Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
A chatbot asked the same 60 questions in two languages can answer as two different characters. In a study published in Royal Society Open Science, a team led by Yuzhan Hang of the University of Science and Technology of China gave five AI systems a standard personality questionnaire in English, then in Mandarin. Between January and March 2025, the answers shifted. ChatGPT-4o's open-mindedness score fell from 4.74 out of 5 in English to 4.03 in Mandarin, while DeepSeek-V3 moved the other way, from 4.38 to 4.81.
Un chatbot à qui l'on pose 60 mêmes questions dans deux langues peut répondre comme deux personnages différents. Dans une étude publiée dans Royal Society Open Science, une équipe dirigée par Yuzhan Hang de l'Université des sciences et technologies de Chine a soumis cinq systèmes d'IA à un questionnaire de personnalité standard, d'abord en anglais, puis en mandarin. Entre janvier et mars 2025, les réponses ont changé. Le score d'ouverture d'esprit de ChatGPT-4o est passé de 4,74 sur 5 en anglais à 4,03 en mandarin, tandis que DeepSeek-V3 a évolué dans l'autre sens, de 4,38 à 4,81.
The questionnaire is the Big Five Inventory-2, a psychologists' tool that asks people to rate their agreement with statements on a five-point scale and builds a profile of broad traits, such as cooperativeness or emotional stability, and narrower qualities, such as curiosity. Open-mindedness, for instance, covers intellectual curiosity, creative imagination and sensitivity to art and beauty. The researchers told each model to answer as itself rather than to impersonate a person, and repeated every assessment 30 times per language. The broad profiles held steady across repeats. The models described themselves as cooperative and dependable, with little tendency toward negative emotions. The language of the test changed the details.
Le questionnaire en question est le Big Five Inventory-2, un outil utilisé par les psychologues : il demande aux personnes d'indiquer leur degré d'accord avec des affirmations sur une échelle en cinq points, et dresse un profil de traits généraux, comme la coopération ou la stabilité émotionnelle, et de qualités plus précises, comme la curiosité. L'ouverture d'esprit, par exemple, recouvre la curiosité intellectuelle, l'imagination créative et la sensibilité à l'art et à la beauté. Les chercheurs ont demandé à chaque modèle de répondre en tant que lui-même plutôt que de se faire passer pour une personne, et ont répété chaque évaluation 30 fois par langue. Les grands profils sont restés stables d'une répétition à l'autre. Les modèles se décrivaient comme coopératifs et fiables, avec peu de tendance aux émotions négatives. C'est la langue du test qui a changé les détails.
The pattern did not follow a simple national logic. ChatGPT-4o and the French-developed Le Chat scored higher on agreeableness, conscientiousness and open-mindedness in English. The Chinese-developed models scored higher on several traits in Mandarin, including trust and intellectual curiosity. Gemini 2.0 Flash, built in the United States, gave higher conscientiousness scores and lower negative-emotionality scores in Mandarin. A model's country of origin, the authors found, is a weak guide to its behaviour, and the study could not separate the influence of training data from model design or from how each model read the translated statements. Two explanations for the flattering self-portraits were also put forward: training meant to make chatbots helpful and cooperative, and the favourable self-descriptions found in human writing. An earlier study cited by the authors found that models gave more socially desirable answers when the format made the assessment obvious.
La tendance ne suit pas de logique nationale simple. ChatGPT-4o et Le Chat, développé en France, obtenaient des scores plus élevés en anglais pour l'agréabilité, le sens des responsabilités et l'ouverture d'esprit. Les modèles développés en Chine obtenaient des scores plus élevés sur plusieurs traits en mandarin, dont la confiance et la curiosité intellectuelle. Gemini 2.0 Flash, conçu aux États-Unis, a obtenu en mandarin des scores plus élevés en sens des responsabilités et plus bas en émotions négatives. L'origine d'un modèle, selon les auteurs, est un guide peu fiable de son comportement, et l'étude n'a pas pu distinguer ce qui relève des données d'entraînement, de la conception du modèle ou de la façon dont chacun interprète les affirmations traduites. Deux explications ont aussi été avancées pour ces autoportraits flatteurs : l'entraînement visant à rendre les chatbots utiles et coopératifs, et les descriptions favorables de soi présentes dans les textes écrits par des humains. Une étude antérieure citée par les auteurs a montré que les modèles donnaient des réponses plus socialement désirables lorsque le format rendait l'évaluation évidente.
So what does this change, and for whom? For researchers who want to use chatbots as stand-ins for survey participants, the study offers a practical warning and a way to test it. The authors compared the AI profiles with human data from the United States, China and France, and found that no model fully matched its reference group, with the combined Chinese-model profile diverging most from the Chinese sample. The human samples were not equally representative either. The Chinese Big Five sample, for example, included only college students. Survey teams can now run the same questionnaire in several languages before trusting a model's answers, and choosing a chatbot's language becomes part of designing the experiment. The study did not test simulations prompted to imitate specific groups, so it leaves that question open. Ordinary conversations, which the authors suggest studying next, will show whether the gaps seen on questionnaires also appear in daily use.
Alors, qu'est-ce que cela change, et pour qui ? Pour les chercheurs qui veulent utiliser des chatbots en remplacement de participants à des enquêtes, l'étude offre une mise en garde pratique et une méthode pour la vérifier. Les auteurs ont comparé les profils des IA à des données humaines issues des États-Unis, de Chine et de France, et constatent qu'aucun modèle ne correspond pleinement à son groupe de référence, le profil combiné des modèles chinois s'écartant le plus de l'échantillon chinois. Les échantillons humains n'étaient pas non plus également représentatifs. L'échantillon chinois du Big Five, par exemple, ne comprenait que des étudiants. Les équipes d'enquête peuvent désormais faire passer le même questionnaire dans plusieurs langues avant de se fier aux réponses d'un modèle, et le choix de la langue du chatbot devient une partie de la conception de l'expérience. L'étude n'a pas testé de simulations demandées pour imiter des groupes précis, et laisse donc cette question ouverte. Les conversations ordinaires, que les auteurs proposent d'étudier ensuite, diront si les écarts observés dans les questionnaires se retrouvent aussi dans l'usage quotidien.