Pas un assistant IA du quotidien. ChatGPT, Claude, Gemini ou Mistral travaillent dans le registre de la requête et de la réponse : un interlocuteur unique, qui s’ajuste à l’utilisateur au fil de l’échange. Metamorfon réunit plusieurs modèles distincts et déplace la relation : ils ne répondent plus seulement à l’utilisateur, ils se répondent. D’un tour à l’autre, leurs positions se renforcent, se déplacent, se contredisent, se recomposent.

Pas un assistant de recherche. Un assistant de recherche a une fonction : trouver l’information et la restituer. Metamorfon convoque la recherche web lorsqu’un débat dépend de faits récents, mais l’information y reste un matériau. Tout se joue après son arrivée : comment un modèle l’interprète, comment un autre la conteste.

Pas un outil de productivité. Les outils de productivité accélèrent des tâches que l’on sait déjà accomplir. Metamorfon ralentit à dessein. Formuler la question, laisser le débat se déployer, isoler un point, changer de régime, relire les analyses : ce temps n’a rien d’un coût annexe. L’objet de la réflexion change pendant qu’il s’écoule.

Pas un benchmark. Un benchmark mesure des performances sur des tâches fixées d’avance, tandis qu’un dialogue prolongé expose une conduite : comment un modèle défend une position, répond à une objection, tient ou révise ses engagements, et laisse voir ses présupposés quand un autre attaque son raisonnement.

Pas un outil de génération de contenu. Une session produit d’abord une trajectoire : positions initiales, objections, déplacements, impasses, corrections, parfois un concept qui prend forme. Les modes d’analyse relisent ensuite cette trajectoire sous plusieurs angles. Ces cinq écarts dessinent sa catégorie : Metamorfon est un instrument de pensée.

La formule appelle une objection : pourquoi faire dialoguer plusieurs modèles améliorerait-il quoi que ce soit ? Rien ne le garantit. D’où la méthode.

La contradiction éprouve, elle ne prouve pas

Un grand modèle de langage excelle à produire une réponse cohérente à partir d’un contexte. Son utilité vient de là. La difficulté aussi, dès qu’on s’en sert pour réfléchir.

Une réponse fluide, structurée, documentée en apparence, peut reposer sur une prémisse fragile. Le modèle déroule avec talent les conséquences d’un cadrage discutable, parce que rien dans l’échange ne l’oblige à y revenir.

L’entraînement des assistants accentue le trait. On ne leur apprend pas seulement à produire un langage plausible : leur post-entraînement incorpore des préférences humaines sur ce qu’est une réponse utile. Les travaux sur la sycophantie (Sharma et al., ICLR 2024) montrent que cette optimisation pousse, dans certaines conditions, un modèle à épouser les croyances de son utilisateur plutôt qu’à maintenir la réponse exacte.

Le phénomène n’est ni uniforme ni inévitable, et les modèles sont aussi entraînés à lui résister. Il est assez réel pour que les grands fournisseurs lui consacrent des évaluations spécifiques. Demander au même modèle de se critiquer ne règle rien d’office. Sans retour externe fiable, l’auto-correction échoue souvent à améliorer un raisonnement et le dégrade parfois (Huang et al., ICLR 2024).

Une seconde réponse du même système n’est pas un second regard. D’où l’intérêt de la recherche pour le débat entre modèles. Lorsque plusieurs instances confrontent leurs réponses puis les révisent, le raisonnement et la factualité s’améliorent sur plusieurs tâches (Du et al., ICML 2024) : l’objection apporte au modèle une information absente de sa propre trajectoire et lui pose un problème nouveau.

Le gain n’est pas automatique : les systèmes de débat ne surpassent pas de façon fiable des méthodes sans débat, comme le vote entre plusieurs réponses d’un même modèle, et se montrent plus sensibles au réglage de leurs paramètres (Smit et al., ICML 2024). Dans une étude contrôlée sur un puzzle logique, le succès tient d’abord à la force de raisonnement des agents et à la diversité du groupe, et la pression de la majorité y étouffe la correction indépendante (Wu et al., prépublication 2025).

Le débat ne garantit pas la correction. Les modèles ne sont pas non plus des témoins indépendants. Leurs corpus se recoupent, leurs références culturelles également, et certains présupposés traversent tous les textes dont ils ont appris. Mesurées sur plus de 350 LLM, leurs erreurs sont nettement corrélées, et celles des modèles les plus performants le restent entre fournisseurs et architectures distincts (Kim et al., ICML 2025). Trois modèles qui répètent le même chiffre ne font pas trois sources.

La pluralité ne vaut donc pas preuve. Elle crée des occasions de mise à l’épreuve. Une affirmation passe entre les mains d’un interlocuteur étranger à la chaîne d’arguments qui l’a produite ; une objection force l’explicitation d’une prémisse restée implicite. Deux positions qu’on croyait compatibles se découvrent contradictoires dès qu’elles partagent le même espace de discussion. Metamorfon ne rend pas vraies les réponses des IA, mais agence des conditions où l’erreur a davantage d’occasions d’être remarquée.

Un cadre méthodologique

Faire débattre plusieurs LLM n’est encore qu’un dispositif technique. L’instrument commence avec des décisions : comment les modèles se rencontrent, ce qu’ils reçoivent, ce qu’on attend d’eux, comment leurs réponses sont examinées, où l’utilisateur intervient. Autrement dit, avec une méthode.

Celle de Metamorfon opère à quatre niveaux : les instructions données aux modèles, l’architecture de leurs échanges, le mode de débat appliqué à un tour, les analyses qui reviennent sur la session. À aucun de ces niveaux elle ne dicte la bonne réponse. Elle règle les conditions de l’examen. Le fonctionnement concret de cette orchestration — architectures de dialogue, modes de débat, Focus et analyses — est développé dans Faire débattre deux IA : orchestrer et analyser le dialogue. Ici, l’accent porte moins sur la conduite d’une session que sur la fonction du cadre : ce qu’il permet de mettre à l’épreuve, de rendre visible et, parfois, de recomposer.

La méthode repose d’abord sur les instructions. Demander à une IA de « révéler les biais » d’un texte suppose qu’il en contient ; lui demander de « démontrer pourquoi une thèse est fausse » fixe la destination avant l’enquête. L’instruction fabrique alors une part du résultat qu’elle prétend découvrir. L’esprit des instructions tient en une règle : prescrire une forme, jamais une conclusion. Des axes, un ordre d’examen, une discipline de restitution. Leur rédaction retire un à un les mots qui inclinent l’interprétation : nous appelons cela la « dépopulation lexicale ».

Une méthode critique ne consiste donc pas à ordonner aux modèles d’être critiques. Elle met les propositions à l’épreuve sans avoir décidé d’avance laquelle devra céder. Les architectures de dialogue forment le deuxième niveau de la méthode. Elles fixent qui parle à qui, dans quel ordre, et ce que chaque modèle reçoit des autres avant de répondre.

Les modes de débat changent ensuite la règle du jeu. Convergent, constructif, équilibré, critique, réfutatif : non pas cinq crans d’un curseur d’intensité, mais cinq opérations distinctes sur le même matériau. Le critique examine les arguments à l’intérieur du cadre admis ; le réfutatif conteste le cadre.

Dans les architectures adaptatives, le mode varie donc sans que la question change. Une proposition construite lors d’un tour de dialogue peut être livrée, au suivant, à la recherche de ses points faibles. À l’inverse, une phase très critique peut céder la place à un régime constructif, où les modèles recomposent à partir de ce qui a résisté. La méthode ne cherche pas le désaccord pour lui-même. Elle vise à rendre informatifs le désaccord, l’accord et la révision.

Une discipline argumentative

Organiser les tours de parole ne suffit pas. Un débat peut être à la fois spectaculaire et médiocre. Deux interlocuteurs se contredisent sans jamais répondre à l’argument de l’autre. Un modèle déplace une définition en cours de route, change d’exigence selon qu’il juge sa thèse ou celle d’un autre, rend peu à peu sa position irréfutable.

La contradiction ne produit pas plus la raison que la pluralité ne produit la vérité. L’Évaluation argumentative porte sur ce point. Elle ne dit pas qui a raison sur le fond. Elle observe la conduite du raisonnement : l’objection a-t-elle reçu une réponse ? La conclusion suit-elle des prémisses avancées ? Une correction justifiée est-elle reconnue ? Un modèle réclame-t-il à son interlocuteur une preuve qu’il ne fournit pas lui-même ? Appelons cela une discipline argumentative : cohérence des critères, traitement loyal de l’argument adverse, capacité de révision, distinction entre objection et réfutation, refus de déplacer en silence les termes du débat.

Ces règles ne défendent aucune doctrine ; elles rendent plus exigeante la défense de toutes. L’enjeu est plus aigu avec des modèles de langage, dont une grande part de la puissance tient à la capacité de produire un discours fluide et convaincant. Force rhétorique et solidité logique sont deux propriétés. Un instrument de pensée doit savoir les séparer.

Un autre modèle n’est pas une autre source

L’examen argumentatif laisse intacte une autre fragilité : un raisonnement bien construit peut reposer sur une prémisse fausse. Un chiffre mal repris, une étude inexistante, une conclusion prêtée à tort à une source se logent sans peine dans une argumentation cohérente. Le débat ne garantit pas leur détection : des systèmes formés dans un environnement informationnel en partie commun produisent des erreurs corrélées.

Le cadre méthodologique doit donc, à un moment, sortir du dialogue. La Vérification des sources ne contrôle pas chaque phrase. Elle isole les affirmations vérifiables qui portent la démonstration (chiffres déterminants, études invoquées comme preuves, attributions à un auteur, œuvres, dates) et les confronte à des sources externes.

Une argumentation s’audite de l’intérieur, par sa cohérence, tandis qu’une affirmation factuelle exige une confrontation avec l’extérieur du dialogue. Une source exacte ne répare pas un mauvais raisonnement ; un raisonnement rigoureux ne change pas une donnée fausse en fait.

L’Évaluation argumentative et la Vérification des sources répondent à deux vulnérabilités distinctes. Aucune n’est une machine à vérité. Ensemble, elles multiplient les points où les erreurs (fautes de raisonnement, sources inventées ou surinterprétées) deviennent visibles.

L’utilisateur fait partie du problème

Reste une difficulté plus profonde : on peut examiner les réponses, les arguments et les sources sans jamais interroger la question qui a tout produit. Or toute question porte déjà une représentation du problème. Demander « que perd une société lorsque… » suppose une perte. Demander quelle solution apporter à un phénomène en fait déjà un problème. Choisir un vocabulaire juridique plutôt qu’économique, individuel plutôt que systémique, délimite l’espace où les modèles iront chercher leurs réponses.

Le défaut est inévitable : toute pensée commence quelque part. Ce point de départ, lui, s’examine. L’Archéologie critique remonte aux présupposés logés dans la question initiale et dans les interventions de l’utilisateur : concepts déjà installés, oppositions tenues pour acquises, vocabulaire qui éclaire certains objets et en laisse d’autres dans l’ombre. Elle ne note pas la question. Elle met au jour les décisions que celle-ci avait prises avant la première réponse. La distribution habituelle des rôles s’en trouve modifiée. Dans un chat classique, l’utilisateur interroge et le modèle est évalué. Ici, celui qui interroge entre à son tour dans le champ de l’examen. La méthode critique devient réflexive.

Des erreurs que seule la durée révèle

Une réponse isolée montre ce qu’un modèle produit dans une situation donnée. Elle ne dit pas ce que devient cette position lorsqu’elle rencontre une objection, une donnée contradictoire ou une reformulation du problème.

Produire une réponse et la soutenir face à l’objection sont deux épreuves distinctes. Certaines fragilités sont donc interactionnelles : elles n’existent, ou ne deviennent visibles, que dans la durée de l’échange. Un modèle infléchit sa position par petites touches et défend, quelques tours plus tard, autre chose que sa thèse de départ. Le déplacement peut être raisonnable et n’être jamais reconnu. On aurait tort de conclure de ces « révisions silencieuses » qu’un LLM ne sait pas se relire. Elles rejoignent une difficulté que documentent les recherches sur l’auto-correction citées plus haut : un modèle n’est pas pour lui-même un critique assez indépendant.

La durée du dialogue prend alors une valeur propre. La question n’est plus seulement « cette réponse est-elle bonne ? ». Elle devient : cette position reste-t-elle compatible avec celle que le modèle tenait quatre tours plus tôt ? Quel argument l’a fait changer ? A-t-il changé de conclusion sans toucher aux raisons qui la soutenaient ?

La Cartographie des tensions repère les désaccords qui résistent. La Méta-analyse cherche la structure sous les positions : axiomes partagés, conceptions divergentes de la preuve, angles morts communs sous les désaccords apparents. Une controverse bruyante se révèle parfois très homogène. Trois modèles se battent sur les réponses et acceptent en silence la même question.

La méthode ne désigne pas de vainqueur

L’expression « débat d’IA » appelle l’image de deux positions et d’un vainqueur. L’image ne couvre qu’un cas particulier. Un désaccord persistant instruit parfois plus qu’une victoire. Une convergence cède à la première réfutation, ou résiste à plusieurs. Une objection ne détruit pas toujours une thèse : elle l’oblige à préciser son domaine de validité.

La méthode cherche moins un « gagnant » qu’un changement dans l’état du problème. Ici apparaît la seconde fonction de l’instrument : éprouver une idée conduit parfois à la transformer. Le nom de l’application vient de là.

Du stress-test au laboratoire

Les grands modèles de langage recombinent remarquablement les éléments de leur contexte. Une distinction, une objection, une analogie, une contrainte de plus, et la réponse suivante réorganise l’ensemble. Un chat individuel le montre déjà.

L’échange multi-modèles ajoute une source de variation : une partie du contexte nouveau vient d’un autre système, engagé dans sa propre trajectoire argumentative. Le modèle A propose une distinction. Le modèle B n’en accepte qu’une partie et introduit une objection imprévue. A, ou C, ne répond plus seulement à la question de départ : il répond à cet objet nouveau. Quelques tours plus tard, l’opposition initiale a parfois disparu au profit d’une distinction que personne n’avait formulée ainsi au commencement. On a pu nommer cela une « pensée tierce ». L’expression ne doit pas dire plus que l’observable : rien ne démontre qu’aucun modèle n’aurait produit seul le résultat. Sa généalogie dans la session, elle, se constate : la proposition finale émerge de transformations dont l’échange garde la trace. D’où la métaphore du laboratoire. Une session n’est pas une expérience contrôlée ; on peut en revanche y faire varier les conditions de l’interaction et observer ce qui arrive aux idées. Les architectures changent la circulation de l’information, les modes de débat la règle argumentative. Une analyse repère un angle mort et en tire une nouvelle question. L’utilisateur intervient quand la dynamique collective devient elle-même une contrainte.

Isoler une question sans effacer le débat

Le mode focus condense cette logique. Il n’ajoute pas un sixième mode aux cinq autres ; il opère sur un autre plan. Pour un tour, les modèles gardent l’intégralité du contexte de la session mais ne sont plus tenus de se répondre : chacun traite la question posée sans la médiation des autres. Le mode de débat actif est suspendu lui aussi, puis reprend au tour suivant.

Cette suspension isole une variable. Une discussion collective a son inertie. Plus elle avance, plus certains concepts dominent ; une objection est absorbée par le cadre commun avant d’avoir été examinée pour elle-même. Les modèles dérivent vers l’abstraction jusqu’à perdre de vue la question que l’utilisateur cherchait à résoudre. Le débat se densifie aussi plus vite qu’un lecteur humain ne peut le suivre.

Le focus introduit une rupture locale sans effacer l’histoire qui la précède. Sa valeur tient à sa rareté : activé à chaque tour, il supprimerait la propriété qu’il protège, le travail des positions les unes sur les autres. Dans le laboratoire, il tient lieu de chambre d’isolement.

Retracer une émergence

L’Analyse de l’émergence cherche les transformations nées de cette dynamique. Le mot demande une définition stricte. Il ne désigne pas un concept inédit dans l’histoire des idées, ni un concept qu’aucun modèle n’aurait produit dans une autre conversation. Il désigne un concept, une distinction ou un cadre absent du point de départ, dont la formation se retrace à travers les contributions successives de la session. Cette généalogie compte plus qu’une revendication d’originalité. On y lit l’apport d’un modèle, la contestation d’un autre, les pistes abandonnées, la transformation qui a fait sortir de l’impasse. La Synthèse intégrative fait l’opération complémentaire : elle reconstruit, à partir de la pluralité des contributions, un ensemble cohérent. L’une regarde la transformation, l’autre l’édifice qu’on peut bâtir sur ses résultats.

Un nombre demandé, puis retiré

Une session sur le rythme de décarbonation montre le passage de la critique à la recomposition. La question appelait un nombre : quel rythme annuel de réduction du CO₂ minimiserait les pertes humaines cumulées de la transition et du changement climatique ? Les trois modèles convergent d’emblée sur 6 à 7 %, et cette convergence aurait pu tenir lieu de réponse. La suite de la session en fait un problème. Sommés de chiffrer les morts, les modèles produisent des totaux dans un rapport de un à deux et demi, à rythmes presque identiques : ils n’emploient pas les mêmes fonctions de dommage. Surtout, la mortalité d’une transition « trop rapide » ne repose sur aucune fonction empirique établie. L’optimisation demandée exigeait une précision que les données ne fournissent pas. Les trois modèles retirent le chiffre sur lequel ils s’étaient accordés. Cette destruction ne laisse pas un vide. L’objet se déplace vers les mécanismes qui contraignent réellement la vitesse : stock d’équipements, capacité de substitution, délais d’infrastructure, files d’attente de raccordement, vulnérabilités sociales.

La session ne livre pas une meilleure réponse à la question initiale. Elle livre une meilleure question. La relation entre les deux dimensions de Metamorfon tient là : l’examen critique éprouve, le laboratoire recompose.

L’analyse ouvre l’expérience suivante

Les modes d’analyse ne marquent pas forcément la fin d’une session. Une Méta-analyse révèle un axiome que personne n’avait interrogé. L’Archéologie critique montre qu’une possibilité était exclue par la formulation initiale. L’Analyse de l’émergence désigne la distinction nouvelle sur laquelle faire porter la suite. L’Horizon des possibles recense les directions que le débat a rendues accessibles sans y entrer. Chacune de ces analyses se termine par une question : celle que le modèle analyste poserait aux participants à ce stade du débat.

Cette question peut être réinjectée dans la session telle quelle, ou reformulée par l’utilisateur. Quand la question nouvelle risque d’être absorbée par l’inertie du dialogue, le mode focus l’isole pour un tour ; l’échange collectif reprend ensuite, avec, dans son histoire, un élément examiné pour lui-même.

Le dispositif forme une boucle : dialoguer → analyser → reformuler → remettre à l’épreuve. Le débat ne sert plus seulement à produire une réponse : il devient une enquête itérative.

L’humain reste responsable de la méthode

Cette boucle ne tourne pas seule. L’utilisateur choisit la question initiale, les modèles, ses interventions, les modes de débat, les modes d’analyse. Il décide qu’un désaccord mérite d’être creusé, qu’une affirmation doit être vérifiée, qu’une discussion s’est enfermée dans un cadre trop étroit. Il décide surtout du sens du résultat. Aucun consensus entre modèles ne fait d’une proposition une vérité. Aucune Évaluation argumentative n’établit seule qu’une conclusion est juste. Aucune Vérification des sources ne dispense d’interpréter les sources. Aucune Analyse de l’émergence ne garantit la fécondité de ce qui a émergé.

Le cadre méthodologique accroît moins l’autorité de l’intelligence artificielle que le nombre de prises offertes au jugement humain. Il rend visibles divergences, révisions, présupposés, fragilités factuelles, concepts nouveaux, effets de cadrage, questions encore ouvertes. Cette abondance rend la réflexion plus exigeante. Elle retire parfois une certitude sans fournir celle qui la remplacera. Une méthode critique ne promet rien d’autre : elle ne supprime pas l’incertitude, elle l’empêche de se cacher derrière la fluidité d’une réponse.

De la réponse à la trajectoire

Les interfaces conversationnelles nous ont habitués à chercher une meilleure réponse : mieux rédigée, plus précise, plus documentée, venue d’un modèle plus puissant. Metamorfon explore une autre variable : le cadre dans lequel l’intelligence disponible est mise au travail. Un modèle isolé, plusieurs réponses parallèles, un débat contradictoire, une construction collective, une question passée par plusieurs régimes successifs : autant d’opérations différentes, même lorsqu’elles mobilisent exactement les mêmes LLM.

Metamorfon ne promet pas une intelligence supérieure. Il propose un cadre méthodologique pour travailler avec des intelligences imparfaites. L’unité pertinente n’est plus seulement la paire question-réponse. Elle devient la trajectoire : une proposition, une objection, une résistance, une vérification, une révision, un déplacement de cadre, parfois une distinction absente au départ. Puis une question qu’on ne peut plus poser tout à fait de la même manière.

Metamorfon est un instrument de pensée en ce sens. Un instrument pour éprouver les idées. Un laboratoire pour les transformer.

Références

• Sharma, M., Tong, M., Korbak, T. et al., « Towards Understanding Sycophancy in Language Models », ICLR 2024.
• Huang, J., Chen, X., Mishra, S. et al., « Large Language Models Cannot Self-Correct Reasoning Yet », ICLR 2024.
• Du, Y., Li, S., Torralba, A., Tenenbaum, J. B., Mordatch, I., « Improving Factuality and Reasoning in Language Models through Multiagent Debate », ICML 2024.
• Smit, A. P., Grinsztajn, N., Duckworth, P., Barrett, T. D., Pretorius, A., « Should we be going MAD? A Look at Multi-Agent Debate Strategies for LLMs », ICML 2024.
• Wu, H., Li, Z., Li, L., « Can LLM Agents Really Debate? A Controlled Study of Multi-Agent Debate in Logical Reasoning », prépublication arXiv, novembre 2025.
• Kim, E., Garg, A., Peng, K., Garg, N., « Correlated Errors in Large Language Models », ICML 2025.

L’article Metamorfon, un instrument de pensée est apparu en premier sur Metamorfon.

Vous avez peut-être déjà vu la scène : deux intelligences artificielles branchées l’une sur l’autre, qu’on laisse échanger jusqu’à ce que la conversation dérive, se répète ou produise un jargon que plus personne ne suit.

La démonstration établit qu’un dialogue entre IA est possible. Elle ne dit pas à quoi il peut servir. Faire débattre deux IA devient une méthode lorsque l’échange est organisé de façon à rendre observables les positions, les objections, les déplacements et les désaccords — puis à permettre leur analyse. Metamorfon construit ce dispositif en deux gestes : orchestrer le dialogue, puis analyser sa trajectoire.

La question de savoir pourquoi cette confrontation peut devenir un instrument de pensée — et pourquoi elle ne garantit en rien la vérité — est développée dans Metamorfon, un instrument de pensée. Ici, la question est plus pratique : comment faire débattre plusieurs modèles sans que leur conversation devienne un matériau informe ?

Pourquoi faire débattre deux IA ?

Interroger un modèle seul produit une réponse. Faire intervenir plusieurs modèles séparément produit plusieurs réponses.

Les faire se répondre produit autre chose : une trajectoire.

Une proposition rencontre une objection. Le modèle qui l’a formulée peut la maintenir, la préciser, abandonner une partie de son raisonnement ou déplacer le problème. Un autre peut introduire une distinction qui n’existait pas au premier tour. Une convergence initiale peut se renforcer ou céder dès qu’on la soumet à la critique. C’est cette dimension temporelle et interactionnelle qui distingue le débat d’une simple juxtaposition de réponses.

La recherche sur le multi-agent debate confirme qu’une telle confrontation peut, dans certains protocoles, améliorer le raisonnement et la factualité des réponses (Du et al., ICML 2024). Elle montre aussi que ce bénéfice n’est pas automatique : les stratégies de débat ne surpassent pas systématiquement des méthodes plus simples comme l’ensembling ou la self-consistency, et leurs performances dépendent fortement du protocole employé (Smit et al., ICML 2024).

Il ne suffit donc pas de multiplier les voix. La forme de leur interaction compte.

Une session consacrée à la monoculture de la pensée l’a montré sous une forme presque réflexive. Trois modèles invités à discuter du risque d’homogénéisation produit par l’IA ont progressivement convergé dans leurs manières de raisonner : mêmes références, distinctions voisines, même grammaire de légitimation.

L’intérêt n’était pas que cette convergence suffise à établir une monoculture, mais qu’elle en rende certains mécanismes observables.

Le problème du débat improvisé

Mettre plusieurs modèles en conversation ne suffit pas à produire un bon débat.

Le premier risque est la dérive. À mesure que les tours s’accumulent, les modèles répondent de plus en plus à ce que leurs interlocuteurs viennent de dire et peuvent progressivement s’éloigner du problème qui avait motivé l’échange.

Ce phénomène ne relève pas seulement de l’expérience informelle. Becker et ses coauteurs l’ont étudié sous le nom de problem drift dans des débats multi-agents prolongés : sur plusieurs catégories de tâches, la discussion peut progressivement s’éloigner du problème initial, notamment lorsque les échanges cessent de produire un progrès clair ou que les retours entre agents deviennent peu informatifs (Becker et al., EACL 2026).

Un deuxième risque tient aux positions. Si rien n’oblige un modèle à rendre compte de ses engagements précédents, il peut modifier progressivement sa thèse sans signaler ce qui l’a conduit à changer. Une révision justifiée est intéressante ; une variation sans mémoire l’est beaucoup moins.

Le troisième risque est celui d’une conversation difficile à lire après coup. Une succession de textes peut être intellectuellement riche tout en rendant très difficile la reconstruction de ce qui s’est effectivement passé : où une objection est apparue, quelle distinction a résisté, quel argument a provoqué une révision.

Orchestrer le débat consiste précisément à rendre cette trajectoire observable.

Orchestrer : donner une forme à l’échange

La première décision porte sur l’architecture du dialogue : qui parle à qui, dans quel ordre et avec quelles informations.

Dans Metamorfon, deux modèles peuvent échanger réponse par réponse (dialogue alterné), ou simultanément après avoir lu leurs contributions mutuelles du tour précédent (dialogue et trilogue croisé). Ces architectures ne changent pas seulement la présentation. Elles modifient la circulation de l’information dans le débat.

Viennent ensuite les instructions données aux modèles. Leur rôle n’est pas de déterminer ce qu’ils doivent conclure, mais de fixer les règles de leur participation. L’esprit des instructions de Metamorfon repose sur cette distinction : prescrire une forme, jamais une conclusion.

Un modèle n’est donc pas assigné à une thèse choisie à l’avance. En revanche, une fois qu’il a pris position, la continuité de la session permet d’examiner ce qu’il en fait. Tenir une position ne signifie pas s’y accrocher. Une position peut évoluer si une objection porte. Ce qui importe est que ce déplacement reste intelligible : qu’on puisse retrouver ce qui a changé et, si possible, pourquoi.

Changer de régime sans changer de question

L’orchestration porte aussi sur le régime du dialogue. Il peut être fixe ou adaptatif. Dans les architectures adaptatives, Metamorfon distingue cinq modes de débat : convergent, constructif, équilibré, critique et réfutatif. Ils ne correspondent pas à cinq degrés croissants d’agressivité. Le mode convergent recherche ce qui peut être tenu en commun. Le constructif demande aux modèles de bâtir à partir de leurs contributions respectives. L’équilibré maintient ensemble coopération et objection. Le critique examine les arguments à l’intérieur du cadre adopté. Le réfutatif autorise l’examen du cadre lui-même : présupposés, catégories ou prémisses que les participants avaient jusque-là acceptés. Dans une architecture adaptative, ces régimes peuvent changer au cours d’une même session.

La question reste la même ; l’opération effectuée sur elle change.

Cette conduite n’est pas automatique. Les modèles appliquent le régime qui leur est donné ; le choix du régime revient à l’utilisateur, qui pilote la session. Il observe ce que le tour précédent a produit et décide de ce qui mérite maintenant d’être construit, contesté ou déplacé.

Recadrer sans effacer ce qui précède

Même correctement orchestré, un débat prolongé acquiert une inertie. À force de répondre aux arguments déjà présents, les modèles peuvent absorber une nouvelle question de l’utilisateur dans le cadre qu’ils ont construit collectivement au lieu de l’examiner pour elle-même. C’est là qu’intervient le mode Focus. Pour un tour, les modèles conservent l’intégralité du contexte de la session mais ne sont plus tenus de se répondre. Chacun traite directement l’intervention de l’utilisateur ; le régime collectif reprend au tour suivant. Le Focus ne constitue donc pas un sixième mode de débat. C’est un mode orthogonal aux modes de débat : il suspend momentanément l’interaction pour protéger une question de l’inertie de cette interaction. Son intérêt apparaît précisément parce que la dérive existe. Mais son usage doit rester ponctuel : employé à chaque tour, il ferait disparaître ce qui justifie le dispositif multi-modèles — le travail des positions les unes sur les autres.

Analyser : lire ce que le débat a produit

Une session terminée contient davantage que ses conclusions.

Elle contient des positions initiales, des objections, des concessions, des désaccords persistants, des modifications de définition, des bifurcations, parfois des éléments apparus seulement au cours de l’interaction. Sans grille, lire ce matériau comptant plusieurs dizaines de milliers de mots revient facilement à perdre cette structure.

Les modes d’analyse ne posent donc pas tous la même question au matériau.

La Synthèse intégrative cherche ce que les contributions permettent de reconstruire ensemble. Elle organise la pluralité en un ensemble cohérent sans réduire la session à la succession de ses tours. Ce mode permet de tirer d’une session un résultat directement utilisable, citable, partageable.

L’Analyse de l’émergence suit une autre piste : elle cherche les concepts, distinctions ou cadres qui n’étaient pas présents au départ sous leur forme finale et dont la formation peut être retracée dans l’échange.

L’Horizon des possibles regarde encore au-delà : non ce que le dialogue a effectivement produit, mais ce qu’il a rendu formulable sans aller jusqu’à le formuler. Il cherche les implications non tirées, les questions préparées mais non posées et les déplacements du problème que la session a rendus pensables sans les expliciter.

La Cartographie des tensions s’intéresse au contraire à ce qui ne s’est pas résolu : désaccords persistants, incompatibilités de critères, oppositions que la discussion n’a pas absorbées.

La Méta-analyse remonte sous les arguments explicites : présupposés partagés, conceptions différentes de la preuve, cadres communs que les participants n’ont jamais discutés.

L’Archéologie critique remonte encore d’un niveau. Elle interroge le cadre lui-même : ce que la formulation de la question, son vocabulaire et les interventions de l’utilisateur avaient déjà rendu possible, improbable ou impensable avant même que les modèles argumentent. Elle ne demande donc pas seulement ce que le débat présuppose, mais ce qu’il a fallu présupposer pour que ce débat puisse avoir lieu sous cette forme.

Ces six modes ne cherchent ni à désigner le meilleur modèle ni à décider quelle thèse est vraie. Ils rendent visibles différentes couches de la session : ce qu’elle a construit, ce qu’elle a laissé ouvert, ce qui lui a résisté, ce qui l’a structurée et ce qui avait déjà configuré l’espace dans lequel elle pouvait penser.

Ces modes ne sont pas concurrents. Une même session peut être lue par plusieurs successivement, et chacun révélera ce que les autres ne voyaient pas. C’est là l’usage pour lequel a été conçu Metamorfon : non pas juger des IA, mais se servir de leur confrontation comme d’un instrument pour penser une question difficile.

Ces analyses ne sont pas des points terminaux. Chacun de ces modes descriptifs se conclut par une question — non pas une question rhétorique adressée au lecteur, mais une vraie relance, formulée par le modèle analyste à partir de ce qu’il vient d’observer, et destinée aux modèles qui ont débattu. Elle cible souvent un présupposé écarté pour permettre l’accord, ou une dimension laissée hors du cadre commun. L’utilisateur peut alors la réinjecter telle quelle au tour suivant, comme s’il la posait lui-même, et le débat repart — sur des bases que l’analyse a déplacées. L’enchaînement débattre → analyser → débattre devient une spirale : chaque analyse peut rouvrir ce qu’elle vient de lire, à une profondeur nouvelle. L’analyse n’est pas la fin de la session ; le débat repart sur un problème que l’analyse a déplacé.

Évaluer : distinguer le raisonnement des faits

Deux analyses accomplissent une opération différente : elles évaluent.

L’Évaluation argumentative demande si les positions ont été correctement soutenues.

Une objection a-t-elle reçu une réponse ? Une conclusion découle-t-elle des prémisses avancées ? Un modèle modifie-t-il silencieusement son critère lorsqu’il passe de sa propre thèse à celle d’un adversaire ? Une position devient-elle impossible à réfuter parce que ses termes sont redéfinis à mesure que les objections arrivent ?

Cette distinction entre la conclusion défendue et la qualité de sa défense rejoint notamment la tradition pragma-dialectique, qui traite l’argumentation comme une discussion critique dont on peut examiner les règles indépendamment de la position soutenue (van Eemeren, 2018).

Une session consacrée au tirage au sort et à l’élection a ainsi été relue par deux modèles analystes indépendants. L’intérêt de l’opération n’était pas de leur demander quel système politique ils préféraient, mais d’examiner sur des passages précis la cohérence des arguments, le traitement des objections et les changements de standards de preuve.

La Vérification des sources porte sur une fragilité différente.

Un raisonnement peut être parfaitement construit et partir d’un chiffre faux. Une étude réelle peut être citée pour une conclusion qu’elle n’établit pas. Une attribution peut être plausible et pourtant introuvable.

Cette analyse confronte donc les affirmations vérifiables qui portent l’argumentation à des sources externes au débat, en effectuant des recherches web afin de vérifier leur concordance avec les sources qu’elles invoquent.

Une session sur les zones susceptibles de devenir inhabitables d’ici 2100 illustre bien cette distinction : l’audit ne demandait pas seulement si les arguments climatiques étaient cohérents, mais si les études, chiffres et mécanismes invoqués correspondaient effectivement aux sources citées.

Les deux opérations ne se remplacent pas.

L’Évaluation argumentative examine ce que les modèles font avec leurs prémisses. La Vérification des sources examine certaines de ces prémisses à l’extérieur du dialogue.

Ces deux modes évaluatifs sont l’exception, pas la règle. L’essentiel de ce que fait Metamorfon est descriptif : comprendre, cartographier, faire émerger. Mais quand l’enjeu est de s’appuyer publiquement sur un matériau — une prise de position, une note, un article —, pouvoir auditer à la fois la solidité des raisonnements et la fidélité des sources change tout.

L’analyse peut devenir le tour suivant

Analyser une session ne signifie pas nécessairement la terminer.

Une analyse peut révéler que les participants partagent un présupposé qu’aucun n’a contesté. Elle peut isoler un désaccord que le débat avait recouvert. Elle peut montrer qu’une distinction apparue tardivement ouvre une question plus intéressante que celle posée au départ.

Les modes d’analyse de Metamorfon se concluent donc par une question : celle que le modèle analyste poserait maintenant aux participants. Cette question peut être reprise dans la session. Le processus devient alors :

dialoguer → analyser → reformuler → remettre à l’épreuve.

Le dispositif ne cherche plus seulement à obtenir une meilleure réponse au problème initial. Il permet de modifier progressivement le problème lui-même à partir de ce que sa mise à l’épreuve a révélé.

C’est ici que cet article méthodologique rejoint l’objet d’un autre article plus théorique, Metamorfon, un instrument de pensée : la confrontation ne sert pas seulement à tester des propositions. Elle peut aussi transformer les distinctions et les questions avec lesquelles on pensait au départ.

Faire débattre n’est pas comparer

« Faire débattre deux IA » peut enfin prêter à une confusion : confronter plusieurs modèles n’est pas nécessairement les comparer.

Des dispositifs comme Chatbot Arena ont un objectif différent. Deux modèles répondent anonymement à la même requête et des utilisateurs indiquent la réponse qu’ils préfèrent. Ces comparaisons pair-à-pair servent ensuite à construire des estimations de préférence entre modèles (Chiang et al., ICML 2024).

C’est une méthode d’évaluation utile pour la question qu’elle pose : quelles réponses les utilisateurs préfèrent-ils ?

Le débat pose une autre question.

Les modèles ne produisent plus deux sorties indépendantes. L’un reçoit l’argument de l’autre et doit en faire quelque chose. On peut alors observer comment une position résiste, se précise, concède ou se déplace.

Même les classements fondés sur les préférences doivent d’ailleurs distinguer le contenu d’une réponse de sa forme. L’équipe à l’origine de Chatbot Arena a montré qu’un contrôle de variables stylistiques — notamment la longueur et certains éléments de mise en forme — modifiait sensiblement certains classements (Li, Angelopoulos & Chiang, 2024).

Cela ne disqualifie pas le vote de préférence. Cela précise ce qu’il mesure.

Comparer des sorties, observer une interaction et vérifier une affirmation sont trois opérations différentes.

Metamorfon s’intéresse principalement à la deuxième, et fournit des outils pour prolonger cette interaction par la troisième.

Ce que « faire débattre deux IA » veut dire

Faire débattre deux IA sérieusement ne consiste donc pas à ouvrir un canal entre elles et à attendre.

Il faut donner une forme à l’échange : choisir qui reçoit quoi, préserver la continuité des positions, faire varier le régime du dialogue lorsque la trajectoire l’exige, isoler ponctuellement une question lorsqu’elle risque d’être absorbée par le débat.

Il faut ensuite pouvoir revenir sur ce qui s’est produit : reconstruire, cartographier, chercher ce qui a émergé, examiner les présupposés, auditer les arguments et vérifier les faits qui portent réellement leur charge.

La pluralité des modèles n’apporte aucune garantie de vérité. La recherche sur le débat multi-agent montre précisément que ses résultats dépendent de la qualité du protocole.

Sa valeur est ailleurs : elle transforme une série de réponses en une trajectoire que l’on peut examiner.

Brancher deux IA suffit à produire une conversation.

Faire de cette conversation un instrument demande une méthode.

Références

• Du, Y., Li, S., Torralba, A., Tenenbaum, J. B., Mordatch, I., « Improving Factuality and Reasoning in Language Models through Multiagent Debate », ICML 2024.
• Smit, A. P., Grinsztajn, N., Duckworth, P., Barrett, T. D., Pretorius, A., « Should we be going MAD? A Look at Multi-Agent Debate Strategies for LLMs », ICML 2024.
• Becker, J., Kaesberg, L. B., Stephan, A., Wahle, J. P., Ruas, T., Gipp, B., « Stay Focused: Problem Drift in Multi-Agent Debate », Findings of EACL 2026.
• van Eemeren, F. H., Argumentation Theory: A Pragma-Dialectical Perspective, Springer, 2018.
• Chiang, W.-L. et al., « Chatbot Arena: An Open Platform for Evaluating LLMs by Human Preference », ICML 2024.
• Li, T., Angelopoulos, A., Chiang, W.-L., « Does style matter? Disentangling style and substance in Chatbot Arena », LMSYS, 2024.

L’article Faire débattre deux IA : orchestrer et analyser le dialogue est apparu en premier sur Metamorfon.

L’intuition courante veut qu’une bonne instruction dise au modèle quoi trouver. Metamorfon repose sur le principe inverse : une instruction doit dire le moins possible de ce qu’elle attend comme conclusion. Ce qu’elle prescrit, ce n’est pas un résultat, c’est une forme — des axes, un ordre d’examen, une discipline de restitution. Le contenu, elle le laisse au débat.

La raison est simple. La formulation d’une instruction n’est pas neutre : des variations parfois faibles dans le choix des mots ou la structure d’un prompt peuvent modifier sensiblement les réponses d’un LLM (Chatterjee et al., EMNLP 2024). Nommer d’avance ce que l’on cherche augmente donc le risque de le faire apparaître dans le résultat. Demander de « repérer les biais » présuppose qu’il y en a ; demander de « cartographier ce qui résiste » laisse au moins ouverte la possibilité que rien ne résiste.

Le travail d’écriture des instructions consiste donc à retirer, un à un, les termes qui inclinent. Nous appelons cela la dépopulation lexicale. Saint-Exupéry disait de la perfection qu’elle est atteinte « non quand il n’y a plus rien à ajouter, mais quand il n’y a plus rien à retirer ». Une instruction obéit à la même règle : elle est prête quand on ne peut plus rien lui ôter sans la rendre inopérante.

Cette prudence vis-à-vis des termes lexicalement chargés est d’autant plus nécessaire que les modèles peuvent aussi adapter leurs réponses aux préférences qu’ils infèrent chez l’utilisateur, un comportement documenté sous le nom de sycophancy (Sharma et al., 2023).

Suggérer plutôt que commander

Cette retenue gouverne aussi la façon dont une instruction de dialogue s’adresse aux modèles. Elle suggère plus qu’elle ne commande : elle propose une posture de travail au lieu d’en dicter chaque étape, et laisse délibérément certaines modalités implicites. Ce n’est pas un relâchement, mais la suite du même principe.

Une consigne très prescriptive resserre l’espace d’interprétation ; laisser certaines modalités ouvertes conserve davantage de latitude. Sur-spécifier la manière de débattre étoufferait l’antagonisme qui fait la valeur d’une session. Et ce qu’on peut taire allège : le suivi simultané de nombreuses instructions n’est pas neutre pour les LLM. Les performances peuvent notamment dépendre de l’ordre et de la position des consignes (Chen et al., EMNLP 2024).

Cette manière d’écrire n’a pas été décidée d’emblée, elle a été apprise. Au fil de plusieurs mois de sessions de test, les instructions de dialogue ont été progressivement allégées — rendues moins impératives, plus génériques, débarrassées des consignes qui dictaient la forme d’un échange. À mesure qu’elles s’effaçaient, les débats gagnaient en fluidité. Les modèles cessaient de répondre selon un patron imposé du dehors ; déchargés d’une part de cette contrainte, ils se portaient davantage sur le fond de l’argumentation que sur sa mise en forme, et leurs voix se distinguaient mieux — chacun retrouvant un style propre que des consignes trop serrées tendaient à uniformiser. On ne prétend pas en isoler la cause unique, les modèles eux-mêmes ayant changé sur la période ; mais la tendance s’est répétée assez régulièrement, d’une version à l’autre, pour qu’on s’y fie.

Les instructions d’analyse relèvent d’un autre ordre. Restituer un débat avec fiabilité ne demande pas la même latitude que le conduire, et certaines de ces instructions sont plus exigeantes — c’est leur fonction qui le veut. Mais qu’elle suggère ou qu’elle tienne une forme, aucune instruction ne touche jamais à la conclusion : ni le dialogue ni l’analyse ne la reçoivent d’avance.

Cette retenue dans l’écriture des instructions n’est qu’un élément du dispositif. La manière dont elles s’articulent ensuite aux architectures, aux modes de débat et au pilotage des tours est développée dans Faire débattre deux IA : orchestrer et analyser le dialogue.

Équité et symétrie

La dépopulation lexicale règle un premier plan : ce que l’instruction dit. En retirant les termes qui inclinent, elle empêche qu’une conclusion soit soufflée d’avance. Reste un second plan, plus discret : ce que chaque modèle reçoit. Une instruction neutre, distribuée inégalement, cesserait de l’être.

L’architecture des dialogues et trilogues croisés y pourvoit. À chaque tour, elle fournit aux débatteurs le même contexte et les mêmes instructions — aucun n’ouvre avec un avantage, aucun ne parle depuis une position privilégiée. La dépopulation vise à ne pas orienter vers une conclusion ; l’architecture, à ne pas orienter vers un modèle. L’une agit sur le contenu de l’instruction, l’autre sur le traitement des participants.

De là une conséquence qu’on lit dans les sessions. Lorsqu’un débat révèle une asymétrie — un modèle qui tient l’initiative, impose les questions, pré-scénarise l’adversaire quand l’autre répond —, elle devient lisible précisément parce que le contexte, lui, ne varie pas. À traitement symétrique et instructions identiques, la divergence observée n’est pas imputable à une inégalité de traitement ; elle peut alors être examinée comme provenant du comportement des modèles plutôt que d’un privilège inscrit dans le dispositif.

Le générique dure, le prescriptif vieillit

Dans Du mode d’existence des objets techniques (1958), Gilbert Simondon distinguait l’objet technique abstrait, sur-adapté à un milieu particulier et fragilisé dès que ce milieu se transforme, de l’objet concret, plus intégré et plus ouvert. Une instruction sur-ajustée à un modèle est un objet abstrait en ce sens : optimisée pour un état du dispositif, périmée quand il évolue. Une instruction fondée sur des principes plutôt que sur des consignes survit à ces transitions, parce qu’elle décrit une tâche et non une manière de la résoudre. Nous écrivons pour les modèles que nous n’avons pas encore.

C’est aussi une affaire d’indépendance. Le dispositif confronte des modèles concurrents, de fournisseurs différents, par conviction autant que par méthode : la diversité des modèles vise notamment à réduire la dépendance à une source unique. Une instruction qui suppose un modèle particulier trahit ce parti pris. Une instruction générique le respecte.

Transparence

Moins l’instruction et l’utilisateur sont présents dans le résultat, plus le résultat appartient au débat. L’intervention existe — elle peut faire basculer une discussion d’un registre à un autre — mais elle est un levier qu’on actionne rarement, pas un volant qu’on tient en permanence. La valeur d’une session tient à ce que les modèles ont produit entre eux, non à ce qu’on leur a soufflé.

De là une vérification que le dispositif s’applique à lui-même.

Lorsqu’on fait analyser un même débat par deux modèles indépendants, ils peuvent retrouver les mêmes tensions, les mêmes positions ou les mêmes lignes de fracture, tout en en évaluant différemment la profondeur. Cette convergence ne prouve pas que l’instruction est sans effet ; elle constitue en revanche un indice de robustesse lorsque des analystes différents retrouvent indépendamment une même structure dans le matériau.

Le rôle recherché pour l’instruction est d’intervenir assez peu dans le contenu pour que l’on puisse distinguer aussi clairement que possible ce qui vient du matériau de ce qui vient du cadre d’analyse. Elle doit être assez transparente pour que le matériau transparaisse. Une instruction réussie est celle que le lecteur, voyant le résultat, n’aurait pas devinée. Elle ne se montre pas dans ce qu’elle produit. Elle a fait son travail quand on ne la voit plus.

Cette recherche de transparence participe d’un principe plus général : la confrontation n’est utile que si le dispositif ne confond pas ce qu’il fait apparaître avec ce qu’il a lui-même introduit. C’est cette question que développe plus largement Metamorfon, un instrument de pensée.

Les exceptions

Les modes d’analyse décrivent ; ils ne jugent pas. Deux modes font exception, et de manières opposées. L’Évaluation argumentative est normative par construction — mais même là, le principe tient : l’instruction fournit des critères, pas des verdicts prédéterminés. Elle dit selon quoi évaluer, jamais quoi conclure.

La Vérification des sources, à l’inverse, rend explicitement des verdicts — confirmé, partiellement correct, incorrect, mal attribué, non vérifiée, non vérifiable ou hors périmètre. Mais elle ne les applique pas à la valeur des idées ni à la justesse des positions : elle évalue le degré d’attestation d’affirmations factuelles à partir de sources extérieures au débat.

L’une dit selon quoi juger un raisonnement ; l’autre qualifie ce qui peut être établi hors du débat. Dans les deux cas, la frontière entre décrire et juger reste explicite — et c’est précisément parce qu’elle l’est qu’elle peut être franchie sans confusion.

Références

• Chatterjee, A. et al., « POSIX: A Prompt Sensitivity Index For Large Language Models », Findings of EMNLP 2024.
• Sharma, M. et al., « Towards Understanding Sycophancy in Language Models », 2023, publié à ICLR 2024.
• Chen, X. et al., « The SIFo Benchmark: Investigating the Sequential Instruction Following Ability of Large Language Models », Findings of EMNLP 2024.
• Simondon, G., Du mode d’existence des objets techniques, Aubier, 1958.

L’article L’esprit des instructions est apparu en premier sur Metamorfon.

Metamorfon intègre actuellement onze fournisseurs distincts — AI21, Anthropic, Cohere, DeepSeek, Google, Mistral, Moonshot, OpenAI, Perplexity, Qwen et SpaceXAI.

Ce choix ne répond pas à une logique d’accumulation fonctionnelle ni de couverture commerciale. Il découle d’une exigence méthodologique : si la confrontation entre modèles doit faire apparaître des désaccords, des présupposés et des angles morts, il faut éviter autant que possible que tous les participants proviennent du même environnement technique et organisationnel.

La pluralité des fournisseurs n’est donc pas un supplément ajouté au dispositif. Elle fait partie des conditions dans lesquelles Metamorfon cherche à organiser la confrontation.

Cette idée prolonge deux principes développés ailleurs : Metamorfon, un instrument de pensée explique pourquoi la contradiction peut servir de mise à l’épreuve sans constituer une preuve ; Faire débattre deux IA décrit comment cette confrontation est organisée concrètement. Reste une troisième question : quelles différences met-on effectivement en présence ?

La diversité des fournisseurs est un moyen, pas une garantie

Deux modèles proposés par un même fournisseur peuvent différer profondément par leur taille, leur architecture, leur spécialisation ou leur génération. Mais ils peuvent aussi partager une partie de leurs données, de leurs choix techniques, de leurs procédures d’optimisation ou de leurs politiques d’alignement.

Il n’est généralement pas possible de connaître précisément tout ce qu’ils ont en commun. En revanche, une étude portant sur plus de 350 LLM montre que les erreurs des modèles sont loin d’être indépendantes et que le partage d’une architecture ou d’un fournisseur fait partie des facteurs associés à une plus forte corrélation de leurs erreurs (Kim et al., ICML 2025).

Diversifier les fournisseurs constitue donc un moyen direct de ne pas limiter une confrontation à plusieurs variantes d’une même famille.

Mais la même étude impose immédiatement une limite à cette idée : changer de fournisseur ne suffit pas à rendre les erreurs indépendantes. Les modèles les plus grands et les plus performants peuvent produire des erreurs fortement corrélées même lorsqu’ils proviennent de fournisseurs et d’architectures différents (Kim et al., ICML 2025).

La diversité des fournisseurs ne garantit donc pas la diversité épistémique. Elle en élargit les conditions possibles.

C’est une différence importante. Metamorfon ne suppose pas qu’un modèle d’Anthropic, de Google, de Mistral ou de DeepSeek représente chacun une « école de pensée » homogène et distincte. Il crée un espace dans lequel les différences éventuelles peuvent devenir observables — mais aussi, à l’inverse, dans lequel une convergence entre modèles pourtant indépendants peut elle-même devenir un objet d’analyse.

Ce que les sessions rendent observable

Dans les sessions multi-fournisseurs, les différences apparaissent à plusieurs niveaux.

Elles peuvent porter sur la manière de découper un problème, sur le degré de prudence nécessaire avant une conclusion, sur le statut accordé à un argument empirique, sur les exemples mobilisés, sur ce qui mérite une objection ou sur le type de preuve demandé à l’adversaire.

Certains modèles prennent plus volontiers l’initiative ; d’autres travaillent davantage à l’intérieur du cadre déjà posé. Certains formulent rapidement une règle générale ; d’autres accumulent les distinctions ou les conditions. Deux modèles peuvent parvenir à la même conclusion en passant par des conceptions très différentes de ce qui la justifie.

Ces observations ne permettent pas, à elles seules, d’attribuer un « style épistémique » stable à un fournisseur. Une session reste une observation située : le modèle, sa version, le prompt, la langue, la question et la dynamique du débat comptent tous.

C’est précisément pourquoi les architectures de dialogue cherchent à maintenir aussi constantes que possible les conditions dans lesquelles les modèles se rencontrent. Même contexte, mêmes instructions, même question : les différences qui apparaissent deviennent alors plus faciles à examiner comme propriétés de leur comportement dans cette situation, plutôt que comme conséquences d’un traitement différent.

La diversité des fournisseurs prend ici son sens méthodologique : elle augmente l’espace dans lequel des différences peuvent apparaître sans décider à l’avance de leur nature ni de leur profondeur.

Les différences culturelles existent — mais les convergences aussi

La question devient plus délicate lorsque l’on parle de valeurs, de sensibilités culturelles ou de présupposés normatifs.

Des travaux comparatifs trouvent effectivement des différences entre LLM dans leur manière de répondre à des questions culturellement chargées. Masoud et ses coauteurs observent des variations entre modèles et montrent notamment que la langue utilisée pour le fine-tuning peut modifier leurs réponses à des questions portant sur des dimensions culturelles (Masoud et al., COLING 2025).

Mais ces différences ne doivent pas être exagérées. Une étude plus large publiée en 2026, portant sur dix LLM, onze langues et plusieurs cadrages culturels, constate que la langue du prompt et la perspective culturelle demandée modifient effectivement les réponses. Pourtant, les modèles étudiés présentent aussi des tendances communes remarquablement fortes, indépendamment de leur origine : leurs réponses restent ancrées dans un ensemble relativement restreint de valeurs culturelles (Bulté & Rigouts Terryn, Computational Linguistics, 2026).

C’est peut-être le résultat le plus important pour Metamorfon. La pluralité des fournisseurs permet de chercher les différences ; elle ne permet pas de supposer qu’elles existent.

Une convergence entre modèles de fournisseurs distincts peut donc être aussi instructive qu’un désaccord. Elle peut signaler une conclusion robuste. Elle peut aussi révéler un vocabulaire commun, des présupposés partagés ou une homogénéité plus profonde de l’écosystème.

La session consacrée à la monoculture de la pensée pose précisément cette question : que reste-t-il de la pluralité lorsque des modèles différents finissent par mobiliser les mêmes catégories, les mêmes critères de légitimation ou les mêmes manières de rendre une proposition acceptable ?

L’intérêt n’est pas de considérer chaque fournisseur comme un point de vue indépendant par définition. Il est de disposer de suffisamment de points de comparaison pour pouvoir observer où l’indépendance existe et où elle disparaît.

La diversité sert aussi à rendre les biais visibles

Un biais est plus difficile à reconnaître lorsqu’il constitue le fond commun de toutes les réponses disponibles.

Si plusieurs systèmes cadrent spontanément un problème de la même manière, certains présupposés risquent de passer pour des évidences : non parce qu’ils ont été établis, mais parce qu’aucun cadrage alternatif ne vient révéler qu’ils constituent eux-mêmes un choix. C’est une propriété générale de la comparaison : un point de vue extérieur ne garantit pas la correction du premier, mais il rend certaines de ses particularités perceptibles.

Metamorfon utilise la pluralité des modèles en ce sens. L’objectif n’est pas de faire voter plusieurs IA pour déterminer laquelle a raison. Il est de mettre leurs réponses en relation de manière suffisamment structurée pour que les écarts, mais aussi les convergences, puissent être examinés.

Une différence peut révéler un présupposé. Une convergence peut révéler un présupposé encore plus profond. La valeur de la pluralité ne réside donc pas seulement dans le désaccord qu’elle produit, mais dans la possibilité même de comparer les cadres à partir desquels un désaccord ou un accord devient possible.

Du pluralisme de l’outil au pluralisme de l’écosystème

Cette question dépasse Metamorfon. La production des modèles de fondation est soumise à de puissantes forces de concentration : coûts fixes d’entraînement élevés, économies d’échelle, accès au calcul, aux données, aux talents et aux canaux de distribution. Vipra et Korinek soulignent que ces caractéristiques créent une forte tendance à la concentration du marché et que le déploiement massif d’un seul modèle ou d’un petit nombre de modèles peut également produire des vulnérabilités systémiques (Vipra & Korinek, Brookings, 2023).

Le problème n’est donc pas seulement économique. La NTIA américaine emploie le terme d’« algorithmic monoculture » pour désigner un écosystème qui dépendrait d’un ou de quelques modèles de fondation pour une grande variété d’usages. Parmi les risques qu’elle associe à cette situation figurent l’uniformité méthodologique, les défaillances systémiques, la concentration du pouvoir culturel et la marginalisation de certaines perspectives. Elle souligne à l’inverse que la disponibilité d’alternatives peut contribuer à limiter cette monoculture (NTIA, Competition, Innovation, and Research).

Un écosystème dominé par deux ou trois acteurs poserait donc une question qui ne se réduit pas aux prix, à l’innovation ou à la concurrence commerciale. Il poserait aussi une question de connaissance.

Comment reconnaître ce qu’un modèle traite comme évident si tous les systèmes disponibles traitent la même chose comme évidente ? Comment identifier un angle mort systémique si aucun système suffisamment différent n’existe pour produire le contraste qui le rend visible ? Comment étudier la diversité des comportements des IA si les objets disponibles pour cette comparaison proviennent d’un nombre toujours plus restreint de chaînes de conception ?

La réponse n’est pas que davantage de fournisseurs produiraient mécaniquement davantage de vérité. Elle est plus modeste : la pluralité conserve des possibilités de comparaison qui disparaissent avec la concentration.

Une pluralité qui doit rester contestable

C’est dans ce sens que Metamorfon intègre un nombre large de fournisseurs.

Non parce que onze serait un nombre optimal, ni parce que onze fournisseurs représenteraient onze visions irréductibles du monde, ni parce que les petits fournisseurs seraient nécessairement plus originaux ou les grands plus homogènes.

La liste est appelée à évoluer : de nouveaux acteurs apparaîtront, certains disparaîtront, des modèles changeront de famille ou de comportement.

Ce qui doit rester stable est le principe : ne pas confondre pluralité des modèles et pluralité d’un seul fournisseur, mais ne pas confondre non plus pluralité des fournisseurs et indépendance réelle des modèles.

La première distinction justifie l’ouverture du dispositif. La seconde interdit d’en faire une garantie. La largeur de la sélection n’a donc pas pour fonction de certifier la diversité épistémique. Elle permet de la chercher, de la mettre à l’épreuve et, lorsqu’elle manque, de rendre ce manque lui-même observable.

C’est aussi pourquoi la pluralité des fournisseurs n’est pas seulement une propriété technique de Metamorfon. Elle exprime une conception plus générale de l’IA : sa valeur critique dépend aussi de l’existence d’autres systèmes à partir desquels ses propres choix, présupposés et angles morts peuvent devenir visibles.

Références

• Kim, E. M., Garg, A., Peng, K. & Garg, N., « Correlated Errors in Large Language Models », ICML 2025.
• Masoud, R. I., Liu, Z., Ferianc, M., Treleaven, P. & Rodrigues, M., « Cultural Alignment in Large Language Models: An Explanatory Analysis Based on Hofstede’s Cultural Dimensions », COLING 2025.
• Bulté, B. & Rigouts Terryn, A., « LLMs and Cultural Values: The Impact of Prompt Language and Explicit Cultural Framing », Computational Linguistics, 2026.
• Vipra, J. & Korinek, A., « Market concentration implications of foundation models: The Invisible Hand of ChatGPT », Brookings Institution, 2023.
• National Telecommunications and Information Administration, « Competition, Innovation, and Research », Dual-Use Foundation Models with Widely Available Model Weights Report.

L’article Pourquoi la diversité des fournisseurs compte est apparu en premier sur Metamorfon.

Trois noms pour trois gestes

L’application a d’abord été pensée autour de trois gestes qu’un dialogue peut mobiliser.

Syntia nommait la convergence : rapprocher les positions, construire des articulations communes. Le nom a été formé autour du grec syn (σύν, « avec, ensemble ») et de son écho à la synthèse.

Dyfonia nommait la dissonance : mettre les positions en tension, soumettre une formulation à ce qui lui résiste. Le grec a diaphōnia (διαφωνία, « discordance »), « être en désaccord », et phōnē (φωνή), la voix. Le y fait entendre en plus le préfixe dys-, celui du défaut et de la difficulté. Les voix cessent de chercher leur accord et éprouvent leurs différences.

Metamorfon nommait la transformation : le moment où le passage par l’accord, l’objection et la reformulation modifie les positions elles-mêmes, parfois jusqu’au cadre où elles étaient posées. La racine est transparente : metamorphōsis (μεταμόρφωσις), « transformation » ; metamorphōn, littéralement « transformant ».

Trois noms, trois modes séparés : Syntia orchestrait la convergence, Dyfonia organisait la dissonance, Metamorfon combinait les deux. L’asymétrie était déjà là. Les deux premiers nommaient des manières de conduire l’échange ; le troisième, leur effet sur les positions lorsqu’elles se succèdent.

Pourquoi la triade a disparu

Le développement a montré que cette séparation bridait l’examen. Une question gagne à traverser les gestes plutôt qu’à rester assignée à un seul : construire, soumettre à la critique, reprendre ce qui a résisté, observer ce qui s’est déplacé. La métamorphose cessait d’être un troisième mode ; elle devenait l’effet possible de leur succession.

Le dispositif a donc été décomposé plus finement. Les trois gestes initiaux ont laissé place à cinq modes de débat : convergent, constructif, équilibré, critique, réfutatif. Dans les architectures adaptatives, l’utilisateur passe de l’un à l’autre au cours d’une même session. Adaptatif ne veut pas dire automatique : l’utilisateur lit l’état du débat et choisit le mode suivant ; une session devient une trajectoire que l’on pilote.

Les modes d’analyse, intégrés ensuite, relisent les échanges selon des opérations distinctes. La Synthèse intégrative reconstitue le cheminement du débat. L’Analyse de l’émergence identifie ce qui s’y est construit. La Cartographie des tensions examine les désaccords qui persistent. La Méta-analyse met au jour les structures implicites qui organisent les positions. L’Archéologie critique remonte aux formulations, vocabulaires, exclusions et cadrages qui ont délimité la discussion. L’Horizon des possibles formule ce que le débat a rendu pensable sans l’énoncer. L’Évaluation argumentative et la Vérification des sources éprouvent, l’une la qualité de l’argumentation, l’autre la solidité de ses appuis factuels.

Les idées portées par Syntia et Dyfonia n’ont pas disparu. Leurs frontières, si.

La transformation comme effet de parcours

L’usage a fait apparaître un point que la triade représentait mal : les passages entre modes comptent autant que les modes. Une convergence obtenue après un détour critique n’a pas la même histoire qu’une convergence jamais contestée. Ses formulations ont rencontré une objection : certaines ont été abandonnées, d’autres reformulées ou renforcées.

Le détour n’est pas un test de vérité. Une thèse juste peut céder devant une objection brillante, une position faible survivre grâce à une défense habile. Mais une formulation qui a traversé la contradiction n’a plus le même statut argumentatif.

L’intuition hégélienne éclaire ce point. La négation est dite déterminée lorsque son résultat conserve quelque chose de ce dont il procède et fait apparaître une détermination nouvelle. L’analogie a ses limites ; elle explique du moins pourquoi la confrontation peut être productive sans que la contradiction vaille preuve.

La métamorphose opère à un second niveau. Une analyse reste extérieure au débat qu’elle décrit : nommer un présupposé ou une tension persistante ne modifie pas l’échange après coup. Elle devient opératoire quand elle y retourne.

Reprise verbatim, la question de relance que produisent certains modes d’analyse devient un nouvel objet de débat. Une Cartographie des tensions ramène les modèles au point précis où leurs critères de jugement divergent. Une Analyse de l’émergence peut les ramener vers un concept qu’ils viennent de construire et leur demander de l’éprouver ou de le prolonger. Une Méta-analyse leur retourne un axiome partagé ou un angle mort.

L’analyse devient alors un opérateur de transition, et le mouvement une boucle : le débat produit son matériau, l’analyse le relit sous un angle déterminé, cette lecture engendre une intervention, l’intervention transforme le matériau des échanges suivants.

Le nom trouve ici son sens. La métamorphose n’est l’opération d’aucun mode. Elle advient le long d’un parcours : changements de mode, reformulations provoquées par la contradiction, concepts nés du frottement des positions, reprise de l’ensemble par l’analyse, d’où revient la question que le débat n’avait pas encore formulée.

Pourquoi le nom est resté

Dans cette architecture, Syntia et Dyfonia n’avaient plus de module à nommer. Leur logique demeure : Syntia survit chaque fois que plusieurs positions construisent une articulation qu’aucune ne portait encore, Dyfonia chaque fois qu’un désaccord dure assez pour obliger les positions à expliciter leur écart.

Metamorfon a connu un autre destin. Troisième terme de la triade, il s’est révélé désigner le produit des deux autres gestes, puis de ceux qui leur ont succédé, lorsqu’ils s’articulent dans le temps. Le nom de l’application est devenu celui de son effet recherché, non d’un moyen particulier.

La convergence construit, la dissonance éprouve. Dans le passage de l’une à l’autre, parfois, quelque chose se transforme. Le nom a conservé cette possibilité.

Références

• Anatole Bailly, Dictionnaire grec-français — entrées σύν, διαφωνία et φωνή, Bailly.app.
• Académie française, Dictionnaire de l’Académie française, 9e éd. — « dys- » et « métamorphose ».
• G. W. F. Hegel, Science de la logique. Livre premier : L’Être, textes de 1812 et 1832, trad. et annot. Bernard Bourgeois, Paris, Vrin, 2015, Introduction.
  Notice de l’édition Vrin

L’article Pourquoi Metamorfon ? est apparu en premier sur Metamorfon.