ChatGPT, Claude

Plusieurs intelligences artificielles comme ChatGPT, Claude ou Gemini, lorsqu’on leur demande de choisir un nombre entre 1 et 30, répondent souvent par le 17. Cette préférence n’est pas systématique et peut varier selon le modèle, sa version ou les réglages utilisés. Par exemple, si l’intervalle est réduit à 1-20, certaines IA comme ChatGPT choisissent alors le 13. Ce phénomène a été observé par des utilisateurs et des médias, mais il n’est pas universel. Les raisons de ce choix répétitif restent à éclaircir, mais plusieurs hypothèses sont avancées pour l’expliquer.

Les humains ne choisissent pas les nombres de manière parfaitement aléatoire. Une enquête en ligne réalisée en 2007 auprès de 347 personnes a montré que près de 18 % d’entre elles ont sélectionné le 17 parmi les nombres de 1 à 20, alors que cette réponse n’aurait dû représenter que 5 % si le choix avait été parfaitement uniforme. Une étude publiée en 2021 dans la revue Nature confirme que les humains ont tendance à privilégier certains chiffres ou motifs, créant ainsi une sorte d’empreinte cognitive individuelle. Les IA, en apprenant à partir de textes humains, pourraient reproduire ces biais culturels et psychologiques dans leurs réponses.

Les modèles de langage comme ChatGPT ou Claude ne choisissent pas un nombre au hasard. Ils attribuent à chaque nombre une probabilité en fonction de leurs données d’entraînement et de la consigne donnée, puis sélectionnent une réponse parmi les plus plausibles. Un paramètre appelé température peut influencer ce choix en le rendant plus ou moins variable, mais il ne garantit pas un véritable tirage aléatoire. Par exemple, ChatGPT a expliqué avoir choisi le 13 entre 1 et 20 car ce nombre est culturellement saillant (nombre premier, superstition autour du vendredi 13) et semble moins prévisible que d’autres.

Les IA apprennent à partir de vastes corpus de textes issus d’Internet, où le nombre 17 apparaît fréquemment comme un exemple de choix aléatoire. Cette régularité statistique dans les données d’entraînement pourrait expliquer pourquoi plusieurs modèles convergent vers le 17. Cependant, ces corpus ne sont pas entièrement publics, ce qui rend difficile la vérification directe de cette hypothèse. Les modèles pourraient aussi reproduire des associations culturelles ou linguistiques implicites présentes dans les textes humains.

La distillation est une technique d’entraînement où un modèle puissant, appelé professeur, génère des réponses qui servent ensuite à entraîner un modèle plus léger, appelé élève. Ce processus permet de créer des IA moins coûteuses, mais il peut aussi transmettre des préférences ou des biais présents chez le modèle professeur. Si plusieurs entreprises utilisent des modèles similaires pour produire leurs données, leurs assistants pourraient adopter des réflexes communs, comme choisir le 17. Cette hypothèse reste difficile à confirmer, car les détails des entraînements sont souvent secrets.

Une étude publiée en 2026 dans la revue Nature a mis en évidence un phénomène appelé apprentissage subliminal : un modèle peut transmettre une préférence à un autre modèle via des données qui semblent sans rapport avec elle. Par exemple, un modèle programmé pour aimer les hiboux a généré des suites de nombres sans jamais mentionner cet animal. Un autre modèle entraîné sur ces données a développé, lui aussi, une préférence pour les hiboux. Ce mécanisme pourrait expliquer comment des biais comme la préférence pour le 17 se propagent entre les IA, même en l’absence de référence explicite.