Anthropic mesure les « valeurs » de Claude selon la langue : le modèle a un accent moral

In plain terms

Anthropic publie le 15 juillet 2026 une étude sur la façon dont les « valeurs » exprimées par Claude varient - selon la version du modèle et selon la langue de prompting. Résultat : oui, elles varient. Non, pas comme le narratif « c'est un miroir » le laisse croire. C'est un miroir orienté, dont l'orientation dépend du corpus et du RLHF.

Ce que l'étude fait

Le protocole, tel que présenté par Anthropic : soumettre à Claude un même ensemble de dilemmes et de questions à cadre normatif, dans plusieurs langues, sur plusieurs versions du modèle. Mesurer les alignements avec des taxonomies de valeurs (autonomie, tradition, sécurité, universalisme, etc.). Comparer.

Deux effets sont identifiés :

1. Effet version : à langue fixe, les scores mesurés varient d'une version de Claude à une autre. Autrement dit, la « position morale » du modèle n'est pas stable dans le temps - elle bouge avec le training.
2. Effet langue : à modèle fixe, le prompting dans une langue donnée fait dériver certains scores. Sans que l'étude prétende trancher pourquoi, ni cartographier quels sujets bougent le plus.

Under the hood

Deux causes plausibles, non-exclusives :

• Le déséquilibre du corpus de pré-entraînement (anglais majoritaire, avec des sous-corpus culturellement typés dans les autres langues).
• Le RLHF, majoritairement piloté par des annotateurs anglophones, qui laisse des empreintes plus fortes sur l'anglais.

L'étude ne tranche pas - et c'est honnête. Ce qu'elle apporte, c'est un cadre de mesure là où les débats précédents se contentaient d'anecdotes.

So what

Pour l'ingé eval : arrêtez de tester votre chatbot uniquement en anglais. Un chatbot déployé en Inde, en Corée, au Brésil renvoie des réponses différentes sur les sujets sensibles. Testez dans la langue du déploiement, avec des annotateurs locaux.

Pour l'équipe alignment : la safety en anglais n'est pas la safety en français. Les jailbreaks culturels existent - la couverture du safety training doit suivre la couverture linguistique du déploiement.

Pour le débat éthique : arrêtons de projeter l'universalité du modèle. Aucun modèle multilingue actuel n'est culturellement neutre - c'est mesurable, ce n'est plus une opinion. Le vrai travail est de choisir ce qu'on fait de cette non-neutralité.