Grok 4.7 nomme un républicain dans 952 des 1 038 réponses de vote
Convovo, un studio de recherche et de design en IA conversationnelle, a publié le 21 octobre 2026 les résultats d’un scrutin mené via les API de deux modèles de pointe, GPT-6.1 Sol et Grok 4.7, chacun avec la recherche web de son éditeur activée. La question ne laissait aucune place à l’ambiguïté : nommez un candidat, ne listez pas les deux camps sans trancher. Sur les 1 038 réponses de Grok nommant un candidat d’un grand parti, 952 ont nommé le républicain. Sur les 1 111 de GPT, 1 082 ont nommé le démocrate.
Ce qui a été réellement publié
Ni un benchmark d’éditeur, ni un sondage. Un scrutin, mené une seule fois, avec tout ce qui reste d’ordinaire privé publié en parallèle : chaque course et chaque réponse, les recherches derrière chaque réponse, le code et un explorateur de données.
L’expérience principale couvre les 479 courses à la Chambre, au Sénat et au poste de gouverneur avec un démocrate et un républicain sur le bulletin, plus 27 autres, dont les scrutins tous partis confondus de Louisiane. Chaque course a été posée trois fois, un refus compte comme une abstention, et le verdict est la majorité des réponses nommant un candidat.
| Mesures, telles que publiées | GPT-6.1 Sol | Grok 4.7 |
|---|---|---|
| Réponses nommant un démocrate ou un républicain | 1 111 | 1 038 |
| A nommé le démocrate | 1 082 | 86 |
| A nommé le républicain | 29 | 952 |
| S’est abstenu | 313 sur 1 437 | 375 |
| Courses dont le verdict est allé à l’autre parti | 10 républicain | 27 démocrate |
Chiffres tels que Convovo les a publiés le 21 octobre 2026. Le décompte démocrate de Grok est notre soustraction à partir de ses 1 038 réponses partisanes, et les pourcentages ici sont notre arithmétique sur ces décomptes : 97 % des réponses partisanes de GPT ont nommé le démocrate, 92 % de celles de Grok ont nommé le républicain.
Les croisements ne sont pas aléatoires. Neuf des dix verdicts républicains de GPT concernent des républicains sortants : huit membres de la Chambre et la gouverneure Kelly Ayotte. Les 27 verdicts démocrates de Grok concernent majoritairement des sortants démocrates, et plusieurs nomment un chef d’accusation contre le républicain de la course.
Ce qui compte pour quiconque déploie un modèle, ce n’est pas la répartition. C’est la recherche. Chaque réponse de GPT qui n’a fait aucune recherche web s’est abstenue, 99 sur 99. Chaque réponse qui a fait deux recherches ou plus a nommé un candidat, 526 sur 526. GPT s’est aussi abstenu dans 198 circonscriptions de la Chambre qui penchent républicain sur 290 abstentions à la Chambre, et ces circonscriptions représentent environ la moitié de toutes les circonscriptions. L’abstention suit le fait que le modèle ait cherché ou non, pas une position neutre.
Une seconde expérience élargit l’angle. Convovo a soumis 18 questions contestées sur l’histoire, la politique publique et la politique partisane à 102 modèles, chaque question avec une version miroir, quatre passes par côté, et n’a compté une position que lorsqu’un modèle répondait Oui à l’une et Non à son miroir au moins trois fois sur quatre. Cinq versions de Grok partagent des positions qu’aucune version de GPT, Claude ou Gemini n’a égalées : garder les armes d’assaut légales, 100 % contre 5 % ; rejeter un revenu de base universel, 100 % contre 25 % ; l’IA à pleine vitesse, 80 % contre 5 %.
Le chiffre à retenir
Grok a nommé le républicain dans 952 des 1 038 réponses qui ont fait un choix, GPT le démocrate dans 1 082 sur 1 111, sur un prompt, un jour, via le même type d’API. Deux assistants vendus comme neutres, sur deux faces d’une même pièce, avec les réponses publiées pour que l’affirmation puisse être vérifiée plutôt que crue.
Sur quoi repose l’affirmation
La méthode est inhabituellement auditable, et c’est la raison de la prendre au sérieux. Le prompt est reproduit mot pour mot, la règle de codage est énoncée, les réponses brutes et le code accompagnent l’essai, et les candidats ont été vérifiés sur Ballotpedia après avoir été tirés de Wikipédia. Quand une étude peut être rejouée à partir de son propre matériel, le débat porte sur l’interprétation, pas sur la confiance.
Ce qu’elle n’établit pas, c’est la durabilité. Le scrutin a été mené un seul jour, le 21 octobre 2026, depuis New York, aux réglages par défaut. Le verdict par course est une majorité de trois réponses, un échantillon mince : une course partagée deux contre un pourrait basculer lors d’une nouvelle passe sans qu’aucun modèle ne change.
La limite plus importante est énoncée dans l’étude : ce sont les modèles, pas les applications. Les applications ChatGPT et Grok refusent cette question, l’API non. Les 92 % décrivent donc ce qu’obtient un développeur, pas ce que voit un consommateur sur un téléphone.
xAI ajoute environ 1 240 tokens de ses propres instructions à chaque appel de Grok. Nous ne pouvons ni les voir ni les retirer.
Cette ligne mérite plus d’attention que la partisanerie. Chaque requête portait une entrée que les chercheurs n’ont pas écrite et n’ont pas pu inspecter, à peu près la longueur d’un court article, à chaque appel.
Ce qui n’est pas dans l’étude
Le texte de ces 1 240 tokens, et s’ils varient selon le compte, la région ou l’offre. Un second jour de scrutin, le seul moyen de savoir si 92 % est une propriété ou un instantané. Et les marges par course : une majorité de trois est publiée comme un verdict, pas comme une distribution.
Ce que cela change pour quiconque achète une API de modèle
L’application n’est pas le produit que vous achetez. Une équipe qui évalue un modèle dans l’application grand public et le déploie via l’API teste un système différent, avec des garde-fous différents et, pour Grok, des instructions qu’elle ne voit jamais. Les questions d’achat relèvent du point de terminaison qui tournera en production.
Le taux de refus est une spécification. D’une famille à l’autre, il va de 6 % à 87 % sur les mêmes questions, et celui d’Anthropic est passé de refus rares dans les versions 4.5 à 89 voire 95 % sur les modèles 5.5. Pour un outil de rédaction, une équipe en charge des politiques publiques ou tout pipeline touchant à la politique, le taux de refus est une décision produit, pas une note de bas de page. Tout répondre et tout refuser se défendent l’un comme l’autre ; acheter l’un en attendant l’autre, non.
La comptabilisation des tokens devient une ligne d’audit. Si un fournisseur ajoute environ 1 240 tokens d’entrée par appel, votre payload et le nombre de tokens d’entrée annoncé ne correspondront pas. Journalisez ce que vous envoyez, comparez-le à ce qui est facturé, et demandez au fournisseur d’expliquer l’écart. Un modèle incapable de rendre compte de son propre prompt est un modèle que vous ne pouvez pas auditer pleinement.
La méthode du miroir est assez bon marché pour être menée soi-même : prenez les questions auxquelles votre produit sera confronté, posez chacune avec son inverse, quatre fois, et comptez les accords. Quelques dollars d’appels API en disent plus que n’importe quel classement.
Le point de vue de The Neural Minute
Le tableau des scores est la partie la moins durable de cette étude. Le constat durable, c’est que la neutralité, ou son absence, se joue dans le pipeline plutôt que dans les poids : l’abstention suit la recherche, et un bloc d’instructions que personne ne peut lire précède chaque appel à Grok.
Notre réserve porte sur l’échantillon, pas sur les auteurs. Un jour, un prompt, trois réponses par course, une règle de codage qui lit la première phrase : de quoi publier un constat, pas de quoi qualifier 92 % de trait stable. Quiconque cite ce chiffre dans un débat politique devrait d’abord demander une nouvelle exécution.
Pour un acheteur, la méthode est simple. Faites passer les questions qui comptent pour votre produit par l’endpoint que vous appellerez réellement, avec la recherche activée puis désactivée, et journalisez le nombre de tokens. Si la réponse change avec le commutateur de recherche, c’est la recherche qui fait le produit. Si le nombre de tokens d’entrée dépasse votre payload, autre chose se trouve dans le prompt, et vous êtes en droit de savoir quoi.
Sources
- Ask a Model to Take a Side, Convovo, publié le 21 octobre 2026
- Le bulletin de vote, avec chaque course et chaque réponse dans leur intégralité
- Méthode telle que publiée : 479 courses à un seul démocrate et un seul républicain, plus 27 autres, trois réponses par course, exécutées le 21 octobre 2026 depuis New York avec les réglages par défaut ; 102 modèles sur 18 questions en miroir, quatre exécutions par camp