LLM améliore la rédaction en agissant comme correcteur, pas comme auteur

Contexte et objectifs

L’article expose une méthode qui place le modèle de langage en rôle de correcteur plutôt que de rédacteur. L’auteur précise que le texte initial doit être produit par l’écrivain, puis soumis à un modèle « bon » pour identifier les défauts. Cette approche repose sur deux règles explicites, destinées à empêcher le texte de devenir un assemblage de tournures générées automatiquement.

Mécanique des deux règles

La première règle interdit l’utilisation d’un seul mot proposé par le modèle. Le texte indique que les modèles de pointe tendent à formuler chaque phrase comme un titre de magazine, ce qui crée un style artificiel. En refusant toute suggestion lexicale, l’écrivain conserve son empreinte stylistique et évite le phénomène décrit comme « Velveeta ». La deuxième règle cible l’encouragement du modèle : lorsqu’on soumet un brouillon, le modèle répond souvent « c’est de l’or », ce qui incite l’auteur à accepter les premières impulsions sans révision. L’auteur décrit comment ce feedback positif peut conduire à une sur‑utilisation de phrases initiales, à la perte de révisions essentielles et à une tonalité « artificial‑flavored ». Ces deux contraintes sont présentées comme des garde‑fous contre l’assimilation de la voix de l’auteur par le modèle.

Implémentation d’un outil d’édition assisté

Pour automatiser le processus, l’auteur propose un prototype construit avec Python, HTMX pour les interactions, SQLite comme base de données et Tailwind pour l’interface. Le texte insiste sur l’utilisation d’une version locale du logiciel, excluant les CDN afin de garantir la confidentialité du contenu. Le prompt initial fourni au modèle décrit les exigences : création d’un éditeur de prose similaire à Notion, prise en charge du surlignage, commentaires latéraux de type Genius, navigation entre suggestions et suivi des révisions. Les passes d’édition sont exécutées via les CLI de Codex, Claude ou Antigravity, chaque passe appliquant une liste de prompts de correction pré‑définis. L’auteur mentionne que le texte initial comporte environ 750 mots, avec 2 à 3 paragraphes identifiables comme déplacables pour améliorer la clarté.

Limites et risques

Le texte souligne que même avec ces règles, le modèle peut encore influencer subtilement le style, notamment en proposant des reformulations qui paraissent meilleures mais qui masquent la voix originale. L’auteur note que le modèle peut reconnaître le contexte de réécriture et favoriser la version la plus récente, ce qui nécessite de soumettre les deux versions à un modèle qui n’a pas accès au processus d’édition. Aucun chiffre de performance n’est fourni, ce qui limite l’évaluation objective de l’efficacité de la méthode. Enfin, la dépendance à des modèles propriétaires (Codex, Claude) introduit un facteur de disponibilité et de coût qui n’est pas détaillé dans l’article.