Une récente étude menée par des chercheurs et publiée dans Nature Human Behaviour met en lumière une dimension souvent négligée de l’intelligence artificielle générative : le rôle de la langue dans les réponses des modèles. Contrairement à l’idée reçue selon laquelle un outil d’IA se comporterait de manière identique quel que soit le langage utilisé, les chercheurs ont découvert que la langue de l’utilisateur influence fortement le type de recommandations et d’analyses fournies par l’IA. Cette constatation a des implications directes pour les entreprises et les décideurs, notamment dans le marketing, la stratégie ou la gestion internationale.
L’étude s’est concentrée sur deux modèles phares : GPT d’OpenAI et ERNIE de Baidu, comparant leurs réponses en anglais et en chinois. Ces langues, représentant des cultures distinctes et largement utilisées, offrent un terrain d’analyse riche. Les chercheurs ont appliqué des mesures issues de la psychologie culturelle, portant sur deux aspects : l’orientation sociale et le style cognitif. L’orientation sociale décrit comment un individu se définit par rapport aux autres : indépendante pour les cultures occidentales comme les États-Unis, et interdependante pour des cultures comme la Chine, où l’harmonie et la cohésion priment. Le style cognitif correspond à la manière de traiter l’information : analytique et focalisé sur les objets pour l’anglais, holistique et contextuel pour le chinois.
Les résultats sont frappants. Lorsqu’ils sont sollicités en anglais, les modèles tendent à privilégier des réponses reflétant l’autonomie individuelle et une logique analytique. En chinois, les réponses s’orientent vers la collectivité et une analyse globale des contextes. Par exemple, pour expliquer un comportement humain, GPT ou ERNIE en anglais attribueront davantage la cause à la personnalité de l’individu, tandis qu’en chinois, ils souligneront l’influence des relations sociales et du contexte. Cette divergence peut se traduire par des décisions très différentes : dans la gestion d’un projet, un prompt en anglais pourrait encourager la responsabilité individuelle, alors qu’un prompt en chinois pointerait vers des facteurs externes, comme les contraintes de ressources.
Ces différences ne se limitent pas à l’analyse de comportements : elles influencent également des recommandations concrètes. Dans le domaine du marketing, un slogan généré en anglais mettra l’accent sur le bien-être individuel, alors que le même slogan produit en chinois privilégiera l’intérêt collectif. Pour les entreprises mondiales, traduire simplement un slogan conçu pour le marché anglophone vers le chinois risque donc de générer un décalage culturel et d’affaiblir l’impact de la campagne.
L’étude montre également que ces biais culturels peuvent être modulés grâce à ce que les chercheurs appellent des « prompts culturels ». En demandant à un modèle en anglais d’adopter la perspective d’une personne vivant en Chine, ses réponses s’ajustent et reflètent davantage l’orientation sociale et le style cognitif associés au contexte chinois. Cette approche offre aux entreprises un outil stratégique pour aligner les recommandations de l’IA sur les attentes locales, sans se limiter à la simple traduction.
Pour les leaders, plusieurs enseignements pratiques émergent. Il devient crucial de considérer la langue du prompt comme un levier stratégique, en particulier pour les équipes multilingues ou les marchés internationaux. Comprendre ces tendances culturelles permet de réduire les biais involontaires, d’améliorer la pertinence des recommandations et de renforcer l’efficacité des décisions appuyées par l’IA. Les organisations peuvent ainsi adapter les prompts à la culture visée ou recourir à des prompts culturels pour obtenir des résultats mieux calibrés.
Si ces découvertes concernent pour l’instant uniquement l’anglais et le chinois, elles suggèrent que la culture et la langue jouent un rôle significatif dans les interactions avec les modèles d’IA générative. Les chercheurs recommandent donc de réévaluer régulièrement ces tendances, car les modèles évoluent rapidement et leurs réponses peuvent changer avec le temps.
Cette recherche révèle que la langue est bien plus qu’un simple paramètre technique : elle influence profondément la manière dont l’IA analyse, recommande et cadre les décisions. Pour les entreprises mondiales, intégrer cette dimension dans l’usage de l’IA générative devient un impératif pour agir de manière responsable, efficace et culturellement adaptée.
