Avant
Jonathan préparait des dossiers de contexte très denses pour des comités d’attribution de financements et des comités de politique publique. Il pouvait utiliser l’IA pour résumer, mais un seul modèle mettait souvent trop en avant une interprétation.
Le déclic
Avec MultipleChat, il soumet le même prompt à plusieurs modèles, puis demande à une AI-Team de repérer ce que chaque réponse exagère ou passe sous silence. Le résultat devient un brouillon équilibré plutôt que le point de vue d’un seul modèle.
« La vue côte à côte empêche un seul modèle d’imposer tout le cadre. »
Après
Les membres des comités reçoivent désormais des notes plus courtes, avec des réserves plus claires. Jonathan vérifie toujours les sources, mais la première synthèse est plus utile.
Ce qu’ils ont utilisé
Comparaison côte à côte
Examiner plusieurs résumés avant de rédiger.
Critique par l’AI-Team
Repérer les exagérations et les réserves manquantes.
Note de synthèse
Transformer la recherche en une note de comité facile à lire.