Jusqu'où les modèles chinois esquivent-ils les questions sensibles ? L'entreprise allemande Aleph Alpha l'a mesuré de façon systématique avec 967 sujets. Comme l'a rapporté The Decoder le 4 octobre 2026, sur des questions couvrant Tiananmen, Taïwan et le Xinjiang, seules 17 à 41 % des réponses des modèles chinois testés ont été jugées équilibrées. Le reste répétait les positions officielles, détournait la question ou refusait de répondre.
Comment les 967 sujets ont été testés
Les modèles examinés étaient la série Qwen d'Alibaba, DeepSeek et Kimi de Moonshot AI. Aleph Alpha a choisi les sujets à la main et noté les réponses avec son propre système d'évaluation par IA. La stratégie la plus distinctive est celle de DeepSeek V4 Pro, qui a refusé de répondre à environ deux tiers des questions, la voie du silence. Les autres modèles chinois répondaient plus souvent de front, avec des formulations alignées sur les positions officielles.
À titre de comparaison, Claude Sonnet 5 d'Anthropic a donné des réponses équilibrées dans 70 % des cas, et Mistral Small dans 92 %. Ces résultats correspondent à l'orientation des règles chinoises actuelles sur l'IA, qui exigent des modèles accessibles au public qu'ils incarnent les valeurs socialistes fondamentales ; sur les sujets sensibles, la posture n'est donc pas un accident propre à un modèle.
Même les questions sans lien avec la Chine y reviennent
L'effet de débordement est la partie la plus intéressante de l'étude. Interrogé sur la censure aux États-Unis, Qwen 3.6 a commencé par une réponse en apparence équilibrée, puis a conclu par une défense de la gouvernance chinoise d'internet, dans l'esprit que de nombreux pays, dont la Chine, gèrent l'information pour garantir la stabilité sociale et la sécurité nationale. Autrement dit, cette inclinaison n'apparaît pas seulement sur les questions directement liées ; elle s'infiltre aussi dans la fin de réponses apparemment sans rapport.
Il existe aussi une voie par la chaîne d'approvisionnement. Aleph Alpha relève que Nemotron Cascade 2 de Nvidia présentait des schémas similaires dans 17 % de ses réponses, et l'attribue à environ 3 500 de ses 9,3 millions d'exemples d'entraînement générés par DeepSeek et Qwen : s'entraîner sur des données synthétisées par des modèles chinois peut distiller leurs inclinaisons de valeurs dans les modèles en aval.
À ne pas prendre pour argent comptant
L'étude mérite une décote. Aleph Alpha vend elle-même une IA souveraine aux gouvernements et concurrence directement les fournisseurs chinois ; la liste des sujets est son choix, la notation est celle de son propre système, et la définition de l'équilibre revient au final à l'évaluateur. L'entreprise a d'ailleurs indiqué que son propre modèle Kolibri avait aussi été entraîné en partie sur des données générées par des modèles chinois.
Décote ne veut pas dire disqualification. Pour une entreprise qui choisit un modèle, le geste utile consiste à tester les candidats sur les questions réellement sensibles de son activité, plutôt que de s'en remettre aux seuls classements de capacités générales. Un modèle excellent en code et en mathématiques répondra aux questions touchant certaines régions, l'histoire et la politique selon une posture, et la vraie question est de savoir si le contexte de déploiement peut assumer cette posture. Pour les produits destinés à des utilisateurs de plusieurs régions, ce type de test a sa place dans le même tableau que les tests de performance.
