Les grands modèles de langage (LLM) tendent de plus en plus à produire des réponses identiques et prévisibles face aux questions ouvertes. Un phénomène que les chercheurs qualifient d'intelligence en ruche ou de pensée de groupe artificielle. Une étude primée par le sommet NeurIPS a démontré que vingt-cinq modèles différents convergeaient systématiquement vers les mêmes métaphores, comme la célèbre image du temps coulant comme une rivière. Cette homogénéisation s'explique par des entraînements sur des jeux de données similaires et une optimisation visant à privilégier les formulations les plus fréquentes et stables, au détriment de la créativité. Pour contrer cette standardisation, la startup australienne Springboards a développé Flint, un modèle conçu spécifiquement pour diversifier les suggestions créatives. S'appuyant sur l'architecture ouverte Qwen 3 d'Alibaba, Flint ne vise pas à remplacer les assistants classiques, mais à servir de catalyseur lors de phases de brainstorming. Contrairement à la simple augmentation du paramètre de température, qui rend les réponses incohérentes, Springboards a entraîné son modèle pour introduire une variabilité ciblée uniquement à des moments clés de la génération. Cette approche permet de proposer des pistes inhabituelles sans compromettre la structure globale du texte. La démonstration de Flint illustre cette divergence : face à une demande de numéro aléatoire, de marque automobile ou de slogan publicitaire, il rejette régulièrement les réponses dominantes offertes par ChatGPT ou Claude, proposant à la place des angles originaux. Des professionnels du marketing utilisent déjà l'outil pour explorer des perspectives inattendues, soulignant sa capacité à briser les cadres conventionnels. Toutefois, Flint reste un prototype dont la stabilité technique doit encore être affinée pour un usage intensif. Les experts de l'industrie saluent cette initiative tout en rappelant les limites de la technologie. Ils notent que si la diversité est précieuse pour l'inspiration, la majorité des utilisateurs recherchent avant tout des réponses fiables. Il est également rappelé que l'intelligence artificielle doit rester un outil d'aide à la réflexion et non un substitut au jugement humain. En élargissant le spectre des suggestions, Springboards espère redonner aux utilisateurs le contrôle sur leurs processus créatifs. L'objectif n'est pas de fournir la réponse unique, mais de proposer des chemins alternatifs, permettant aux équipes de combiner, filtrer et enrichir les idées avec une vision plus nuancée. À mesure que les LLM deviennent incontournables dans la production de contenu, cette quête d'équilibre entre précision algorithmique et diversité intellectuelle pourrait bien définir la prochaine évolution des outils d'écriture assistée.