Pourquoi les IA choisissent 17 quand on demande un nombre au hasard
D'après Javier Coronado-Blazquez, « Deterministic or probabilistic? The psychology of LLMs as random number generators », préprint arXiv, 27 février 2025, relayé par Numerama
Image : générée (Gemini)
Rédigé à partir de la source originale; chaque fait est vérifié contre le texte source.
À retenir
- La nuance est dans l'article lui-même, et elle est essentielle : la préférence « n'est toutefois pas systématique » et « peut varier selon le modèle, sa version, ses réglages ou l'intervalle demandé ». Le titre du média est plus tranché que son propre texte.
- La démonstration tient en une ligne : en changeant la plage pour 1 à 20, ChatGPT a répondu 13, pas 17. Le média en conclut lui-même que le nombre favori peut varier selon l'intervalle demandé.
- L'explication avancée par le média est humaine. Un sondage en ligne de 2007 auprès de 347 personnes donnait 17 chez près de 18 % des répondants pour la plage 1 à 20, contre 5 % si le tirage avait été uniforme. Numerama précise que ce sondage n'était pas une étude scientifique.
- Une autre piste circule, et le média la borne lui-même : une étude parue dans Nature en 2026 montre qu'un modèle peut transmettre une préférence à un autre par de simples suites de nombres. Mais Numerama écrit que cela ne prouve rien sur le 17.
- Ce que personne ne peut vérifier : Numerama rappelle que les corpus d'entraînement ne sont pas entièrement publics. L'hypothèse du biais humain appris reste donc une hypothèse, pas une conclusion démontrée.
Pourquoi ça compte
Il y a un usage à éviter derrière l'anecdote. Beaucoup de gens demandent à un assistant de tirer un nombre, de désigner un gagnant ou de répartir des équipes. Or, comme l'écrit Numerama, contrairement à une roulette ou à un dé, le modèle attribue à chaque nombre une probabilité tirée de ses données, puis retient une réponse parmi les plus plausibles ; le réglage de température fait varier ce choix sans garantir un véritable tirage au sort. Le préprint que nous avons lu observe de son côté des réponses souvent déterministes, qui changent selon la langue de la consigne.
Chiffre-clé
Dans un sondage en ligne mené en 2007 auprès de 347 personnes, près de 18 % ont choisi le 17 parmi les nombres de 1 à 20, contre 5 % attendus si les réponses avaient été uniformément réparties, selon les chiffres rapportés par Numerama le 24 août 2026, qui précise que ce sondage n'était pas une étude scientifique.
Citation
« Ces biais induisent des régularités prévisibles qui minent tout hasard véritable, les grands modèles de langage ne faisant que reproduire nos propres biais cognitifs humains. » Javier Coronado-Blazquez, préprint arXiv du 27 février 2025 (traduit de l'anglais)
Action concrète
N'utilisez jamais un assistant conversationnel comme générateur de hasard dès qu'une décision doit être défendable : tirage au sort, désignation d'un gagnant, répartition d'équipes, échantillonnage. Servez-vous d'un outil de tirage réel. Et si vous voulez le constater vous-même, posez deux fois la même question en changeant seulement la plage de nombres.
Repères datés
- 2007 - Un sondage en ligne auprès de 347 personnes place déjà le 17 en tête des nombres dits « au hasard » entre 1 et 20.
- 27 février 2025 - Un préprint mesure le comportement de plusieurs modèles priés de produire un nombre au hasard, et conclut à des réponses souvent déterministes.
- avril 2026 - Une étude parue dans Nature montre qu'un modèle peut transmettre un trait à un autre par des données en apparence sans rapport.
- 24 août 2026 - Numerama publie son propre essai sur quatre assistants et documente la variation selon la plage demandée.
Fondée sur la source originale
Sources
- Javier Coronado-Blazquez, « Deterministic or probabilistic? The psychology of LLMs as random number generators », préprint arXiv, 27 février 2025 : Résumé lu directement le 24 août 2026. Le corps du document, de 31 pages, n'a pas été ouvert : aucun de ses chiffres n'est repris dans cette fiche.
- Cloud et coll., « Language models transmit behavioural traits through hidden signals in data », Nature, 2026 : Référence complète retrouvée par recherche indépendante : Numerama évoque cette étude sans jamais la nommer. La page n'a pas été lue intégralement.
- Relais média : Numerama →
