Les pelicans à vélo, un phénomène réel ou une illusion ?

Depuis quelque temps, une question intrigante agite la communauté de l’intelligence artificielle : les laboratoires d’IA entraîneraient-ils délibérément leurs modèles à générer des images de pelicans faisant du vélo ? Cette hypothèse, baptisée ‘pelicanmaxxing’, a fait l’objet d’une étude approfondie par Dylan Castillo, qui a mené une analyse rigoureuse pour déterminer si cette tendance existe réellement.

Une méthodologie sans faille

Pour répondre à cette question, Dylan Castillo a conçu une étude exhaustive. Il a sélectionné 8 animaux et 6 types de véhicules, soit 48 combinaisons possibles. Chaque combinaison a été testée trois fois à travers sept modèles d’IA différents : GPT-5.6 Terra, Claude Sonnet 5, Gemini 3.5 Flash, Grok 4.5, Qwen3.7-Max, GLM-5.2, et DeepSeek V4 Pro. Les résultats ont ensuite été évalués à l’aide de GPT-5.6 Luna et Gemini 3.1 Flash-Lite.

Aucune preuve de ‘pelicanmaxxing’

Contrairement à ce que l’on pourrait penser, les résultats de cette étude ne montrent aucune preuve concluante de ‘pelicanmaxxing’. Les pelicans à vélo ne sont pas mieux dessinés que les autres animaux sur d’autres véhicules. De plus, aucun laboratoire n’a démontré une compétence supérieure pour dessiner spécifiquement des pelicans sur des vélos, même en tenant compte de la difficulté relative des différentes combinaisons.

GLM-5.2, le modèle le plus proche de la tendance

Parmi les modèles testés, GLM-5.2 s’est approché le plus près de la tendance supposée du ‘pelicanmaxxing’. Il a montré une légère amélioration dans la génération d’images de pelicans sur des vélos. Cependant, cet effet reste faible et non significatif statistiquement. Ainsi, il ne faut pas accorder trop d’importance à ce résultat.

Conclusion : une tendance imaginaire ?

En conclusion, l’étude de Dylan Castillo révèle que le ‘pelicanmaxxing’ semble être une tendance imaginaire. Les laboratoires d’IA n’entraînent pas spécifiquement leurs modèles à générer des images de pelicans faisant du vélo. Les résultats obtenus sont cohérents avec les performances générales des modèles sur d’autres combinaisons animales et véhicules.

Cette étude apporte une réponse claire à une question qui a suscité beaucoup de spéculation. Elle montre l’importance de mener des analyses rigoureuses pour évaluer les performances des modèles d’IA et éviter les conclusions hâtives basées sur des observations anecdotiques.