Plus créatifs seuls, plus semblables ensemble : ce que les études mesurent quand on écrit avec l'IA

Dans le premier article, je me demandais ce qu’on délègue quand on laisse l’IA écrire nos histoires. Cette semaine, je laisse la philosophie de côté pour regarder les chiffres. Depuis fin 2022, des dizaines d’équipes de recherche ont mesuré ce qui se passe quand des humains écrivent avec l’IA. J’ai retenu les études les plus solides, et je vous donne leurs limites avec leurs résultats. Le tableau qui en sort est plus nuancé que les titres de presse, dans un sens comme dans l’autre.

Chacun écrit mieux, tout le monde écrit pareil

L’étude qui a lancé le débat a été publiée en 2024 dans Science Advances par Anil Doshi et Oliver Hauser. Environ 300 personnes écrivent une courte histoire. Certaines travaillent seules, d’autres reçoivent une ou plusieurs idées de départ proposées par l’IA. Des lecteurs indépendants notent ensuite les textes.

Les histoires aidées par l’IA sont jugées plus créatives et mieux écrites, surtout chez les personnes les moins à l’aise au départ. Mais quand on les compare entre elles, elles se ressemblent beaucoup plus que les histoires écrites sans aide. Chaque texte y gagne, l’ensemble y perd en diversité.

L’étude Echoes in AI (PNAS, 2025), dont je parlais la semaine dernière, va dans le même sens en regardant les textes produits par les modèles eux-mêmes : d’une histoire à l’autre, on retrouve les mêmes ressorts d’intrigue.

Début 2026, Alwin de Rooij et Michael Mose Biskjaer ont compilé 19 études et 61 mesures dans une méta-analyse. Leur conclusion est prudente, et c’est pour ça que je lui fais confiance : l’effet d’homogénéisation est petit, mais il est réel et il résiste aux vérifications. Il est plus marqué sur les tâches cadrées (« trouvez des idées pour ce produit ») que sur le brainstorming libre, et il semble durer après la séance : les participants continuent à penser un peu plus pareil une fois l’outil refermé.

L’IA ne tue donc pas la créativité. En revanche, quand toute une profession utilise le même outil avec les mêmes habitudes, ce qu’elle produit se resserre. Imaginez cent supports de formation écrits avec le même assistant.

Un assistant qui a un avis déplace le vôtre

C’est l’étude qui m’a le plus marquée, et elle est peu connue. En 2023, Maurice Jakesch et son équipe (Cornell) ont demandé à 1 506 personnes d’écrire un court texte sur une question : les réseaux sociaux sont-ils bons pour la société ? Une partie des participants écrivait seule. Les autres avaient un assistant qui proposait des suites de phrases, réglé en secret pour pencher vers le oui ou vers le non.

Sans surprise, les textes écrits avec l’assistant penchaient dans son sens. Plus surprenant, dans un questionnaire rempli après coup, les opinions déclarées des participants avaient bougé dans la même direction. Ils avaient écrit ce que la machine suggérait, puis ils l’avaient pensé. L’effet était plus fort chez ceux qui avaient passé peu de temps sur la tâche.

Pensez au mail rédigé en trente secondes ou au post validé sans relecture : c’est dans ces moments-là que l’influence est la plus forte.

Une étude de 2026 (2 144 participants) apporte une nuance qui me plaît : quand on prévient les gens que le modèle a un parti pris, son pouvoir de persuasion baisse de 28 %. Savoir que la machine a un avis protège en partie. Pour moi, c’est un argument pour se former, plutôt que pour se priver de l’outil.

Les mots de la machine passent dans notre bouche

Vous avez peut-être entendu parler de « delve », ce verbe anglais (approfondir) devenu la signature de ChatGPT dans les publications scientifiques. Une équipe a analysé 15 millions de résumés d’articles biomédicaux : au moins 13,5 % de ceux publiés en 2024 portent la trace d’un modèle de langue.

À l’écrit, on pouvait s’y attendre. Hiromu Yakura et ses collègues de l’institut Max Planck ont regardé l’oral. Ils ont analysé 737 083 heures de podcasts et constaté que, depuis la sortie de ChatGPT, les mots favoris du modèle (« delve », « meticulous », « showcase ») augmentent nettement dans la parole spontanée, celle qu’on ne relit pas.

Pour vérifier que ChatGPT en était bien la cause, ils ont mené une expérience avec 496 participants. Une courte conversation avec un chatbot suffit pour qu’on réemploie ses mots ensuite, et l’effet dure au-delà de la conversation. Les auteurs en concluent que les modèles de langue participent désormais à l’évolution culturelle.

Le français n’y échappe pas. Une étude de 2026 portant sur la presse de 34 langues observe la même convergence du vocabulaire. Nous sommes simplement moins étudiés que les anglophones.

Quand l’IA apprend sur des textes d’IA

Dernier mécanisme, plus technique. En 2024, une équipe menée par Ilia Shumailov a montré dans Nature que si l’on entraîne un modèle sur des textes produits par un autre modèle, et ainsi de suite, ce qui est rare disparaît au fil des générations : les tournures inhabituelles, les points de vue minoritaires. Il reste la moyenne.

L’étude décrit un scénario où l’on réutilise les textes sans aucun tri, et les laboratoires filtrent leurs données en pratique. L’effondrement complet n’est donc pas pour demain. Le mécanisme, lui, existe bel et bien : plus le web se remplit de textes générés, plus les modèles suivants apprennent une langue moyenne, qu’ils nous renvoient ensuite. Les langues peu représentées, comme l’occitan, sont les premières exposées.

Deux affirmations à ne pas reprendre

La première : « l’IA rend bête ». Elle s’appuie souvent sur une étude de Michael Gerlich (2025, 666 participants), qui trouve un lien entre usage fréquent de l’IA et pensée critique plus faible. Ce lien repose sur des questionnaires où chacun évalue ses propres capacités, et rien ne dit dans quel sens il va : l’IA affaiblit peut-être la réflexion, ou les gens qui réfléchissent moins l’utilisent peut-être davantage. Je ne la cite jamais comme une preuve.

La seconde : « tout est la faute de l’outil ». Une étude de 2025 montre que l’homogénéisation baisse nettement quand on varie les consignes et qu’on demande à l’IA d’adopter des points de vue différents. Le resserrement vient au moins autant de nos habitudes que du modèle, et les habitudes, ça se travaille.

Si je résume : écrire avec l’IA améliore votre texte et le rapproche de celui des autres, un assistant qui a un avis peut déplacer le vôtre quand vous allez vite, et les mots de la machine passent dans notre langue. Rien de tout ça n’est une fatalité, et le savoir réduit déjà l’effet.

C’est ce qu’on travaille dans les formations citoyennes gratuites de Pédagora : repérer ces mécanismes dans ses propres usages, pour garder la main.

La semaine prochaine, un mot qui circule de plus en plus, jusque dans une encyclique papale de mai 2026 : le « colonialisme numérique ». Je regarde ce qu’il éclaire et ce qu’il exagère.

Sources : Doshi & Hauser, « Generative AI enhances individual creativity but reduces the collective diversity of novel content », Science Advances (2024) ; Xu et al., « Echoes in AI: Quantifying Lack of Plot Diversity in LLM Outputs », PNAS (2025) ; de Rooij & Biskjaer, « Does generative AI make us think alike? », méta-analyse (2026) ; Jakesch et al., « Co-Writing with Opinionated Language Models Affects Users’ Views », CHI (2023) ; « Perceived political bias reduces persuasion » (2026) ; Kobak et al., analyse de 15 millions de résumés PubMed (2025) ; Yakura et al., « Empirical evidence of Large Language Models’ influence on human spoken communication » (2024-2025) ; « Lexical shifts across 34 languages » (2026) ; Shumailov et al., « AI models collapse when trained on recursively generated data », Nature (2024) ; « Diverse AI Personas » (2025) ; Gerlich, « AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking » (2025).