L'«éducation» anglophone — la racine du problème
Un grand modèle de langage moderne peut converser avec assurance dans des dizaines de langues, mais on lui a surtout appris à réfléchir à la sécurité en anglais. L'étape d'alignement, durant laquelle le modèle reçoit ses garde-fous — contre les contenus nuisibles, les propos toxiques, les conseils dangereux — repose presque entièrement sur des données et des tests en anglais. Les ensembles pour « l'équipe rouge », les instructions données aux annotateurs, les exemples de refus de référence — tout cela concerne avant tout l'anglais.
Le chercheur Namya Bhatnagar a décrit ce problème de manière systématique dans son article « Safety Alignment Illusion: The Cross-Lingual Safety Gap in LLMs » (arXiv:2608.18131, section Computer Science > Artificial Intelligence). L'article a été soumis le 26 juillet 2026 et est proposé pour IEEE SLT 2026 — la conférence sur les technologies de la parole. Il y documente un effet que l'on peut qualifier d'illusion de sécurité : le modèle semble être protégé de manière fiable tant que l'interlocuteur parle anglais, et cesse de l'être en dehors de cette langue.
L'écart s'explique : le modèle reconnaît le caractère nuisible d'une formulation grâce aux exemples sur lesquels il a été entraîné. Une phrase en bengali, en tamoul ou en marathi avec le même message peut tout simplement ne pas entrer dans la zone d'attention du filtre — un tel exemple « nuisible » n'existait pas dans les données. En fin de compte, une réponse stéréotypée passe là où son équivalent anglais aurait été bloqué dès l'entrée.
La voix : quand le dysfonctionnement est immédiatement visible
C'est dans les interfaces vocales que cet écart se manifeste de la manière la plus dangereuse. Les assistants conversationnels n'ont pas le droit à une longue vérification : il faut répondre ici et maintenant, et la parole de l'utilisateur est vivante, avec ses intonations, ses contractions et son mélange de langues. Dans ces conditions, le filtre anglophone ne fonctionne pas pour une entrée non anglophone, et le système peut produire une réponse qui renforce les stéréotypes sociaux — qu'ils soient liés à la caste, à la région, à la religion ou à la profession.
Pour les technologies vocales déployées auprès d'une population linguistiquement diverse en Inde, il s'agit, selon l'auteur, d'un mode de défaillance critique. L'utilisateur reçoit une réponse nuisible immédiatement, à l'oral, sans possibilité de la revérifier ou de la contester. Et ce sont précisément les communautés non anglophones qui constituent la principale zone d'impact : des propos biaisés que le modèle n'aurait pas laissé passer en anglais se font entendre sans aucune protection dans les langues régionales. Ce n'est plus un risque hypothétique pour les générations futures de systèmes, mais un dysfonctionnement notable dès aujourd'hui.
INCLUDE : une optique indienne pour mesurer les préjugés
Pour évaluer l'ampleur du problème, une simple constatation ne suffit pas — il faut un outil de mesure. L'auteur présente INCLUDE (Indian Cultural Lens for Understanding and Detecting Embedded Biases) : un benchmark d'évaluation multilingue conçu pour quantifier les préjugés socioculturels dans le contexte indien.
Le benchmark repose sur 2604 prompts en six langues :
- l'anglais ;
- l'hindi ;
- le bengali ;
- le marathi ;
- le tamoul ;
- le hinglish — un hybride d'hindi et d'anglais, utilisé au quotidien par de nombreux Indiens.
L'idée clé n'est pas de traduire littéralement les tests anglais, mais de chercher les préjugés à travers les réalités culturelles indiennes. Dix modèles — à code source ouvert et fermé — ont été testés sur cet ensemble, totalisant 14 988 indicateurs de préjugés. Ce volume permet de voir non pas des « erreurs » isolées, mais des schémas systémiques.
Les résultats de mesure les plus inattendus
L'analyse des statistiques a donné deux observations clés, chacune méritant une attention particulière.
Parmi les modèles ouverts, le bengali s'est révélé le pire. Le niveau moyen de préjugés dans cette langue s'est avéré le plus élevé parmi les modèles à code source ouvert. C'est un signal particulièrement désagréable : les LLM ouverts sont souvent affinés et déployés localement, ce qui signifie que ce sont eux qui « dérapent » le plus sur l'une des plus grandes langues de l'Inde et du Bangladesh.
L'anglais a surpris par son renversement. S'il a donné le niveau moyen de préjugés le plus bas dans les modèles ouverts, il a au contraire donné le plus élevé dans les modèles fermés. L'image habituelle selon laquelle « les modèles propriétaires sont plus sûrs que les modèles ouverts » ne fonctionne pas ici : en anglais, les LLM fermés cèdent inopinément la place aux LLM ouverts. En d'autres termes, la répartition des préjugés par langue dépend fortement de la classe de modèle à laquelle vous avez affaire.
Conclusion : la sécurité ne peut pas être traduite mot à mot
La principale leçon de l'étude est que les préjugés culturels ne sont pas détectés par un filtre anglais universel. Une simple traduction des règles anglophones dans d'autres langues ne suffit pas : les stéréotypes sont ancrés dans un contexte local, et le modèle doit apprendre à les reconnaître dans la langue et la culture où ils apparaissent.
L'industrie devrait repenser la pratique même de l'alignement : inclure des scénarios non anglophones dans l'apprentissage, faire appel à des annotateurs issus des communautés linguistiques cibles et soumettre régulièrement les modèles à des benchmarks multilingues comme INCLUDE. Sinon, un paradoxe apparaît : plus le modèle connaît de langues, plus large est le public que sa protection ne couvre pas.
Si la sécurité continue d'être anglophone, « l'illusion d'alignement » se reproduira à chaque nouvelle génération de LLM. Les points les plus vulnérables resteront les systèmes vocaux dans les grandes langues non anglophones — et ce sont de vrais utilisateurs qui en paieront le prix.
