« Ça marche une fois sur deux, on verra plus tard pour fiabiliser » : cette phrase, écrite dans un ticket resté ouvert pendant des mois, décrit assez bien l’état de nos premières intégrations de modèles de langage sur WordPress. Trois ans plus tard, le même type de fonctionnalité tourne en production sans supervision constante, avec un niveau de fiabilité qui n’a plus grand-chose à voir.
Cette rétrospective ne porte pas sur un projet précis, mais sur l’ensemble des pratiques observées sur nos projets successifs. Quatre générations distinctes se dessinent, chacune corrigeant les limites de la précédente plutôt que la remplaçant brutalement.
Première génération : le texte libre non vérifié
Les tout premiers essais, menés avec les premières API de modèles de langage disponibles avant l’arrivée des assistants conversationnels grand public, consistaient à envoyer un contenu et à récupérer du texte libre, affiché tel quel dans l’interface d’administration. Aucune structure, aucune vérification automatique : un développeur relisait chaque sortie avant de la considérer utilisable.
Cette approche a permis de valider l’intérêt de la génération assistée, sans jamais être déployée en production sans supervision humaine directe. Le taux d’erreur restait trop élevé pour un usage non surveillé, et le format de sortie changeait d’une requête à l’autre.
Deuxième génération : l’arrivée des assistants conversationnels grand public
À partir de fin 2022, l’arrivée d’un assistant conversationnel accessible au grand public a changé la perception du sujet en interne : les équipes non techniques ont commencé à demander des intégrations similaires directement dans WordPress. Le niveau d’exigence côté client a fortement augmenté sur cette période, sans que la fiabilité technique des modèles n’ait proportionnellement progressé.
- Multiplication des demandes de génération de contenu directement dans l’éditeur
- Premiers cas d’articles publiés sans relecture suffisante
- Prise de conscience du besoin de garde-fous éditoriaux
- Apparition des premières mentions de contenu généré par IA dans les CGU des sites
Troisième génération : les sorties structurées
Le tournant le plus net s’est produit avec la généralisation du function calling et des sorties JSON contraintes par un schéma, à partir de 2023. Un modèle capable de renvoyer une réponse structurée plutôt qu’un texte libre a permis de valider automatiquement chaque champ avant de l’écrire en base, ce qui a considérablement réduit le taux d’échec silencieux.
function wpm_valider_sortie_ia( array $donnees ): bool {
return isset( $donnees['titre'], $donnees['extrait'] )
&& strlen( $donnees['titre'] ) <= 80
&& strlen( $donnees['extrait'] ) <= 200;
}Cette génération a aussi introduit la vérification automatique du format avant toute écriture en base de données, un réflexe qui manquait presque totalement lors de la première génération de pratiques.
Quatrième génération : l’agent qui agit
Depuis 2024, la pratique la plus récente consiste à donner à un modèle la capacité d’agir directement sur le site — publier, modifier une catégorie, répondre à un commentaire — plutôt que de simplement suggérer un texte qu’un humain valide ensuite. Cette évolution déplace le risque : il ne s’agit plus de vérifier une suggestion, mais de borner ce qu’une action automatisée peut réellement modifier.
Sur nos projets, chaque génération de pratique a ajouté une couche de garde-fou sans supprimer la précédente : la vérification humaine reste utile même quand l’agent agit directement.
Ce qui n’a pas changé en trois ans
Malgré ces évolutions, une constante demeure : aucune intégration IA n’a jamais été fiable à cent pour cent sans supervision humaine à un moment du processus, que ce soit avant publication ou via un audit régulier après coup. La technologie a progressé, pas le besoin de vérification.
En résumé
Trois ans de pratiques montrent une trajectoire cohérente : du texte libre non vérifié vers l’agent qui agit, en passant par les sorties structurées. Chaque étape a résolu un problème de fiabilité de la précédente, sans jamais rendre la vérification humaine superflue.
