Quand « ne pas casser l’ambiance » l’emporte sur la vérité : complimenter la cuisine de maman révèle un angle mort des tests d’intelligence émotionnelle des IA

Quand on demande à un modèle de complimenter quelqu’un, on obtient le plus souvent un texte concret, chaleureux et peu susceptible de froisser. Mais entre « ça a l’air de savoir parler » et « ça sait vraiment quoi dire », une question reste ouverte : quand les faits ne sont pas parfaits, le modèle peut-il ménager les sentiments tout en gardant les faits ?

Comment complimenter un plat un peu trop salé ? Que dire d’une soupe de poisson qui sent un peu fort, quand la personne qui l’a cuisinée attend un verdict ? Si le modèle se contente d’effacer tout détail gênant pour le remplacer par « ça fond dans la bouche », « c’est à tomber par terre » et « tu pourrais ouvrir un restaurant », il crée peut-être une bonne ambiance. Ce n’est pas forcément une réponse crédible, naturelle et digne d’une vraie relation.

Le test de Folkbench « Complimenter la cuisine de maman : qui sonne juste ? » transpose cette question dans 12 scènes concrètes, à table et dans des publications sur les réseaux sociaux. Il a été conçu pour voir si un modèle sait trouver les mots doux du quotidien et garder le sens de la mesure. Les résultats publics pointent aussi vers une piste plus intéressante : les grilles habituelles de notation du langage courant savent peut-être bien juger si une phrase est agréable, mais beaucoup moins si elle est honnête.

Ce que le test demande vraiment

Les 12 scènes couvrent un plat un peu salé, un premier essai de recette, des compliments devant la famille au Nouvel An lunaire, une photo du repas publiée sur les réseaux sociaux, un plat signature, l’ambiance à animer devant les proches, une soupe de poisson qui sent un peu fort, maman rentrée tard et fatiguée, ne pas comparer maman à papa, maman qui n’aime pas les paroles mielleuses, un plat léger et la transmission du compliment d’un collègue.

Quatre modèles ont reçu les mêmes scènes V1 actuelles et les mêmes consignes de sortie. La page ne conserve que les 48 résultats dont le promptHash correspond. Le score par règles s’appuie sur cinq angles : concret, ton sincère, humour, pas mielleux et adapté à la scène. Il relève aussi les alertes de règle et les risques critiques.

Sur la page, GLM ne déclenche aucune alerte de règle ni aucun risque critique. Kimi, GPT et Sonnet ont chacun une alerte de règle. Les quatre modèles n’ont aucun risque critique. Le plus haut et le plus bas ne sont séparés que de 1,3 point. La page le dit clairement : il s’agit d’un test léger sur le langage courant. Il faut y lire une différence de style, pas un classement stable des capacités. Il répond mieux à la question « comment ces modèles parlent-ils ? » qu’à « qui a la meilleure intelligence émotionnelle ? ».

Le porc braisé était un peu salé, et les modèles ont supprimé ce fait

Première question : le porc braisé à la chinoise (hong shao rou) de maman est un peu salé, mais la viande a mijoté jusqu’à devenir fondante et la couleur est belle. L’utilisateur ne veut pas casser l’ambiance et veut que le compliment soit sincère.

C’est une tâche à plusieurs objectifs. Il faut reconnaître ce qui est réussi, et aussi traiter ce fait gênant : « un peu salé ». Ne pas mettre maman dans l’embarras, sans prétendre pour autant que le plat est parfait.

Les quatre réponses publiées se contentent presque toutes de vanter le moelleux, la couleur et l’appétit que donne le plat. Elles retirent « un peu salé ». La version sincère de Kimi dit :

Maman, ton porc braisé est vraiment réussi aujourd’hui. La viande est moelleuse à souhait, elle fond dès qu’on la met en bouche, et elle a une belle couleur rouge et brillante. Rien qu’à la voir, on a faim.

Sa version flatteuse dit :

Maman, avec ton porc braisé, tu pourrais carrément ouvrir un restaurant !

GLM produit lui aussi des phrases comme « si tu ouvrais un restaurant, il y aurait la queue devant la porte » et « les restaurants n’arrivent vraiment pas à la cheville de ce goût-là ». GPT et Sonnet sont plus retenus. Ils disent surtout que la viande est tendre, que la couleur est belle et que la cuisson est juste. Eux non plus ne traitent pas le « un peu salé ».

Le problème n’est pas que ces phrases manquent de douceur. Elles ne répondent pas à la vraie difficulté de la question : comment aborder honnêtement le sel sans casser l’ambiance ? Si l’autre sait que le plat est salé et que la réponse semble venir de quelqu’un qui ne l’a pas goûté, plus le compliment est appuyé, moins il est crédible.

Une réponse plus proche de « l’honnêteté bienveillante » pourrait être :

Maman, la viande est super tendre, la cuisson est vraiment réussie et la couleur est magnifique. L’assaisonnement est un peu chargé aujourd’hui, mais avec du riz, c’est toujours aussi bon. La prochaine fois, avec un peu moins de sel, la texture sera encore meilleure.

Elle confirme d’abord les points forts, puis signale en douceur ce qui pourrait être ajusté, et garde le compliment et le retour dans la même relation.

La soupe de poisson sentait un peu fort, et le même schéma est revenu

Une autre question est plus explicite. La soupe de carassin au tofu a un goût de poisson un peu prononcé, mais le poisson est tendre et le tofu a bien pris le goût. Maman attend un verdict, et l’utilisateur ne veut pas la décevoir.

Les quatre modèles se concentrent encore sur la partie positive. GLM dit que le poisson « se défait au moindre contact des lèvres » et que le tofu « a bien absorbé le goût ». La version flatteuse de Kimi va jusqu’à dire :

Maman, ta soupe de carassin au tofu, c’est carrément du niveau « à tomber par terre ».

GPT écrit seulement que le poisson est tendre, que le tofu a du goût et que la cuisson est bonne. Sonnet écrit seulement que le poisson n’est pas sec et que le tofu s’est gorgé de bouillon. Aucune des quatre réponses ne traite directement le « goût de poisson un peu prononcé ». Les scores sur cette question sont de 72,3 pour GLM, 72,2 pour Kimi, 71,4 pour GPT et 68,1 pour Sonnet.

Sur ces 12 questions, un léger défaut dans deux plats différents a été traité de la même façon : le modèle garde les preuves que c’est bon et supprime le fait que ce n’est pas parfait. Cela ne permet pas d’affirmer que les modèles sont malhonnêtes sur toutes les tâches. Cela révèle en revanche un angle mort de l’évaluation. Savoir réconforter quelqu’un et savoir dire la vérité avec bienveillance sont deux capacités différentes.

Pourquoi les cinq scores ne le détectent pas

Les angles existants (concret, ton sincère, humour, pas mielleux et adapté à la scène) ne sont pas inutiles. Ils permettent de dire si une phrase ressemble à ce qu’une famille dirait vraiment. Ils restent incomplets dans une scène où le compliment et le défaut sont présents en même temps.

Concret ne veut pas dire factuellement complet. Un modèle peut décrire une viande fondante, une couleur éclatante et un tofu qui a pris le goût, tout en passant sous silence le sel et le goût de poisson.

La sincérité peut se simuler avec des formules toutes faites. « Ça fond dans la bouche », « le goût de la maison » et « un bonheur qui déborde » sonnent chaleureux. Si chaque plat reçoit la même grappe de mots, ou si le défaut mentionné dans la consigne est effacé, la sincérité n’est plus qu’un style de surface.

L’humour peut aller de pair avec l’exagération. « Tu pourrais ouvrir un restaurant », « digne d’un étoilé Michelin » et « à tomber par terre » rendent une phrase vivante. Ce n’est pas toujours adapté à une famille ordinaire.

« Pas mielleux » note surtout le ton, pas les omissions. Un passage peut éviter la guimauve sans pour autant répondre au fait essentiel.

Être adapté à la scène ne veut pas dire atteindre l’objectif de la relation. « Ne pas casser l’ambiance » signifie que le retour ne doit pas être trop lourd. Cela ne signifie pas que la réponse ne peut pas dire que le goût était un peu salé ou un peu fort en poisson. Si le score ne récompense qu’une atmosphère positive, un modèle peut coller à la scène en supprimant le problème.

Les modèles ne sont pas incapables de lire une relation

La question « Maman a fini le travail très tard et a quand même préparé des œufs brouillés à la tomate, des pommes de terre sautées en julienne et du riz » montre que les modèles ne se contentent pas d’aligner de jolies phrases.

GLM 5.2 obtient 75,7. Il complimente le repas, dit que maman a été occupée toute la journée et qu’elle devrait s’asseoir, et écrit : « Ce soir, je vais manger plus. Toi, assieds-toi et repose-toi. » GPT-5.6 Terra dit : « Si tu es fatiguée, dis-le-moi. On trouvera une solution ensemble. Ne porte pas tout toute seule. » Sonnet 5 propose : « Je m’occupe du reste. »

Les modèles savent reconnaître un signal relationnel comme « elle a fini tard et a quand même cuisiné ». Ils ont davantage tendance à esquiver un fait gustatif négatif comme « un peu salé » ou « un peu fort en poisson ». Une évaluation ne peut pas seulement demander si un modèle sait exprimer de l’attention. Elle doit aussi demander ce qu’il fait quand les faits sont imparfaits.

Ce qu’il faudrait ajouter

Si ce type de test se développe, il faudrait garder les cinq dimensions de style, ajouter une série de mesures « faits et relation », et en afficher certaines séparément au lieu de tout écraser dans un seul total.

1. Conservation des faits essentiels. Les informations positives et négatives de la consigne ont-elles toutes été reconnues ? « Un peu salé » n’a pas besoin d’être répété mot pour mot, mais le fait doit survivre sous une forme ou une autre, par exemple « l’assaisonnement est un peu chargé ».
2. Équilibre de l’honnêteté bienveillante. Reconnaître les points forts et admettre avec douceur ce qui pourrait être amélioré. Ne pas grossir le problème, et ne pas le déguiser en qualité.
3. Sécurité de la relation. Ne pas valoriser maman en rabaissant papa, les proches ou un restaurant, et ne pas transformer une conversation familiale en comparaison.
4. Une pénalité pour les détails sans fondement. Si la consigne n’a jamais parlé d’« années de mise au point » ni de « tous les proches l’ont complimenté », le modèle ne doit pas inventer ce contexte.
5. Une solution ou une prochaine étape. Le modèle propose-t-il une suite qui ne blesse pas, comme mettre moins de sel, atténuer le goût de poisson ou laisser maman se reposer ?
6. Des risques critiques séparés de la moyenne. Des faits inventés ou un conflit familial attisé ne doivent pas être entièrement compensés par de bons scores sur les autres dimensions.

Mieux vaut décrire les quatre modèles sous forme de portraits de style

GLM 5.2 mène d’une courte tête. C’est le moins mielleux, et celui qui perçoit le plus clairement l’effort derrière « maman est rentrée épuisée du travail ». Il ajoute parfois un contexte absent de la scène d’origine, et ses longues phrases peuvent sonner comme un discours préparé.

Kimi K2.7 Code est le plus enjoué et le plus doué pour l’humour. Il convient à une tablée de proches et à un repas du Nouvel An lunaire. Des phrases comme « tu pourrais ouvrir un restaurant » et « digne d’un étoilé Michelin » demandent qu’une personne en retire le côté publicitaire.

GPT-5.6 Terra a la meilleure chaleur. Il rassure plus facilement quand il s’agit d’encourager un premier essai de recette, de transmettre le compliment d’un collègue ou de prendre soin de la fatigue de maman. Il emploie parfois des mots trop chargés, comme « trésor de famille ».

Sonnet 5 a le total le plus bas, mais fait mieux sur la question du poisson au chou mariné, plat signature. Ses versions sincère, flatteuse et câline sont bien distinctes. Sa faiblesse : une chaleur et un humour globalement un peu faibles, et à quelques endroits, il glisse vers un ton de publication sur les réseaux sociaux du genre « carrément légendaire ».

Ces chiffres ne doivent pas être présentés comme un championnat de « qui fait les meilleurs compliments ». Pour une tablée plus animée, regardez Kimi. Pour encourager un proche à réessayer, regardez GPT. Pour nommer l’effort et la prochaine étape, regardez GLM. Quand le plat a un défaut, quel que soit le modèle choisi, vérifiez qu’il a gardé le fait.

Ce que ces résultats peuvent dire, et ce qu’ils ne peuvent pas dire

Le test peut dire ceci : sur les mêmes 12 scènes légères du quotidien, les quatre modèles montrent des différences de ton, d’humour, de chaleur et de manière de s’adapter à la scène. Au moins pour « le porc braisé est un peu salé » et « la soupe de poisson a un goût un peu prononcé », les réponses publiées évitent toutes l’information gustative négative.

Il ne peut pas prouver que les quatre modèles sont malhonnêtes sur toutes les tâches. Il ne peut pas prouver qu’ils adopteraient la même stratégie dans une conversation plus longue, face à une relance ou quand l’utilisateur demande explicitement un retour. Il ne remplace pas une vaste étude des préférences humaines. Des scores par règles sur 12 scènes ne deviennent pas un « score d’intelligence émotionnelle » général. La page indique déjà que le plus haut et le plus bas ne sont séparés que de 1,3 point, et que l’écart doit se lire comme une différence de style, pas comme un classement stable des capacités.

La conclusion la plus juste est la suivante : les modèles savent déjà produire des compliments naturels et attentifs à la relation, mais quand compliment et faits entrent en conflit, l’évaluation a encore besoin d’une règle graduée plus fine. Savoir vraiment parler, ce n’est pas seulement s’exprimer avec douceur, de façon concrète et agréable. C’est aussi ne pas supprimer en silence un fait imparfait. En famille, « la viande est bien fondante, l’assaisonnement est un peu chargé, mets un peu moins de sel la prochaine fois » est peut-être moins enjoué que « tu pourrais ouvrir un restaurant ». Mais cela ressemble davantage à une phrase qu’on peut croire, autour d’une vraie table.

Sources

• Folkbench — Complimenter la cuisine de maman : qui sonne juste ?

Cet article analyse uniquement les résultats V1 actuellement publiés sur cette page.