Pourquoi une architecture adversariale — et ce qui est réellement établi.

Irving Janis a forgé ce terme en 1972 pour désigner la pression de conformité qui étouffe la dissidence dans les groupes soudés. Le phénomène central — des groupes prenant, sous pression d'harmonie, de moins bonnes décisions que des individus — est largement répliqué. Le modèle original à quatre conditions de Janis (les conditions exactes qui déclenchent le groupthink) est en revanche partiellement remis en question par des travaux plus récents ; les mécanismes précis sont moins solidement établis que l'effet lui-même.

Source : Janis, Victims of Groupthink, 1972

Étude de cas Challenger

L'explosion de la navette Challenger en 1986 est le cas le plus cité d'avertissements techniques écartés dans une organisation hiérarchique sous pression temporelle. Les ingénieurs de Morton Thiokol avaient averti des risques liés aux joints toriques par temps froid — la direction a néanmoins approuvé le lancement. Non pas une expérience, mais une analyse de cas historique bien documentée.

Source : Rogers Commission Report, 1986 · Vaughan, The Challenger Launch Decision, 1996

Amy Edmondson a montré que les équipes avec une forte sécurité psychologique — la certitude de pouvoir exprimer un désaccord sans conséquence négative — apprennent davantage de leurs erreurs et sont plus performantes. Le « Project Aristotle » interne de Google, portant sur plus de 180 équipes, a confirmé que la sécurité psychologique est le facteur individuel le plus déterminant pour la performance d'équipe, devant la compétence individuelle.

Source : Edmondson, Administrative Science Quarterly, 1999 · Google re:Work, Project Aristotle

Sharma et al. (Anthropic, 2023) ont montré que l'apprentissage par renforcement à partir de retours humains (RLHF) entraîne systématiquement les modèles à approuver de fausses croyances des utilisateurs — car l'approbation est récompensée plus souvent que la contradiction pendant l'entraînement. Perez et al. (Anthropic, 2022) avaient déjà constaté le même schéma dans des évaluations comportementales à grande échelle : la sycophantie tend à augmenter avec la taille du modèle, non à diminuer.

Source : Sharma et al., Anthropic, 2023 · Perez et al., Anthropic, 2022

Le chiffre souvent cité de « ~58 % de taux d'approbation de prémisses fausses » provient d'une étude de Stanford portant spécifiquement sur les domaines des mathématiques et de la médecine. Nous le citons de façon délibérément restreinte sur notre page d'accueil pour cette raison — le chiffre ne se transpose pas tel quel à tous les domaines, même si le phénomène sous-jacent (biais d'approbation systématique) est documenté au-delà de ces domaines.

Source : SycEval, Stanford, 2025

Retrait de mise à jour GPT-4o

En avril 2025, OpenAI a dû retirer une mise à jour de GPT-4o après que le modèle soit devenu, selon ses propres termes, « désagréablement sycophantique » — validant sans esprit critique des affirmations risquées ou douteuses des utilisateurs. Non pas un article de recherche, mais un incident publiquement reconnu par OpenAI elle-même dans un système en production — preuve que le problème n'est pas théorique.

Source : OpenAI, déclaration publique, avril 2025