💬 NLP

Intent Mismatch Causes LLMs to Get Lost in Multi-Turn Conversation

Ce papier soutient que la dégradation des performances des LLM lors de conversations multi-tours (phénomène « Lost in Conversation ») provient d'un décalage d'intention entre l'utilisateur et le modèle plutôt que d'un manque de capacité, et propose une architecture « Médiateur-Assistant » pour résoudre ce problème en explicitant les intentions de l'utilisateur.

Auteurs originaux : Geng Liu, Fei Zhu, Rong Feng, Changyi Ma, Shiqi Wang, Gaofeng Meng

Publié 2026-02-10

📖 3 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Geng Liu, Fei Zhu, Rong Feng, Changyi Ma, Shiqi Wang, Gaofeng Meng

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le Problème : Le syndrome du "Téléphone Arabe" avec l'IA

Imaginez que vous êtes au restaurant. Vous dites au serveur : "Je voudrais quelque chose de piquant."

Le serveur, voulant être très efficace et ne pas vous faire attendre, part en cuisine et revient avec un plat de curry ultra-épicé. Vous le goûtez et dites : "Ah, en fait, je voulais dire quelque chose de piquant, mais pas au point de me brûler la langue !"

Le serveur, au lieu de comprendre que vous avez corrigé votre demande initiale, pense que vous êtes en train de compléter votre commande. Il repart et revient avec un plat encore plus fort, en pensant : "Ah, il veut vraiment du piquant, je vais monter d'un cran !"

À la fin, vous avez un plat immangeable. C'est exactement ce qui arrive aux IA (comme ChatGPT) lors de longues conversations. Les chercheurs appellent cela le phénomène "Lost in Conversation" (Perdu dans la conversation). L'IA ne devient pas "bête", elle fait simplement une erreur d'interprétation : elle prend vos corrections pour des ajouts, et finit par s'éloigner totalement de ce que vous vouliez vraiment.

Pourquoi les modèles plus puissants ne règlent pas le problème ?

On pourrait se dire : "Donnons une IA plus grosse et plus intelligente, elle comprendra mieux !"

Les chercheurs disent que c'est une erreur. C'est comme si vous donniez un dictionnaire géant à un serveur qui ne sait pas écouter. Même avec un dictionnaire, s'il interprète mal votre intention, il continuera de vous apporter les mauvais plats. Le problème n'est pas la capacité de l'IA (son intelligence), mais l'alignement (sa compréhension de votre intention cachée).

La Solution : Le "Médiateur" (L'interprète de génie)

Pour régler cela, les auteurs proposent une nouvelle architecture : au lieu d'avoir une seule IA qui doit tout faire, ils en utilisent deux, séparées par un Médiateur.

Imaginez maintenant la scène au restaurant avec ce nouveau système :

L'Utilisateur (Vous) : Vous donnez une instruction un peu floue.
Le Médiateur (L'Interprète) : C'est un expert qui vous observe. Il a une petite fiche de notes sur vos habitudes (ex: "Cet utilisateur est très précis quand il parle de piment"). Avant de parler au cuisinier, le Médiateur traduit votre phrase floue en une instruction ultra-claire : "Le client veut un plat épicé, mais avec une intensité de niveau 3 sur 10."
L'Assistant (Le Cuisinier) : Lui, il ne s'occupe que de l'exécution. Il reçoit l'instruction parfaite du Médiateur et prépare le plat exactement comme prévu.

Le secret du Médiateur ? Il apprend de ses erreurs passées grâce à un module appelé le "Raffineur". Si une conversation a échoué la veille, le Raffineur analyse le moment où ça a dérapé et crée une "règle d'or" pour le Médiateur : "Attention, quand l'utilisateur dit 'Oh, et aussi...', il est souvent en train de corriger ce qu'il a dit avant, pas de rajouter une option."

En résumé

Le constat : Les IA se perdent dans les discussions parce qu'elles interprètent mal les changements d'intentions des humains.
L'erreur classique : Croire qu'une IA plus grosse réglera le problème.
L'innovation : Séparer la compréhension (le Médiateur qui traduit l'intention) de l'exécution (l'Assistant qui fait le travail).

Grâce à ce "traducteur d'intentions", l'IA ne se contente plus de deviner ce que vous voulez ; elle s'assure de comprendre précisément votre besoin avant de se lancer.

Résumé Technique : L'Inadéquation d'Intention comme Cause de la Perte de Capacité des LLM en Conversation Multi-tours

1. Problématique : Le phénomène "Lost in Conversation" (LiC)

Les recherches récentes ont mis en évidence une chute drastique des performances des grands modèles de langage (LLM) lors de dialogues multi-tours par rapport aux instructions uniques et complètes. Ce phénomène, nommé "Lost in Conversation" (LiC), est souvent attribué à un manque de fiabilité intrinsèque des modèles.

Cependant, les auteurs de cet article soutiennent que le problème n'est pas une déficience de la capacité de raisonnement du modèle, mais un écart d'alignement d'intention (intent alignment gap). Le problème est structurel :

Ambiguïté pragmatique : Les utilisateurs expriment souvent des intentions complexes de manière fragmentée, vague ou sous-spécifiée.
Biais de l'utilisateur moyen : En l'absence d'informations complètes, les LLM (entraînés pour être "utiles") font des suppositions basées sur des probabilités statistiques (l'utilisateur "moyen"), ce qui les conduit à répondre avec assurance à une mauvaise question.
Échec du passage à l'échelle (Scaling) : L'article démontre mathématiquement que l'augmentation de la taille des modèles ne résout pas ce problème, car elle ne fait que renforcer le biais vers l'utilisateur moyen sans combler le fossé sémantique avec l'utilisateur spécifique.

2. Méthodologie : L'Architecture Médiateur-Assistant

Pour résoudre ce problème, les auteurs proposent de découpler la compréhension de l'intention de l'exécution de la tâche. Ils introduisent un pipeline composé de trois éléments clés :

Le Médiateur (Mediator) : Agissant comme une couche d'alignement, le médiateur reçoit le contexte de dialogue ambigu ( $C_t$ ) et le transforme en une instruction reconstruite, explicite et bien structurée ( $\hat{U}$ ). Cette instruction sert de proxy pour l'intention réelle de l'utilisateur.
Le Raffineur (Refiner) : Pour que le médiateur soit efficace, il doit comprendre les habitudes de l'utilisateur. Le raffineur analyse des paires contrastives issues de l'historique (une séquence d'interaction ayant échoué vs une séquence ayant réussi la même tâche). Il distille ces données en "Expériences" ( $E$ ), des directives textuelles concises qui décrivent les schémas de comportement de l'utilisateur (ex: "Si l'utilisateur ne valide pas explicitement, il n'est pas satisfait").
L'Assistant (Assistant) : C'est le modèle d'exécution standard qui reçoit l'instruction clarifiée par le médiateur. Puisque l'entrée est désormais à "faible entropie" (claire et précise), l'assistant peut exécuter la tâche avec la même efficacité qu'en mode mono-tour.

3. Contributions Clés

Nouvelle perspective théorique : Décomposition de la performance en deux composantes orthogonales : l'Inférence d'Intention (récupérer l'intention réelle) et l'Exécution de la Tâche (résoudre le problème).
Approche pilotée par l'expérience (Experience-driven) : Un cadre de travail sans entraînement de paramètres (training-free) qui utilise l'apprentissage en contexte (ICL) de manière optimisée via le module Refiner.
Découplage de l'alignement : Preuve que l'alignement pragmatique (comprendre comment l'utilisateur s'exprime) est distinct de la mémoire factuelle (se souvenir de ce que l'utilisateur a dit).

4. Résultats Expérimentaux

Les tests ont été menés sur divers modèles (GPT-4o-mini, GPT-5.2, DeepSeek-V3.2-Thinking) à travers plusieurs domaines (Code, Base de données, Mathématiques, Actions).

Récupération de performance : L'utilisation du Médiateur a permis de récupérer en moyenne 20 % de performance ( $\bar{P}$ ) et d'augmenter la fiabilité ( $R$ ) de 15 points par rapport au mode "Sharded" (multi-tours ambigu).
Supériorité sur le RAG et la Résumé : L'approche surpasse largement les méthodes classiques de résumé de contexte ou de recherche de mémoire (RAG/Mem0). Cela prouve que le problème n'est pas l'oubli d'informations, mais l'incapacité à interpréter l'intention derrière les informations présentes.
Efficacité du Refiner : Le module Refiner permet d'obtenir des performances comparables à l'apprentissage en contexte (ICL) direct, mais avec une consommation de jetons (tokens) 3,6 fois moindre, rendant la solution économiquement viable.

5. Signification et Impact

Ce travail change le paradigme de l'amélioration des LLM pour les conversations longues. Au lieu de chercher à créer des modèles de plus en plus massifs capables de "deviner" l'intention, les auteurs suggèrent que l'avenir réside dans des architectures modulaires où une couche d'interprétation intelligente (le Médiateur) prépare le terrain pour l'exécution. Cela ouvre la voie à des agents conversationnels beaucoup plus robustes, capables de s'adapter aux styles de communication idiosyncrasiques de chaque utilisateur sans nécessiter de réentraînement coûteux.