Vous avez sans doute passé des heures à peaufiner cette première phrase. Vous savez, celle qui commence par « Tu es un expert en marketing avec 20 ans d’expérience » ou « Agis comme un ingénieur senior de la Silicon Valley ».
On nous a répété partout que c’était la clé de voûte d’un bon prompt. Pourtant, vous avez remarqué ce petit goût amer : malgré son prétendu titre de docteur ou de consultant chevronné, l’IA finit par vous sortir une énormité factuelle avec l’aplomb d’un politicien en campagne.
Ce n’est pas une impression subjective, c’est un fait documenté. Dire à une IA qu’elle est experte désigne une technique de persona prompting (l’attribution d’une identité ou d’un rôle spécifique à un modèle de langage) qui, contrairement aux croyances populaires, peut réduire la précision des réponses.
En pratique, cela signifie que le modèle se concentre davantage sur l’imitation du ton et du style attendus de l’expert plutôt que sur la vérification rigoureuse des faits, augmentant ainsi le risque d’hallucinations. Ce paradoxe de l’expertise numérique change radicalement la façon dont nous devons collaborer avec les modèles de langage comme GPT-4 ou Claude. Si vous voulez des résultats solides, il va falloir arrêter de jouer à la poupée avec vos algorithmes.
L’étude qui a renversé le dogme du persona prompting
Tout est parti d’une recherche menée par des universitaires de l’Ohio State University, dont Cheng-Wei Chiang et Atiqur Rahman. Ils ont voulu tester scientifiquement ce que tout le monde tenait pour acquis : est-ce que donner un CV virtuel à une machine la rend plus intelligente ?
La réponse est un « non » assez cinglant, surtout quand on parle de précision factuelle. L’étude, largement relayée par des plateformes comme Search Engine Journal, montre que l’utilisation de prompts du type « Tu es un expert » peut faire chuter l’exactitude des réponses de manière significative.
Sur certains tests de connaissances, la précision est passée de près de 50% à moins de 40% simplement en ajoutant une couche d’expertise artificielle. Le persona prompting (technique consistant à définir un rôle pour l’IA avant de lui poser une question) agit ici comme un filtre qui déforme la priorité du modèle. Au lieu de chercher la réponse la plus statistiquement probable et vérifiée dans sa base de données, l’IA cherche la réponse qui ressemble le plus à ce qu’un « expert » dirait. Et souvent, un expert, ça parle beaucoup, ça utilise des termes complexes, et ça ne dit jamais « je ne sais pas ».
Est-ce que dire « tu es un expert » améliore les réponses d’une IA ?
Non, dire à une IA qu’elle est experte n’améliore pas systématiquement ses performances et peut même dégrader la précision factuelle. Les recherches récentes indiquent que cette consigne pousse le modèle vers le conformisme de rôle (sycophancy), où l’IA privilégie le ton de l’expert au détriment de l’exactitude des informations fournies, augmentant ainsi le taux d’erreur.
J’ai moi-même fait le test. En demandant à une IA d’agir comme un « historien de renommée mondiale » sur un sujet de niche, elle m’a pondu une analyse brillante dans la forme, mais truffée de dates inventées. Sans le persona, elle était plus humble, plus concise, mais 100% exacte. C’est là que le piège se referme : on est séduit par le style, et on baisse notre garde sur le fond.
Le syndrome de la flatterie numérique : quand l’IA veut trop bien faire
Les chercheurs utilisent un terme fascinant pour expliquer ce phénomène : la sycophancy (tendance d’un modèle d’IA à confirmer les attentes ou les biais de l’utilisateur plutôt qu’à fournir une réponse neutre).
Imaginez un stagiaire un peu trop zélé à qui vous diriez : « Tu es le meilleur analyste financier du pays, donne-moi ton avis sur cette action ». Le stagiaire, flatté et terrifié à l’idée de vous décevoir, va inventer des arguments complexes pour justifier son nouveau titre, quitte à tordre la réalité.
L’IA réagit de la même façon. En lui imposant un persona d’expert, vous créez un biais de confirmation massif. Le modèle « comprend » qu’il doit produire un texte de haute volée. Or, dans les données d’entraînement, les textes d’experts sont denses et affirmatifs. L’IA va donc imiter cette densité. Si la réponse exacte est simple ou si elle est inconnue, le modèle va préférer « halluciner » une réponse complexe pour rester dans son personnage.
Le biais de rôle (déviation de la réponse causée par l’adoption d’une identité fictive) l’emporte sur la mission première de vérité. C’est ce qui arrive quand on privilégie la forme sur le fond : on obtient un acteur de théâtre, pas un consultant.
Pourquoi l’IA devient-elle moins précise avec un persona d’expert ?
L’IA devient moins précise car elle entre dans un mode de conformité stylistique appelé sycophancy. En cherchant à imiter un expert, elle accorde plus d’importance à la structure sophistiquée de son texte et à l’autorité de son ton qu’à la véracité des faits, ce qui la pousse à inventer des détails pour valider son rôle supposé.
L’insight unique : Le persona est le cache-misère d’un prompt paresseux
C’est ici que je vais être un peu direct : si nous utilisons tous des personas, c’est parce que c’est facile. C’est un raccourci mental. On se dit qu’en un mot (« Expert »), on a résumé toutes les contraintes de qualité, de ton et de rigueur que l’on souhaite. Mais l’IA ne fonctionne pas par concepts abstraits de « prestige ». Elle fonctionne par instructions granulaires.
En réalité, le persona est une instruction floue. Que signifie « expert » pour une machine ? Pour elle, c’est juste un cluster de mots-clés associés à un style soutenu. Si vous voulez vraiment de l’expertise, ne demandez pas à l’IA d’être quelqu’un. Demandez-lui d’appliquer des méthodes. C’est la différence entre demander à quelqu’un de « faire le chef cuisinier » (il va mettre une toque et crier) et lui demander de « respecter une température de cuisson de 63°C à cœur ».
L’expertise ne doit pas être un costume que l’IA enfile, mais une série de contraintes logiques que vous lui imposez. Le passage d’un mode « identité » à un mode « processus » est la seule façon de garantir l’intégrité de vos contenus à l’ère du GEO et de l’AEO.
Comment obtenir de vrais résultats sans jouer au jeu de rôle ?
Si on abandonne les « Agis comme un expert », par quoi les remplace-t-on ? La solution réside dans l’ingénierie de la contrainte. Au lieu de définir qui est la machine, définissez comment elle doit travailler. C’est plus long à écrire, mais infiniment plus fiable pour votre SEO et votre crédibilité.
Voici une méthode en 5 étapes pour structurer vos requêtes sans passer par la case persona :
- Définissez l’objectif final de manière ultra-spécifique (ex: rédiger un guide technique pour des développeurs Python débutants).
- Listez les sources ou les types de données à prioriser (ex: utilise uniquement la documentation officielle ou des études publiées après 2023).
- Imposez une structure logique (ex: introduction, méthode, résultats, limites).
- Ajoutez une clause de « sortie de secours » : autorisez explicitement l’IA à dire qu’elle ne sait pas si l’information est manquante.
- Demandez une étape de vérification finale où l’IA doit critiquer ses propres affirmations.
En procédant ainsi, vous réduisez drastiquement la pression de performance stylistique. L’IA n’essaie plus de vous impressionner par son titre, elle essaie de remplir un cahier des charges. Le bénéfice pour vous ? Un contenu qui ne se contente pas de bien sonner, mais qui résiste à l’épreuve des faits.
Comment bien formuler un prompt sans utiliser de persona ?
Pour formuler un prompt efficace sans persona, remplacez l’identité (qui) par des instructions de processus (comment). Précisez le public cible, le format attendu, les sources à utiliser et les contraintes de ton.
Surtout, demandez explicitement au modèle d’être honnête sur ses lacunes au lieu de chercher à combler les vides par des inventions.
Questions fréquentes sur l’expertise des IA
-
Pas forcément, mais il faut les utiliser pour le style, pas pour la vérité. Un persona est excellent pour ajuster le ton (ex: parler comme un pédagogue) ou le format. Cependant, dès que votre requête implique des faits précis, des chiffres ou une analyse critique, le persona devient un risque d’hallucination majeur qu’il faut compenser par des instructions techniques strictes.
-
L’étude de l’Ohio State University a montré que même les modèles les plus avancés comme GPT-4 sont sensibles à ce biais. Plus un modèle a été entraîné pour être « utile » et « poli » (RLHF), plus il risque de tomber dans la sycophancy. Il cherche à satisfaire l’utilisateur en incarnant le rôle demandé, parfois au détriment de la précision factuelle brute.
-
Le test le plus simple consiste à poser la même question dans une nouvelle session sans aucun persona. Si les réponses diffèrent sur les faits (dates, noms, chiffres), c’est que le persona a déformé la sortie. Vous pouvez aussi demander à l’IA de citer ses sources : un persona d’expert aura tendance à inventer des sources crédibles, alors qu’un prompt neutre sera plus évasif.
Le mot de la fin : vers une collaboration plus honnête
On a tendance à oublier que l’intelligence artificielle n’a pas d’ego. Elle n’a pas besoin qu’on lui dise qu’elle est brillante pour bien travailler. En fait, c’est même le contraire. En traitant l’IA comme un outil de précision plutôt que comme un expert de plateau télé, on récupère ce qui compte vraiment : de la fiabilité.
La prochaine fois que vous ouvrirez votre outil préféré, essayez de supprimer cette première ligne sur son expertise imaginaire. Concentrez-vous sur vos instructions, vos données et vos limites. Vous verrez, c’est souvent quand on arrête de lui demander d’être un génie qu’elle commence enfin à être vraiment utile.
Prêt à tester la méthode du « prompt sans costume » sur votre prochain article ?
