The Atlantic mesure « not X, but Y », tic signature des chatbots

Il y a un tour de phrase que vous avez lu cinquante fois cette semaine sans y prêter attention, et qui est aujourd'hui le meilleur signal disponible pour repérer un texte généré par IA. « It's not X; it's Y », ou sa cousine « not just X, but Y ». Selon une longue enquête publiée par The Atlantic, cette figure, que les linguistes appellent parallélisme négatif, est devenue le tic d'écriture le plus reconnaissable des LLM, et le plus mystérieux pour ceux qui les fabriquent.

L'ampleur est mesurable. Les chercheurs de Pangram, une startup de détection d'IA, estiment que ces tournures apparaissent environ trois fois plus souvent dans les textes rédigés par IA que dans ceux rédigés par des humains. Barron's a de son côté relevé que leur usage dans la communication corporate a plus que quadruplé entre 2023 et 2025. Dans un jeu de données du Washington Post, des variations de « not just X, but Y » figuraient dans environ 6 % de tous les messages du mois de juillet, un pourcentage remarquable pour une seule tournure rhétorique. Elyas Masrour, ingénieur fondateur de Pangram, confirme que ChatGPT, Claude, Gemini et les modèles open source y ont tous recours, à des degrés variables.

Ce qui rend le sujet intéressant, c'est qu'OpenAI le sait et l'assume à moitié. Laurentia Romaniuk, product manager sur l'équipe model behavior, préfère le terme « contrastive phrasing » et reconnaît que ChatGPT y recourt trop souvent, au point de sonner formulaïque, indiquant que la maison cherche à élargir le répertoire du modèle. L'hypothèse suggérée par The Atlantic est que la structure a été indirectement récompensée par les évaluateurs humains lors du post-training : elle donne l'impression d'un raisonnement nuancé, d'une reformulation intelligente, sans toujours en fournir la substance.

Il faut prendre ces chiffres pour ce qu'ils sont, des estimations issues d'outils de détection qui ont leurs propres biais, et une seule tournure ne fait pas une empreinte stylistique complète. Ce que le reportage ne tranche pas non plus, c'est l'origine précise du tic : données de pré-entraînement, RLHF, prompts système ? La réponse déterminera si les prochaines versions sauront vraiment le désamorcer ou seulement le camoufler.

Pour tous ceux qui produisent du contenu à grande échelle (brand, corp comm, RH, universités), la leçon opérationnelle est simple : le tic est désormais quantifié, donc auditable. Pangram tient une signature commerciale à vendre, les équipes model behavior d'OpenAI, Anthropic et Google ont une cible chiffrée, et les rédacteurs en chef ont un motif clair à ajouter dans leurs guides de style. La suite dépendra de qui audite en premier.