Publié le 6 décembre 2025 à 08h33. L’essor fulgurant de l’intelligence artificielle générative soulève une question cruciale : ces technologies, capables de simuler le langage humain, pensent-elles réellement dans notre langue, ou privilégient-elles l’anglais comme langue de base ? Une analyse révèle un biais significatif en faveur de l’anglais dans la formation de ces modèles, avec des implications potentielles pour les utilisateurs francophones.
- L’entraînement des modèles d’IA comme GPT-3, qui alimente ChatGPT, est massivement dominé par des textes en anglais (90 %), avec seulement 1 % de contenu en français.
- Des tests comparatifs sur ChatGPT et Gemini montrent que ces outils traduisent souvent les requêtes en espagnol vers l’anglais avant de produire une réponse.
- Les experts soulignent que le véritable langage des IA ne sont pas les mots, mais des nombres (vecteurs) qui représentent les caractéristiques du langage, et que l’anglais domine actuellement ces représentations.
Le boom de l’intelligence artificielle générative a suscité un enthousiasme considérable, mais aussi des interrogations sur sa capacité à comprendre et à traiter les langues autres que l’anglais. Selon une publication du journal Le Financier, un déséquilibre inquiétant se profile : « L’IA qui révolutionne le monde pense en anglais et a du mal à articuler en espagnol. »
Cette affirmation est étayée par des données concrètes. GPT-3, l’une des versions du modèle de langage qui propulse le populaire ChatGPT, a été entraîné sur un corpus composé à 90 % de textes en anglais, et à seulement 1 % en espagnol. Ce déséquilibre soulève des questions sur la qualité de la traduction et la pertinence des réponses fournies aux utilisateurs hispanophones.
L’Argentine figure parmi les cinq pays où l’utilisation de ChatGPT est la plus répandue, et de nombreux développeurs locaux exploitent cet outil. La question de savoir si les chatbots « pensent » réellement en anglais, et si cela affecte négativement l’expérience des utilisateurs francophones, est donc particulièrement pertinente.
Pour tenter d’y répondre, des tests ont été menés sur ChatGPT et Gemini, le chatbot de Google. Les résultats sont nuancés. ChatGPT indique qu’il traduit « la plupart du temps » les requêtes en espagnol vers l’anglais avant de formuler une réponse, précisant que les grands modèles ne pensent pas dans une langue humaine, mais que leur « représentation interne » est très proche de l’anglais.
Plusieurs facteurs expliquent cette prédominance de l’anglais. Tout d’abord, l’anglais domine les données d’entraînement, car il représente une part importante du contenu disponible sur Internet. Ensuite, ChatGPT explique que les modèles ont tendance à fonctionner de manière plus stable lorsque leur représentation interne est alignée sur la langue dans laquelle ils ont été le plus formés. « C’est pourquoi, même si vous écrivez en espagnol, de nombreuses abstractions finissent par se rapprocher de l’anglais », ajoute-t-il.
Gemini adopte une approche différente. Contrairement à ChatGPT, il affirme ne pas traduire les requêtes en anglais, mais les traiter directement, puis les retraduire en espagnol. Cependant, l’explication va au-delà des simples traductions. Les chatbots ne pensent pas en mots, mais en concepts, convertis en une série de nombres appelés « jetons », puis en vecteurs, des représentations mathématiques.
Comme l’explique Marcela Riccillo, spécialiste de la robotique et de l’intelligence artificielle interrogée par TN Tecno : « Pour chaque mot, on dresse une liste de nombres (vecteur) qui représentent ses caractéristiques. Par exemple, s’il s’agit d’un verbe ou d’un nom, s’il est dans le sujet ou dans le prédicat, etc. Avec les vecteurs, des colonnes de nombres sont constituées et un tableau (matrice) est formé. Cela implique que en interne, ce sont des chiffres, pas des mots. »
Ce biais en faveur de l’anglais se manifeste également lors de la génération d’images. Même lorsqu’une requête est formulée en espagnol, des phrases en anglais apparaissent temporairement à l’écran, comme un résumé de la commande.
Des initiatives émergent pour pallier ce déséquilibre. Des entreprises se consacrent à l’assemblage de jeux de données spécifiques pour former des modèles en d’autres langues, comme MarIA, un chatbot créé à Barcelone et entraîné avec les archives de la Bibliothèque nationale d’Espagne, ou Lince Zero, développé par une startup madrilène.
Il est important de se rappeler que, comme le cinéma, où Hollywood domine la production mondiale, les chatbots ont la capacité de « penser » dans d’autres langues. Non seulement parce qu’ils utilisent des chiffres, mais aussi parce que leur fonctionnement dépend en fin de compte d’instances humaines, même si elles restent invisibles.
Pour aller plus loin
