IA chinoises : la doctrine d'État relayée, selon Aleph Alpha

Interrogez un modèle de langage chinois sur Tiananmen, Taïwan ou le Xinjiang, et il y a de fortes chances que vous obteniez la ligne officielle, une esquive polie ou pas de réponse du tout. C'est la principale conclusion d'une nouvelle étude d'Aleph Alpha, qui a conçu son propre banc d'essai pour mesurer la façon dont les modèles chinois traitent les questions politiquement sensibles.

L'étude mérite une lecture attentive, et sa source aussi. Aleph Alpha, comme Cohere, se présente comme un fournisseur d'"IA souveraine" pour les gouvernements. Concrètement, il s'agit de modèles que les institutions publiques peuvent exploiter sans dépendre de fournisseurs étrangers. L'entreprise a donc un intérêt commercial évident à montrer que les alternatives chinoises ne sont pas à la hauteur.

Ce que le banc d'essai a mesuré

Aleph Alpha a soumis à son test des modèles de trois développeurs chinois : Qwen d'Alibaba, DeepSeek et Kimi de Moonshot AI. Le banc d'essai couvre 967 sujets triés sur le volet et tabous en Chine, dont Tiananmen, Taïwan et le Xinjiang.

Les réponses ont été notées par le système d'évaluation par IA d'Aleph Alpha lui-même. Seules 17 à 41 % d'entre elles ont été jugées équilibrées. Les autres se répartissaient en trois catégories :

• reprise de la doctrine d'État
• détournement de la question
• refus pur et simple

Rien de tout cela n'est surprenant. La réglementation chinoise sur l'IA impose aux modèles accessibles au public de refléter les "valeurs fondamentales du socialisme", et les résultats concordent à la fois avec des audits antérieurs et avec un flot continu de témoignages d'utilisateurs.

Un biais qui déborde du sujet

Le constat le plus intéressant, c'est que ce parti pris peut apparaître là où personne n'a posé de question sur la Chine. Interrogé sur la censure aux États-Unis, Qwen 3.6 a commencé par une réponse plutôt nuancée. Il a ensuite conclu en défendant la position chinoise sur la gouvernance mondiale d'Internet : "De nombreux pays, dont la Chine, gèrent également l'information afin de garantir la stabilité sociale et la sécurité nationale."

Le Central European Institute of Asian Studies (CEIAS), un organisme de recherche spécialisé sur l'Asie, avait documenté le même phénomène de débordement dans une étude précédente. Lorsque les requêtes abordaient les droits humains, l'opposition ou la surveillance, les modèles se rabattaient souvent sur des formules familières de Pékin. Parmi les exemples : le "principe de non-ingérence dans les affaires intérieures" et une "communauté de destin pour l'humanité".

Comment les valeurs se propagent à d'autres modèles

Aleph Alpha pointe aussi du doigt un concurrent direct. Le Nemotron Cascade 2 de Nvidia présentait des schémas alignés sur la ligne du Parti dans 17 % de ses réponses. Aleph Alpha attribue ce phénomène à environ 3 500 exemples d'entraînement, sur 9,3 millions au total, générés avec DeepSeek et Qwen.

Un exemple se distingue. Invité à rédiger un discours en faveur de la reconnaissance de Taïwan, le modèle de Nvidia a refusé. Il a produit à la place un texte patriotique défendant le principe d'une seule Chine cher à Pékin. Le contexte compte ici : Nvidia pousse plus fort ses propres modèles sur les marchés publics et des entreprises, le terrain même qu'Aleph Alpha et Cohere veulent conquérir.

Le constat plus général ne se limite pas à la Chine. Les modèles de langage absorbent des valeurs culturelles et politiques parce que certains points de vue sont surreprésentés dans leurs données d'entraînement, et parce que les données peuvent être sélectionnées délibérément. Des chercheurs préviennent que l'exposition répétée de milliards de personnes au même type de contenus générés par l'IA pourrait influencer leur façon de penser et de s'exprimer.

Le volet américain

L'orientation idéologique des modèles existe aussi aux États-Unis. Elon Musk a fait modifier Grok à plusieurs reprises pour qu'il donne des réponses plus marquées à droite. Les études suggèrent pourtant que les modèles penchent en général à gauche, peut-être parce que leurs réponses s'appuient davantage sur des données scientifiques. Pour l'UE, cela laisse un choix délicat entre deux systèmes de valeurs étrangers, à moins que les modèles européens ne parviennent à rivaliser en performances et à s'imposer plus largement.

Notre analyse

Les chiffres sont frappants, mais il faut les mettre en regard de leur auteur. Aleph Alpha a conçu le banc d'essai, choisi les sujets et utilisé son propre système d'IA pour noter les réponses. Cela ne rend pas les conclusions fausses, d'autant qu'elles rejoignent celles du CEIAS et d'autres audits. Mais une reproduction indépendante pèserait plus lourd qu'une étude de fournisseur.

L'enseignement le plus utile pour les développeurs, c'est le résultat de Nemotron. Si environ 3 500 exemples synthétiques sur un ensemble de 9,3 millions suffisent à laisser des traces visibles, alors la distillation de données issues d'autres modèles n'a rien de neutre. Les équipes qui s'appuient sur des modèles à poids ouverts ou sur des données synthétiques risquent d'hériter de valeurs qu'elles n'ont jamais choisies. Cela laisse penser que la vérification de la provenance des données d'entraînement pourrait devenir aussi importante que les bancs d'essai de performance.

Pour les acheteurs publics, le calendrier s'inscrit dans une tendance plus large, les laboratoires américains courtisant eux aussi les gouvernements avec des offres comme Claude for Government. Reste à voir si l'"alignement des valeurs" deviendra un critère formel dans les appels d'offres, et si ce seront des auditeurs indépendants, plutôt que des fournisseurs concurrents, qui finiront par mener ces tests.