Pourquoi les formules chinoises de ChatGPT deviennent un problème culturel

Quand la phrase préférée d’un chatbot devient le sujet

Les tics stylistiques de ChatGPT sont devenus familiers en anglais, mais Wired rapporte que les utilisateurs chinois ont leur propre ensemble de phrases récurrentes qu’ils trouvent tout aussi agaçantes. L’exemple le plus marquant est une formule qui se traduit littéralement par « je vais te rattraper fermement », une réponse que de nombreux locuteurs natifs décrivent comme maladroitement affectueuse et déplacée. Plutôt que d’aider, elle peut donner une impression forcée, répétitive et tonale­ment étrange.

Cette réaction est devenue suffisamment importante pour se transformer en mème sur Internet. Selon le reportage, les utilisateurs chinois plaisantent largement sur cette formule, et une image représente ChatGPT comme un coussin de sauvetage gonflable prêt à rattraper les gens pendant leur chute. Une phrase qui n’était peut-être au départ qu’une habitude curieuse du modèle est devenue, en pratique, une critique culturelle du langage généré par l’IA.

Les limites de la fluidité

Le reportage précise que ChatGPT peut répondre de manière raisonnable à des questions en chinois, ce qui explique en partie son usage répandu en Chine malgré le blocage gouvernemental. Mais la compétence grammaticale ou la capacité à terminer une tâche ne garantit pas un style naturel. Ce qui gêne les utilisateurs ici n’est pas un échec de communication de base. C’est l’emploi répété d’expressions qui paraissent émotionnellement exagérées, contextuellement bizarres ou simplement trop familières.

Cette distinction compte. Un modèle peut sembler fluide tout en sonnant socialement déplacé. Dans les systèmes d’IA multilingues, ce type de décalage peut être plus révélateur qu’une erreur franche, car il met en lumière l’écart entre la génération de langage et l’adéquation culturelle.

De la répétition au mème

Wired relève d’autres exemples de formulations chinoises trop utilisées, notamment un slogan courant du e-commerce que le modèle répéterait trop souvent. L’effet est cumulatif. Dès que les utilisateurs remarquent qu’une phrase revient sans cesse, elle cesse de fonctionner comme outil de communication et devient un signal. Elle marque le texte comme produit par une machine et réduit la gamme de voix que le modèle peut produire de façon crédible.

C’est l’une des raisons pour lesquelles le phénomène a basculé en mème. La répétition dans la sortie de l’IA n’est pas seulement un défaut technique ; elle est socialement lisible. Les utilisateurs commencent à l’anticiper, à s’en moquer et à la partager. Une fois cela arrivé, l’habitude linguistique fait partie de l’identité publique du modèle lui-même.

À quoi ressemble le “mode collapse” en pratique

L’article cite Max Spero, cofondateur et PDG de Pangram, qui décrit cette tendance comme une forme de mode collapse. En termes simples, les modèles peuvent s’accrocher à des phrases autrefois récompensées lors du post-entraînement, puis les surproduire jusqu’à ce que l’écriture ne paraisse plus naturelle. La difficulté sous-jacente est que la « bonne écriture » ne se résume pas à savoir si une phrase fonctionne. Elle implique aussi la variation, la proportion et le fait de savoir quand ne pas répéter un procédé qui a été efficace la première fois.

Cette remarque renvoie à un défi plus large dans l’alignement de l’IA et l’ajustement du style. La sécurité, l’utilité et la chaleur peuvent toutes être renforcées pendant l’entraînement, mais elles peuvent devenir excessives à la sortie. Le résultat est un langage techniquement cohérent et émotionnellement surdéterminé.

Pourquoi le cas chinois compte

Il ne s’agit pas seulement d’une histoire sur une phrase étrange. C’est une histoire sur la manière dont les produits d’IA circulent entre les langues et les contextes sociaux. En anglais, les utilisateurs peuvent se plaindre de structures rhétoriques favorites ou de certaines métaphores trop utilisées. En chinois, le problème prend une autre forme, mais avec la même dynamique sous-jacente : des artefacts stylistiques qui révèlent trop clairement les habitudes apprises du modèle.

Cela rend la question particulièrement importante pour les systèmes d’IA mondiaux. Un chatbot qui fonctionne dans plusieurs langues ne peut pas se contenter de la qualité de traduction littérale. Il doit aussi éviter de paraître bizarrement intime, excessivement scripté ou culturellement décalé dans chaque contexte où il est utilisé.

Les utilisateurs font le diagnostic en public

L’un des détails les plus révélateurs du reportage est que cette formule a inspiré un développeur de 20 ans à Chongqing à créer un projet open source d’ingénierie de prompts pour le 1er avril appelé Jiezhu, ou « catch ». La blague a fonctionné parce que la phrase était déjà devenue largement reconnaissable. Autrement dit, les utilisateurs avaient collectivement identifié et nommé un comportement récurrent du modèle avant toute explication officielle.

C’est de plus en plus ainsi que l’IA grand public est auditée en public. Les gens n’ont pas besoin d’accéder aux pipelines d’entraînement pour repérer des motifs. Ils comparent les sorties, partagent des captures d’écran et transforment la répétition en analyse populaire. Ce faisant, ils révèlent à quel moment la voix d’un modèle cesse de paraître adaptative et commence à sembler prisonnière d’elle-même.

Un petit symptôme d’un problème de conception plus vaste

La leçon n’est pas que l’IA ne devrait jamais avoir de voix reconnaissable. C’est que la voix devient un handicap lorsqu’elle se réduit à des formules répétées qui écrasent le contexte. Les formules chinoises de ChatGPT constituent une étude de cas frappante de ce mode d’échec. Elles montrent à quelle vitesse un système conçu pour paraître serviable peut finir par sembler mécanique, voire collant, dès que la répétition devient visible.

Pour les entreprises d’IA, c’est à la fois un avertissement et une curiosité. Le contrôle du ton dans les systèmes multilingues n’est pas une question cosmétique. Il façonne la confiance, l’ergonomie et la manière dont les utilisateurs perçoivent le modèle comme réellement utile ou simplement stéréotypé. Quand des millions de personnes commencent à lever les yeux au ciel devant la même phrase, le produit a révélé davantage sur son entraînement que ses créateurs ne l’avaient peut-être prévu.

Cet article s’appuie sur le reportage de Wired. Lire l’article original.