Formats de sortie LLM : du texte contrôlé à la vidéo sur mesure

Formats de sortie LLM : du texte contrôlé à la vidéo sur mesure

Source: Andrej Karpathy (@karpathy) — post du 2 octobre 2026

C’est un post d’une traite, sans démonstration, sans capture d’écran de résultat, sans lien vers un outil. 1 816 caractères, texte intégral. Et pourtant : 4 598 410 vues, 41 836 likes, 59 036 signets, 1 001 citations, 1 179 réponses en quelques heures.

Le détail qui en dit le plus long n’est pas le nombre de likes, c’est celui des signets : ils sont plus nombreux que les likes. Les gens n’ont pas réagi au post, ils l’ont mis de côté pour s’en servir. C’est exactement le comportement qu’on attend d’une liste d’astuces, et c’est exactement ce que dit son auteur : « a few thoughts, tips & tricks ».

Andrej Karpathy y répond à une question que tout le monde pose mal. Si les modèles s’occupent de plus en plus de travail, que reste-t-il à faire ? Sa réponse : on va passer beaucoup plus de temps à comprendre leurs sorties. Et il ne propose pas de mieux écrire. Il propose de changer de format de sortie, quatre fois de suite.

L’escalade en quatre paliers

Ce n’est pas une liste, c’est une échelle. Chacun des trois premiers s’achève par la même formule — « But even better: » — qui annonce le suivant. Le texte n’est pas présenté comme un point de départ neutre, il est présenté comme un point de départ qu’on quitte. Trois « but even better » d’affilée : la structure elle-même fait la démonstration.

Et il y a une ironie que le post ne souligne pas : l’image jointe au post est un diagramme. Le deuxième palier de l’escalade sert à illustrer le premier. Karpathy fait ce qu’il recommande.

1. Le texte : ASD-STE100, la seule sortie qui reste de la prose

Le premier conseil est le plus étrange de la série, et de loin. Sa demande n’est pas « écris plus clairement », elle est très précise :

Ask your LLM to explain something in ASD-STE100, it’s a controlled language specification originally developed for aerospace maintenance documentation. LLMs well-versed in this language and it comes with heavy constraints on clean writing style that I often find a lot more readable.

ASD-STE100 — Simplified Technical English — est une langue contrôlée née dans les années 1980, à la demande des compagnies aériennes européennes, qui voulaient une forme normalisée d’anglais pour la documentation de maintenance des avions, compréhensible par des lecteurs dont l’anglais n’est pas la langue maternelle. Le standard est aujourd’hui maintenu par le groupe de travail STEMG de l’ASD, gratuit depuis l’Issue 6 (2013), et l’Issue 9 publiée en janvier 2025 a fait du standard une norme internationale : 53 règles d’écriture et un dictionnaire d’environ 900 mots approuvés.

Les règles sont d’une brutalité remarquable, et c’est là qu’est l’intérêt pour un LLM :

• une seule instruction par phrase, un seul sujet par paragraphe, six phrases maximum par paragraphe ;
• 20 mots maximum dans une consigne, 25 mots maximum dans un texte descriptif ;
• la voix active partout ;
• « one word, one part of speech, one meaning » : close est un verbe, mais pas un adjectif.

La figure jointe au post en donne la démonstration la plus nette. Voici une phrase qui n’est pas en STE, avec les mots non approuvés en rouge :

It is imperative that the operator ensures the hydraulic reservoir is replenished prior to commencing operation.

Devenu :

Make sure that the hydraulic reservoir is full before you start the operation.

Seize mots deviennent treize — chiffre annoté sur la figure, avec sa limite de vingt — et cinq mots non approuvés disparaissent au profit du dictionnaire :

Pourquoi ce standard-là, et pas un autre

Un détail mérite d’être noté, parce qu’il explique pourquoi un chercheur en IA connaît un standard de maintenance aéronautique. Depuis le registre de distribution de l’Issue 8 (décembre 2024), 64 % des utilisateurs de STE viennent d’ailleurs que de l’aérospatial et de la défense. La norme a échappé à son domaine d’origine — automobile, énergies renouvelables, logistique offshore, dispositifs médicaux, et maintenant le simple fait de poser une question à un modèle.

L’astuce : « 80 % of the way to ASD-STE100 »

Karpathy.tempère lui-même sa propre recommandation :

Sometimes I’ve tried to soften it a bit e.g. ask for “80% of the way to ASD-STE100” because the spec is quite stringent.

C’est un aveu intéressant, parce que la norme elle-même le déconseille. Ses propres pages liminaires posent la question « Can STE be used alone? » et répondent non, en précisant qu’elle doit s’utiliser avec d’autres spécifications et guides de style. La documentation de la norme signale par ailleurs que les applications partielles — prendre la contrainte de vocabulaire sans la structure, ou l’inverse — produisent une documentation moins bonne, pas meilleure.

Autrement dit, le « 80 % » de Karpathy est précisément le genre d’application partielle que les mainteneurs du standard mettent en garde. Il ne dit pas qu’il se trompe : il constate que la pleine conformité à 100 % rend le texte illisible à son goût, et qu’il accepte ce compromis. C’est un arbitrage, pas une règle.

Pourquoi c’est le seul palier en texte

Retenez ce point, il est le plus utile de la série : ASD-STE100 est le seul des quatre formats où la sortie reste de la prose classique. Les trois suivants changent la nature même de l’objet produit. C’est pour ça qu’il commence la liste, et c’est aussi pour ça que la liste s’arrête où elle s’arrête : le format texte est un point de départ, pas une destination.

2. Le diagramme : « easier to process, parse, and understand »

Diagrams / images. Instead of writing, ask your LLM to create a diagram. These can be a lot easier to process, parse, and understand.

Le mot juste ici est parse. Un diagramme déplace la charge de la lecture vers le regard : la structure — hiérarchie, séquence, découpage, dépendances — devient visible sans être énoncée. Ce qui coûtait trois paragraphes à formuler tient dans une image que l’œil saisit avant que la lecture ne commence.

C’est un changement de medium, pas une amélioration de style. Le texte a une mémoire linéaire ; un diagramme non.

3. La page web : « Ask for output “in HTML” »

Web pages. Ask for output “in HTML” to get a beautiful, interactive webpage. LLMs are getting really good at frontend and can create beautiful experiences, animations, etc.

Le saut est plus net qu’il n’y paraît. Une page web n’est pas un document mis en forme : c’est un artefact exécutable. Il a un état, il réagit à l’utilisateur, il peut contenir des animations, et il se teste en l’ouvrant. Demander du HTML à un LLM, ce n’est pas lui demander d’être plus élégant, c’est lui demander de livrer quelque chose qui tourne.

L’affirmation selon laquelle les LLM « are getting really good at frontend » est une appréciation de l’auteur, sans mesure ni comparaison dans le post. Le blog a cependant un cas concret et mesurable à côté : une application de collecte de feedbacks construite et mise en ligne en 26 minutes, avec le déroulé réel de la session.

4. La vidéo : « the output format I am most bullish on »

Voilà le sommet de l’escalade, et le seul palier où Karpathy exprime une préférence plutôt qu’une observation :

Explainer videos. The output format I am most bullish on is fully custom / bespoke explainer videos generated on any arbitrary topic. Experiment with things like “Create a 3b1b style video explainer on X. Use my ElevenLabs API key for audio narration”. (you’d need an API key for the latter or you can ask your LLM to find you decent free alternatives that use your local compute). This is actually starting to work!

Il faut être précis sur ce qui est de l’opinion et sur quoi :

• « I’m most bullish on » et « This is actually starting to work! » sont des jugements de l’auteur. Le post ne contient ni démonstration, ni lien vers un résultat, ni comparaison. Quelqu’un qui objectait le fait qu’une vidéo explicative sur un sujet quelconque soit techniquement possible ne réfute rien de ce que Karpathy a écrit : il n’a jamais prétendu le contraire.
• La vidéo est le seul palier où la production coûte réellement quelque chose. Générer des images ne coûte presque rien ; générer une vidéo et sa narration vocale suppose un modèle de diffusion, un modèle de synthèse vocale, et du temps de calcul. D’où la précision pratique de la clé API.
• ElevenLabs est le fournisseur nommé, pour la narration. La solution de repli proposée par Karpathy mérite d’être retenue : demander au LLM de trouver des alternatives gratuites qui tournent sur votre calcul local. C’est cohérent avec l’orientation de fond de son travail, et c’est de toute façon la seule version de cette astuce qui ne coûte rien.

La thèse : « rise up the abstractions »

La liste de quatre formats est l accroche. Le fond du post tient dans ses deux dernières lignes, qu’il vaut mieux citer :

• As LLMs get better, they will do more and more of the legwork autonomously, and a lot more of our work will rise up the abstractions into oversight and understanding.
• Luckily, LLMs can help here too because as intelligence and code are increasingly abundant, you can ask for large, custom, discardable software artifacts (e.g. web apps, video explainers) that would have never made sense to create before. Push the boundaries here and you’ll be surprised.

Le mot qui porte toute l’argumentation est « discardable ». Jetable.

Avant, une application web sur mesure ou une vidéo explicative sur un sujet précis avait un coût fixe : une journée d’ingénieur, une journée de montage. Ce coût se justifiait seulement si l’artefact vivait longtemps, donc si l’usage justifiait l’investissement. Ce raisonnement ne tient plus quand le coût marginal d’un artefact tend vers zéro : il n’y a plus rien à amortir. On peut générer, utiliser, jeter, recommencer.

Ce qui change n’est donc pas la qualité de ce que le modèle produit, mais notre rapport à ce qu’il produit. L’artefact cesse d’être un produit — un livrable qu’on maintient, dont on dépend, qu’on garde — pour devenir un moyen. Un support de travail qu’on consulte, dont on tire une compréhension, et qu’on abandonne ensuite sans regret.

C’est cohérent avec la première puce : le travail « monte dans les abstractions », vers la supervision et la compréhension. Si la production d’artefacts devient gratuite, la rareté bascule entièrement du côté de l’interprétation. Et l’interprétation, elle, ne s’automatise pas si facilement.

Ce que je retiens

Le point solide. La logique de l’économie des artefacts est juste et difficile à réfuter. Dès que le coût marginal d’un livrable logiciel s’effondre, la discipline qui consistait à ne pas fabriquer un outil pour une question ponctuelle disparaît. Le blog en a l’équivalent au quotidien : cet article est lui-même un artefact jetable, produit pour la valeur de la compréhension qu’on en tire et qu’on ne conservera pas.

Le point à discuter. « But even better » n’est pas un fait sur le monde, c’est un pari sur l’endroit où se trouve le levier. Un diagramme perd la nuance qu’un paragraphe portait ; une page web ajoute une dépendance à du code que vous n’avez pas relu ; une vidéo coûte le plus cher à itérer des quatre. Chaque palier gagne en densité de compréhension et perd quelque chose. Le bon format se choisit selon ce qu’on veut faire ensuite — esquisser une structure, manipuler des données, comprendre un sujet une fois et passer à autre chose — pas selon un classement.

Le point de vigilance. Si l’artefact est jetable, la compréhension ne l’est pas. Construire sa compréhension sur une web app qu’on supprime dans la semaine implique qu’il faudra la redériver le jour où la question revient, à un coût qui n’a rien à voir avec le fait que l’artefact, lui, soit gratuit. C’est un arbitrage acceptable tant que le prix de l’artefact reste faible — c’est toute la thèse. Mais c’est un arbitrage, pas une gratuité.

Le point de méthode. Ce post est un conseil d’usage, pas un résultat de recherche. Il n’y a ni benchmark, ni mesure, ni artefact à inspecter. Il a donc exactement la valeur d’une bonne astuce — essayez-la sur votre prochain sujet — et pas une de plus. C’est vrai de la plupart des bons conseils, et la raison pour laquelle les signets, plus nombreux que les likes, sont le bon indicateur.

Sources

• Post d’Andrej Karpathy du 2 octobre 2026 — texte intégral et métriques vérifiés via l’API fxtwitter
• ASD-STE100 Simplified Technical English — le standard lui-même
• Simplified Technical English — Wikipédia — historique, structure de l’Issue 9, et les critiques d’application