées, qui ne se voit que sur la durée. Pour les rubriques, les générateurs de sujets et autres scénarios récurrents, ce qui fonctionne le mieux n'est donc pas la liberté maximale du modèle, mais la combinaison d'une liste curée, d'une rotation stricte et d'un contrôle périodique des répétitions sémantiques. Mieux vaut prendre les décisions en amont, avant que la répétition ne devienne une habitude éditoriale installée.