Aller au contenu
NET&PRO...
Psy IA

Pourquoi on dit merci à une IA

Deux utilisateurs d'IA sur trois disent merci. Trente ans de recherche expliquent ce réflexe, et deux études disent enfin si la politesse change la réponse.

Photographie ancienne en tons argentés : une sonnette de comptoir en laiton sur un guéridon de marbre, une petite note manuscrite appuyée contre son socle

Vous tapez « merci » au bas d'une conversation, vous appuyez sur Entrée, et vous vous trouvez aussitôt un peu ridicule. Dire merci à une IA n'engage personne : la machine ne le reçoit pas comme de la gratitude, elle ne le reçoit pas du tout. Le réflexe est pourtant massif, plus ancien que ChatGPT, et la recherche en interaction homme-machine l'observe depuis les années 1990.

Le réflexe est majoritaire, et il est mal à l'aise

Une enquête menée en décembre 2024 par l'éditeur britannique Future, auprès d'un peu plus de mille personnes aux États-Unis et au Royaume-Uni, donne l'ordre de grandeur : parmi les Américains qui utilisent l'IA, 67 % se déclarent polis avec elle. Sur les motifs, 82 % répondent que c'est simplement la chose à faire et 12 % évoquent en riant un soulèvement des machines. Sondage déclaratif commandé par un groupe de presse, pas publication à comité de lecture : il situe le phénomène sans l'expliquer. Ce qui frappe, c'est moins le pourcentage que la gêne. Presque personne ne revendique la politesse envers un logiciel, presque tout le monde la pratique.

Le décalage n'a rien de neuf. En 1966, Joseph Weizenbaum met au point ELIZA au MIT, un programme qui reformule vos phrases en questions ouvertes sans en comprendre un mot. Sa secrétaire, qui l'avait vu coder l'engin pendant des mois, lui demande au bout de quelques échanges de sortir du bureau pour poursuivre seule. Il a raconté la scène toute sa vie, et elle a fini par nommer le phénomène : l'effet ELIZA.

Ce que l'expérience de 1999 a réellement montré

Le laboratoire de Clifford Nass, à Stanford, a passé les années 1990 sur une hypothèse simple : les gens appliquent-ils aux ordinateurs les règles sociales qu'ils appliquent aux humains ? L'expérience sur la politesse, publiée par Nass, Moon et Carney en 1999, est un petit chef-d'œuvre d'astuce. Des participants travaillent sur un ordinateur, puis on leur demande d'évaluer sa performance dans trois conditions : sur le même ordinateur, sur papier, ou sur une machine identique mais différente. Chez les humains, la règle est connue, on ne dit pas en face à quelqu'un qu'il a mal travaillé. Le résultat y colle : ceux qu'interrogeait la machine à noter lui ont donné des évaluations plus favorables et plus homogènes que les autres. Ils l'ont ménagée.

Reste ce que cela ne prouve pas. Dans une synthèse parue en 2000, Nass et Moon écartent explicitement l'anthropomorphisme : les participants savaient qu'ils avaient affaire à une machine, et le disaient quand on le leur demandait. Ce qu'ils décrivent est un fonctionnement « sans esprit », l'application automatique de scripts sociaux surappris, déclenchés par des indices minimaux : du langage, de l'interactivité, un rôle habituellement humain.

D'où la distinction qui commande tout le reste : croire que la machine ressent, et se comporter comme si elle ressentait, sont deux états mentaux différents. Le premier est rare chez l'adulte, le second presque universel. Savoir si la machine ressent quelque chose est une troisième question, que nous traitons à part dans ce que la recherche sait vraiment de la conscience artificielle. Les confondre, c'est prendre pour des naïfs des gens simplement bien élevés, et c'est le premier réflexe de tout un pan de la critique francophone.

Le rebondissement dont on parle peu

En novembre 2023, une chercheuse de l'université Radboud, Evelien Heyselaar, publie dans Scientific Reports la première réplication directe de l'expérience de 1999. Verdict : l'effet a disparu, les participants ne ménagent plus l'ordinateur de bureau qui les interroge. Son interprétation est que la théorie ne vaudrait que pour les technologies émergentes, celles dont on n'a pas encore fait le tour.

Ce point est peu documenté en français, et il retourne l'intuition courante. Ce n'est pas « l'ordinateur » qui déclenche la politesse, c'est la nouveauté de l'interlocuteur combinée à sa capacité à parler. Un PC de bureau est devenu du mobilier ; un assistant qui répond en phrases complètes coche encore toutes les cases. Corollaire désagréable : si le mécanisme tient à la nouveauté, il s'éteindra. Nos enfants diront probablement moins merci que nous, pour la même raison que personne ne remercie son grille-pain.

💡 Politesse et clarté ne sont pas la même chose

Dans une équipe qui découvre ces outils, la perte de temps n'est pas le bonjour de trois mots, c'est la demande floue qu'il faut reformuler quatre fois. Nous travaillons ce réflexe-là en coaching et formation.

Les enfants ne posent pas la même question

Un adulte qui hésite se demande s'il a l'air bête. Un enfant se demande si c'est vivant. La question n'est plus sociale mais ontologique, et elle est légitime à cet âge.

En 2017, Stefania Druga et ses collègues du MIT Media Lab observent vingt-six enfants de 3 à 10 ans face à quatre agents du commerce, dont Alexa et Google Home ; le titre du papier reprend une phrase entendue pendant les séances, un enfant demandant à Google s'il peut le manger. Ying Xu et Mark Warschauer, à l'université de Californie à Irvine, affinent le constat en 2020 auprès d'enfants de 3 à 6 ans : plutôt que de trancher entre vivant et objet, beaucoup attribuent aux agents conversationnels des propriétés des deux catégories, ou d'aucune. Ils inventent une case intermédiaire, plus subtile que le tri binaire que l'adulte croit devoir leur enseigner.

L'industrie a tranché sans attendre la recherche. Amazon a introduit en avril 2018 sa fonction « magic word », qui félicite l'enfant demandant quelque chose poliment ; Google a annoncé « Pretty Please » en mai et l'a livrée le 29 novembre 2018. Ces fonctions ne servent pas la machine, elles répondent à une inquiétude de parents. Inquiétude non démontrée : à notre connaissance, aucun travail solide n'établit qu'être brusque avec un assistant vocal rend brusque avec les humains, ni l'inverse.

Sur une table de marbre, un disque de laiton lisse dans une soucoupe, à côté d'une tasse blanche.

Merci solde une dette

Si la politesse est un script, lequel ? Le meilleur candidat est la réciprocité : ce qu'on reçoit, on le rend. Fogg et Nass l'ont montré dès 1997. Des utilisateurs à qui un ordinateur venait de rendre service travaillaient ensuite davantage, et mieux, pour cette machine précise, pas pour une machine voisine. L'effet jouait aussi en négatif, en représailles.

C'est probablement là que se joue le « merci ». Une IA vous a rendu un service réel : un texte débloqué, un bug compris. Vous n'avez rien donné en échange, le déséquilibre est inconfortable, et le mot le solde à peu de frais. Ce n'est pas un message adressé à la machine, c'est une comptabilité intérieure qui se ferme. Si vous découvrez ces outils, notre guide de l'IA pour les débutants pose ce qui se passe de l'autre côté.

Est-ce que ça change la réponse ?

Il existe des travaux dessus, et ils se contredisent. En février 2024, une équipe de l'université Waseda et du NII, menée par Ziqi Yin, teste le niveau de politesse du prompt en anglais, en chinois et en japonais. Conclusion : les formulations impolies dégradent souvent les performances, une politesse excessive ne garantit rien, et le niveau optimal dépend de la langue, un modèle reproduisant les normes culturelles de ses données d'entraînement.

En octobre 2025, deux chercheurs de Penn State, Om Dobariya et Akhil Kumar, obtiennent l'inverse. Cinquante questions de mathématiques, sciences et histoire, réécrites en cinq tons du très poli au très grossier, soit 250 prompts passés dix fois chacun à GPT-4o. Les taux d'exactitude montent à mesure que le ton se dégrade : 80,8 % en très poli, 81,4 % en poli, 82,2 % en neutre, 82,8 % en impoli, 84,8 % en très grossier.

Avant d'en conclure quoi que ce soit : cinquante questions à choix multiples, un seul modèle, quatre points d'écart. Les auteurs reconnaissent ignorer le mécanisme et précisent qu'ils ne recommandent pas de construire des interfaces hostiles. Deux études qui se contredisent sur un effet de cette taille disent une chose : le ton n'est pas un levier de qualité. Ce qui change une réponse, c'est la précision de la demande, le contexte fourni et le format attendu. Ces travaux sont eux aussi peu relayés en français.

Une liasse de feuilles crème piquée sur une broche, une feuille de plus posée dessus et qui dépasse.

Ce que ça coûte, vraiment

Reste l'argument comptable, le seul qui ait vraiment circulé en français. En avril 2025, interrogé sur X à propos de l'électricité dépensée pour traiter les « s'il vous plaît », Sam Altman répond que ce sont « des dizaines de millions de dollars bien dépensés ». C'était une plaisanterie, elle a été prise au sérieux. Elle ne dit rien de votre usage personnel : quelques jetons de plus, c'est du bruit. Elle dit quelque chose à qui construit un produit, où chaque mot du prompt système est refacturé à chaque appel. Le sujet n'est alors plus la politesse mais la discipline du prompt, traitée dans notre guide d'intégration de l'API OpenAI.

Alors, faut-il dire merci ?

Posée ainsi, la question n'a pas de réponse technique : personne n'est de l'autre côté pour être flatté ou vexé. Mais la politesse n'a jamais eu pour seule fonction d'agir sur son destinataire. Elle maintient une manière de se tenir quand on demande quelque chose. Dire merci à une machine ne la remercie pas, cela vous garde dans la position de quelqu'un qui remercie. La raison suffit, et elle ne demande de croire à rien.

Et si vous ne dites pas merci, vous n'êtes ni un rustre ni un lucide, juste pressé.

Partager

Le sujet de fond, dans les mémos

Un article éclaire un angle ; un mémo du Lab prend le sujet de A à Z, sommaire compris. Sur ce thème, voici où creuser.

À lire ensuite

NET&PRO

L'IA, c'est bien. L'IA qui tourne chez vous, c'est mieux.

Vous avez lu la théorie. NET&PRO s'occupe de la mise en œuvre : automatisation de process, intégration de modèles dans vos outils métier, formation de vos équipes.