Claude devait sauver l'humanité, trois mois plus tard, ses prophètes ont déjà changé de dieu

A chaque nouveau modèle, une partie de l'écosystème proclame un vainqueur définitif. Trois mois plus tard, les certitudes ont changé, mais l'assurance reste intacte.

Claude est excellent. Ce n’est précisément pas le sujet

Claude est un outil remarquable. Il l’est aujourd’hui, il l’était hier et il le restera probablement demain pour une partie de ses utilisateurs. Ses qualités ne disparaissent pas parce que ChatGPT progresse, pas plus que les avancées d’OpenAI ne condamnent automatiquement Anthropic, Google ou les autres acteurs du marché. Une intelligence artificielle peut exceller dans certains usages, moins convaincre dans d’autres et rester parfaitement adaptée à une manière de travailler particulière.

C’est précisément pour cette raison que le débat sur le meilleur modèle finit souvent par devenir absurde. Il suppose qu’il existerait une hiérarchie universelle, stable et valable pour tous, comme si un développeur, un juriste, un chercheur, un dirigeant ou une équipe marketing attendaient exactement la même chose d’un assistant. La qualité perçue dépend pourtant du contexte, de la mémoire, de l’interface, du ton, des habitudes, de la précision attendue, du niveau de contrôle et parfois simplement de l’affinité que chacun développe avec un outil.

Reconnaître les progrès récents de ChatGPT ne signifie donc pas proclamer la victoire définitive d’OpenAI. De la même manière, reconnaître les qualités de Claude n’oblige pas à en faire le sauveur rationnel, éthique ou créatif de l’humanité numérique. Le marché ne manque pas d’outils performants. Il manque surtout de recul lorsqu’il s’agit de les évaluer.

Le sujet n’est pas de savoir quel modèle mérite la couronne. Le sujet est la vitesse avec laquelle une amélioration technologique devient une révélation définitive, avant d’être remplacée quelques semaines plus tard par une autre révélation tout aussi définitive.

Chaque nouveau modèle déclenche désormais sa petite religion

Le rituel commence toujours de la même manière. Quelques démonstrations spectaculaires apparaissent, les premières captures d’écran circulent, les infographies aux titres définitifs et aux flèches savamment disposées commencent à expliquer comment le nouveau modèle a déjà redéfini le travail, une poignée d’utilisateurs racontent leur expérience comme s’ils avaient assisté à un basculement historique, puis les conclusions s’emballent. Le modèle n’est plus simplement meilleur sur certaines tâches. Il aurait compris l’humain, enterré la concurrence, changé le travail, rendu obsolète une génération entière d’outils et parfois condamné plusieurs métiers avant même que la majorité des professionnels ait eu le temps de le tester sérieusement.

Le vocabulaire accompagne cette montée en intensité. On parle de révolution, de rupture, de fin d’un monde, de nouvelle ère ou de modèle qui change toutes les règles. L’innovation n’est plus présentée comme un progrès important, mais comme une révélation qui obligerait chacun à choisir son camp. Ceux qui hésitent deviennent des retardataires, ceux qui nuancent manqueraient de vision, et ceux qui rappellent qu’un cas d’usage ne constitue pas une preuve générale sont accusés de ne pas comprendre la vitesse du changement.

Cette mécanique ne concerne évidemment pas seulement l’intelligence artificielle. Chaque marché technologique fabrique ses enthousiasmes, ses cycles de surpromesse et ses récits de remplacement. Mais l’IA accélère le phénomène, parce que les utilisateurs peuvent constater immédiatement une différence de comportement, publier leur résultat et transformer une expérience individuelle en démonstration publique. La puissance narrative d’une réponse brillante, d’un texte réussi ou d’un raisonnement impressionnant dépasse largement sa valeur statistique.

Nous n’évaluons plus seulement des outils, nous cherchons régulièrement un nouveau sauveur.

La hype ne se contente donc plus d’accompagner une sortie commerciale. Elle lui donne une portée civilisationnelle, puis crée autour du produit une petite communauté de convertis chargés d’expliquer que tout ce qui existait avant appartient déjà au passé. L’outil devient un signe d’appartenance, la préférence devient une identité et la critique devient presque une trahison.

Les prophètes de l’IA commentent moins la technologie que l’émotion du moment

Ceux qui occupent le plus vite l’espace public ne sont pas toujours ceux qui ont le plus testé. Beaucoup ne produisent ni recherche, ni benchmark rigoureux, ni comparaison suffisamment longue pour résister au prochain lancement. Ils commentent surtout l’émotion collective au moment où elle devient rentable, puis lui donnent une forme plus spectaculaire afin de paraître légèrement en avance sur le reste de la foule.

Ils ne prédisent pas nécessairement l’avenir. Ils reformulent très vite l’enthousiasme dominant. Leur capacité principale consiste à reconnaître la vague d’attention, à adopter son vocabulaire et à publier avant que les nuances n’aient eu le temps de ralentir le récit. La vitesse devient alors un substitut à l’expertise, parce que celui qui parle le premier bénéficie d’un avantage symbolique, même lorsque son analyse ne repose que sur quelques essais et une conviction momentanée.

Cette logique récompense les certitudes fortes. Dire qu’un modèle semble prometteur, mais qu’il faudra comparer les usages dans la durée, produit peu d’effet. Affirmer qu’il enterre tous les autres, bouleverse le marché et change définitivement la manière de travailler attire davantage l’attention. La prudence paraît molle, tandis que l’exagération ressemble à de la clairvoyance jusqu’au moment où la prophétie cesse d’être commode.

Il serait injuste de considérer que tous ceux qui partagent leur enthousiasme sont incompétents ou opportunistes. Certains testent réellement, documentent leurs usages et corrigent leurs conclusions. Le problème commence lorsque l’autorité affichée dépasse très largement le travail effectué, et lorsqu’une démonstration séduisante suffit à produire un verdict universel.

La compétence de certains prophètes n’est donc pas toujours d’évaluer la technologie. Elle consiste surtout à reconnaître l’endroit où l’attention va se concentrer, puis à transformer cette attention en posture d’expertise avant qu’elle ne se déplace ailleurs.

Des certitudes absolues dont personne ne demande jamais le bilan

Pendant quelques semaines, les affirmations deviennent catégoriques. Ce modèle a gagné, cet autre est mort, tel métier disparaîtra, telle entreprise a raté son virage et telle fonctionnalité change tout. Les nuances sont effacées, les différences de contexte disparaissent et le marché entier semble devoir obéir à une démonstration réalisée sur un écran, dans une situation particulière, par une personne qui possède ses propres habitudes et ses propres attentes.

Puis un nouveau modèle arrive, ou une mise à jour améliore suffisamment un concurrent pour déplacer le centre de gravité de la conversation. Les anciennes certitudes ne sont presque jamais relues. Les prophéties ratées ne font l’objet d’aucun bilan, et leurs auteurs ne reviennent pas expliquer qu’ils ont généralisé trop vite, confondu une performance ponctuelle avec une supériorité durable ou pris une préférence personnelle pour un basculement de marché.

Ils changent simplement de vocabulaire, de captures d’écran et de dieu. La cohérence importe peu, puisque le flux efface rapidement les déclarations précédentes et que l’attention collective préfère déjà la prochaine nouveauté. L’amnésie devient une condition de fonctionnement du système, parce qu’elle permet à chacun de rester prophète sans jamais rendre de comptes sur ses anciennes prophéties.

La durée de vie des certitudes est devenue plus courte que celle des modèles qu’elles prétendent analyser. Un outil peut conserver ses qualités pendant plusieurs années, tandis que le récit construit autour de lui ne tient parfois que quelques semaines. Ce décalage révèle que l’objet réel du commentaire n’est pas toujours la technologie, mais la position que chacun cherche à occuper dans la conversation.

Aimer un outil ne donne pas le droit d’en faire une vérité universelle

On peut préférer Claude pour certains usages, ChatGPT pour d’autres, Gemini dans un autre environnement, ou choisir un modèle moins médiatisé parce qu’il répond mieux à une contrainte précise. Une préférence peut être parfaitement rationnelle sans devenir une loi générale. Elle peut reposer sur la qualité rédactionnelle, la mémoire, la vitesse, l’interface, la confidentialité, le prix, l’intégration dans un écosystème ou simplement une façon de dialoguer qui convient mieux à la personne.

Un outil peut être remarquable sans l’être pour tous les métiers. Un modèle peut progresser sans rendre les précédents inutiles. Une différence spectaculaire dans une démonstration peut devenir secondaire dans un usage quotidien, tandis qu’une fonctionnalité apparemment banale peut se révéler décisive pour une équipe particulière. La valeur dépend moins du classement théorique que de l’adéquation entre l’outil, la tâche et l’organisation.

Le problème n’est donc pas l’enthousiasme. Il commence lorsque l’enthousiasme se présente comme une preuve, qu’un cas d’usage devient une règle générale et qu’une préférence individuelle est vendue comme une vérité technologique. Cette confusion produit des recommandations fragiles, parce qu’elle pousse les professionnels à changer d’outil au rythme des récits plutôt qu’au rythme de leurs besoins.

Une évaluation sérieuse devrait distinguer la performance ponctuelle, le cas d’usage, la communication du fournisseur, l’évolution durable du marché et l’expérience personnelle de l’utilisateur. Elle devrait également accepter que deux personnes compétentes puissent aboutir à des conclusions différentes sans que l’une d’elles ait nécessairement tort.

La maturité ne consiste pas à ne jamais s’enthousiasmer. Elle consiste à ne pas confondre enthousiasme et démonstration.

La vraie expertise commence lorsque la hype retombe

L’expert crédible n’est pas celui qui publie "game changer" quinze minutes après une démonstration. C’est celui qui teste dans la durée, compare des usages réels, reconnaît les limites et accepte de corriger ses analyses lorsque les faits contredisent son premier enthousiasme. Son travail commence précisément au moment où la majorité a déjà choisi son camp.

Il distingue le marketing produit d’une transformation structurelle, la nouveauté d’un progrès durable et la performance d’un modèle de sa pertinence dans une organisation. Il ne considère pas le doute comme une faiblesse et peut dire qu’il est encore trop tôt pour conclure sans craindre de perdre son statut. Cette prudence ne produit pas toujours les publications les plus spectaculaires, mais elle résiste mieux au temps.

La nuance n’est pas un manque de vision. Elle est souvent la première preuve de compétence, parce qu’elle oblige à reconnaître la complexité là où le marché préfère les vainqueurs, les perdants et les révolutions trimestrielles.

Dans trois mois, ce sera peut-être Mistral AI, Gemini ou un acteur que personne n’a encore placé sur son autel. Peu importe le nom du prochain dieu : les prophètes, eux, seront déjà prêts.