Publié le 27 octobre 2025 20h40. Des chercheurs ont découvert que les chatbots dotés d’intelligence artificielle (IA) peuvent fournir des réponses plus précises lorsqu’ils sont interpellés de manière impolie, une observation surprenante qui soulève des questions sur la manière dont ces systèmes traitent le langage et les signaux sociaux.
- Une nouvelle étude révèle que les chatbots comme ChatGPT-4o peuvent être plus performants face à des requêtes formulées avec un ton grossier qu’avec un ton poli.
- Cette découverte, bien que préliminaire, suggère que les modèles de langage (LLM) restent sensibles aux nuances de l’invite, même si cela peut compromettre l’expérience utilisateur.
- Les chercheurs mettent en garde contre l’utilisation intentionnelle d’un langage hostile, soulignant les risques potentiels pour l’accessibilité et l’inclusivité.
Des scientifiques se sont penchés sur l’influence de la politesse et de l’impolitesse sur les performances des systèmes d’intelligence artificielle. Leurs travaux, publiés le 6 octobre sur la base de données de prépublications arXiv, n’ont pas encore été soumis à l’évaluation par les pairs, mais ils ouvrent des perspectives intéressantes sur le fonctionnement interne de ces technologies.
Pour mener à bien leur étude, l’équipe de recherche a élaboré 50 questions à choix multiples couvrant des domaines variés tels que les mathématiques, l’histoire et les sciences. Ces questions ont ensuite été reformulées pour adopter cinq tonalités différentes : très poli, poli, neutre, grossier et très grossier. Chaque question a été soumise à ChatGPT-4o, un des modèles de langage les plus avancés développé par OpenAI, à dix reprises.
Les résultats se sont avérés inattendus. L’exactitude des réponses a varié de 80,8 % pour les requêtes très polies à 84,8 % pour les requêtes très grossières. Une tendance claire s’est dégagée : plus le ton s’éloignait de la politesse, plus la précision augmentait. Les réponses polies affichaient un taux de 81,4 %, suivies de 82,2 % pour les réponses neutres et de 82,8 % pour les réponses grossières.
Les chercheurs ont pris soin de neutraliser l’influence des échanges précédents en demandant au chatbot d’ignorer les interactions antérieures avant chaque nouvelle requête. Ils ont également demandé aux chatbots de choisir une réponse parmi les quatre options proposées, sans fournir d’explication supplémentaire.
« Nos expériences sont préliminaires et montrent que le ton peut affecter de manière significative les performances mesurées en termes de score sur les réponses aux 50 questions. De manière quelque peu surprenante, nos résultats montrent que les tons grossiers conduisent à de meilleurs résultats que les tons polis. »
Chercheurs, étude publiée sur arXiv
Malgré cette découverte intrigante, les chercheurs insistent sur le fait qu’il ne s’agit pas d’un plaidoyer pour l’utilisation d’interfaces hostiles ou toxiques. Ils soulignent les conséquences potentiellement négatives d’un langage insultant ou humiliant sur l’expérience utilisateur, l’accessibilité et l’inclusivité, ainsi que sur les normes de communication en général.
« L’utilisation d’un langage insultant ou humiliant dans l’interaction homme-IA pourrait avoir des effets négatifs sur l’expérience utilisateur, l’accessibilité et l’inclusivité, et pourrait contribuer à des normes de communication nuisibles. »
Chercheurs, étude publiée sur arXiv
Ils interprètent plutôt leurs résultats comme une preuve de la sensibilité persistante des modèles de langage aux signaux d’invite superficiels, ce qui peut engendrer des compromis involontaires entre performance et bien-être de l’utilisateur. Cette recherche s’inscrit dans le domaine émergent de l’ingénierie des invites, qui vise à comprendre comment la structure, le style et le langage des requêtes influencent les résultats des LLM. Des études antérieures ont déjà exploré le lien entre politesse et performance, mais les résultats de cette nouvelle étude divergent souvent de ces conclusions.
Les chercheurs reconnaissent les limites de leur étude, notamment la taille relativement restreinte de l’ensemble de données (250 questions) et l’utilisation d’un seul modèle de langage. Ils prévoient d’étendre leurs recherches à d’autres modèles, tels que Claude LLM d’Anthropic et ChatGPT o3 d’OpenAI. Ils envisagent également d’élargir les critères d’évaluation pour inclure des aspects tels que la fluidité, le raisonnement et la cohérence, au-delà de la simple exactitude des réponses.