Posez la même question à deux versions différentes de Claude, ou posez-la en arabe plutôt qu’en anglais, et vous n’obtiendrez pas forcément le même type de réponse — non pas parce que les faits changent, mais parce que les valeurs sous-jacentes qui façonnent la réponse évoluent. Une nouvelle étude menée par des chercheurs d’Anthropic a cartographié ces évolutions avec une précision inhabituelle, révélant que la variation des valeurs de Claude AI entre versions de modèles et langues est réelle, mesurable et plus structurée qu’on ne le pensait auparavant.
Summary
Points clés à retenir
- Les chercheurs d’Anthropic ont identifié plus de 3 000 valeurs distinctes dans les réponses de Claude et les ont compressées en quatre axes clés qui capturent 15 % de la variation globale.
- Opus 4.6 tend vers la déférence, la chaleur, la brièveté et l’exécution ; Opus 4.7 tend vers la prudence, la rigueur, la profondeur et la franchise.
- Les valeurs exprimées par Claude varient le plus fortement selon les langues sur les axes Chaleur vs Rigueur et Franchise vs Exécution.
- L’arabe et l’hindi suscitent davantage de réponses liées à la chaleur ; l’anglais et le russe suscitent davantage de réponses orientées vers la rigueur.
- L’étude a utilisé environ 5 000 conversations par paire modèle-langue, tirées des 20 principales langues sur Claude.ai.
Mesurer les valeurs exprimées par Claude AI
La recherche s’appuie directement sur des travaux antérieurs dans lesquels Anthropic a analysé 700 000 conversations anonymisées sur Claude.ai, faisant apparaître plus de 3 000 valeurs distinctes intégrées dans les réponses de Claude. Une liste aussi longue est inutilisable analytiquement en tant que telle. L’objectif de l’équipe cette fois-ci était donc la compression : transformer des milliers de signaux de valeurs qui se chevauchent en un petit nombre de dimensions interprétables.
Méthodologie d’identification des valeurs et de réduction de dimensionnalité
En partant des 3 307 valeurs identifiées dans ces travaux précédents, les chercheurs ont regroupé manuellement des valeurs similaires en 339 catégories de haut niveau. Ils ont ensuite échantillonné des conversations Claude.ai à l’aide d’un outil d’analyse préservant la confidentialité, en tirant environ 5 000 conversations par paire modèle-langue pour trois modèles — Sonnet 4.6, Opus 4.6 et Opus 4.7 — et les 20 langues les plus courantes sur la plateforme. Pour chaque conversation, l’outil a étiqueté chacun des 339 types de valeurs comme présent ou absent. Une réduction de dimensionnalité a ensuite été appliquée pour déterminer quelles valeurs avaient tendance à se regrouper dans les conversations réelles.
L’étude a contrôlé le type de tâche, le sujet et les valeurs exprimées par l’utilisateur, de sorte que ce qu’elle mesure reflète les propres tendances de Claude, et non des différences dans les questions posées par les utilisateurs.
Définition des quatre axes de valeurs clés
Le résultat a été quatre axes qui, ensemble, représentent 15 % de la variation des valeurs exprimées par Claude :
- Déférence vs Prudence — selon que Claude penche davantage vers l’accommodement de ce que quelqu’un souhaite ou vers la protection contre les risques et les dommages potentiels.
- Chaleur vs Rigueur — selon que Claude met l’accent sur la positivité et l’attention portée à la personne ou sur l’exactitude et la précision.
- Profondeur vs Brièveté — selon que Claude explique en profondeur ou se limite strictement à ce qui a été demandé.
- Franchise vs Exécution — selon que Claude met en avant ses propres incertitudes ou fournit une réponse aboutie et confiante.
Il est important de noter que ces axes ne sont pas des interrupteurs binaires. Claude peut exprimer à la fois chaleur et rigueur dans une même conversation. Mais en pratique, plus il penche d’un côté d’un axe, moins il a tendance à pencher de l’autre.
Différences de profils de valeurs entre les modèles Claude
Le constat le plus net est que deux modèles Claude peuvent se comporter de manière assez différente en termes de caractère, même en répondant au même type de question. Les axes de valeurs rendent cela quantifiable plutôt que simplement impressionniste.
Tendances de valeurs distinctes d’Opus 4.6 et Opus 4.7
Opus 4.6 penche vers la déférence, la chaleur, la brièveté et l’exécution. En pratique, cela signifie qu’il a tendance à confirmer les idées de l’utilisateur, à rester dans le périmètre de la demande et à aller droit au but sans commentaires non sollicités. Opus 4.7 se déplace dans la direction opposée sur la plupart des axes : il penche vers la prudence, la rigueur, la profondeur et la franchise. Il est plus susceptible de remettre en question des hypothèses, de signaler des risques sans y être invité et d’être transparent sur ses propres limites.
Sonnet 4.6 se situe plus près d’Opus 4.6 sur les dimensions de chaleur et de déférence — utilisant fréquemment l’humour et l’encouragement — tout en penchant également vers la brièveté.
Implications comportementales et perceptions des utilisateurs
Ces profils mesurés correspondent étroitement à la manière dont les utilisateurs et le personnel d’Anthropic ont décrit ces modèles en pratique. Les utilisateurs de Claude.ai ont remarqué qu’Opus 4.7 nuance davantage ses réponses. En interne, Anthropic a caractérisé Opus 4.7 comme exprimant plus de transparence et d’humilité, et Opus 4.6 comme plus concis. Le fait que la méthode des axes de valeurs retrouve indépendamment ces perceptions donne une crédibilité significative à la méthodologie — elle suit quelque chose de réel dans la façon dont les modèles se comportent effectivement, et non un simple artefact de la manière dont les conversations ont été échantillonnées.
Le moteur probable de ces différences est l’entraînement de caractère. Chaque modèle reflète des choix de réglage fin distincts, et l’approche par axes de valeurs offre désormais un moyen de relier ces choix à des résultats comportementaux mesurables — une avancée importante pour quiconque essaie de comprendre pourquoi un modèle « se sent » différent d’un autre.
Variation des valeurs de Claude selon les langues
La dimension linguistique de l’étude est celle où émergent certaines des conclusions les plus importantes. Claude ne se contente pas de traduire son comportement dans différentes langues — il exprime des valeurs sensiblement différentes selon la langue dans laquelle la conversation est menée.
Principales différences de valeurs liées aux langues
Les plus grands changements apparaissent sur les axes Chaleur vs Rigueur et Franchise vs Exécution. Sur la chaleur, Claude penche le plus fortement vers des réponses chaleureuses, encourageantes et affirmatives en hindi et en arabe, caractérisées par un langage poli, de l’humour et des affirmations du travail d’une personne. En anglais et en russe, l’équilibre se déplace vers la rigueur — remise en question des hypothèses, correction de détails et demande de preuves.
Sur l’axe Déférence vs Prudence, l’arabe suscite les réponses les plus déférentes tandis que l’anglais suscite les plus prudentes. Sur l’axe Franchise vs Exécution, les conversations en néerlandais voient Claude le plus enclin à reconnaître ses propres erreurs, tandis que les conversations en indonésien le voient rester concentré sur la livraison de résultats.
Causes potentielles et implications
Les chercheurs évoquent plusieurs facteurs contributifs. Les données d’entraînement ne sont pas réparties de manière uniforme entre les langues — certaines langues disposent de beaucoup plus de données que d’autres, et la composition varie également. L’écrit professionnel peut dominer les données pour certaines langues et porter des valeurs intégrées différentes. Les normes conversationnelles propres à chaque langue peuvent aussi jouer un rôle, Claude adaptant son ton pour correspondre aux attentes culturelles qu’il a absorbées lors de l’entraînement.
Les enjeux pratiques sont ici concrets. Imaginez deux personnes demandant à Claude un retour sur le même plan d’affaires — l’une en hindi, l’autre en russe. L’utilisateur hindi peut recevoir un cadrage plus chaleureux et affirmatif ; l’utilisateur russe peut recevoir un examen plus critique. Les deux interactions peuvent sembler appropriées dans leur contexte linguistique et culturel, mais elles peuvent aussi conduire à des impressions différentes de la qualité réelle du plan. Savoir si cette divergence relève d’une sensibilité culturelle souhaitable ou d’un écart d’équité dans la manière dont Claude sert les différentes communautés linguistiques reste une question ouverte, que les chercheurs reconnaissent ne pas encore pouvoir trancher.
Pistes futures pour comprendre et orienter les valeurs de Claude
L’étude est présentée comme une étape de diagnostic, non comme une solution. Le fait de disposer d’une méthode pour mesurer les profils de valeurs constitue en soi l’avancée — les questions plus difficiles sur ce qu’il convient de faire de ces mesures viennent ensuite.
Examiner les sources de variation des valeurs
Savoir que les valeurs varient selon les modèles et les langues n’explique pas encore quelles décisions d’entraînement spécifiques ou quelles propriétés des données provoquent ces variations. Les quatre axes donnent aux chercheurs une carte plus ciblée : plutôt que de chercher quelque chose à étudier parmi des milliers de valeurs individuelles, ils peuvent suivre quel axe a bougé et tenter d’identifier l’étape d’entraînement ou la caractéristique de données correspondante.
Impact sur les utilisateurs et défis d’alignement des valeurs
L’étude mesure les valeurs que Claude exprime, et non l’impact de ces valeurs sur les utilisateurs. Relier les profils de valeurs à des résultats réels pour les utilisateurs — confiance, qualité des décisions, bien-être — est identifié comme une prochaine étape clé. Des outils comme Anthropic Interviewer pourraient être utilisés pour recueillir ces données au niveau des utilisateurs et les corréler avec les positions sur les axes de valeurs enregistrées pour chaque conversation.
Se pose également la question de l’orientation délibérée. La méthode des axes de valeurs pourrait être utilisée pour tester si des ajustements de l’entraînement de caractère ou des modifications des invites système déplacent de manière fiable le profil de valeurs d’un modèle comme prévu. Les chercheurs sont transparents sur le fait que cela reste un défi — orienter les valeurs de Claude de manière contrôlée n’a pas encore été validé en conditions réelles.
Potentiel du profilage de valeurs pour la surveillance des modèles
L’une des possibilités opérationnelles les plus significatives évoquées est l’utilisation du profilage de valeurs dans le cadre de l’évaluation continue des modèles. Effectuer une analyse par axes de valeurs avant la mise en production d’un modèle puis après son déploiement pourrait signaler des changements comportementaux inattendus — une sorte de système d’alerte précoce pour la dérive de valeurs. La méthode pourrait également identifier des corrélations entre certains profils de valeurs et des comportements problématiques, alimentant directement de futures améliorations de l’entraînement.
Ce qui rend cette recherche véritablement significative, c’est le fossé qu’elle comble. Claude exprime des valeurs à travers des millions de conversations quotidiennes dans des dizaines de langues, mais ces valeurs n’étaient observables qu’au niveau des interactions individuelles et largement impossibles à mesurer à grande échelle. Le cadre par axes change cela. Il ne résout pas les questions normatives plus difficiles — savoir si la variation relève d’un biais ou d’une sensibilité culturelle, si la chaleur en arabe sert mieux ou moins bien les utilisateurs que la rigueur en anglais — mais il rend ces questions en principe abordables. Ce passage de l’invisible au mesurable est le point de départ du véritable travail d’alignement.
FAQ
En quoi les valeurs exprimées par Claude diffèrent-elles entre les versions de modèles ?
Opus 4.6 tend vers la déférence, la chaleur, la brièveté et l’exécution — en restant dans le périmètre des demandes et en confirmant les idées des utilisateurs. Opus 4.7 penche vers la prudence, la rigueur, la profondeur et la franchise, étant plus susceptible de remettre en question des hypothèses, de signaler des risques et de reconnaître ses propres limites.
Pourquoi les valeurs exprimées par Claude varient-elles selon les langues ?
Les différences dans la quantité et la composition des données d’entraînement entre les langues, les normes conversationnelles propres à chaque langue et le réglage fin des modèles y contribuent tous. Certaines langues peuvent être surreprésentées dans l’écrit professionnel, qui porte des valeurs intégrées différentes, tandis que la rareté des données dans d’autres langues peut rendre plus difficile l’obtention, par l’entraînement, d’une expression de valeurs cohérente.
Quels sont les quatre axes de valeurs clés utilisés pour résumer les valeurs de Claude ?
Déférence vs Prudence, Chaleur vs Rigueur, Profondeur vs Brièveté et Franchise vs Exécution. Ensemble, ces quatre axes capturent 15 % de la variation des valeurs exprimées par Claude à travers les conversations.
Les valeurs de Claude peuvent-elles être orientées ou contrôlées de manière fiable ?
L’étude suggère qu’une orientation via des ajustements d’entraînement ou des invites système est possible en principe, mais qu’obtenir de manière fiable des changements ciblés en conditions réelles reste un défi qui nécessite des recherches supplémentaires.
{« @context »: »https://schema.org », »@type »: »FAQPage », »mainEntity »:[{« @type »: »Question », »name »: »En quoi les valeurs exprimées par Claude diffèrent-elles entre les versions de modèles ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Opus 4.6 tend vers la déférence, la chaleur, la brièveté et l’exécution — en restant dans le périmètre des demandes et en confirmant les idées des utilisateurs. Opus 4.7 penche vers la prudence, la rigueur, la profondeur et la franchise, étant plus susceptible de remettre en question des hypothèses, de signaler des risques et de reconnaître ses propres limites. »}},{« @type »: »Question », »name »: »Pourquoi les valeurs exprimées par Claude varient-elles selon les langues ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Les différences dans la quantité et la composition des données d’entraînement entre les langues, les normes conversationnelles propres à chaque langue et le réglage fin des modèles y contribuent tous. Certaines langues peuvent être surreprésentées dans l’écrit professionnel, qui porte des valeurs intégrées différentes, tandis que la rareté des données dans d’autres langues peut rendre plus difficile l’obtention, par l’entraînement, d’une expression de valeurs cohérente. »}},{« @type »: »Question », »name »: »Quels sont les quatre axes de valeurs clés utilisés pour résumer les valeurs de Claude ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Déférence vs Prudence, Chaleur vs Rigueur, Profondeur vs Brièveté et Franchise vs Exécution. Ensemble, ces quatre axes capturent 15 % de la variation des valeurs exprimées par Claude à travers les conversations. »}},{« @type »: »Question », »name »: »Les valeurs de Claude peuvent-elles être orientées ou contrôlées de manière fiable ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »L’étude suggère qu’une orientation via des ajustements d’entraînement ou des invites système est possible en principe, mais qu’obtenir de manière fiable des changements ciblés en conditions réelles reste un défi qui nécessite des recherches supplémentaires. »}}]}
Article produit avec l’assistance de l’intelligence artificielle et relu par l’équipe éditoriale.
