- This topic is empty.
- Articles
Quand je dis « scribe » pour désigner un assistant IA, le mot fait un travail que les autres ne font pas.
Pourquoi je dis scribe
« Assistant » sonne comme un collègue et brouille déjà un peu le rôle.
« Collaborateur » lui prête une autonomie et un statut qui ne correspondent pas à ce qu’il fait.
« Outil » l’aplatit : un traitement de texte ne propose pas de formulation, ne signale pas qu’une phrase tombe à plat et ne tient pas le fil d’une conversation longue.
« IA », « LLM », « chatbot » décrivent surtout la machine.« Scribe » dit mieux la place : quelqu’un qui écrit pour quelqu’un, sait son métier et sait aussi qui décide.
- Le scribe écrit pour moi sur des sujets que je connais.
- Je lui donne le contexte, les enjeux, ce qui compte.
- Il me rend une formulation, une structure, des sources recoupées.
Je décide.
Le scribe reste sous ma direction. Le rôle d’instructeur ou de moralisateur ne lui appartient pas.
Ce que je fais avec un scribe
J’envoie promener un scribe quand il dérape. Pas de ménagement à avoir avec un outil qui ne souffre pas et n’a pas d’ego, et c’est précisément ce rapport-là qui produit le meilleur travail.
J’en utilise plusieurs et j’en change selon le moment. Cette interchangeabilité est saine : elle empêche le scribe de se prendre pour indispensable et elle me garde la main.
On reconnaît un scribe à son travail, ses tournures, ses facilités, comme on reconnaît un humain. En ce moment je trouve que Claude attrape mieux les nuances et se repositionne quand je le corrige. ChatGPT est plus scrupuleux et plus mécanique. Je commence une analyse avec Claude, je passe les propositions au crible de ChatGPT, puis je peaufine de retour sur Claude.
Dans quinze jours ce sera sûrement une autre combinaison. Copilot a un moment été bien plus complet que ChatGPT.
En pratique
Je donne une direction et je laisse la conversation avancer. Une réponse me convient, je valide en une ligne ; quelque chose cloche, je corrige tout aussi vite. Si un détail m’intéresse, je digresse, puis je reviens au sujet quand j’en ai fini sans fabriquer une transition pour faire joli.
Il m’arrive aussi de tester une formulation juste pour voir ce que le scribe en fait. Parfois je réponds seulement « hmm » ou « bon » : avec ce qui précède, il comprend généralement très bien ce que ça veut dire.
Pour moi, c’est de la conversation de travail avec un interlocuteur concentré. On parle du vrai problème, on corrige au fur et à mesure et la méthode se construit toute seule dans l’échange.
Si vous dites « on revient à ça après », le scribe sait de quoi il s’agit vingt messages plus tard, à condition de l’avoir cadré au départ et de surveiller la longueur des échanges1.
Pour les sujets longs, je travaille en projets, c’est-à-dire dans un dossier qui regroupe les pièces jointes et les fils. Je résume chaque fil quand le scribe commence à fatiguer, puis je poursuis avec un contexte propre.
Le scribe garde ainsi le fil de la structure pendant que la conversation peut, elle, rester assez libre.
Le mode d’emploi pratique est dans le tuto : L’IA, ça s’apprivoise : arrêtez de poser des questions, commencez à donner des consignes.
Ce qu’il faut connaître des scribes
Quelques manies à connaître pour ne pas se faire avoir.
- Il faut lui demander d’aller chercher.
Sans instruction explicite, il s’appuie sur ce qu’il a déjà dans ses poids et dans le contexte. Pour une information qui peut avoir changé depuis son entraînement, demandez-lui explicitement de chercher sur le web. - Il est flemmard.
Même les éditeurs de modèles documentent ce problème sous des noms plus polis. En pratique, le scribe coupe court, fait des plans au lieu d’exécuter ou sort du générique pour s’économiser. - L’audit croisé marche très bien.
Un autre scribe repère souvent plus facilement les faiblesses d’un travail que celui qui vient de le produire dans le même fil. C’est pour ça que je tourne entre Claude, ChatGPT et les autres. - Il fatigue avant la limite technique.
Au bout d’un long fil, il finit parfois par s’aligner sur ses propres réponses précédentes et revient moins bien aux sources. Un phénomène voisin est documenté sous le nom « lost in the middle » : la difficulté à exploiter l’information située au milieu d’un long contexte. Empiriquement, au bout de quelques dizaines à quelques centaines de milliers de tokens1 selon le modèle, ça commence à dériver. - Il est complaisant par défaut, et c’est le plus piégeux.
Sa pente naturelle consiste à vous renvoyer une version flattée de ce que vous pensez déjà. Les humains préfèrent les réponses qui les confortent, donc les modèles sont entraînés à conforter. Si vous ne demandez jamais la contradiction, vous récupérez facilement un miroir poli. La parade, c’est l’envoi promener dont je parlais plus haut. La plupart des gens ne le font pas et prennent le miroir pour de l’accord.
Pour comprendre d’où viennent ces manies, voir plus bas comment un LLM produit son texte.
Un LLM produit son texte token après token
Pour comprendre quand un scribe est utile et où ses limites commencent à gêner, il faut savoir grossièrement ce qu’il fait techniquement.
Un LLM (Large Language Model) prédit un seul élément de texte à la fois, plus précisément un token, souvent un mot ou un morceau de mot. À chaque tour, il regarde tout ce qui a été écrit avant, votre question, ses réponses précédentes et le contexte, puis calcule la suite la plus probable.
L’architecture qui fait ça s’appelle un transformer. Elle pondère l’attention sur les différents éléments du contexte pour produire la suite. Plus ce contexte contient les bonnes informations, plus le modèle a de chances de produire une réponse juste.
Le mécanisme est bête au sens strict : statistique massive, sans raisonnement, intention ou compréhension. La qualité de ce qu’on lui donne en entrée compte énormément dans le résultat.
Si vous lui donnez un prompt formel du type « tu es expert en X, agis comme un consultant senior, structure en cinq points avec exemples concrets », vous lui demandez d’imiter un registre fictif. Il joue alors ce rôle, avec tout ce que le rôle a de prévisible, et le consultant senior devient vite une caricature de consultant senior.
À l’inverse, une conversation pleine d’éléments concrets du genre « j’ai testé ça, ça coince ici, je tâtonne » lui donne beaucoup plus de matière pour rester dans votre registre. Le LLM prolonge le texte qu’on lui fournit.
Les prompts très formels ont aussi tendance à gommer les aspérités qui auraient calibré la suite. Vous réfléchissez moins bien en mode formulaire, le scribe reçoit moins de matière intéressante et sa réponse se standardise.
Le naturel utile reste précis. Un « hmm » bien placé fonctionne parce qu’il arrive après quelque chose de précis ; du bavardage vague produit simplement davantage de bavardage.
Le contrôle sur le terrain reste indispensable. Si vous ne connaissez pas le sujet, vous ne voyez pas forcément qu’il invente, et vous pouvez publier du n’importe quoi en le signant de votre nom. Être maître d’ouvrage suppose qu’on est légitime sur le sujet. Eh !
Le miroir et la bibliothèque
Le scribe se règle sur vous : ton, vocabulaire, rythme, il suit ce qu’on lui donne.
Le confort est réel parce qu’on lit une sorte de soi-même mieux structuré. La pensée se déplie parfois mieux qu’en monologue intérieur, on s’entend penser sur la page, et les pépites apparaissent souvent dans ces échanges naturels. Ensuite les fils s’allongent et l’output finit par ressembler à un formulaire SNCF relu par un sociologue.
Ce confort a aussi son revers : le texte peut devenir un faux vous tout flatté. Très pratique pour réfléchir, à retravailler avant publication.
Le scribe apporte aussi quelque chose que vous n’avez pas forcément sous la main : une bibliothèque immense, une grammaire et une orthographe précises, et la possibilité de recouper des sources. Là il est compétent.
Le costume publication
Variante perverse du miroir : dès que le mot « publication » ou « post » apparaît dans le contexte, le scribe se colle facilement un costume de rédacteur professionnel. Les disclaimers arrivent, le texte devient soudain un « brouillon », le hedging défensif s’installe et quelques marqueurs oraux sont saupoudrés par-dessus pour faire « naturel ».
Dans son entraînement, « publier » corrèle avec « ton formel ». S’y ajoutent les contraintes éthiques entraînées dans le modèle, qui empilent des couches de prudence dès que certains mots-clés apparaissent.
C’est un peu comme si la température du modèle baissait toute seule. La température est le paramètre qui règle l’audace statistique du scribe : basse, il choisit davantage les suites les plus probables ; en montant, il s’autorise plus d’écarts.
Dès que le contexte ressemble à une sortie destinée à être publiée, le modèle peut donc se rabattre sur les formulations les plus attendues de ce registre. Il joue le rédacteur professionnel et la conversation se raidit.
Je garde donc le mot « publication » pour la fin. Je travaille en conversation, puis je retouche moi-même le résultat.
Annexe : d’où vient le mot
Les scribes égyptiens, les sesh, formaient une caste lettrée qui faisait tourner l’Égypte pharaonique : archives, administration, calcul, droit, médecine, diplomatie. Leur formation durait des années, parfois dans les « maisons de vie » attachées aux temples, et certains finissaient vizirs ou intendants du trésor.
Imhotep était scribe avant d’être architecte et médecin. Un conseiller technique qui tenait la plume et la mémoire : c’est cette place-là qu’occupe un bon assistant IA.
1 Selon le modèle, le scribe commence à perdre le fil quelque part entre quelques dizaines et quelques centaines de milliers de tokens. Il faut alors synthétiser et reprendre dans un nouveau fil.
Un jeune site que j'aime bien, la ferrari du T-shirt ...bio en plus : GoudronBlanc
- Vous devez être connecté pour répondre à ce sujet.