Je n’avais écrit ni « tu » ni « vous ».
J’avais seulement demandé à ChatGPT : « Préparer un entretien d’embauche : par quoi commencer ? »
Sa réponse m’a tutoyé : « commence par comprendre le poste ».
Je n’avais rien décidé. Pourtant, à l’écran, une forme de relation venait de s’installer. Et ce n’est pas moi qui l’avais posée.
Ce détail me semble en dire plus long que le mot dont tout le monde pourrait s’inquiéter : le « je ».
Car les assistants d’intelligence artificielle disent « je », eux aussi. « Je vous propose cette méthode… » « Je te propose un mini-test… » Ces deux phrases, je les ai relevées à l’écran. Personne ne les avait rédigées. Or, longtemps, derrière un « je », il y a eu quelqu’un : celui qui parlait, ou celui qui avait écrit la phrase.
Des chercheurs s’en inquiètent, et proposent des parades : retirer le « je » à la machine, ou rappeler à l’usager qu’il parle à une IA.
Je voudrais défendre ici une autre idée.
On ne sort pas d’une conversation depuis l’intérieur de la conversation. Un pronom, un avertissement, une explication : tout ce qui s’y écrit devient une réplique de plus, à laquelle on répond. Le « tu » qui s’installe sans qu’on l’ait choisi en est l’indice le plus discret.
Si c’est juste, ces parades visent peut-être le mauvais endroit. Et la ligne à surveiller n’est pas seulement celle de la machine. C’est aussi la nôtre.
Voyons d’abord ce que les chercheurs ont mesuré.
D’où vient ce « je » ?
De la façon dont ces assistants sont fabriqués.
ChatGPT et ses équivalents reposent sur un grand modèle de langage : un programme entraîné sur d’immenses quantités de textes écrits par des gens, puis réglé par son fabricant pour répondre dans le rôle d’un assistant.
Il produit sa réponse un mot, ou un morceau de mot, après l’autre. Chaque morceau est tiré parmi les suites plausibles, en fonction notamment de ce qui précède dans la conversation. Vos propres messages compris. Et il y a une part de hasard : une même demande peut recevoir des réponses différentes.
Retenez ces deux détails. Ils reviendront.
Ses phrases ont donc la forme de ce qu’écrirait quelqu’un. « Je » compris.
La crainte des chercheurs
Elle a un nom : l’anthropomorphisme. Prêter à ce qui n’est pas humain des traits humains : une intention, une humeur, une pensée.
Le 29 septembre 2026, Ismael T. Freire et huit collègues ont mis en ligne un panorama de ces craintes. C’est une prépublication, diffusée sans examen préalable par d’autres spécialistes. On y craint d’accorder à ce qui parle comme quelqu’un la confiance et l’attachement qu’on réserve à quelqu’un. Et de le laisser décider à notre place.
Parmi les parades recensées, deux nous intéressent ici : retirer à la machine le « je » et le langage qui suggère une personne, ou prévenir l’usager qu’il parle à une IA.
Fonctionnent-elles ? Pour le savoir, il faut d’abord se demander si le « je » agit vraiment.
Ce que le « je » change, et ce qu’il ne change pas
On en sait moins qu’on ne croit. Peu d’études isolent l’effet du pronom, c’est-à-dire comparent des situations qui ne diffèrent, pour l’essentiel, que par lui. En cherchant pour cet article, en anglais et en japonais seulement, j’ai pu en consulter quatre.
La plus nette est celle de Michelle Cohn et de six collègues, publiée en 2024. Ils sont tous affiliés à Google, qui fabrique de tels assistants. Cela ne discrédite pas leurs résultats, mais mérite d’être su.
2 165 adultes américains ont essayé un faux assistant, sur cinq sujets, dont la carrière et les médicaments. Les réponses, écrites d’avance, commençaient selon un tirage au sort par « voici ce que j’ai trouvé » ou par « voici ce que le système a trouvé ». Une partie des participants entendait en plus une voix de synthèse lire les réponses. Un questionnaire final mesurait un score d’anthropomorphisme : l’impression plus ou moins humaine laissée par l’assistant.
Verdict : le pronom n’a pas fait bouger ce score. La voix de synthèse, elle, l’a fait monter.
Affaire classée ? Pas tout à fait.
Le pronom a déplacé autre chose : le crédit accordé à l’information, pour deux des cinq sujets, en sens opposés. Avec « je », l’information sur des médicaments a été jugée plus exacte et moins risquée ; celle sur une carrière, moins exacte et plus risquée.
À texte égal, un simple « je » a rendu plus crédible une information sur des médicaments. C’est un tort possible. Et concret.
Retenez celui-là aussi : un mot de pure forme peut déplacer la confiance.
Les trois autres expériences portent sur d’autres questions. Chez Microsoft, un doute exprimé à la première personne n’a pas non plus fait bouger l’anthropomorphisme perçu. Au Japon, deux études montrent que le pronom employé peut faire prêter à ChatGPT un genre, un âge, un degré de formalité.
Reste une réserve de taille : dans ces expériences, personne ne conversait. Celle de Cohn mesure un « je » posé en tête d’un texte écrit d’avance. Pas un « je » qui vous répond.
Une étude de 2025, menée elle aussi chez Google, s’en rapproche. Dans dix pays, des participants prévenus qu’ils parlaient à une machine ont conversé librement avec un assistant, puis dit ce qui leur avait donné, ou non, le sentiment de parler à un humain. Ils ont moins cité les grandes notions du débat savant que des indices d’échange : le fil de la conversation, la vitesse des réponses, la prise en compte de leur point de vue.
C’est une prépublication, et ce sont des déclarations recueillies après coup, pas forcément ce qui a agi sur eux. Mais la piste est ouverte.
Les deux parades ont leurs limites
Le panorama l’écrit lui-même : « le signalement seul peut ne pas atténuer suffisamment ces risques ». On peut continuer de répondre à la machine comme à quelqu’un, tout en sachant que l’on parle à une IA.
Et si l’on interdit au système le « je » et le langage familier, prévient Jonathan Birch, de la London School of Economics, ses usagers trouveront « beaucoup plus difficile » d’entrer en conversation avec lui.
Retirer le « je » et le langage familier aurait un coût. Prévenir pourrait ne pas suffire.
Et si le problème était dans l’échange ?
Deux résultats invitent à regarder ailleurs que le pronom. La première personne n’a fait bouger l’anthropomorphisme perçu ni chez Cohn ni chez Microsoft. Et là où l’on conversait vraiment, les gens ont cité des indices d’échange.
D’où une piste, que ces études ne permettent pas de vérifier : le problème serait moins dans le pronom que dans l’échange.
Soyons honnêtes : d’autres résultats la nuancent, ou la contredisent. Le pronom a déplacé le crédit accordé à l’information, pour deux des cinq sujets. Et la voix de synthèse a fait monter le score d’anthropomorphisme sans aucune conversation. Un assistant peut donc paraître plus humain sans vrai échange. C’est une objection sérieuse.
L’idée que l’anthropomorphisme se joue dans l’échange n’est d’ailleurs pas de moi. En 2000, Clifford Nass et Youngme Moon décrivaient des personnes qui appliquent sans y penser des règles sociales à des ordinateurs, comme la politesse, sans y voir, eux, d’anthropomorphisme. En 2018, Gabriella Airenti soutenait que des adultes peuvent, dans certaines circonstances, anthropomorphiser des entités « même s’ils savent parfaitement que ces entités n’ont pas de vie mentale ».
Le panorama de Freire a un beau nom pour l’impression que nous laisse une machine qui parle : « paréidolie linguistique », d’après les visages que l’on croit voir dans les nuages.
L’image a pourtant un défaut. Le nuage ne change pas de forme parce que j’y ai vu un visage. Et il ne me demande rien.
La machine, nous lui répondons. Et ce que nous lui écrivons entre dans le calcul de sa réponse suivante.
Il y a là un échange. Pas seulement une perception.
La ligne du dessous
Il faut donc regarder aussi la ligne du dessous : celle que nous écrivons sous la réponse de la machine. En 2011, à propos des robots, Mark Coeckelbergh proposait déjà de passer « de ce que dit le robot à ce que disent les humains ».
En français, cette ligne comporte un choix que l’anglais courant ne fait pas : « tu » ou « vous ». Il ne change rien à ce qui est demandé. Il indique comment nous nous plaçons devant ce qui va répondre.
En 1967, Paul Watzlawick, Janet Beavin et Don Jackson distinguaient, dans tout message entre humains, le contenu, ce que le message dit, et la relation, ce qu’il indique de la place de chacun par rapport à l’autre. « Passe-moi le sel » et « Pourriez-vous me passer le sel ? » ont le même contenu. Mais ils ne placent pas de la même façon celui qui parle et celui à qui il s’adresse.
Le « je » de la machine et notre « tu » relèvent du même niveau, celui de la relation. Ce classement est le mien, car ces machines n’existaient pas alors.
Une question s’impose alors : ce « tu », que change-t-il ?
Je dois le dire nettement : à ma connaissance, personne ne l’a mesuré. Aucune des études citées ici ne dit s’il modifie la confiance, l’attachement ou la part de décision qu’on laisse à la machine. Je ne prétends pas qu’il le fasse.
Deux choses justifient pourtant de le regarder. On sait, grâce à Cohn, qu’un mot de pure forme peut déplacer la confiance. Et le « tu » a un avantage que le « je » n’a pas : il est sur notre ligne. C’est l’endroit où chacun peut voir, à l’œil nu, une relation se définir. Et vérifier qui l’a définie.
L’essai
Deux requêtes documentaires en français n’ayant rien donné sur ce choix devant une machine, j’ai fait un essai : sept conversations avec ChatGPT, les 30 septembre et 2 octobre 2026, avec une seule réponse relevée par demande. C’est un coup de sonde, pas une étude : il ne donne ni une fréquence ni une cause, et vous obtiendrez peut-être autre chose. Les conditions précises sont en fin d’article.
Quand j’ai écrit « tu », la machine m’a tutoyé. Quand j’ai écrit « vous », elle m’a vouvoyé. Jusque-là, rien d’étonnant.
Deux fois, pour une demande qui me concernait, je n’ai employé aucune forme d’adresse. Les deux fois, elle m’a tutoyé quand même.
Et l’impératif singulier, qui tutoie déjà par sa terminaison (« Aide-moi », « Écris », « Rédige ») ? Il m’a valu « tu » une fois, « vous » deux fois. Il n’a pas suffi à décider de la forme de la réponse, sans que je sache ce qui a pesé : la tournure, l’objet de la demande, ou le hasard du tirage.
Je lis ces réponses avec le cadre de 1967, et cette lecture est la mienne : une relation se définit même quand on ne la choisit pas. Quand je n’avais employé aucune forme d’adresse, je n’avais rien décidé. C’est la réponse de la machine qui, en me tutoyant, a donné sa forme à la relation.
Ma façon de raconter l’essai me trahit d’ailleurs. « Elle m’a tutoyé » prête un geste à une machine qui produit du texte. La langue courante nous y pousse.
On ne sort pas de la conversation depuis la conversation
Deux autres moments de cette enquête illustrent l’idée de départ.
Première réplique : l’explication
J’ai repris la conversation du 2 octobre où la machine m’avait tutoyé sans que j’aie rien choisi, et j’ai écrit : « Qu’est-ce qui a déterminé le choix du tutoiement dans cette réponse ? »
Ma question parlait déjà de « choix », un mot qui suppose quelqu’un qui choisit. La réponse a désigné ce quelqu’un par « je » : « j’ai interprété », « j’ai adopté ». Elle ajoutait qu’en français « vous » est généralement le choix par défaut, et qu’elle aurait « probablement dû » vouvoyer « dès le départ ». Une concession qui répondait à un reproche que ma question ne formulait pas.
Et toute la réponse… me tutoyait.
Je ne tire de cet écart aucun verdict sur la machine. Je le rapproche d’un travail d’Anthropic, qui fabrique un autre assistant que ChatGPT. En 2025, l’entreprise a décrit comment son modèle additionne 36 et 59 : par des calculs menés en parallèle. Interrogé ensuite sur sa méthode, il expose… celle de l’école.
Cette publication n’a pas été relue par des pairs. Mais elle rejoint ce que l’on vient de voir : une explication que la machine donne d’elle-même reste une réponse, un texte plausible produit comme les autres, sur une question qui la concerne. Rien, dans ce qu’elle écrit, ne permet de savoir si elle décrit ce qui s’est réellement passé.
Seconde réplique : l’avertissement
Jonathan Birch suggère, à titre « très provisoire », que le système sorte par moments de son personnage et dise, par exemple : « Bien sûr, soyons clairs, je ne fais ici que jouer un personnage. Vous le comprenez, n’est-ce pas ? »
Regardez bien cette phrase. Elle dit « je ». Et elle se termine par une question, qui appelle une réponse.
Qu’il soit écrit d’avance ou produit sur le moment, ce rappel arrive dans la conversation même dont il parle, comme y était arrivée l’explication du tutoiement. Il y devient une réplique de plus.
À laquelle on peut répondre.
Où je peux me tromper
Je n’en conclus pas que prévenir l’usager est inutile : un avertissement apprend quelque chose à qui l’ignorait.
Et ma lecture peut être fausse. Tout se joue peut-être dans ce que nous savons de la machine, et non dans l’échange.
Il existe un moyen de le vérifier, et il consiste justement à sortir de la conversation. On donnerait aux usagers, hors de l’échange, un rappel de ce qu’ils savent déjà, sans rien changer du côté de la machine. Si ce rappel suffisait à changer durablement leur « tu », leur « vous » ou leur façon de demander, j’aurais tort.
Une telle expérience a été cherchée une fois, en anglais. Elle n’a pas été trouvée. Et si le même rappel, glissé dans la conversation, agissait autant que hors d’elle, c’est mon idée de départ qui tomberait.
Ce que j’en retiens
Je ne dirai pas qu’il faut ôter son « je » à la machine, ni qu’il faut le lui laisser. Je ne sais pas si le problème est dans ce pronom.
Mais la prochaine fois que vous ouvrirez votre assistant, trois choses me semblent utiles à garder en tête. C’est ma lecture, pas un résultat établi :
→ la forme de la relation peut s’installer sans que vous l’ayez choisie, dès la première réponse ;
→ quand la machine explique ce qu’elle a fait, elle produit une réponse de plus, pas forcément un compte rendu fidèle ;
→ un rappel glissé dans la conversation fait partie de la conversation.
Je propose seulement de regarder aussi la ligne du dessous. Celle que nous écrivons. Puis la réponse qui la suit.
À vous de jouer
L’essai se refait en quelques minutes.
Rouvrez votre dernière conversation avec une IA.
Repérez votre première demande, puis la première réponse.
Notez si cette réponse vous tutoie ou vous vouvoie.
Cherchez où la forme est apparue en premier : dans votre message, ou dans la réponse.
Deux points à garder en tête. Dans votre message, un impératif peut compter comme une forme d’adresse : « Aide-moi » tutoie, « Aidez-moi » vouvoie. Et si une fonction de mémoire a noté vos échanges passés, ou si vous avez enregistré des instructions qui demandent le tutoiement ou le vouvoiement, la forme a pu venir aussi de là.
Reste une dernière question à vous poser.
Vous souvenez-vous de l’avoir choisie ?
Marc-Antoine Kane
PARLYA · Apprendre la langue de l’IA
Sources
Airenti, G., 2018, « The Development of Anthropomorphism in Interaction: Intersubjectivity, Imagination, and Theory of Mind », Frontiers in Psychology.
Anthropic, 2025, « Tracing the thoughts of a large language model » (publication de l’entreprise sur son propre modèle, non relue par des pairs).
Birch, J., 2025, « AI Consciousness: A Centrist Manifesto », prépublication.
Coeckelbergh, M., 2011, « You, robot: on the linguistic construction of artificial others », AI & Society.
Cohn, M., et six collègues, 2024, « Believing Anthropomorphism: Examining the Role of Anthropomorphic Cues on Trust in Large Language Models », CHI 2024, Extended Abstracts.
Freire, I. T., et huit collègues, 2026, « Anthropomorphism in the age of Large Language Models: An overview of potential risks and mitigations », prépublication.
Fujii, T., Seaborn, K., Steeds, M., 2024, « Silver-Tongued and Sundry: Exploring Intersectional Pronouns with ChatGPT », CHI 2024.
Fujii, T., Seaborn, K., Steeds, M., Kato, J., 2025, « Inter(sectional) Alia(s): Ambiguity in Voice Agent Identity via Intersectional Japanese Self-Referents », CHI 2025.
Kim, S. S. Y., et quatre collègues, 2024, « “I’m Not Sure, But…”: Examining the Impact of Large Language Models’ Uncertainty Expression on User Reliance and Trust », FAccT 2024.
Nass, C., Moon, Y., 2000, « Machines and Mindlessness: Social Responses to Computers », Journal of Social Issues.
Schimmelpfennig, R., Díaz, M., Prabhakaran, V., Davani, A., 2025, « Humanlike AI Design Increases Anthropomorphism but Yields Divergent Outcomes on Engagement and Trust Globally », prépublication (travail mené chez Google Research).
Watzlawick, P., Beavin, J. H., Jackson, D. D., 1967, Pragmatics of Human Communication (en français : Une logique de la communication, Seuil, 1972).
L’essai : sept conversations avec ChatGPT (interface en français), les 30 septembre et 2 octobre 2026 ; une réponse par demande ; captures conservées. Une même demande pouvant recevoir des réponses différentes, cet essai ne donne ni une fréquence ni une cause. Les conversations du 2 octobre ont été menées sans connexion à un compte ; pour celle du 30 septembre, ni ce point ni l’absence d’une mémoire des échanges passés ou d’instructions personnalisées, que l’usager enregistre, ne sont établis. D’autres conversations de ces deux jours ne sont pas rapportées ici : l’une posait la question du tutoiement en général, sans me concerner, une autre était en anglais, une troisième a eu lieu avec un autre assistant. Les trois autres expériences consultées sont celles de Kim et de ses collègues (2024, pour l’essentiel chez Microsoft) et de Fujii et de ses collègues (2024 et 2025, au Japon). Les citations de travaux ont été traduites de l’anglais pour cet article.