Une IA plus fiable, relue par une autre famille de modèles.
Tu obtiens une réponse. Un modèle d’une autre famille la relit : il doit citer ce qui est faux et proposer une correction, ou dire qu’il n’a trouvé aucune faille sérieuse. Le modèle qui a écrit la réponse donne ensuite une version finale corrigée et liste ce qui a changé.
Ouvrir le chatCompris dans toutes les offres payantes, dès Pro.
- Bugs semés corrigés
- 49 / 49
- Questions vérifiables
- 10 / 10
- Préférée par le juge
- 80 %
Comment ça marche
Demande une relecture
Sous n’importe quelle réponse du chat, ouvre le menu ⋯ et choisis « Débat ». Prends la critique approfondie ou la critique rapide, ajoute un point à examiner si tu veux ; le coût s’affiche avant de lancer.
Une autre famille relit
Le critique doit citer chaque ligne ou affirmation fautive, expliquer pourquoi avec une preuve et proposer une correction. S’il ne trouve rien de sérieux, il le dit et précise ce qu’il a vérifié.
L’auteur corrige
Le modèle qui a écrit la réponse n’accepte que les points qu’il peut vérifier, écrit la version finale, puis liste ce qui a changé et les points écartés, avec leur motif.
Ce que nous avons mesuré
Trente cas de test, passés avant d’écrire la moindre ligne de la fonction.
Chaque méthode partait de la même première réponse. Le code a été vérifié en exécutant des tests, et les questions contre une réponse calculée par programme. Les tâches ouvertes ont été jugées par un modèle d’une troisième famille (OpenAI), qui ignorait quel texte était lequel ; chaque paire a été jugée deux fois, dans les deux ordres.
| Méthode | Bugs semés corrigés | Bugs ajoutés | Questions vérifiables | Préférée par le juge | Coût réel par cas |
|---|---|---|---|---|---|
| Réponse seule | 47 / 49 | 1 | 8 / 10 | — | 0,002–0,003 $ |
| Le même modèle se relit | 47 / 49 | 1 | 8 / 10 | 15 % | 0,004–0,008 $ |
| Critique de la même famille | 46 / 49 | 0 | 8 / 10 | 60 % | 0,011–0,018 $ |
| Autre famille, critique approfondie | 49 / 49 | 0 | 10 / 10 | 80 % | 0,008–0,017 $ |
| Autre famille, critique rapide | 48 / 49 | 0 | 8 / 10 | 70 % | 0,003–0,008 $ |
Réponse de DeepSeek V4 Pro ; critique approfondie par GLM 5.2, critique rapide par GLM 5.3 Flash. Préférée par le juge : victoires plus la moitié des égalités face à la réponse seule, sur 10 tâches ouvertes. Coût : ce que les fournisseurs ont facturé par cas. Temps médian de la question à la version finale : 8 s seule, 20 s avec la critique rapide, 78 s avec la critique approfondie.
Là où ça n’aide pas
La même étude, lue sans rien laisser de côté.
La critique rapide n’a pas corrigé plus de questions vérifiables que la réponse seule : 8 sur 10 dans les deux cas. Pour un calcul ou une question piège, choisis la critique approfondie.
Un modèle premium qui réussissait déjà seul tous les cas objectifs (20 bugs sur 20, 4 questions sur 4) n’a rien gagné de mesurable à être relu.
La critique approfondie prend du temps : 78 secondes en médiane, jusqu’à 133 secondes pour 95 % des cas.
Le test était petit : 10 questions, 10 tâches ouvertes, et un code que la réponse seule réussissait déjà à 96 %. Sur 3 des 4 égalités, le juge a changé d’avis quand on inversait l’ordre.
Dans 10 cas sur 30, le critique n’a trouvé aucune faille sérieuse et la réponse est restée telle quelle.
En mode Relecture, le critique lit la réponse sans consulter le web, donc un fait récent qu’il n’a jamais vu reste invérifié. C’est le rôle de la Vérification des faits, et même là il vaut mieux ouvrir les sources.
Ce que ça coûte dans l’application
Disponible dans toutes les offres payantes. Le coût s’affiche avant de lancer.
Avec un modèle inclus
Compte 2 messages de ta journée, ou 1 si le critique ne trouve rien à corriger.
Avec un modèle premium
La version finale se paie en crédits, avec une estimation et un maximum affichés d’abord ; la critique compte 1 message.
Arrêt à tout moment
Seul ce qui a été produit est compté : arrêtée pendant la critique, elle compte ce seul message.
Deux modes, puis Points de vue
Le Débat a deux modes et choisit pour toi : il vérifie les faits sur le web quand la réponse en contient ; sinon, une seconde IA relit sans web. En « Vérification des faits », l’application extrait les affirmations de la réponse, les cherche sur le web, donne une étiquette à chacune et cite des sources cliquables dans la version finale, sans jamais inventer de source. En « Relecture », un modèle d’une autre famille lit la réponse et la critique sans consulter le web. La Vérification des faits part quand la réponse contient des faits vérifiables (chiffres, dates) sur une question de fait, ou quand elle dit qu’elle ne peut pas confirmer ; le code et les questions d’avis vont en Relecture. Tu peux aussi choisir le mode toi-même.
Nous avons mesuré la Relecture sur 20 questions dont la réponse ne se vérifie pas. Avant notre itération, la version finale inventait un fait dans 10 cas sur 20 ; après, dans 1 cas sur 20, sans aucune source inventée. Un sur 20 n’est pas aucun : c’est pourquoi la Vérification des faits passe par le web dès que la réponse contient des faits à contrôler, et pourquoi il vaut la peine d’ouvrir les sources.
« Points de vue » est un onglet premium pour les sujets qui divisent. Deux avocats de familles différentes plaident chacun une position avec leurs propres sources web, puis une synthèse les réunit. Compte environ 21 crédits par sujet en moyenne, pour les abonnés. Face à une réponse équilibrée d’un seul modèle, un juge a préféré Points de vue dans 83 à 90 % des cas mesurés (6 puis 15 sujets), et sur les 4 pièges où les faits sont tranchés, ils ont été présentés comme tranchés 4 fois sur 4.
Pourquoi un modèle d’une autre famille
Un modèle qui relit sa propre réponse ne corrige rien de plus : nous l’avons mesuré. Mêmes bugs, mêmes erreurs, et le juge n’a préféré la version relue que dans 15 % des tâches ouvertes. Un modèle qui a raté quelque chose la première fois le rate souvent la deuxième, sans doute parce que le trou vient de son entraînement, pas de la précipitation.
Un critique de la même famille n’a pas fait mieux, parfois pire. Chargé de relire une réponse de DeepSeek, un critique DeepSeek a soulevé plus de points, fait plus de fausses alertes, et le code corrigé a fini avec 46 bugs semés corrigés sur 49, contre 47 pour la réponse seule. Il a aussi raté une devinette inversée dans laquelle la réponse était tombée : les modèles d’une même famille partagent leurs angles morts.
Un critique d’une autre famille a vu cette devinette, recompté un dénombrement que la réponse avait raté (155 au lieu de 153) et trouvé les deux derniers bugs du code. C’est pourquoi l’application ne laisse jamais un modèle relire sa propre famille : le critique est choisi sur notre serveur, et le navigateur n’envoie que la profondeur choisie.
Un critique qui doit prouver ce qu’il avance
Un relecteur qui approuve tout ne sert à rien, et celui qui invente des problèmes pour paraître sérieux est pire. Le critique travaille donc sous des règles strictes : citer la ligne ou l’affirmation exacte, expliquer pourquoi elle est fausse avec une preuve (un contre-exemple, un calcul, l’exigence qu’elle viole), proposer la correction et ignorer le style. Si, après une vraie vérification, il ne trouve rien de sérieux, il l’écrit et dit ce qu’il a vérifié.
Dans l’étude, le critique d’une autre famille a soulevé environ deux points par relecture. Sur le code, 17 des 19 points qui nommaient une fonction visaient un vrai bug semé. Dans un tiers des cas, il a dit n’avoir rien de sérieux à signaler ; la réponse reste alors telle quelle et l’étape finale est sautée.
L’auteur n’obéit pas aveuglément non plus. Il a pour consigne de n’accepter un point qu’après l’avoir vérifié et de motiver chaque refus. Dans 15 des 20 versions finales, au moins un point a été écarté avec un motif. Tu vois les deux listes sous la version finale : ce qui a changé, et les points écartés.
Pourquoi un seul tour
Nous avons aussi mesuré un échange plus long : deux modèles qui se répondent point par point pendant deux ou trois tours, puis une synthèse. Il n’a pas fait mieux que la relecture unique sur le code, a raté une question de plus, n’a été préféré par le juge que dans la moitié des tâches ouvertes, et coûtait trois fois plus cher pour deux à trois fois plus de temps.
L’application fait donc un seul tour, bien fait : un brouillon, un critique d’une autre famille, une version finale corrigée. Quand le critique ne trouve rien, l’échange s’arrête là, ce qui est arrivé dans un tiers des cas de test.
Vérifier une réponse d’IA, avec ou sans elle
Les conseils classiques restent valables. Demande les sources et ouvre-les. Refais un calcul de ton côté. Exécute un code avant de t’y fier, idéalement avec un test qui couvre les cas limites : liste vide, dates autour d’un anniversaire, valeurs qui ne sont pas des nombres. Reformule la question pour voir si la réponse tient. Et demande à un autre modèle, parce que deux modèles de familles différentes font rarement la même erreur.
« Débat » automatise cette dernière étape et en garde une trace écrite. C’est le plus utile là où une erreur coûte quelque chose : un code que tu vas mettre en ligne, un calcul derrière une décision, le résumé d’un contrat, un plan avec des compromis, un e-mail important. Pour un échange court ou une question de goût, la réponse seule suffit en général, et elle arrive plus vite.
Elle ne remplace pas ton jugement. En mode Relecture, le critique ne consulte pas le web, et un point sur lequel les deux modèles sont d’accord peut rester faux. Ce qu’elle apporte, c’est une seconde lecture indépendante sous tes yeux, avec ses raisons écrites.
Questions fréquentes
Cherche-t-elle sur le web ?
Cela dépend du mode. La Vérification des faits cherche sur le web et cite des sources cliquables dans la version finale ; la Relecture non : un second modèle d’une autre famille lit la réponse sans le web. L’application choisit la Vérification des faits quand la réponse contient des faits vérifiables comme des chiffres et des dates, ou dit qu’elle ne peut pas confirmer ; tu peux aussi choisir le mode toi-même.
Une deuxième IA rend-elle vraiment les réponses plus fiables ?
Sur notre test à l’aveugle, un critique d’une autre famille a fait passer la réponse de 47 à 49 bugs semés corrigés sur 49, de 8 à 10 questions vérifiables sur 10, et le juge a préféré la version corrigée dans 80 % des tâches ouvertes, jamais l’originale. Le même modèle qui se relit n’a rien changé. Le test était petit, et un modèle premium qui réussissait déjà tous les cas objectifs n’a rien gagné : détails plus haut.
Quels modèles relisent la réponse ?
Pour la critique approfondie, GLM 5.2 ; pour la critique rapide, GLM 5.3 Flash. Jamais un modèle de la même famille que l’auteur : si la réponse vient d’un modèle GLM, c’est un modèle DeepSeek qui la relit. Le modèle qui a écrit la réponse écrit la version finale.
Combien de temps ça prend ?
En médiane, 78 secondes de la question à la version finale avec la critique approfondie, et 20 secondes avec la critique rapide, contre 8 secondes pour la réponse seule. Pendant l’attente, le fil montre quel modèle a la parole et le début du raisonnement du critique.
Est-ce disponible avec l’offre gratuite ?
Non. C’est compris dans toutes les offres payantes, dès Pro à 20 $ par mois. Avec un modèle inclus, une relecture compte 2 messages de ta journée, ou 1 s’il n’y a rien à corriger ; avec un modèle premium, la version finale se paie en crédits et le coût s’affiche avant de lancer.
La relecture peut-elle se tromper ?
Oui. Le critique peut lever une fausse alerte, c’est pourquoi l’auteur n’accepte que ce qu’il peut vérifier et motive chaque point écarté. En mode Relecture, il ne consulte pas le web, et deux modèles peuvent être d’accord sur une erreur. Pour tout ce qui compte, lis la liste de ce qui a changé et vérifie les points importants pour toi.
Fais relire ta prochaine réponse
Sous n’importe quelle réponse, ⋯ puis « Débat ». Le coût s’affiche avant de lancer.
Ouvrir le chat