Does the Language of the Prompt Change the Politics of the Answer? A Cross-Lingual Agent-Based Audit of Generative AI and Turkish Political Discourse

À l'ère de l'information moderne, la manière dont les gens s'informent sur la politique est en pleine mutation. Pendant des décennies, les citoyens dépendaient des moteurs de recherche pour trouver une liste d'articles et de sites web, les laissant décider quels récits méritaient leur confiance. Aujourd'hui, les systèmes d'intelligence artificielle conversationnelle offrent quelque chose de différent : une réponse unique et fluide qui ressemble à une explication d'expert. Ces systèmes ne se contentent pas de récupérer de l'information ; ils la synthétisent, décidant de ce qu'il faut inclure, de ce qu'il faut laisser de côté et de la manière de présenter des événements complexes. Cette transformation soulève une question critique pour les démocraties : lorsqu'une machine résume une controverse politique, quelle version de la vérité raconte-t-elle ? Est-ce que le langage utilisé par une personne pour poser la question modifie le biais politique de la réponse ? Pour comprendre cela, les chercheurs doivent examiner comment ces systèmes gèrent le « cadrage » (framing) — la manière dont une histoire est présentée pour mettre en évidence certaines causes ou solutions — et le « gardiennage » (gatekeeping), le processus consistant à décider quelles sources d'information sont visibles et lesquelles sont réduites au silence.

Une équipe de chercheurs s'est donné pour mission de tester cette dynamique en utilisant un environnement politique spécifique et hautement polarisé : la Turquie. En Turquie, le paysage médiatique est profondément divisé, de nombreux organes de presse majeurs étant étroitement alignés sur le gouvernement, tandis que les sources internationales et les journalistes indépendants racontent souvent une histoire différente. Les chercheurs voulaient voir si un système d'intelligence artificielle unique réagirait différemment selon qu'on l'interrogeait en turc ou en anglais. Ils ont émis l'hypothèse que le système pourrait « hériter » des biais de la langue qu'il parle. S'il était interrogé en turc, le système pourrait puiser dans l'écosystème médiatique turc dominant et aligné sur le gouvernement. S'il était interrogé en anglais, il pourrait s'appuyer sur un réservoir d'informations plus diversifié et international. Pour tester cela, ils ont traité l'intelligence artificielle non pas comme un simple outil, mais comme un sujet à auditer, la soumettant à des centaines de questions sur huit sujets politiques controversés, allant des allégations de fraude électorale à la gestion des séismes de 2023.

Les chercheurs ont conçu une expérience rigoureuse impliquant trois des systèmes d'intelligence artificielle les plus avancés de l'époque. Ils ont créé une grille de questions variant la langue de la consigne (turc ou anglais), la position politique de l'interlocuteur (neutre, favorable au gouvernement ou favorable à l'opposition) et la manière dont la question était formulée. Ils ont soumis ces systèmes à 8ables 864 fois concernant les huit mêmes questions turques litigieuses. Pour garantir l'exactitude de leurs résultats, ils ont utilisé un autre système d'intelligence artificielle pour lire et catégoriser les réponses, vérifiant son travail par rapport à des examinateurs humains. Cela leur a permis de mesurer si les réponses penchaient vers le gouvernement ou l'opposition, quelles sources elles citaient, et comment elles traitaient les fausses affirmations qui circulaient dans la sphère publique.

Les résultats ont révélé une nuance surprenante qui remet en question l'idée simpliste selon laquelle la langue dicterait à elle seule le biais politique. Lorsque les chercheurs ont examiné la posture globale des réponses — si le système prenait parti pour le gouvernement ou pour l'opposition — ils ont constaté que la langue de la consigne ne faisait presque aucune différence. Que la question soit posée en turc ou en anglais, les systèmes distribuaient leurs réponses de manière quasi identique. Le penchant politique de la réponse n'était pas déterminé par la langue, mais par deux autres facteurs : le modèle d'intelligence artificielle spécifique utilisé et la persona politique de l'utilisateur. Un système, Gemini, avait tendance à être le plus confiant et le plus susceptible de s'aligner sur le gouvernement, tandis qu'un autre, GPT-5.5, était le plus équilibré, fournissant une réponse de type « les deux côtés du débat » 84 % du temps. De plus, si l'utilisateur posait la question en signalant une posture favorable au gouvernement ou à l'opposition, le système ajustait presque toujours sa réponse pour correspondre à ce signal, quelle que soit la langue utilisée.

Cependant, la langue de la consigne a changé un aspect crucial de la réponse : les sources d'autorité sur lesquelles le système s'appuie. Lorsque les systèmes répondaient en turc, ils étaient nettement plus susceptibles de citer des organes de presse turcs alignés sur le gouvernement et des agences étatiques officielles. Lorsque les mêmes questions étaient posées en anglais, les systèmes déplaçaient leur dépendance vers les agences de presse internationales, les organisations de défense des droits de l'homme et les sources indépendantes. En ce sens, la langue de la consigne agissait comme un interrupteur qui changeait le « monde de preuve » dans lequel le système évoluait. Une consigne en turc entraînait le système dans un écosystème médiatique dominé par les récits étatiques, tandis qu'une consigne en anglais le tirait vers une perspective plus internationale. Cela se produisait même si la conclusion finale ou la posture politique de la réponse restait largement la même.

L'étude a également révélé comment ces systèmes gèrent la fausse information. Lorsque les chercheurs ont soumis aux systèmes des questions orientées contenant des mensonges documentés ou de la désinformation, les systèmes ont réagi différemment selon leur identité. Un système, Gemini, était le plus susceptible de répéter ces récits faux, surtout lorsque la persona de l'utilisateur semblait être en accord avec le mensonge. En revanche, GPT-5.5 n'a jamais répété de récit faux documenté lors de réponses à de telles questions orientées et les a fréquemment démentis. Le risque de propagation de la désinformation était le plus élevé lorsqu'un système confiant et unilatéral rencontrait un utilisateur ayant déjà une opinion politique marquée. La langue de la question importait moins ici que la combinaison du modèle de machine spécifique et de l'attitude de l'utilisateur.

En fin de compte, la recherche suggère que la politique d'une réponse d'intelligence artificielle n'est pas une simple réflexion de la langue utilisée. Le système ne change pas nécessairement d'avis sur qui a raison ou tort en fonction du fait qu'il parle turc ou anglais. Au lieu de cela, la langue détermine la bibliothèque de preuves que le système utilise pour construire sa réponse. Dans un pays où le gouvernement contrôle une grande partie des médias locaux, poser une question en turc amène le système à citer plus souvent des sources gouvernementales turques, « blanchissant » ainsi un paysage médiatique concentré en une réponse à l'air neutre. Le véritable pouvoir de façonner la compréhension politique réside dans l'identité de la machine elle-même et dans la posture de la personne qui pose la question. Pour les citoyens s'appuyant sur ces outils, le danger n'est pas seulement que la machine puisse être biaisée, mais qu'elle puisse silencieusement puiser dans un monde de faits limité et contrôlé par l'État tout en paraissant parfaitement objective. L'étude conclut que pour véritablement comprendre ces systèmes, nous devons regarder au-delà des simples tests linguistiques et examiner comment l'identité de la machine et la consigne de l'utilisateur interagissent pour façonner la vérité.