Pourquoi ChatGPT emploie certains mots plus souvent que les humains

Un mot peut-il trahir l’origine d’un texte ? Depuis que les assistants conversationnels se sont installés dans les usages quotidiens, lecteurs, enseignants et rédacteurs repèrent parfois des tournures qu’ils associent spontanément à ChatGPT. Des verbes comme « approfondir », des adjectifs très imagés ou des introductions solennelles donnent l’impression d’une signature. Cette impression repose sur un phénomène réel, les modèles de langage ont des préférences statistiques, mais elle mérite d’être maniée avec prudence.

À la date du 15 février 2025, ChatGPT est un service d’OpenAI fondé sur des modèles de langage capables de produire un texte mot après mot. Son vocabulaire ne résulte ni d’une intention personnelle ni d’un dictionnaire figé. Il dépend à la fois des textes sur lesquels le modèle a été entraîné, de la langue employée, de la demande formulée et des mécanismes destinés à rendre ses réponses utiles. L’analyse des mots récurrents est donc intéressante, à condition de ne pas lui faire dire davantage que ce qu’elle mesure.

Les mots qui ressortent le plus dans le recensement

Le recensement cité dans la publication d’origine, réalisé par Jordan Gibbs, distingue d’abord deux familles de mots. La première réunit les termes très fréquents de la langue, tels que « de », « et », « un », « une » ou « dans ». Leur présence massive n’a rien d’étonnant : ils servent à articuler pratiquement toutes les phrases françaises. Compter ces mots renseigne surtout sur la longueur et la structure d’un texte, bien moins sur sa personnalité.

La seconde famille est plus parlante. Elle rassemble des mots qui apparaîtraient beaucoup plus souvent dans des textes attribués au modèle que dans des écrits humains pris comme point de comparaison. Les chiffres rapportés ne correspondent pas à la fréquence absolue de ces mots dans toutes les conversations. Ils décrivent une surreprésentation relative par rapport au corpus humain retenu pour l’analyse.

Le mot présenté comme le plus caractéristique est donc « reimagined », souvent rendu en français par « réinventé ». Les termes « bioluminescent », « verdoyant » et « graphène » ont un point commun : ils sont précis, évocateurs ou associés à des registres scientifiques et descriptifs. Ils donnent facilement du relief à un texte consacré à une innovation, à un paysage ou à un univers de fiction.

Cela ne signifie pas que ChatGPT emploie inévitablement ces mots, ni qu’un humain ne les utilise jamais. Un assistant peut répondre très simplement à une demande simple. À l’inverse, un chercheur, un romancier ou un communicant peut parfaitement employer un vocabulaire rare et imagé. L’intérêt de ces données tient à une tendance agrégée, non à une règle de détection applicable phrase par phrase.

Pourquoi les petits mots restent-ils les plus fréquents ?

Les listes de « mots les plus utilisés » mélangent souvent deux réalités. D’un côté, les mots-outils, aussi appelés mots grammaticaux, assurent le fonctionnement de la langue : articles, prépositions, pronoms et conjonctions. « De », « et », « à » ou « dans » sont donc presque toujours en tête des classements, chez une personne comme chez une machine.

De l’autre, certains connecteurs contribuent au ton reconnaissable de nombreuses réponses. La publication d’origine relève notamment « donc », « cependant » et « dorénavant ». Ces mots servent à annoncer une conséquence, une nuance ou une évolution. Bien employés, ils donnent une progression logique. Répétés à chaque paragraphe, ils peuvent rendre la prose scolaire, trop balisée ou plus longue que nécessaire.

Les modèles conversationnels ont en effet tendance à expliciter les transitions. Face à une question assez vague, ils cherchent souvent à produire une réponse complète, organisée et prudente. Ils annoncent ce qu’ils vont expliquer, ajoutent des réserves, puis récapitulent. C’est pratique pour obtenir une synthèse lisible, mais ce réflexe peut créer une sensation de formalisme lorsque l’utilisateur attend une réponse directe.

La langue compte aussi énormément. Les données citées sont liées à des termes anglais, dont « reimagined » et « delve ». Une traduction française ne conserve ni exactement la même fréquence ni le même niveau de langue. Dans un échange en français, le choix entre « creuser », « fouiller », « explorer » ou « approfondir » dépendra de la formulation de la question et du modèle utilisé.

D’où viennent les préférences lexicales de ChatGPT ?

Pour comprendre ces récurrences, il faut revenir au principe des grands modèles de langage. Lorsqu’il génère une réponse, un modèle comme ChatGPT calcule quelles suites de mots sont les plus plausibles compte tenu du contexte. Il ne récupère pas une phrase préécrite dans une base de données. Il produit successivement des unités de texte en s’appuyant sur les régularités apprises pendant son entraînement.

Les corpus utilisés à grande échelle contiennent des styles très différents : textes explicatifs, documentation, fiction, discussions, contenus scientifiques, pages pratiques et bien d’autres formes d’écriture. Certaines associations de mots peuvent ainsi devenir statistiquement très probables. Les adjectifs descriptifs ou les verbes qui introduisent une exploration d’un sujet s’accordent particulièrement bien avec les demandes fréquentes adressées à un chatbot : résumer, expliquer, imaginer, développer une idée ou présenter une technologie.

Une autre étape compte beaucoup, le renforcement par retour humain, plus souvent désigné par son sigle anglais RLHF, pour Reinforcement Learning from Human Feedback. Des personnes évaluent ou classent des réponses générées, afin d’indiquer lesquelles leur semblent les plus utiles, les plus sûres, les plus claires ou les plus pertinentes. Le modèle est ensuite ajusté pour favoriser ce type de réponses.

Cette phase ne lui apprend pas simplement à « parler comme un humain ». Elle l’oriente vers des comportements conversationnels valorisés : répondre avec courtoisie, contextualiser, structurer, reconnaître une limite et éviter les formulations manifestement inadaptées. Ce réglage peut renforcer certains tics d’écriture, par exemple les précautions, les listes ou les phrases de transition.

Le travail humain derrière ces systèmes est considérable. Il comprend l’évaluation des réponses, la rédaction d’exemples et le contrôle de contenus. La publication d’origine souligne que ces tâches ont aussi été externalisées vers des régions aux coûts économiques plus faibles. Cette dimension rappelle qu’un ton apparemment fluide et spontané repose sur des choix techniques, éditoriaux et humains.

Des phrases qui reviennent pour organiser la réponse

Les préférences ne concernent pas seulement des mots isolés. La publication d’origine signale plusieurs formules récurrentes : « Plongez dans les détails… », « Il est crucial de comprendre… » et « Comme nous l’avons vu… ». D’autres formulations du même registre, comme « Il est important de noter », sont souvent perçues comme des indices de prose générée.

Ces phrases ont une fonction claire. Elles annoncent une explication, signalent une idée importante ou relient une section à la précédente. Dans un article pédagogique, elles peuvent être pertinentes. Dans une réponse courte, elles sont souvent superflues. Une phrase telle que « Il est crucial de comprendre que » peut presque toujours être remplacée par l’information elle-même, sans perdre de sens.

Le phénomène est plus visible lorsque la consigne initiale reste large, par exemple « explique-moi les batteries électriques » ou « écris un article sur l’intelligence artificielle ». Dans ce cas, l’assistant doit décider seul de l’angle, du niveau de détail et de la structure. Il peut alors choisir une introduction consensuelle et des transitions génériques. À l’inverse, une demande précise limite cette marge de manœuvre.

Le mot « delve » révèle-t-il une influence culturelle ?

Le verbe anglais « delve », qui renvoie à l’idée de creuser ou d’examiner un sujet en profondeur, est devenu l’un des termes les plus associés à l’écriture d’IA. La publication d’origine observe qu’il est largement répandu dans des pays comme le Nigeria, tout en étant moins fréquent aux États-Unis. Cette différence rappelle qu’un mot n’a pas le même statut dans tous les espaces anglophones.

Il serait toutefois hâtif d’en déduire qu’un usage local constitue une preuve d’influence de ChatGPT, ou l’inverse. Les communautés linguistiques n’adoptent pas les mêmes normes de style, les mêmes références scolaires, les mêmes médias ni les mêmes pratiques professionnelles. La diffusion internationale d’un assistant conversationnel peut mettre en circulation certaines tournures, mais l’analyse d’un seul mot ne permet pas d’établir un lien de cause à effet.

Pour étudier sérieusement l’influence des IA sur une langue, il faudrait comparer des corpus datés, préciser les pays, les types de publications et les publics concernés. Il faudrait aussi distinguer ce que les modèles reprennent de l’usage humain de ce que les utilisateurs adoptent ensuite à leur contact. C’est une question linguistique ouverte, particulièrement importante à mesure que les outils de génération de texte deviennent ordinaires.

Peut-on reconnaître un texte écrit avec ChatGPT ?

La réponse courte est non, pas avec certitude à partir d’un vocabulaire particulier. Un texte humain peut contenir « bioluminescent », « graphène » ou « approfondir » pour de très bonnes raisons. Un texte généré par ChatGPT peut n’employer aucun de ces termes. Les détecteurs automatiques eux-mêmes peuvent commettre des erreurs, notamment lorsque le texte a été révisé par une personne ou que la consigne impose un style précis.

Les indices les plus utiles sont plutôt des faisceaux de signaux : une structure très régulière, des listes systématiques, des transitions répétées, des affirmations prudentes mais peu concrètes, ou encore une absence de détails vérifiables. Aucun de ces signaux ne suffit seul. Un rapport professionnel humain peut présenter les mêmes caractéristiques.

L’enjeu n’est donc pas de traquer mécaniquement des mots suspects. Pour un lecteur, le bon réflexe consiste à vérifier les faits importants, à demander des exemples précis et à distinguer une explication fluide d’une information démontrée. Pour un auteur utilisant l’IA, il s’agit de relire, de reformuler et d’assumer une responsabilité éditoriale sur le texte final.

Comment obtenir des réponses moins formatées ?

Les utilisateurs peuvent influencer très directement le style de ChatGPT. Une consigne vague invite souvent le modèle à compléter les blancs avec ses formulations les plus générales. Une consigne cadrée réduit ce risque. Il est utile de préciser le public, le registre, la longueur souhaitée et les éléments à éviter.

Quelques demandes simples suffisent souvent :

• « Réponds en 150 mots, sans introduction ni conclusion. »
• « Utilise des phrases courtes et évite les connecteurs inutiles. »
• « Donne trois exemples concrets, sans vocabulaire promotionnel. »
• « Reformule ce passage dans un français naturel, sans répéter “important”, “crucial” ou “approfondir”. »

Il est également préférable de demander une révision après une première réponse plutôt que d’attendre un texte parfait dès le premier essai. On peut lui signaler une expression trop répétée, demander de supprimer les généralités ou exiger que chaque paragraphe apporte un fait, un exemple ou une explication identifiable. L’outil répond d’autant mieux que le besoin éditorial est clair.

Ce qu’il faut surveiller dans les prochaines analyses

Les classements de mots sont séduisants parce qu’ils donnent une image concrète du style des IA. Mais leur valeur dépend de la méthode. Une analyse solide doit préciser le modèle observé, sa version, la date de collecte, la langue, les types de consignes, le nombre de textes étudiés et le corpus humain de comparaison. Sans ces informations, un chiffre spectaculaire doit être lu comme un signal intéressant, non comme un verdict général.

Il faut aussi s’attendre à ce que les habitudes lexicales évoluent. Les modèles sont régulièrement ajustés, les utilisateurs apprennent à mieux les guider et les plateformes modifient leurs interfaces. Une tournure très visible à un moment donné peut devenir plus rare, tandis qu’une autre apparaît.

Le point essentiel reste le suivant : ChatGPT n’écrit pas avec une voix unique et immuable, mais avec des probabilités façonnées par ses données, ses réglages et les demandes qui lui sont adressées. Observer ses mots aide à mieux comprendre ses automatismes. Les connaître permet surtout de reprendre la main sur la qualité, la précision et le ton des textes produits.