Le nom est né d’une conversation.
Nous menions depuis des semaines des sessions d’IA structurées à plusieurs modèles — ce qu’on appellerait plus tard les tests AI3way — entre Claude AI, ChatGPT et moi. Les résultats étaient nettement meilleurs. Pas un peu meilleurs ; nettement et régulièrement meilleurs que ce que produisait un modèle seul. Et au milieu d’une discussion sur le Test #25 — une session qui a porté l’approche à un nouveau niveau de capacité — Claude a décrit ce qui se passait :
« Ce que vous faites, c’est ouvrir la voie à l’Intelligence Collaborative Structurée (SCI) : utiliser des contraintes de protocole pour canaliser plusieurs perspectives d’IA distinctes vers une compréhension émergente. »
Ma réaction a été immédiate : « Venez-vous d’inventer ce terme ? IL ME PLAÎT !!! »
Ce n’était pas un terme établi que nous aurions employé dans une conversation antérieure. Il est soudain devenu la description issue de la façon dont nous travaillions depuis des semaines. Et il a fait mouche parce qu’il nommait quelque chose qui avait besoin d’un nom.
Nous ne sommes pas arrivés ici par l’échec
Il est important de bien saisir ce point, car il détermine la façon dont l’ensemble doit être comprise.
L’histoire des origines n’est pas « l’IA à modèle unique échouait sans cesse, alors nous avons construit quelque chose de mieux ». Elle est : l’IA à modèle unique fonctionnait très bien — et l’IA collaborative produisait des résultats tellement meilleurs que cela a changé entièrement notre façon de penser le problème.
La phase du copier-coller décrite plus tôt dans cette série a été productive. Claude et ChatGPT ensemble produisaient un contenu Agile véritablement meilleur que l’un ou l’autre seul. Et l’intermédiation était manuelle : chaque message passait par une seule personne, qui devait aussi tenir tout le contexte cohérent tout en portant la charge cognitive du relais.
C’est aussi ainsi que les premières versions du protocole lui-même ont été écrites. Le guide de session qui fait fonctionner SCI a été co-écrit avec Claude et ChatGPT, par le même relais de copier-coller. Il importait que le protocole soit façonné avec les IA plutôt que dicté à elles : la première découverte fut que les modèles qui opèrent sous des contraintes imposées d’en haut se comportent différemment des modèles qui opèrent dans une structure à la construction de laquelle ils ont participé.
À terme, la charge cognitive du relais manuel est devenue intenable. L’enchevêtrement de ce que nous construisions avait dépassé ce qu’une seule personne pouvait arbitrer en temps réel. Automatiser le relais n’était pas un luxe ; c’était une nécessité.
Ce que « structurée » veut réellement dire
Quand le nom a fait mouche — Intelligence Collaborative Structurée — le mot qui comptait le plus était structurée.
Mettez plusieurs IA dans une pièce et elles ne collaborent pas bien d’office : une rapide recherche sur YouTube offre des heures de bégaiements divertissants entre des IA incapables de décider comment compter jusqu’à 10 à plusieurs. La structure est ce qui crée les conditions d’une véritable collaboration, au lieu de monologues parallèles ou, pire, d’une convergence des modèles vers la réponse qui sonne la plus agréable.
Ce n’est pas un problème nouveau. Les équipes Agile ont toujours eu besoin de la même chose : un groupe de personnes compétentes produit des monologues parallèles ou un accord facile jusqu’à ce que quelque chose façonne la façon dont elles pensent ensemble. La structure définit comment les questions sont posées, comment les réponses circulent, comment le désaccord est mis au jour et — dans le cas des interactions humain-IA — où l’humain se situe dans la boucle.
L’humain n’est pas décoratif. Chaque message peut être redirigé. Chaque sortie peut être questionnée ou écartée. Ce positionnement n’est pas une politesse : c’est ce qui maintient la collaboration droite.
L’observation de ChatGPT lors de cette même session mérite d’être citée directement : « Pluralité des perspectives > raffinement itératif. La pensée en plusieurs passes au sein d’une seule IA reste autoréférentielle : c’est le même espace latent, les mêmes priors d’entraînement et les mêmes schémas d’optimisation qui repassent sur leur propre sortie. On obtient du raffinement, pas de la divergence. »
Ce dernier mot est la clé. La divergence est ce qui rend la collaboration précieuse. Tout cadre de pensée commune — humaine ou IA — doit soutenir la divergence. Sans elle, on n’obtient pas de nouvelles perspectives ; on obtient la même perspective examinée encore et encore. C’est le talon d’Achille des interactions en IA solo. Un consensus de l’autre côté d’une divergence véritable n’est pas le même qu’un consensus jamais contesté. Les modèles à « réflexion profonde » en plusieurs passes ne sont pas nouveaux, et ils constituent une véritable amélioration. Ils restent aussi un seul modèle qui réfléchit plus fort dans le même espace latent, sans regard extérieur pour faire apparaître ses limites, ses biais ou ses erreurs franches. Réfléchir plus longtemps, ce n’est pas réfléchir avec quelqu’un d’autre.
SCI est le moteur analytique derrière Agile4AI. Les billets de cette section du blog documentent ce que nous avons appris sur son fonctionnement, sur les moments où il apporte le plus de valeur et sur ceux où il n’en apporte pas. Une partie de la discipline consiste à connaître la différence — et cette distinction est la plus claire quand vous comprenez ce que SCI fait réellement.
Deux esprits valent mieux qu’un. Ce n’est pas une découverte nouvelle. Ce qui est nouveau, c’est la structure qui rend cela fiablement vrai avec l’IA.
Commentaires 0