Un nombre record de huit gagnants et finalistes du Pulitzer divulgués en utilisant l'IA, et la raison pour laquelle ils l'ont utilisée est la partie intéressante
Huit lauréats du prix Pulitzer ont déclaré utiliser l’IA cette année, soit le plus grand nombre depuis que la divulgation est devenue obligatoire en 2024. Dans presque tous les cas, l’outil a été utilisé pour rechercher ou traduire de grandes piles de documents, et non pour écrire.
Huit des lauréats du prix Pulitzer de cette année, cinq lauréats et trois finalistes, ont déclaré au jury qu’ils avaient utilisé l’IA quelque part dans leurs reportages. Il s’agit du nombre le plus élevé depuis que le prix a rendu la divulgation obligatoire en 2024, et selon Nieman Lab, le schéma d’utilisation est remarquablement cohérent : presque tout était de la recherche, du tri ou de la traduction de grandes piles de documents, et presque rien n’était de l’écriture.
Les exemples sont spécifiques. Le Wall Street Journal a utilisé un modèle de langage interne sur des milliers de documents publics sur les inondations au Texas pour les résumer. L’Associated Press en a utilisé un pour rechercher des dizaines de milliers de documents divulgués sur la technologie de surveillance chinoise. Le New York Times a utilisé GPT-5 pour vérifier une classification des cas de cryptographie SEC que ses journalistes avaient déjà faite à la main. Le Minnesota Star Tribune a utilisé ChatGPT pour traduire un journal écrit en faux cyrillique, un style d’écriture qui remplace les lettres cyrilliques par des lettres latines similaires, puis a demandé à des experts en langage humain de vérifier le résultat. L’administratrice du Pulitzer, Marjorie Miller, a déclaré à Nieman Lab que l’industrie accepte désormais que l’IA “est là pour rester” et a une idée plus claire des domaines dans lesquels elle n’a pas sa place, “comme dans l’écriture et l’édition d’histoires dans n’importe quel format qui pourraient être envisagées pour un prix Pulitzer”.
Qu’est-ce qui se cache derrière cela. Deux choses méritent d’être séparées ici. La première est que trouver une aiguille dans 40 000 documents est une tâche pour laquelle un modèle de langage est véritablement solide et où une erreur est peu coûteuse, car un humain ouvre ensuite le document et le lit. Écrire de la prose, c’est le contraire : les erreurs sont invisibles, coûteuses et voyagent. Les rédactions sont parvenues à cette scission de manière empirique plutôt qu’idéologique. La deuxième est que l’exigence de divulgation fait un travail discret. Étant donné que les participants doivent déclarer leur utilisation de l’IA, nous obtenons un échantillon exceptionnellement honnête de la manière dont les professionnels utilisent réellement ces outils, au lieu d’études de cas de fournisseurs. Notez également ce que chaque exemple a en commun : un humain a vérifié la sortie. Le Star Tribune a embauché des experts linguistiques. Le Times a utilisé le modèle pour vérifier le travail manuel, et non pour le remplacer. La règle à partir de l’année prochaine s’étendra également aux écritures comptables.
Ce que cela signifie pour vous: il s’agit du modèle le plus utile pour quiconque décide où pointer un outil d’IA. Utilisez-le lorsque vous avez trop de matériel et un moyen de vérifier ce qui revient, par exemple de longs fils de discussion par courrier électronique, des notes de réunion, des contrats, un dossier de PDF, une recherche pour un cours. Soyez beaucoup plus prudent lorsque le résultat est fini et personne ne le vérifiera. Si vous ne savez pas si l’utilisation de l’IA au travail constitue une triche, la réponse du Pulitzer est claire et mérite d’être empruntée : elle dépend entièrement de la partie du travail que vous confiez, et vous le dites à voix haute.
Sources
Un modèle de 80 milliards de paramètres fonctionne désormais sur un Mac normal avec 4,3 Go de mémoire, et un modèle de 35 milliards sur un iPhone
Swiftlet est un environnement d'exécution ouvert qui diffuse les poids experts d'un modèle à partir du SSD au lieu de les charger en mémoire. Un modèle Qwen avec 80 milliards de paramètres culmine à 4,3 Go de RAM sur un Mac. Le compromis est la vitesse et un téléchargement volumineux.
