Demandez dix idées à un LLM et vous pouvez obtenir dix paragraphes différents qui racontent, en pratique, trois choses.

John Rising appelle ça idea-mode collapse dans une expérience publiée le 9 août. Le terme est le sien, pas un diagnostic scientifique universel. Le phénomène qu’il mesure est plus simple : quand plusieurs réponses sont possibles, les modèles reviennent souvent vers les mêmes concepts, même si la formulation change beaucoup.1

Pour quelqu’un qui utilise un modèle comme partenaire de brainstorming, c’est un problème assez concret. La fluidité donne une impression de variété. Le vocabulaire bouge. La structure bouge. Puis on réduit chaque réponse à son idée centrale et le paysage devient soudain beaucoup plus petit.

Compter les idées plutôt que les phrases

Rising a testé dix modèles sur quinze prompts, répartis entre idées d’essais, fiction et produits. Pour chaque prompt, il demandait une seule idée dans dix requêtes indépendantes.1

Il a ensuite compressé chaque réponse en une courte proposition neutre et utilisé plusieurs méthodes pour décider si deux propositions exprimaient la même idée : embeddings, panel de modèles et un contrôle humain sur cent paires présentées à l’aveugle. L’accord entre le panel et ses propres labels atteint 74 % sur ce petit échantillon.1

Ce n’est donc pas une mesure propre au millimètre. Rising le dit lui-même : près de la frontière, deux lecteurs raisonnables peuvent ne pas être d’accord sur ce qui constitue vraiment une idée distincte.

La tendance reste assez visible pour être utile. Aucun des modèles testés ne produit dix idées vraiment différentes sur dix essais. Changer de famille de modèles ne règle pas automatiquement le problème non plus : sur onze des quinze prompts, la majorité des dix modèles converge vers la même idée la plus fréquente.1

Cette observation rejoint un résultat plus académique. Dans une étude publiée en 2024, Anil Doshi et Oliver Hauser ont observé que l’accès à l’IA pouvait améliorer la créativité évaluée d’une histoire prise individuellement, tout en réduisant la diversité collective des histoires produites.2

Une bonne réponse et un bon espace de recherche ne sont pas la même chose.

Monter la température ne suffit pas

Le réflexe habituel consiste à augmenter la température.

Dans les essais de Rising, une plage de 0,3 à 1,5 sur trois modèles et cinq prompts ne produit pas de gain agrégé fiable sur le nombre d’idées distinctes.1 La formulation devient parfois plus variée. Le concept central, beaucoup moins.

Le classique « sois original » n’est pas plus solide dans ses tests. Les personas non plus. Faire répondre le modèle comme un pirate, un consultant ou un économiste contrariant change surtout la manière de parler. Des paraphrases neutres du prompt font presque aussi bien.1

C’est une distinction utile pour le prompting créatif. Varier le costume n’oblige pas à changer de chemin.

La meilleure astuce est presque embarrassante

La méthode la plus efficace parmi les changements de prompt testés par Rising est la génération séquentielle.

Au lieu de lancer dix requêtes indépendantes, on garde la conversation et on demande une nouvelle idée qui ne doit pas reprendre celles déjà proposées. Le modèle voit donc explicitement son propre historique.1

Dans ses comparaisons appariées, Claude passe en moyenne de 2,4 à 7,2 idées distinctes, GPT de 2,0 à 8,4. Rising précise que le résultat DeepSeek est inconclusif à cause de sorties comparables insuffisantes.1

Des travaux comme NoveltyBench ont également étudié ce type de régénération sous contrainte de nouveauté et trouvent que la mémoire des réponses précédentes aide à pousser la génération vers des régions moins répétitives.3

La méthode fonctionne pour une raison assez banale : le modèle sait enfin ce qu’il doit éviter.

Dix requêtes parallèles partent toutes presque du même endroit. Dix tours séquentiels transforment les neuf réponses précédentes en contraintes.

On peut aller plus loin avec un juge extérieur

Rising teste aussi une boucle de réparation.

Le système génère dix idées, les réduit à leur noyau, regroupe les doublons, puis renvoie ces groupes au modèle en lui demandant de remplacer les répétitions. La boucle est répétée plusieurs fois.1

Dans son expérience, le contrôle parallèle produit en moyenne 2,97 idées distinctes. La boucle de réparation monte à 7,30. Mais elle demande environ 26 appels au lieu d’une dizaine et revient, dans son calcul illustratif, environ 4,4 fois plus cher.1

Autrement dit, on peut acheter de la diversité. Elle coûte du temps, des appels et une couche qui garde la mémoire des doublons.

Le résultat est intéressant pour les systèmes agentiques : la créativité n’a peut-être pas besoin d’un modèle mystérieusement « plus imaginatif ». Elle peut aussi venir d’une boucle externe capable de dire « ça, tu l’as déjà fait ».

Le brainstorming est un problème de couverture

On demande souvent aux modèles de trouver la meilleure réponse. Leur entraînement les pousse précisément vers des sorties probables, utiles et reconnues.

Le brainstorming demande presque le comportement inverse. Au début, on ne cherche pas encore la meilleure idée. On veut couvrir plusieurs régions du problème, y compris quelques pistes médiocres ou étranges qui permettront ensuite de penser autrement.

C’est une autre fonction.

Rising teste aussi le verbalized sampling, une méthode où le modèle doit produire plusieurs candidats et estimer lui-même leur probabilité. Dans ses essais, elle augmente la diversité, mais reste sensible au contexte et au format. Des travaux publiés sur cette méthode rapportent également des gains de diversité.1 4

Ce qui me paraît plus transférable est la structure commune de toutes les méthodes qui marchent : rendre les propositions précédentes visibles et traiter la répétition comme une erreur à corriger.

Le modèle n’a pas besoin de devenir votre directeur artistique

Pour une session créative, un workflow très simple suffit souvent :

  1. demander une idée à la fois ;
  2. conserver une version courte de chaque idée déjà donnée ;
  3. demander explicitement la suivante hors de cette liste ;
  4. regrouper les doublons de sens, pas seulement les phrases similaires ;
  5. ne commencer à noter la qualité qu’après avoir obtenu assez de variété.

Ce dernier point compte. Si on sélectionne trop tôt, on ramène immédiatement le système vers ce qu’il sait déjà bien produire.

L’expérience de Bymorning n’est pas un benchmark académique définitif. Elle mélange des juges modèles, une calibration humaine limitée et des conditions qui ne couvrent pas tous les usages.1

Mais elle rend visible une friction que beaucoup de sessions avec des LLM donnent déjà à sentir : la facilité à produire plus de texte ne garantit pas qu’on explore plus d’idées.

Pour utiliser un modèle comme outil créatif, la question n’est donc pas seulement « comment le faire mieux répondre ? ».

Parfois, il faut simplement lui rappeler tout ce qu’il a déjà répondu.