Analyse comparative de modèles d’IA générative pour l’écriture poétique
Item
- Title
- Analyse comparative de modèles d’IA générative pour l’écriture poétique
- Description
-
Le retour d’expérience montre que les modèles testés présentent des comportements très différents. ChatGPT s’est révélé particulièrement efficace dans cette expérimentation, notamment en raison de la qualité des réponses obtenues et de la possibilité d’utiliser une version plus avancée grâce à l’abonnement. Les textes générés étaient généralement plus cohérents, plus riches et plus proches de l’intention poétique recherchée. L’outil a aussi montré une bonne capacité à suivre les consignes, à intégrer des contraintes stylistiques et à reformuler les résultats lorsque des ajustements étaient demandés.
Gemini et Claude ont également produit des textes intéressants, souvent riches sur le plan du vocabulaire et de la formulation. Cependant, Gemini a nécessité plusieurs modifications du prompt avant de parvenir à un résultat satisfaisant. Les premières réponses pouvaient être trop générales, trop explicatives ou insuffisamment poétiques. Il fallait donc préciser davantage la demande, ajuster les contraintes et réorienter le modèle pour obtenir une écriture plus proche de l’effet recherché.
Claude s’est distingué par une certaine fluidité et une bonne qualité d’écriture, mais son usage a été limité par l’absence d’abonnement. Cette contrainte a réduit les possibilités d’essais successifs, alors que la génération poétique nécessite souvent plusieurs itérations. Même lorsque les premiers résultats sont pertinents, il est généralement nécessaire de retravailler le ton, la densité des images, le rythme ou le rapport au corpus. La limite d’accès devient donc un facteur important dans l’évaluation pratique de l’outil.
Copilot a aussi permis de produire des résultats exploitables, mais avec davantage d’instabilité. Les réponses demandaient souvent des ajustements importants. Dans certains cas, le texte restait trop proche d’une description ou d’un résumé, plutôt que de devenir une véritable proposition poétique. Il fallait donc reformuler la consigne pour insister sur l’écriture, l’image, la sensibilité au lieu et la transformation littéraire des sources.
Grok a été moins satisfaisant dans le cadre de cette expérimentation. Les réponses semblaient moins sensibles aux consignes poétiques et moins précises dans l’interprétation des prompts. Les textes produits étaient souvent plus directs, moins nuancés, parfois plus génériques. Ils correspondaient moins à l’objectif d’une écriture poétique liée au territoire, aux rues et aux images.
Un élément important de cette expérimentation concerne le nombre d’essais nécessaires. Pour certains modèles, une consigne simple pouvait produire un résultat acceptable dès la première réponse. Pour d’autres, il fallait plusieurs reformulations avant d’obtenir un texte satisfaisant. Cette différence est importante dans le cadre d’un projet portant sur un grand nombre de rues, car un outil qui exige trop d’ajustements manuels devient difficilement compatible avec une démarche à grande échelle.
L’expérimentation a également montré que le respect des consignes varie fortement selon les modèles. Certains suivent assez bien les indications concernant le style, le ton, la longueur ou l’usage des extraits fournis. D’autres ont tendance à simplifier la demande, à ajouter des éléments non demandés, à produire un texte trop explicatif ou à s’éloigner du corpus initial. Cette observation souligne l’importance de rédiger des prompts très précis, mais aussi de prévoir une phase de vérification et de sélection des résultats.
Sur le plan du langage, les différences sont également visibles. Les meilleurs résultats sont ceux qui parviennent à éviter les clichés poétiques trop évidents, les métaphores répétitives ou les formulations convenues. Certains modèles utilisent rapidement des images attendues — la mémoire, les pas, les pierres, le silence, la lumière, les traces — sans toujours les renouveler. Ces motifs peuvent être pertinents pour un projet sur les rues, mais ils deviennent problématiques lorsqu’ils se répètent de manière automatique. La richesse poétique dépend donc moins de la simple présence d’images que de leur précision, de leur variété et de leur capacité à faire sentir un lieu particulier.
Enfin, cette première expérimentation a permis de comprendre que l’IA générative ne produit pas directement un résultat final, mais plutôt une matière textuelle à évaluer, retravailler et orienter. Les textes générés doivent être considérés comme des propositions. Ils peuvent ouvrir des pistes, révéler des images inattendues ou accélérer la production, mais ils nécessitent un regard critique. Le rôle de la personne qui mène le projet reste essentiel : il faut choisir les outils, formuler les consignes, comparer les réponses, identifier les dérives et décider ce qui peut être conservé ou transformé.
- Actant ayant créé ce retour d'expérience
-
Anjara Mamisoa Rafidison
Linked resources
| Title | Class |
|---|---|
 I. Analyse comparative de modèles d’IA générative pour l’écriture poétique |
Annotations
There are no annotations for this resource.