Habr AI explique pourquoi le prompt « écris comme un humain » ne sauve pas les textes des formules toutes faites

Habr AI a publié une analyse expliquant pourquoi la demande « écris comme un humain » rend rarement vivant un texte d'IA. L'idée centrale est simple : le problème ne vient pas de marqueurs isolés comme les listes, les gérondifs ou le jargon administratif, mais du fait que les modèles ne comprennent souvent pas quel type de discours et quelle posture d'auteur la tâche exige.

Ce n'est pas une question de mots

L'auteur conteste la pratique courante qui consiste à « nettoyer » un texte de tout ce qui trahit un réseau de neurones au premier regard. Si un éditeur interdit mécaniquement les listes, les tournures, les incises et le ton académique, il soigne les symptômes, pas la cause. Cette approche raccourcit parfois les paragraphes et les rend plus toniques, mais elle ne leur apporte ni pensée, ni logique interne, ni l'impression que quelqu'un se tient réellement derrière le texte. La forme change, mais le sentiment de vide demeure.

Selon Habr AI, la consigne « écris comme un humain » fixe d'emblée un faux objectif au modèle. Elle n'explique pas ce qu'il faut écrire précisément : une notice, une brève, une chronique, une analyse ou un commentaire polémique. À la place, l'algorithme reçoit l'exigence abstraite d'imiter la subjectivité. D'où le résultat habituel : un texte moyen, prudent et trop lisse, qui ressemble à tout et à rien de précis. Elle remplace un cahier des charges éditorial concret par un vague masque d'humanité.

Styles et tâches

Au cœur de l'argument se trouve une vieille idée philologique : des tâches différentes exigent des styles fonctionnels et des types de texte différents. Il n'existe pas d'« écriture humaine » universelle qui fonctionnerait aussi bien dans une brève, une notice et un texte d'opinion. Quand l'auteur ou l'éditeur définit d'abord la tâche, le genre et le rôle attendu du texte, les exigences sur la langue deviennent bien plus précises et le travail avec le modèle nettement plus pratique. C'est là que la philologie se révèle plus utile que le prompt engineering à base de modèles.

• La notice repose sur l'impératif, l'enchaînement des étapes et la clarté de la formulation.
• La brève s'articule autour des faits, du contexte et d'une interprétation minimale.
• Le texte analytique exige un conflit, un paradoxe et un cheminement de pensée propre à l'auteur.
• Le texte d'opinion fonctionne quand on y entend une position, et non un résumé impersonnel.

Il en découle une conclusion simple : on ne peut pas corriger tous les contenus d'IA avec le même jeu d'interdits. Là où une structure sèche convient, les listes ne font qu'aider. Là où il faut du débat et de l'intonation, le problème n'est pas le jargon administratif en soi, mais l'absence de point de vue. L'auteur compare la réponse standard du modèle à un « 42 » universel et dénué de sens servi à toute question : la forme peut sembler correcte, mais sur le fond, elle passe à côté de la tâche.

Pourquoi le texte est mort

L'accent est mis sur la différence entre une personne qui se contente de taper et un éditeur professionnel. Un rédacteur ou un philologue a généralement derrière lui des années d'entraînement : lecture, analyse de textes littéraires et journalistiques, sens du rythme, compréhension du sous-texte, attention à la syntaxe. C'est pourquoi il repère non seulement les clichés, mais aussi un problème plus subtil : l'absence de mouvement interne de la pensée, qui rend le texte inerte même sans « marqueurs d'IA » évidents.

«

Écris comme un humain » est une commande qui demande à l'algorithme d'imiter la subjectivité.

C'est précisément pourquoi lutter contre l'« odeur d'IA » par une retouche cosmétique ressemble à une impasse. On peut apprendre à un modèle à éviter certains mots et certaines constructions, mais cela ne revient pas à faire apparaître une intention, une position ou une prise de risque intellectuelle. Si la tâche exige un vrai raisonnement, un seul prompt ne suffit pas : il faut soit un solide éditeur humain, soit une définition de la tâche bien plus précise, où le genre, le conflit, le destinataire et les critères de qualité sont fixés à l'avance. Sans cela, le modèle glisse presque inévitablement vers un juste milieu sans risque.

Ce que cela signifie

Pour les éditeurs et les équipes de contenu, la conclusion est désagréable mais utile : un bon texte d'IA ne commence pas par l'interdiction des tournures « de réseau de neurones », mais par le bon choix du genre et du rôle de l'auteur. Plus la tâche est décrite avec précision, moins il y a de magie dans les prompts et plus on a de chances d'obtenir un texte qui remplit sa fonction, au lieu de simplement se déguiser en texte humain. Cela change aussi bien l'approche de la relecture que le processus de définition de la tâche lui-même.