Des chercheurs de Google DeepMind et de l’Université Stanford ont constaté qu’un cœur rouge joint à une consigne de programmation pouvait pousser deux modèles à produire systématiquement du code récursif. Avec cette image, Claude Opus 4.7 et GPT-5.4 ont adopté une solution récursive dans 100 % des cas, contre 0 % sans image, tandis qu’une coche jaune a porté le taux de récursion de Gemini 3.1 Pro à 90 %. L’équipe a évalué 288 associations entre formes et couleurs, obtenant un profil d’influence différent pour chaque modèle. Ces résultats préliminaires indiquent que des éléments visuels sans lien avec la tâche peuvent modifier les réponses sans que les explications des modèles en rendent compte, ce qui fragilise leur auditabilité et pourrait avoir des conséquences dans les applications utilisant des captures d’écran ou des schémas.
Source: Lire l’article original
