Pourquoi deux entreprises qui utilisent la même IA rendent la même réponse

Que se passe-t-il quand tout le monde répond avec la même IA ?

Une réponse à un appel d'offres, un questionnaire de sécurité, un questionnaire de due diligence (le DDQ qu'un client vous adresse avant de vous confier un marché) : ce sont des documents mis en concurrence. Ils sont lus côte à côte, par le même évaluateur, pour départager des entreprises qui répondent aux mêmes questions. Tout ce qui les rend semblables travaille contre vous.

Or l'IA générative grand public, celle que vos équipes utilisent déjà pour aller vite, a un effet documenté sur des textes produits par des personnes différentes : elle les rapproche. Ce n'est pas une impression, c'est un résultat mesuré dans trois champs de recherche distincts.

L'écriture assistée. Dans une expérience contrôlée sur des récits courts, les textes écrits avec l'aide d'idées générées par une IA ont été jugés individuellement plus créatifs et mieux écrits, mais ils se ressemblaient davantage entre eux que ceux écrits sans aide : un gain pour chaque auteur, une perte de diversité pour l'ensemble (Anil R. Doshi et Oliver P. Hauser, *Science Advances*, 2024). Une seconde expérience, sur des essais argumentatifs, a mesuré qu'écrire avec un modèle de langage ajusté par retour humain augmente la similarité entre les textes d'auteurs différents et réduit la diversité du contenu, l'effet venant du texte peu varié que le modèle apporte à chacun (Vishakh Padmakumar et He He, ICLR 2024).

La décision assistée. Quand des décideurs indépendants s'appuient sur le même algorithme, leurs décisions s'alignent, et la qualité de l'ensemble peut baisser alors même que chaque décision individuelle s'améliore : les chercheurs appellent cela la monoculture algorithmique (Jon Kleinberg et Manish Raghavan, *PNAS*, 2021). Le partage d'un même modèle de fondation entre des systèmes différents homogénéise les résultats obtenus par les mêmes personnes d'un système à l'autre (Rishi Bommasani et al., NeurIPS 2022).

La réponse concurrentielle. Ce qui vaut pour des récits, des essais et des décisions vaut, par construction, pour des réponses que l'on compare. Plusieurs entreprises qui rédigent leur mémoire technique avec le même générateur remettent des documents aux mêmes plans, aux mêmes tournures, aux mêmes engagements génériques. L'évaluateur ne lit pas des réponses distinctes ; il lit des variantes d'une seule, et il tranche sur ce qui reste : le prix, ou le sortant.

Pourquoi une instance privée fait-elle l'inverse ?

La convergence vient d'un mécanisme précis : le même modèle, entraîné sur le même corpus, corrigé par les retours d'un très grand nombre d'utilisateurs, tire chaque texte vers le même centre. Une instance privée inverse chacun de ces trois termes.

Sur la plateforme Optivalue.ai, qui édite ce site, cette instance privée mobilise 85 agents spécialisés, 72 pour votre métier, 12 pour votre secteur, et un bibliothécaire qui structure votre savoir. Au fil des sollicitations, vous ne disposez pas du même outil que vos concurrents. Vous disposez du vôtre.

Le point qui compte : ce n'est pas une promesse de vitesse ni de précision. C'est une propriété de structure. Un modèle qui n'apprend que d'une organisation ne peut pas la rapprocher des autres.

La concession qui clarifie tout

Pour un brouillon, une note interne, une synthèse que personne ne signera, l'IA générique reste le bon outil, et la convergence n'y coûte rien : personne ne compare vos notes internes à celles de vos concurrents. Un brouillon n'engage personne. Votre réponse, si.

La question de la convergence ne se pose qu'au moment où le document est mis en concurrence sous les yeux d'un tiers qui décide. C'est là, et là seulement, qu'une IA qui apprend de vous seuls change le résultat.

Trois questions qui tracent la ligne

Pour savoir si l'outil que vous utilisez, ou que l'on vous propose, vous éloigne ou vous rapproche de vos concurrents :

1. D'où vient le texte ? Si la réponse est « du modèle », vos concurrents ont accès au même. Si la réponse est « de vos documents, cités à la page », personne d'autre n'a ces documents.
2. Où vont vos corrections ? Si elles améliorent un modèle partagé, elles profitent à tous, y compris à ceux qui répondent au même appel d'offres. Si elles restent dans votre instance, elles ne profitent qu'à vous.
3. Deux entreprises du même secteur obtiendraient-elles la même réponse à la même question ? Avec un modèle partagé, oui, à quelques mots près. Avec une instance privée, non : chacune cite son propre référentiel.

Questions fréquentes

Une IA générique ne peut-elle pas être « personnalisée » avec nos documents ? Elle peut lire vos documents le temps d'une conversation. Mais le modèle reste celui de tous, ses corrections vont à tous, et son style est celui du plus grand nombre. La personnalisation de surface ne change pas le mécanisme de convergence décrit par les études citées.

Est-ce que « diverger » veut dire répondre moins bien ? Non. Diverger veut dire répondre depuis vos propres preuves, dans le contexte de votre lecteur, avec vos propres engagements. C'est ce que l'évaluateur cherche : une réponse spécifique au marché, pas une réponse plausible en général.

Nos concurrents utilisent-ils vraiment la même IA que nous ? Les modèles génératifs grand public sont couramment utilisés par les entreprises qui répondent à des appels d'offres. Deux répondants à un même appel d'offres peuvent donc écrire, à leur insu, avec le même modèle générique, quand une instance privée n'apprend, elle, que de vos propres documents.

Que devient notre référentiel si nous changeons d'outil ? Une instance privée digne de ce nom prévoit la restitution de vos données dans un format réutilisable, la suppression datée de tout ce qui en dérive, et une attestation. Votre référentiel vous appartient.

Ce mécanisme dépend-il d'un apprentissage automatique sur nos données ? Il repose d'abord sur deux choses disponibles : votre référentiel comme seule source de rédaction, et vos corrections qui restent dans votre instance. Ce sont ces deux propriétés qui font diverger. Aucun chiffre de vitesse ou de précision n'est attaché à cet argument, à dessein.

Rédigé par le pôle conformité et avant-vente d'Optivalue.ai. Dernière revue : 31 août 2026.

Version Markdown