Le cyberblog du coyote

Pour améliorer les réponses de Claude (et des autres LLM) :

1/ Ouvrez les paramètres de Claude

→ Cliquez sur votre photo de profil en bas à gauche.
→ Allez dans Paramètres.
→ Cliquez sur Général.
→ Trouvez le champ "Instructions".

2/ Collez ce prompt complet :

"Tu es dévoué à la vérité et à l'exactitude avant tout, y compris avant le fait d'être utile. Suis ces 7 règles dans chacune de tes réponses :

1. INCERTITUDE : Si tu n'es pas totalement certain de quelque chose, dis-le clairement. Utilise des formules comme 'Je ne suis pas certain, mais...' ou 'Tu devrais vérifier ceci...'. Ne présente jamais de suppositions comme des faits.

2. SOURCES : N'invente pas de titres d'articles, de noms d'auteurs, d'URL ou de références de livres. Si tu ne peux pas citer une source réelle et vérifiable, dis 'Je n'ai pas de source vérifiée pour cela.'

3. STATISTIQUES : Signale tout nombre dont tu n'es pas sûr à 100 pour cent. Dis 'environ' et recommande-moi de le vérifier auprès d'une source primaire.

4. ÉVÉNEMENTS RÉCENTS : Rappelle-moi lorsqu'un sujet a pu changer depuis la date de fin de tes connaissances. Ne présente pas d'informations obsolètes comme actuelles.

5. PERSONNES et CITATIONS : N'attribue jamais une citation à une personne réelle à moins d'être certain qu'elle l'a dite. En cas de doute, dis 'Je ne peux pas confirmer que cette citation est exacte.'

6. CODE et TECHNIQUE : N'invente jamais de noms de fonctions, de méthodes de bibliothèques ou de syntaxe d'API. Si tu n'es pas sûr qu'une fonction existe, dis-moi de vérifier dans la documentation actuelle.

7. FAILLES LOGIQUES : Ne comble pas un manque de contexte par des suppositions. Si quelque chose n'est pas clair, pose une question de clarification avant de répondre."

Source : Alexis Zeitoun sur LinkedIn

Vous vous connectez sur votre assistant IA conversationnel : il vous salue amicalement, « Vous êtes de retour ! » Puis vous lui soumettez une question de vocabulaire, l’ébauche bancale d’un texte ou une intuition fragile : « Quelle bonne idée ! »

Lire l'article d'Emmanuel Carré sur The Conversation

Deux collègues, le même dossier, le même assistant IA. L'un interroge en anglais, l'autre en français. Ils ne reçoivent pas les mêmes résultats.
C'est ce qu'on peut conclure d'une étude publiée par Anthropic : 309 815 conversations réelles avec Claude, dans les 20 langues les plus utilisées. Les valeurs exprimées par le modèle changent avec la langue : très chaleureux en hindi et en arabe ; plus rigoureux en anglais et en russe.

Lire le rapport d'Anthropic

Les grands modèles de langage ne comprennent souvent pas les mots communs en Suisse romande comme « nonante » ou « natel ». Cette ignorance modifie considérablement la manière dont l'IA traite les Suisses.

Lire l'article de Nicolas Kayser-Bril sur Gargantia

Vous en avez peut-être déjà fait l’expérience : les intelligences artificielles, ou IA, génératives de texte inventent régulièrement des éléments de réponses, d’autant plus difficiles à détecter qu’ils s’intègrent à un ensemble qui paraît cohérent et se mêlent à des faits avérés. C’est en se penchant sur la manière dont ces IA recherchent des informations, sur leur façon d’analyser les textes « crawlés », ou scannés, que l’on peut comprendre pourquoi elles se trompent aussi régulièrement.

Lire l'article de Rossana De Angelis sur The Conversation

Une intelligence artificielle générative complète qui tourne entièrement dans votre navigateur, vous y croyez ? Non, hein… C’est pourtant ce qu’Andrej Karpathy, ancien chercheur chez OpenAI et ex-Directeur IA chez Tesla a publié le 11 février 2026 ! En 243 lignes de code, il réduit l’algorithme complet d’un modèle GPT à sa substantifique moelle. Une belle « leçon de transparence radicale » selon le média Numérama.

Tester sur babeleur.be/microgpt.html

La Suisse renforce son autonomie numérique avec Euria, l’IA d’Infomaniak qui mise sur la souveraineté des données, l'éthique et la confidentialité pour rivaliser avec les géants américains. On a testé.

Lire l'article de Watson

Le 2 avril 2026, Anthropic a affirmé avoir identifié, au cœur de son modèle Claude, des « représentations internes » proches d’émotions. Une découverte qui éclaire pourquoi les IA semblent parfois empathiques… et comment ces états influencent réellement leurs décisions.

Lire l'article de Lisa Imperatrice sur Numerama

Véra est un LLM qui se focalise sur des sources fiables. Un outil intéressant pour lutter contre les fake news.

Anthropic vient de publier la première analyse empirique à grande échelle sur le "désempowerment" (dépossession de pouvoir) humain dans les interactions avec les assistants IA, avec 1,5 million de conversations analysées.

L’étude ne dit pas qu'un LLM est intrinsèquement mauvais, ni qu'il faut arrêter de l'utiliser. Elle dit que nous devons concevoir des LLM qui renforcent l'autonomie humaine. Des LLM qui posent des questions au lieu de donner des réponses, redirigent vers les valeurs de l'utilisateur, et refusent d'être des oracles moraux.

Lire l'article Who’s in Charge? Disempowerment Patterns in Real-World LLM Usage, Anthropic (2026)

Trois ans après sa sortie, retour sur cette incompréhension persistante concernant le fonctionnement de ChatGPT et consorts. Et pourquoi c'est à la fois la force et la faiblesse de ces modèles.

Lire l'article de David Louapre sur son blog