LIVE: How Professional Writers Write with AI | Write-along

Le présent compte-rendu résume un webinaire organisé par Every, une plateforme axée sur l'intelligence artificielle, présentant le processus d'écriture assistée par IA de deux membres de leur équipe éditoriale, Katie et Jack. L'événement, intitulé "Write Along", vise à illustrer concrètement comment ils utilisent les outils d'IA pour produire du contenu, en se concentrant sur le flux de travail et les méthodologies. Katie, rédactrice pour Every, partage son approche, qui s'articule autour du concept de "compound writing" (écriture composée), inspiré par le "compound engineering" de Kieran Clawson. Cette méthode applique une approche itérative et évolutive à l'écriture, similaire à celle utilisée en ingénierie logicielle, où le système apprend et s'améliore avec l'utilisateur. Son processus débute par une idée d'article pour sa chronique "Working Overtime", qui explore l'impact de l'IA sur le monde du travail. Pour cette démonstration, Katie utilise Claude, un modèle d'IA d'Anthropic, via son application de bureau. Elle explique qu'elle a initialement été séduite par Claude, puis s'en est éloignée avant de redécouvrir sa qualité avec la version Opus 5.5. Son flux de travail est fortement structuré par des dossiers dédiés à chaque type de chronique qu'elle rédige. Au cœur de ces dossiers se trouve un fichier `style.md` qui définit le but de la chronique, les attentes du lecteur, la structure narrative (le schéma "friction to framework"), ainsi que des directives sur le ton, le style et les pièges à éviter. Un fichier `voice.md` capture les schémas de phrases et l'architecture de ses écrits. Le processus de "compound writing" se décompose en plusieurs étapes : le brainstorming, la planification (l'ébauche), la rédaction et la révision. Pour lancer le brainstorming, Katie utilise la fonction monologue de Claude, lui présentant son idée d'article sur la manière dont elle a "gâché" son propre contexte en essayant de rendre ses modèles d'IA plus performants. L'IA l'interroge ensuite une question à la fois pour extraire ses pensées. Katie explique que le déclencheur de cet article est une expérience récente où ses modèles d'IA ont cessé de fonctionner correctement. Elle avait pris la décision de demander à l'IA de sauvegarder absolument tout ce qu'elle produisait (esquisses, décisions, retours, expériences) dans son contexte. Si cette approche avait déjà été utile par le passé pour reconstruire des apprentissages, elle a cette fois-ci mené à une surcharge catastrophique du contexte, rendant l'IA incapable de l'assister efficacement. Elle a découvert le terme allemand "Schlimmbessern" (aggraver en essayant d'améliorer) pour décrire cette situation. La discussion aborde la différence entre une utilisation "normale" et une "dépendance excessive" au contexte. Katie préfère se concentrer sur ce qui se passe lorsque le contexte, historiquement fiable, "trahit" l'utilisateur. Elle précise que cet incident est survenu quelques jours auparavant, alors qu'elle travaillait sur une "vibe check" pour le modèle Opus 5.5. La réalisation que le système sur lequel elle comptait était la cause du problème fut terrifiante, la forçant à arrêter tout et à reconstruire sa méthodologie. Elle décrit le "tangle" (enchevêtrement) dans ses fichiers de contexte comme un mélange de plusieurs modèles d'instructions et de directives contradictoires, rendant impossible pour l'IA de discerner les priorités. Par exemple, cinq modèles de templates différents s'étaient fusionnés en une liste de conditions impossibles à satisfaire. Katie souligne l'importance du contexte pour les utilisateurs d'IA, en expliquant que le concept d'ingénierie de contexte a émergé dans le domaine du développement avant de s'étendre à d'autres domaines. Elle a commencé à ajouter des exemples et des guides de style personnels, qui ont rapidement amélioré la qualité des sorties. La transition vers des environnements plus flexibles comme Claude Code et Codex GPT a rendu possible l'orchestration de fichiers interdépendants. L'article s'adresse donc à ceux qui débutent avec l'IA (leur conseillant de rester simples) et à ceux qui rencontrent des problèmes avec des contextes incontrôlables. La phase de "reconstruction" a impliqué une réinitialisation complète de ses dossiers de contexte, en utilisant les principes du "compound engineering". L'IA a identifié des conflits entre les différents fichiers (style, voix, agents). Les principes qui en ont émergé sont : les bonnes intentions peuvent mener à de mauvais résultats ; plus de mémoire n'est pas toujours mieux, il est parfois bénéfique de laisser l'IA oublier ; et il faut constamment "élaguer" son contexte, comme un bonsaï. Un autre apprentissage clé est de ne jamais modifier son contexte sous pression. Katie explique qu'elle était dans un état "d'psychose IA" lors de l'incident, se sentant invincible, ce qui a conduit à ses décisions impulsives. La nécessité de trouver un état d'esprit calme pour travailler avec son contexte est primordiale. Après l'entretien avec l'IA, qui a permis de générer une ébauche des idées principales, Katie passe à la phase d'ébauche. Elle préfère travailler section par section plutôt que de tenter une rédaction unique ("one-shot"), car même avec un plan approuvé, des découvertes et des ajustements sont nécessaires. Elle compare cela à l'écriture traditionnelle, où le processus de découverte fait partie intégrante de la création. L'IA, en utilisant les informations de l'entretien, génère une ébauche de l'introduction. Katie est satisfaite de la qualité de cette introduction, qui inclut le "hook" (accroche), le "bridge" (pont), la thèse et la promesse. Elle souligne que l'IA peut aider à générer la première version, sur laquelle elle peut ensuite réagir et affiner. Elle utilise ensuite des "reviewers" (réviseurs) personnalisés, des personas basés sur des principes d'écriture ou des écrivains admirés. Parmi eux : "Reader" (lecteur novice, pour identifier les points de confusion), "Hitchcock" (pour le suspense et la concision), "Sorcin" (pour le rythme et la fluidité des dialogues), "Vonnegut" (pour les principes narratifs) et "Mom" (une personne confuse mais bienveillante). Ces réviseurs fournissent des retours critiques sur l'ébauche de l'article. Par exemple, le rapport "Reader" suggère que le lecteur attend trop longtemps pour voir les dégâts causés par la surcharge du contexte. "Hitchcock" note que le plan actuel diffuse le suspense trop rapidement. Après avoir validé l'ébauche et l'outline, Katie passe à la rédaction section par section. Elle porte une attention particulière à l'introduction, considérant qu'elle pose les bases de tout l'article. Elle utilise l'IA pour générer des brouillons de chaque section, qu'elle retravaille ensuite manuellement dans un document Google Docs. Elle explique que le passage de l'IA à l'édition manuelle est crucial. Même si l'IA peut générer une première version, l'intervention humaine est nécessaire pour affiner le style, la voix et le rythme. Elle utilise ensuite des "skills" (compétences) personnalisées dans l'IA pour des tâches spécifiques comme "Titan Draft" (pour réduire la longueur du texte en conservant le sens) et "Jargonify" (pour reformuler le langage technique en termes simples). Jack, éditeur senior, prend le relais pour la phase d'édition. Il décrit sa propre approche, plus minimaliste, se concentrant sur les commentaires et les suggestions plutôt que sur les modifications directes lors de la première lecture. Il utilise des outils comme l'extension Chrome ChatGPT pour interagir avec l'IA, lui demandant de suggérer des révisions basées sur ses commentaires et les sélections de texte. Il note que l'IA peut parfois sonner "robotique" ou utiliser des tournures répétitives, et qu'il faut parfois lui demander des variations ou lui indiquer les aspects à améliorer. Il utilise des compétences personnalisées comme "Titan Draft" et "Jargonify" pour optimiser le texte. "Titan Draft" vise une réduction d'environ 10-15% du volume, en se concentrant sur la suppression du superflu, l'amélioration des phrases et l'utilisation d'un langage plus concret. "Jargonify" simplifie le langage technique. Avant de transmettre le texte à Katie pour la relecture finale, Jack utilise un outil appelé "Katebench", une IA entraînée sur les préférences éditoriales de Katie. Cet outil identifie les erreurs potentielles et les points à améliorer, permettant à Katie de se concentrer sur les aspects plus stratégiques et éditoriaux de la pièce, plutôt que sur les détails mineurs. L'événement se conclut par une discussion sur la satisfaction globale avec les résultats. Katie exprime sa joie d'avoir retrouvé un flux de travail fonctionnel grâce à son contexte révisé. La démonstration illustre la puissance de l'écriture assistée par IA, non pas comme un remplacement de l'auteur, mais comme un outil collaboratif permettant d'améliorer l'efficacité et la qualité du processus créatif.