Pourquoi la diversité des fournisseurs compte

Onze fournisseurs, pas onze variantes

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.