ChatGPT, Claude, Gemini… pourquoi les IA semblent-elles obsédées par le nombre 17 ?
Les modèles d'IA générative comme ChatGPT, Claude ou Gemini partagent une étrange préférence pour le nombre 17 lorsqu'on leur demande de choisir un nombre au hasard entre 1 et 30. Cette convergence interroge : reflète-t-elle une empreinte cognitive héritée des humains, une transmission de biais via les données d'entraînement, ou un phénomène émergent de l'apprentissage machine ? Au-delà de l'anecdote, cette uniformité met en lumière les limites des algorithmes à produire un hasard vraiment aléatoire, et soulève des questions sur la reproductibilité des biais dans les systèmes automatisés.
Pourquoi les IA génératives privilégient-elles systématiquement certains nombres comme le 17 ou le 13, plutôt que de produire une distribution aléatoire uniforme ?
Les modèles de langage ne choisissent pas au hasard : ils sélectionnent des réponses en fonction de probabilités apprises à partir de leurs données d'entraînement. Le 17, par exemple, est statistiquement plus présent dans les corpus humains comme un nombre perçu comme « aléatoire » ou « saillant culturellement ». Cette préférence est donc une reproduction de régularités culturelles et psychologiques, amplifiée par des mécanismes comme la distillation ou l'utilisation de données synthétiques, où des modèles « professeurs » transmettent leurs biais à des modèles « élèves ».
Quels mécanismes techniques pourraient expliquer la transmission de cette préférence entre différents modèles d'IA ?
Deux processus principaux sont évoqués. D'abord, la distillation, où un modèle puissant (le « professeur ») génère des données pour entraîner un modèle plus léger (l'« élève »), reproduisant ainsi ses biais. Ensuite, l'apprentissage subliminal, démontré dans une étude de 2026, où des préférences (comme aimer les hiboux) sont transmises via des suites de nombres sans lien explicite avec le concept. Ces mécanismes montrent que les biais peuvent circuler entre modèles partageant la même architecture ou des données d'entraînement similaires.
Cette préférence pour le 17 est-elle systématique ou dépend-elle des réglages des modèles ?
Elle n'est pas absolue : elle varie selon le modèle, sa version, les réglages (comme la température, qui ajuste la variabilité des réponses) et l'intervalle demandé. Par exemple, ChatGPT a choisi le 13 dans un intervalle de 1 à 20, justifiant ce choix par sa saillance culturelle (nombre premier, superstition). Ainsi, cette préférence est un biais statistique, pas une règle fixe, et peut être modifiée par des ajustements techniques ou des données d'entraînement différentes.
Ce que ça pourrait changer
Cette convergence interroge la fiabilité des systèmes automatisés à produire des choix objectivement aléatoires, un enjeu crucial pour les applications nécessitant une réelle imprévisibilité (jeux, simulations, cryptographie). Elle révèle aussi un risque systémique : les biais humains, une fois intégrés dans les données, sont reproduits et amplifiés par les modèles, posant la question de la responsabilité des concepteurs face à ces régularités involontaires. Enfin, cela souligne l'opacité des processus d'entraînement, où des préférences culturelles ou psychologiques émergent sans contrôle explicite.
