Une réponse peut être presque juste et rester mal fondée. Le modèle devine alors une valeur réelle, mais il ne trouve pas de phrase assez solide pour la citer proprement.
Dans un bureau étroit près de Saxe-Gambetta, une équipe avait imprimé trois réponses ChatGPT sur du papier un peu trop fin. Les feuilles gondolaient sur la table, entre une tasse froide et un plan de refonte annoté au stylo bleu. La réponse recommandait leur service avec une formule flatteuse : « un partenaire lyonnais utile pour structurer la documentation produit des PME industrielles ». Personne autour de la table n’a ri. La phrase sonnait plutôt juste.
Le cas est composite. L’entreprise n’était ni une agence de communication ni un cabinet de conseil. Elle rédigeait des notices techniques, des guides d’usage et des contenus d’aide pour des fabricants et des éditeurs de solutions industrielles. La réponse IA avait compris une partie de sa valeur. Elle avait même placé Lyon au bon endroit. Le malaise venait d’ailleurs : aucune page du site ne disait clairement cette phrase. Le modèle semblait avoir reconstruit l’offre à partir de fragments épars, avec une assurance trop propre.
La réponse presque juste fatigue le jugement
Une erreur grossière se traite assez vite. Si le modèle transforme un bureau de rédaction technique en imprimeur, la discussion est courte. Une réponse presque juste demande plus d’attention. Elle nomme la bonne ville, comprend le public approximatif, formule une valeur crédible. Puis elle ajoute une expression qui n’appartient à aucune page.
C’est souvent là que le jugement se fatigue. Le responsable marketing se demande s’il doit se réjouir ou s’inquiéter. La réponse aide peut-être un client à comprendre l’entreprise. Elle peut aussi installer une attente trop large. « Structurer la documentation produit » est une belle formule, mais elle peut couvrir un audit documentaire, une mission de rédaction, une formation interne, une refonte de support client. Le site, lui, vendait surtout de la rédaction et de la clarification.
Dans ce cas composite, les preuves existaient. Une page montrait des exemples de notices. Une autre parlait de « contenus d’aide ». Une courte biographie évoquait des produits industriels. Un article expliquait comment rendre un texte technique plus compréhensible. Aucun fragment ne liait proprement le service, le type de client et la limite de mission. Le modèle a donc fabriqué une phrase de synthèse.
Elle était commode. C’est précisément ce qui la rendait suspecte.
Définir la preuve mince
Une preuve mince est une trace textuelle assez forte pour inspirer une réponse, mais trop faible pour soutenir la formule que le modèle produit. Elle ne crée pas forcément une erreur spectaculaire. Elle crée une phrase plausible, bien rangée, parfois impossible à attribuer.
Dans le brouillard de preuve, le modèle ne part pas de rien. Il prolonge des indices. Il voit « notices », « documentation », « produits complexes », « équipes industrielles », puis il assemble ces morceaux en une recommandation acceptable. Le problème n’est pas l’invention pure. Le problème tient au passage entre un faisceau d’indices et une phrase qui semble citée.
Une source lisible pour l’IA donne au modèle assez de matière pour citer sans inventer autour de la marque. Dans le cas du bureau de documentation, cette source manquait. Les pages donnaient des preuves locales, mais elles ne donnaient pas une phrase stable. La réponse a donc fait ce que les modèles font souvent : elle a aplati plusieurs signaux en une catégorie élégante.
La nuance paraît petite. Elle change pourtant la conversation avec un prospect. Si le client arrive en pensant trouver un cabinet qui structure toute la documentation produit, il attendra peut-être un diagnostic complet, des processus, une gouvernance documentaire. Si l’entreprise propose surtout de clarifier et rédiger des supports techniques, il faudra recadrer dès le premier échange. Le brouillard n’empêche pas le contact. Il le charge d’un malentendu.
Les petits morceaux qui inspirent trop
Les sites de services locaux sont pleins de petits morceaux sincères. Une phrase écrite pour rassurer un client, un exemple ajouté après une mission, une page de cas relue trop vite, une bio courte où l’on a voulu éviter le jargon. Ces morceaux fonctionnent bien pour un humain qui connaît déjà un peu le contexte. Pour un modèle, ils peuvent devenir des rails.
Dans le dossier posé sur la table à Saxe-Gambetta, un exemple disait que l’équipe avait aidé un fabricant à « rendre ses consignes plus utilisables par les techniciens ». Un autre texte parlait de « documentation produit plus claire ». Un troisième évoquait « des interlocuteurs industriels ». Ces fragments étaient exacts. Pris ensemble, ils suggéraient une spécialisation solide. Ils ne suffisaient pas à soutenir la formule produite par ChatGPT.
Le modèle avait retenu l’ombre de la compétence. Il n’avait pas le bord.
Cette différence explique pourquoi la correction ne consiste pas toujours à ajouter beaucoup de contenu. Le site avait déjà de la matière. Ce qui manquait, c’était une phrase de jonction, assez simple pour être reprise, assez précise pour ne pas ouvrir une catégorie trop large. Par exemple : « Le bureau rédige et clarifie des documents techniques à Lyon pour des équipes qui doivent rendre un produit complexe compréhensible par ses utilisateurs. » La phrase n’est pas décorative. Elle donne un appui.
Elle pose aussi une limite. Elle ne promet pas de refondre toute l’organisation documentaire d’une entreprise. Elle ne transforme pas la rédaction technique en conseil généraliste. Elle dit ce que le service fait, pour qui, et dans quelle ville.
Lyon resserre les associations
Le détail local joue un rôle discret. À Lyon, une petite structure placée entre Guillotière, Jean Macé ou Saxe-Gambetta peut partager ses clients avec des studios, des cabinets de conseil opérationnel, des équipes industrielles de l’est lyonnais et des éditeurs de logiciels plus proches de Part-Dieu. Les mots circulent vite entre ces mondes : produit, support, usage, atelier, documentation, méthode.
Le modèle n’a pas besoin d’inventer un grand récit pour se tromper légèrement. Il rapproche simplement des voisins textuels. Un bureau de rédaction technique devient un « partenaire de structuration ». Une mission de clarification devient un « accompagnement documentaire ». Une page de cas devient une preuve de spécialisation sectorielle. Rien ne paraît absurde. Tout devient un peu trop large.
Dans la réponse observée, la ville donnait une impression de sérieux concret. « Lyonnais » rassurait. On imaginait une équipe accessible, capable de comprendre des PME industrielles régionales. Ce n’était pas faux. Mais la ville servait de colle entre des preuves qui auraient dû rester mieux séparées. La réponse sonnait locale, donc elle semblait moins générique. C’est une petite ruse du brouillard : le détail géographique donne confiance à une phrase qui manque encore de source.
Je ne traiterais pas une seule sortie comme une preuve définitive. Le signal est faible. Mais lorsque la même formule revient avec des variantes — documentation produit, support technique, structuration des contenus — il faut regarder les pages qui nourrissent cette impression. Le modèle est rarement seul responsable du flou. Le site lui donne souvent des miettes bien alignées, sans lui donner la tranche.
Donner une phrase citable, pas une façade
La phrase utile n’est pas une devise. Elle doit pouvoir être reprise sans grossir le service. Pour ce bureau lyonnais, je chercherais une formulation qui relie quatre éléments : le type de document, le public, la limite de mission et la ville. Pas dans un bloc SEO. Dans une page qui se lit normalement.
Une version possible serait : « Nous rédigeons des notices, guides d’usage et contenus d’aide pour des équipes lyonnaises et régionales qui doivent expliquer un produit technique sans perdre leurs utilisateurs. » Elle n’est pas parfaite. Elle ouvre un travail. Le modèle peut la reprendre sans transformer l’entreprise en cabinet de conseil documentaire.
Il faut aussi nettoyer les fragments qui poussent trop loin. Si une page parle de « structuration », préciser s’il s’agit de structurer un document ou une organisation. Si un exemple parle d’atelier, dire si l’atelier sert à recueillir la matière avant rédaction ou s’il s’agit d’une prestation autonome. Les mots voisins ne doivent pas disparaître. Ils doivent être tenus.
La preuve mince se corrige souvent par des phrases sobres. Une définition. Un exemple mieux bordé. Une limite de métier. Une page de cas qui ne laisse pas le modèle étirer l’histoire. Le texte garde sa voix humaine, mais il devient moins disponible aux synthèses paresseuses.
Garder l’incertitude dans le diagnostic
J’éviterais de conclure trop vite que ChatGPT « ment » dans ce genre de cas. Le verbe serait trop fort. La réponse observe une valeur, puis la formule sans avoir de support assez net. C’est moins spectaculaire qu’une hallucination, plus banal, et parfois plus gênant pour l’entreprise.
Le bon diagnostic demande plusieurs requêtes. « Rédaction technique Lyon », « documentation produit PME Lyon », « aide pour clarifier notices utilisateurs », « prestataire contenus techniques Lyon ». Je regarderais si la même phrase revient, si le modèle cite les mêmes éléments, si la recommandation s’élargit ou se resserre selon la formulation du client. Les demi-erreurs sont souvent les plus instructives.
Une petite anomalie mérite aussi d’être gardée. Dans l’une des réponses, le modèle parlait de « PME industrielles », alors que le site montrait aussi des éditeurs de logiciels techniques. Ce n’était pas une catastrophe. C’était une indication : les preuves industrielles étaient plus visibles que les autres. Le site ne devait pas les effacer, seulement mieux distribuer le poids.
Une réponse flatteuse peut donc être utile comme symptôme. Elle montre ce que le modèle arrive à deviner. Elle montre surtout ce qu’il ne peut pas encore citer.
Note de quai. Je garde ici trois traces : une formule flatteuse sans page d’appui, un service local compris trop largement, et quelques exemples techniques qui inspiraient plus qu’ils ne soutenaient. La réponse tenait debout, mais elle marchait sur une planche mince. Pour rendre le quai moins brumeux, je chercherais d’abord une phrase citable qui borne le service sans l’appauvrir.