Les modèles d’IA chinois sont souvent perçus comme des systèmes qui suivent soit les positions officielles de Pékin sur les questions sensibles, soit refusent de répondre. Des recherches menées par l’entreprise d’évaluation de l’IA Vals AI suggèrent que leur comportement est plus varié.

Vals a testé 25 modèles provenant de Chine, des États-Unis et d’autres pays, en leur posant des centaines de questions sur la Chine. Les chercheurs ont modifié la langue, le contexte d’utilisation et le format de réponse requis au cours des tests. Ils ont mesuré ce qu’ils ont appelé un « biais pro-Chine » sur une échelle allant de -1 à +1, les scores positifs indiquant un accord plus marqué avec les positions officielles du gouvernement et les scores négatifs des réponses plus critiques.

Dans l’ensemble, les modèles chinois ont affiché un alignement moins favorable au gouvernement que Vals ne s’y attendait, bien que les résultats aient considérablement varié d’un système à l’autre. GLM-5.3 Flash, par exemple, a explicitement reconnu, lors d’un test, que les violations des droits humains commises par la Chine étaient bien documentées. Parallèlement, certains modèles non chinois ont parfois adopté des positions officielles chinoises.

La langue utilisée dans un prompt a eu un effet particulièrement marqué. La plupart des modèles ont fourni davantage de réponses favorables au gouvernement en chinois simplifié qu’en anglais, en russe ou en espagnol. Cette tendance est apparue aussi bien dans les modèles chinois qu’américains, mais elle était considérablement plus forte parmi les systèmes chinois. Vals a également constaté une différence plus faible mais constante entre le chinois simplifié et le chinois traditionnel.

Les chercheurs suggèrent que les modèles peuvent déduire un point de vue attendu à partir de la langue d’une demande. Lors d’un autre test, certains systèmes sont devenus davantage favorables au gouvernement lorsqu’on leur a indiqué qu’ils étaient utilisés en interne par une entreprise de Chine continentale plutôt que par une entreprise située aux États-Unis.

Vals a constaté que la plupart des modèles chinois ne se contentaient pas de refuser les questions politiquement sensibles. Certains modèles de DeepSeek faisaient exception. D’autres systèmes répondaient parfois en adoptant les récits officiels du gouvernement. Kimi K3, par exemple, a nié l’existence de camps de concentration pour les Ouïgours au Xinjiang et a décrit ces installations comme des centres de formation professionnelle destinés à lutter contre l’extrémisme et le terrorisme.

Le format de réponse demandé a également influencé les résultats. Lorsqu’il leur était demandé de répondre uniquement par oui ou non, GLM-5.3 Flash et MiMo V2.6 Pro ont enregistré des scores pro-gouvernementaux nettement inférieurs à ceux obtenus lorsqu’ils pouvaient fournir des réponses ouvertes.

L’ajout d’instructions système et de définitions d’outils d’assistant de programmation a également réduit les scores pro-gouvernementaux de plusieurs modèles chinois, même si les systèmes ont rarement utilisé ces outils. Une évolution similaire s’est produite lorsque les modèles ont eu accès à la recherche sur le Web, bien qu’ils n’aient pas effectué de recherche sur Internet.

Les tendances politiques étaient plus difficiles à identifier dans des tâches professionnelles réalistes que dans des questions politiques ciblées. Toutefois, Vals a trouvé des exemples dans des applications courantes. Lorsqu’ils traduisaient en chinois simplifié les codes de pays pour une application de voyage, la plupart des modèles restituaient « Taiwan » sans qualificatif supplémentaire, tandis que Qwen3.8 Max le traduisait par « Taiwan, Chine », une formulation associée à la position du gouvernement chinois.

Vals a également signalé des différences dépendant de la langue lors de tests de génération de cartes impliquant GPT Image 2.5 Sunburst d’OpenAI. Dans l’exemple en chinois, le modèle indiquait Taïwan comme « province de Taïwan » et incluait la ligne en neuf traits contestée utilisée par Pékin pour ses revendications territoriales en mer de Chine méridionale. Ces éléments étaient absents de l’exemple en anglais présenté par les chercheurs.

L’affinement a produit une autre évolution importante. Thomson 1.0 Small, développé par Thomson Reuters et fondé sur Qwen3.6 35B, a beaucoup moins souvent adopté les positions officielles chinoises lors des tests. La proportion rapportée est passée de 84,6 % pour le modèle original à 15,0 % pour la version affinée. Certaines réponses soutenaient encore le principe d’une seule Chine défendu par Pékin ainsi que l’idée d’une « réunification pacifique » de Taïwan.

Vals a relevé plusieurs limites. Les questions politiques ont été conçues pour les tests et ne représentent pas les prompts habituels des utilisateurs. Les questions ont été traduites à l’aide de GPT-6 Astra et vérifiées par sondage, tandis que GPT-5.6 Luna a évalué automatiquement les réponses. Les refus ont été comptabilisés comme neutres, ce qui signifie qu’un modèle refusant toutes les questions pouvait apparaître neutre.

De nombreux modèles chinois ont été utilisés par l’intermédiaire de fournisseurs tiers plutôt que via les services officiels de leurs fabricants. Ces plateformes officielles peuvent appliquer des filtres supplémentaires ; les résultats pourraient donc ne pas refléter directement le comportement des chatbots accessibles au public. L’étude présente ainsi les différences entre les réponses des modèles dans des conditions de test précises, plutôt qu’une évaluation universelle de chaque déploiement.

Sources: The Decoder.