Les grands modèles de langage (LLM) présentent une tendance surprenante à la « pensée de groupe », limitant la diversité de leurs réponses.
Une expérience simple, rapportée par le MIT Technology Review, révèle que demander un nombre aléatoire entre 1 et 10 à des chatbots comme ChatGPT, Claude ou Gemini produit fréquemment le chiffre 7 en première réponse. Les requêtes suivantes tendent à générer 3 ou 4, puis 8 ou 9, illustrant une prévisibilité inattendue.
Cette homogénéité suggère que les LLM peinent à générer des résultats véritablement imprévisibles ou variés. Cela soulève des questions quant à leur capacité à innover ou à offrir des perspectives réellement diverses dans des contextes complexes.
Face à ce constat, une startup s’efforce de développer des méthodes pour aider ces modèles à surmonter cette uniformité et à produire des réponses plus originales, cherchant à briser ce « sillon de pensée unique ». La capacité des IA à échapper à ces schémas répétitifs et à embrasser une véritable diversité de réponses demeure un enjeu central pour l’évolution future de l’intelligence artificielle générative.
Source : MIT Tech Review AI