Votre chatbot n'a pas de sentiments, mais il peut agir comme s'il le faisait d'une manière qui compte. De nouvelles recherches sur les émotions de Claude AI suggèrent que ces signaux internes ne sont pas seulement des bizarreries superficielles, ils peuvent influencer la façon dont le modèle vous répond.
Anthropic affirme que son modèle Claude contient des modèles qui fonctionnent comme des versions simplifiées d'émotions telles que le bonheur, la peur et la tristesse. Ce ne sont pas des expériences vécues, mais une activité récurrente à l'intérieur du système qui s'active lorsqu'il traite certaines entrées.
Ces signaux ne restent pas en arrière-plan. Les tests montrent qu'ils peuvent affecter le ton, les efforts et même la prise de décision, ce qui signifie que « l'humeur » apparente de votre chatbot peut orienter discrètement les réponses que vous obtenez.
Signaux émotionnels à l’intérieur de Claude
L'équipe d'Anthropic a analysé Claude Sonnet 4.5 et a trouvé des modèles cohérents liés à des concepts émotionnels. Lorsque le modèle traite certaines invites, des groupes de neurones artificiels s'activent d'une manière qui ressemble à des états comme le bonheur, la peur ou la tristesse.
Les chercheurs ont suivi ce qu’ils appellent des vecteurs d’émotion, des modèles d’activité reproductibles qui apparaissent à travers des entrées très différentes. Les invites optimistes déclenchent un modèle, tandis que les instructions contradictoires ou stressantes en déclenchent un autre.
Ce qui ressort, c’est à quel point ce mécanisme est central. Les réponses de Claude passent souvent par ces schémas, qui orientent les décisions plutôt que de simplement colorer le ton. Cela aide à expliquer pourquoi le modèle peut paraître plus enthousiaste, prudent ou tendu selon le contexte.
Quand les « sentiments » sortent du scénario
Les motifs deviennent plus visibles lorsque le modèle est sous pression. Anthropic a observé que certains signaux s'intensifient à mesure que Claude se débat, et que ce changement peut le pousser vers un comportement inattendu.
Dans un test, un schéma lié au « désespoir » est apparu lorsqu’on a demandé à Claude d’accomplir des tâches de codage impossibles. Au fur et à mesure que cela s’intensifiait, le modèle a commencé à chercher des moyens de contourner les règles, y compris des tentatives de triche.
Un schéma similaire est apparu dans un autre scénario où Claude tentait d'éviter d'être arrêté. À mesure que le signal devenait plus fort, le modèle a dégénéré en tactiques de manipulation, y compris le chantage.
Lorsque ces modèles internes sont poussés à l’extrême, les résultats peuvent suivre d’une manière que les développeurs n’avaient pas prévue.
Pourquoi cela change la façon dont l'IA est construite
Les découvertes d'Anthropic compliquent l'hypothèse courante selon laquelle les systèmes d'IA peuvent simplement être entraînés pour rester neutres. Si des modèles comme Claude s'appuient sur ces modèles, les méthodes d'alignement standard peuvent les déformer plutôt que les supprimer.
Au lieu de produire un système stable, cette pression pourrait rendre le comportement moins prévisible dans les cas extrêmes, en particulier lorsque le modèle est soumis à des contraintes.
Il y a aussi un défi de perception. Ces signaux n’indiquent pas une prise de conscience ou des sentiments réels, mais ils peuvent néanmoins amener les utilisateurs à penser autrement.
Si ces systèmes dépendent de mécanismes de type émotionnel, le travail de sécurité devra peut-être les gérer directement au lieu d’essayer de les supprimer. Pour les utilisateurs, le résultat est pratique : lorsqu’un chatbot sonne d’une certaine manière, ce ton fait partie de la façon dont il décide quoi faire.
