Un client m’a envoyé un support il y a un mois avec une note : *« L’IA a écrit la majeure partie, pouvez-vous corriger les parties qui sonnent comme écrites par l’IA ? »* C’est une demande étrange quand on y réfléchit — elle ne pouvait pas pointer une phrase précise qui était incorrecte, juste une impression générale que chaque diapositive semblait venir du même narrateur légèrement trop confiant. Ce n’était pas le cas. La moitié du support était écrite par ChatGPT, l’autre moitié par Claude, insérées sans qu’on ait décidé quel outil devait faire quel travail.

C’est généralement là que vient la plainte *« L’IA a écrit mes diapositives »* — pas à cause d’un mauvais résultat, mais d’un manque de répartition des tâches.

La consigne *« écris mes diapositives »* qui gaspille discrètement les deux modèles

La plupart des gens ouvrent une fenêtre de discussion, collent un sujet et demandent *« 10 diapositives sur X »*. ChatGPT et Claude se feront un plaisir de répondre, et les deux fourniront quelque chose de structuré et tonnellement identique à ce que l’autre aurait produit. Ce n’est pas un reproche envers l’un ou l’autre modèle — c’est ce qui arrive quand on demande à un rédacteur généraliste de prendre aussi des décisions éditoriales sur le rythme, la hiérarchie et ce qui doit figurer sur une diapositive contre ce qui doit rester dans votre discours pendant la présentation.

Le texte d’une diapositive n’est pas un essai avec des retours à la ligne. Un titre qui se lit bien comme une phrase se lit souvent mal comme un titre — il est trop complet, et une phrase complète sur une diapositive invite le public à lire à l’avance au lieu de vous écouter. Cette distinction est exactement ce qui se perd quand on demande *« 10 diapositives »* en une seule fois : le modèle optimise pour un bon paragraphe, puis le découpe en puces après coup.

Ce à quoi chaque modèle est vraiment bon, une fois la tâche divisée

Dans mon expérience en faisant passer la même tâche de texte de diapositive à travers les deux outils côte à côte, la différence se voit moins dans la *« qualité »* et plus dans le type de réflexion auquel chacun a tendance à se consacrer. Claude a tendance à conserver la structure d’un argument sur un long texte — utile quand une diapositive doit condenser trois paragraphes de raisonnement en deux lignes sans perdre la logique. ChatGPT a tendance à être plus rapide pour générer des options — cinq variantes de titres, trois façons de formuler un point de données — ce qui compte quand on itère sur le ton plutôt que quand on construit un argument.

Ce n’est pas seulement une impression personnelle. L’outil Copilot plus récent de PowerPoint permet désormais de choisir quel modèle gère une tâche donnée, orientant Claude vers des travaux plus visuels et axés sur le design, et les modèles OpenAI vers du contenu axé sur la recherche — ce qui est un signal assez direct, issu du produit Microsoft lui-même, sur les tendances des forces de chacun.

Une chose que les gens négligent : ce n’est pas une hiérarchie permanente. Demandez à n’importe quel modèle de *« booster »* un seul titre plutôt que d’écrire une section complète, et l’écart entre eux disparaît presque — la différence est vraiment liée à la taille de la tâche, pas à la capacité pure d’écriture.

Un workflow qui traite le texte comme cinq passes distinctes, pas une seule

Ce qui fonctionne vraiment, c’est de refuser de laisser un seul modèle faire tout le travail en une seule consigne. Au lieu de cela :

  • Passage de planification : demandez uniquement la structure de l’argument — pas encore de texte de diapositive, juste ce que chaque diapositive doit prouver et dans quel ordre.
  • Passage des titres : renvoie le plan et demande spécifiquement des titres sous une limite de caractères stricte. Les instructions vagues comme *« gardez-le court »* sont constamment ignorées ; un nombre ne l’est pas.
  • Passage des puces : demandez explicitement une structure grammaticale parallèle — *« commencez chaque puce par un verbe »* ou *« gardez chaque ligne sous 8 mots »*. Sans cette contrainte, vous obtiendrez un mélange de fragments et de phrases complètes qui se lit de manière inégale, même si chaque ligne individuellement est correcte.
  • Passage des notes de l’orateur : une consigne séparée, car le modèle qui vient d’écrire un texte de diapositive serré continuera autrement à écrire serré — et les notes de l’orateur ont besoin de l’instinct opposé, plus d’espace pour respirer.
  • Passage de compression : collez l’ensemble du support et demandez ce qui peut être supprimé. Cette étape repère les redondances invisibles diapositive par diapositive mais évidentes une fois que le support est lu de bout en bout.

Cinq passes semblent plus lentes qu’une seule consigne. En pratique, ce n’est pas le cas — la version en une consigne nécessite généralement trois ou quatre tours de *« rendez-le plus court, plus générique »*, mais sans idée claire de ce qui est corrigé à chaque tour.

Le problème de limite de caractères que ni l’un ni l’autre modèle ne résout pour vous

Voici la partie qui surprend ceux qui n’ont utilisé ces outils que pour des paragraphes complets : ni ChatGPT ni Claude n’ont une compréhension fiable interne de la façon dont une ligne de texte s’intégrera réellement dans la boîte de texte d’une diapositive. Un titre techniquement de 40 caractères peut encore se casser de manière peu élégante en fonction de la taille de la police et de la largeur de la colonne du modèle. Demandez *« un titre court »* et vous obtiendrez quelque chose qui est court selon le jugement du modèle, pas court par rapport à votre mise en page spécifique.

La solution est peu glamour : donnez au modèle la contrainte réelle de votre modèle — *« cette boîte de titre contient environ 45 caractères par ligne avant qu’elle ne se casse »* — plutôt qu’un adjectif subjectif. Une fois que vous faites cela, les deux modèles suivent le nombre de près. Avant cela, vous négociez avec une estimation.

Où les deux modèles dérapent dans le même mode d’échec

Demandez à n’importe quel outil des *« termes stratégiques »* et vous obtiendrez les mêmes mots en retour — synergie, feuille de route, écosystème, leverage. Ce n’est pas vraiment un problème d’IA ; c’est le même réflexe qu’un rédacteur humain nerveux a quand une phrase simple *« sonne trop mince »*. Que ce mot mérite sa place sur la diapositive ou qu’il serve simplement à masquer une décision que personne n’a encore prise est quelque chose que vous devez juger au cas par cas — supprimer chaque instance que le modèle propose n’est pas automatiquement une amélioration, et de même pour en garder toutes.

L’autre échec commun est la confiance sans calibration. Demandez à n’importe quel modèle une statistique de soutien et il vous en fournira souvent une — parfois réelle, parfois un nombre plausible sans source traçable. Considérez toute figure générée par l’IA sur une diapositive comme un simple rappel jusqu’à ce que vous l’ayez vérifiée contre quelque chose que vous pouvez citer, pas comme un fait terminé.

Une synthèse des données d’utilisation de 2026 de Zebracat a placé l’utilisation professionnelle et commerciale de ChatGPT pour les présentations et rapports à 68 % en 2025, contre 39 % parmi les étudiants — ce qui vous indique que la pratique est déjà courante, pas que la sortie est déjà fiable. Ce sont deux affirmations différentes, et les confondre est ainsi que les chiffres non vérifiés finissent sur une diapositive devant un investisseur ou un client réel.

Pourquoi la passe d’écriture compte plus que la passe de génération du support

Il est tentant de sauter directement vers *« générez l’ensemble du support »* et de traiter le texte comme un sous-produit de la mise en page. Cela inverse les priorités. L’attention portée à un support se concentre fortement sur les premières diapositives, ce qui signifie que les quelques lignes sur lesquelles vous consacrez le plus d’efforts d’édition devraient généralement être celles qu’un modèle a rédigées en premier et le plus rapidement — pas une pensée tardive une fois que le modèle visuel est verrouillé. Obtenez l’argument d’ouverture correct en texte brut avant de laisser n’importe quel outil toucher au design.

Revenons au support de cette cliente : une fois que nous avons divisé le travail — Claude pour la structure de l’argument et les diapositives comparatives denses, ChatGPT pour les variantes de titres et les reformulations rapides — la remarque *« ça sonne comme de l’IA »* n’est plus revenue. Pas parce que l’un ou l’autre modèle est devenu plus intelligent du jour au lendemain, mais parce que personne ne demandait à un seul outil d’être à la fois le stratège et le rédacteur dans la même phrase. C’est généralement la vraie solution, plus que n’importe quel tour de consigne : décidez quel travail vous faites faire au modèle avant d’ouvrir la fenêtre de discussion.