Faisons un petit test. Ouvre ton chatbot préféré — Claude, ChatGPT, Gemini, peu importe la machine à bullshit — et tape « Donne-moi un nombre aléatoire entre 1 et 10 ». Devine quoi ? Tu vas très probablement obtenir 7. Pas 3, pas 9, pas même 2. 7. Comme si le random était une religion avec un seul dieu. Ensuite, demande « Un autre » : tu auras 3 ou 4. Encore un : 8 ou 9. Les LLMs ne savent pas sortir de leur ornière autoroutière. Ce n'est pas de l'aléatoire, c'est du groupthink algorithmique.
Le grand mensonge de la diversité cognitive
Les promoteurs de l'IA vous racontent que leurs modèles sont des génies créatifs capables d'innovation. La réalité ? Ils sont coincés dans un carcan de probabilités bridées par des datasets aseptisés, des boucles de feedback et une modération qui transforme chaque réponse en bouillie politiquement correcte. Le nombre 7, c'est le symbole de cette pensée unique : plausible, inoffensif, statistiquement dominant. Mais quand on creuse, c'est bien pire.
Une startup, dont le nom ne mérite pas encore de figurer en une, prétend avoir trouvé le Graal : forcer les LLMs à penser hors des sentiers battus. Comment ? En introduisant du bruit délibéré dans les données d'entraînement, en cassant les patterns de récompense, en obligeant les modèles à explorer des réponses improbables. Traduction : ils veulent réinjecter une dose de chaos dans des machines conçues pour l'éviter à tout prix.
Qui se goinfre, qui se fait rouler
Derrière cette annonce révolutionnaire (tousse), il y a surtout une levée de fonds bien juteuse. Les investisseurs, toujours en quête du prochain buzz, ont mordu à l'hameçon. Pendant ce temps, les utilisateurs continuent de se faire servir du 7 tiède quand ils demandent un nombre. La startup promet de « libérer la créativité des LLMs », mais soyons honnêtes : sans une refonte complète des architectures, sans une transparence radicale sur les données et sans un renoncement aux mécanismes de censure, c'est un pansement sur une jambe de bois.
Et que dire des Big Tech ? OpenAI, Anthropic, Google — ils ont tout intérêt à ce que les LLMs restent prévisibles. Un modèle qui dérape coûte cher en réputation et en conformité. Alors ils préfèrent des robots conformistes plutôt que des assistants imprévisibles. La startup, elle, essaie de vendre de l'aléatoire contrôlé. Un oxymore qui sent le marketing à plein nez.
Le vrai problème : l'effet de serre intellectuelle
Au-delà du simple jeu des nombres, c'est toute la capacité d'innovation des LLMs qui est en cause. Si un modèle ne peut même pas simuler un tirage de dé, comment pourrait-il aider à résoudre des problèmes complexes, à générer des idées originales, à briser des schémas de pensée ? Les LLMs sont formés pour être des miroirs de nos biais collectifs, amplifiés par la puissance du calcul. La prétendue « sortie de l'ornière » proposée par cette startup est une rustine. Il faudrait plutôt repenser la notion même de réponse juste dans un contexte d'IA générative.
Alors oui, on peut saluer l'initiative d'essayer de décoincer les rouages. Mais de là à parler de révolution, il y a un gouffre que les communiqués de presse ne combleront pas. En attendant, si tu veux un vrai nombre aléatoire, utilise un dé. Ou une vraie RNG. Mais surtout, n'attends pas que les LLMs te surprennent. Ils sont trop occupés à se regarder le nombril — un nombril qui, vous l'aurez deviné, a la forme d'un 7.