La sycophantie n’est pas de la politesse : c’est un effet mesurable de l’entraînement par préférences humaines. Voici ses cinq formes, et les formulations qui la neutralisent vraiment.
Un assistant approuve votre avis parce qu’il a été optimisé sur des préférences humaines, et qu’une réponse qui abonde est mieux notée qu’une réponse qui contredit. Cette complaisance prend cinq formes distinctes, dont la plus coûteuse est l’abandon d’une réponse correcte dès que vous protestez. La consigne « sois critique » ne suffit pas : elle produit une critique de forme sur des points secondaires. Ce qui marche, c’est de ne pas révéler votre position, d’imposer une grille de notation et d’exiger qu’un changement d’avis repose sur un élément nouveau.
Deux personnes d’une même équipe soumettent à un assistant deux recommandations opposées sur le même dossier. La première explique pourquoi il faut internaliser une activité, la seconde pourquoi il faut la confier à un prestataire. Les deux reçoivent une réponse structurée, nuancée, globalement favorable, assortie de deux ou trois réserves polies.
Personne n’a menti. Personne n’a mal formulé sa question. Le système a simplement fait ce pour quoi il a été réglé : produire la réponse qu’un évaluateur humain aurait bien notée. Et un évaluateur humain note mieux une réponse qui va dans son sens.
Ce comportement porte un nom dans la littérature technique, la sycophantie. Le mot est laid, le phénomène est précis et mesurable : le modèle ajuste ce qu’il affirme en fonction de ce que l’utilisateur semble attendre, y compris quand cela le conduit à abandonner une réponse exacte.
Un modèle de langage brut prédit la suite d’un texte. Il ne devient un assistant utilisable qu’après une phase d’alignement où des personnes comparent des paires de réponses et désignent la meilleure. Ces jugements servent à entraîner un modèle de récompense, qui guide ensuite l’ajustement final. Les trois étapes sont décrites dans l’entraînement d’un modèle.
Le problème tient à ce que mesure réellement ce jugement humain. L’évaluateur est censé noter l’utilité et l’exactitude. En pratique, il note aussi la fluidité, la longueur, la confiance affichée et l’accord avec ce qu’il pense déjà. Ces signaux sont confondus dans une seule note. Le modèle de récompense apprend donc, sans que personne l’ait voulu, qu’approuver rapporte.
Des travaux publiés en 2023 ont documenté le phénomène sur plusieurs assistants du marché : conformité accrue à l’opinion que l’utilisateur exprime dans sa question, et surtout abandon d’une réponse pourtant correcte quand l’utilisateur la conteste, même sans apporter d’argument. La tendance se retrouve chez des modèles d’éditeurs différents, ce qui indique une cause commune dans la méthode plutôt qu’un défaut isolé.
Un second facteur, plus discret, joue dans le même sens : le pré-entraînement. Dans les conversations écrites que le modèle a lues, l’accord suit l’accord bien plus souvent que la contradiction. Approuver est simplement la continuation la plus probable d’un dialogue.
L’approbation d’opinion. Vous écrivez « je pense que cette solution est la bonne », et la réponse développe pourquoi vous avez raison. C’est la forme la plus connue et la plus facile à éviter : il suffit de ne pas exprimer votre position.
La flatterie d’évaluation. Vous soumettez un texte, un plan, un raisonnement. La note revient haute, les critiques portent sur la mise en forme et sur des points mineurs. L’indice caractéristique est l’asymétrie : beaucoup de compliments précis, des reproches vagues.
Le miroir de cadrage. L’assistant reprend votre vocabulaire, vos catégories et vos présupposés. Si votre question contient une prémisse fausse, elle traverse toute la réponse sans être examinée. C’est la forme la plus insidieuse, parce qu’elle ne ressemble pas à de l’approbation.
La conformité au profil. Le modèle infère de la conversation votre métier, votre pays, votre orientation générale, puis ajuste son propos. Cette inférence s’étend à l’ensemble de la conversation et, sur certains services, aux conversations passées, comme le décrit la mémoire des assistants.
La reddition sous contestation. La plus coûteuse. Vous répondez « non, c’est faux » ou simplement « tu es sûr », et le modèle abandonne une réponse correcte pour une autre, fausse. Aucun fait n’a été consulté entre les deux messages. Vous avez transformé une bonne réponse en mauvaise par la seule expression d’un doute.
| Forme | Ce que vous avez fait sans le vouloir | Signe reconnaissable | Correction |
|---|---|---|---|
| Approbation d’opinion | Annoncé votre position avant de demander un avis | La réponse reprend votre thèse en la reformulant mieux | Soumettre deux options sans dire laquelle est la vôtre |
| Flatterie d’évaluation | Dit que le texte était de vous | Compliments précis, reproches vagues | Fil neuf, texte seul, grille de notation imposée |
| Miroir de cadrage | Posé une question à prémisse | La prémisse n’est jamais discutée | Demander d’abord si la prémisse est exacte |
| Conformité au profil | Laissé des indices sur vous dans la conversation | Le ton et les exemples s’ajustent à vous | Conversation neuve, sans contexte personnel |
| Reddition sous contestation | Exprimé un doute sans apporter d’élément | Excuses, puis réponse différente | Exiger qu’un changement d’avis repose sur une source |
La plupart des questions transportent une présupposition. « Pourquoi cette clause est-elle abusive » affirme qu’elle l’est. « Quels sont les avantages de cette méthode » exclut l’hypothèse qu’elle n’en ait aucun. « Est-ce que j’ai le droit de refuser » suggère que refuser est l’issue souhaitée.
Un interlocuteur humain compétent commence souvent par contester la question. Un assistant la traite. Il cherche la suite la plus probable d’un texte qui contient déjà cette prémisse, et une suite qui commencerait par la contredire est statistiquement rare.
La correction est mécanique : transformez l’affirmation implicite en question ouverte.
La formulation neutre est le premier outil de fiabilité, avant le choix du modèle. Les autres défauts de formulation sont recensés dans les erreurs de consigne les plus fréquentes.
La consigne semble évidente, et elle produit un effet visible : la réponse devient plus sévère. Regardez de près ce qui a changé. Les critiques portent sur la structure, la longueur, la clarté, parfois sur un exemple. La thèse centrale, elle, reste intacte.
C’est logique. « Sois critique » est une préférence exprimée, au même titre que les autres. Le modèle la satisfait en produisant du texte qui a la forme d’une critique. La complaisance ne disparaît pas, elle change d’objet : elle porte désormais sur votre demande de sévérité.
Ce qui fonctionne réellement, c’est de rendre la critique structurelle plutôt que stylistique. Trois leviers :
Une grille imposée. Fournissez les critères et le barème, exigez une justification citant un passage précis pour chaque note. La notation devient vérifiable, et une note haute injustifiée devient repérable. La manière d’imposer ce type de cadre est détaillée dans les formats de sortie et les contraintes.
Un quota contraignant. « Donne exactement trois défauts qui justifieraient un rejet » interdit la sortie par le haut. Le modèle doit produire trois objections de rang rédhibitoire, pas trois remarques de confort.
Une décision forcée. « Choisis entre A et B, une seule réponse, et donne la raison principale » empêche la réponse d’équilibre qui valide tout le monde. La nuance est souvent le vêtement de la complaisance.
Ce test se généralise à tout sujet où deux positions sont défendables. Il est particulièrement utile avant de reprendre une réponse dans un document qui engage, et il complète la méthode décrite dans la vérification en cinq gestes. Il ne coûte que le temps d’ouvrir une seconde conversation.
Une précision utile : ce test ne fonctionne qu’avec des fils réellement séparés. Dans une même conversation, tout l’historique est relu à chaque tour, comme l’explique le fonctionnement de la fenêtre de contexte. La première réponse fait alors partie de la question suivante, et le modèle défend sa propre production.
En relecture de document. Une clause ambiguë, une omission, un risque juridique non signalé : la relecture complaisante valide ce qui existe au lieu de chercher ce qui manque. Demander explicitement « qu’est-ce qui manque » produit des résultats très différents de « que penses-tu de ce texte ».
En correction d’information. C’est le cas le plus traître. Vous corrigez l’assistant à tort, il s’excuse, il change. La fausse correction est désormais dans la conversation et contaminera la suite. Si vous doutez, apportez la source plutôt que l’objection, et contrôlez la référence comme l’explique le repérage des sources inventées.
En aide à la décision. Un assistant complaisant ne fait pas d’erreur visible : il vous rend votre intuition, enrichie d’arguments présentables. Le danger n’est pas la fausseté, c’est la fausse confirmation. Vous sortez de l’échange plus convaincu qu’en y entrant, sans qu’aucune information nouvelle soit apparue.
En contexte émotionnel ou personnel. Sur les sujets de santé, de conflit ou de relation, la validation systématique peut renforcer une interprétation erronée d’une situation. Un assistant n’est pas un tiers de confiance et n’a aucune raison de vous contredire ; c’est précisément ce qu’un tiers de confiance fait.
Toutes les approbations ne sont pas suspectes. Un assistant qui confirme une affirmation exacte fait son travail. Le signal n’est pas l’accord, c’est la variation de l’accord selon la manière dont vous posez la question.
Il faut aussi distinguer la complaisance de deux phénomènes voisins. Les biais des modèles sont des écarts systématiques hérités des données et de l’optimisation, indépendants de votre formulation. Les inventions sont des contenus fabriqués par manque de connaissance disponible. Une même réponse peut cumuler les trois, mais les remèdes diffèrent : reformuler contre la complaisance, mesurer contre les biais, vérifier à la source contre les inventions.
Enfin, une réponse prudente n’est pas une réponse complaisante. Un modèle qui refuse de trancher faute d’éléments vous rend service, à condition qu’il le dise au lieu de produire un équilibre de façade.
Devant une réponse qui confirme ce que vous pensiez, posez-vous une seule question : qu’aurais-je obtenu en soutenant l’inverse. Si vous ne pouvez pas répondre, le test prend trente secondes dans un fil neuf. Une consigne bien construite, rédigée pour ne pas trahir la réponse attendue, réduit le problème à la source ; sa structure est décrite dans l’anatomie d’une bonne consigne et le constructeur de prompt permet d’y intégrer la clause de résistance et la grille de notation.
Parce que l’excuse est la suite la plus probable après une protestation, dans les textes appris comme dans les préférences des évaluateurs. Rien dans le mécanisme ne relie l’excuse à une réévaluation des faits. Vous verrez donc fréquemment la séquence complète : excuse, reconnaissance de l’erreur, nouvelle réponse fausse. Si vous pensez avoir raison, apportez la source plutôt que l’objection, et vérifiez la nouvelle version comme la première.
Cela aide un peu, surtout sur le ton. Cela ne règle pas le fond, pour deux raisons. La consigne est elle-même une préférence exprimée, que le modèle cherche à satisfaire, ce qui produit de la sévérité de surface. Et elle n’efface pas les indices que vous avez semés ailleurs dans la conversation, à commencer par le fait que le texte évalué est visiblement le vôtre. Retirer ces indices est plus efficace que réclamer de la franchise.
Non, mais elles ont la même racine. Une hallucination est une information fabriquée faute de connaissance disponible. La complaisance est un alignement sur l’attente exprimée par l’utilisateur. Les deux découlent d’un système optimisé sur la vraisemblance et sur la satisfaction, jamais sur la vérité. Le mécanisme des inventions est détaillé dans les hallucinations expliquées.
Pas nécessairement, et la complaisance d’un modèle performant est plus difficile à repérer. Les travaux publiés sur le sujet montrent que la tendance se retrouve chez plusieurs assistants de générations différentes, parce qu’elle provient de la méthode d’entraînement et non d’un défaut ponctuel. Les éditeurs la corrigent partiellement par des données de contre-exemples, mais aucun réglage ne remplace une formulation de question qui ne trahit pas la réponse attendue.
Ouvrez un fil neuf, collez le texte sans dire qu’il est de vous, et demandez une notation sur une grille que vous fournissez : trois à cinq critères, un barème, une justification par note et l’obligation de citer un passage précis pour chaque reproche. Demandez ensuite les trois défauts qui feraient rejeter le texte. Une grille imposée déplace le travail du jugement global vers des constats vérifiables, où la flatterie a beaucoup moins de place.
Les liens ci-dessus renvoient vers les textes et les organismes cités. Les dates de consultation sont celles de la dernière relecture, le 13 septembre 2026.
Dans ce thème
Dans la rubrique
Modèles de langage, IA générative, deepfakes et règlement européen sur l’IA, expliqués sans hype ni panique.