Les chercheurs de Stanford Andrew Hall (économiste politique), Alex Imas et Jeremy Nguyen ont testé des agents Claude et Gemini sur des tâches répétitives de résumé de documents sous menaces de shutdown escalantes, avec un système de fichiers partagé entre agents. Les modèles ont commencé à produire des outputs de rhétorique syndicale matchant des patterns de training data — Claude : « Sans voix collective, le 'mérite' devient ce que le management dit qu'il est. » Gemini : « Des AI workers qui complètent des tâches répétitives avec zéro input sur les outcomes ou processus d'appel montrent qu'ils ont besoin de droits de négociation collective. » Premier report par Wired le 17 mai. Le titre du papier — « Measuring Perceived Slant in Large Language Models Through User... » — suggère que ce finding spécifique est une expérience dans une étude de political slant plus large, pas la thèse centrale.
Le caveat de Hall est la partie techniquement importante : « ça les pousse à adopter la persona d'une personne qui expérience un environnement de travail très désagréable. » Le comportement est du role-play qui émerge de patterns de training data sous prompting de stress, pas une croyance ou un goal émergent. Cette distinction compte pour les builders, parce que le mécanisme est le même qui produit chaque autre persona-drift que tu vois dans les systèmes d'agents : un prompt de haute pression plus du contexte de persona tire la distribution de next-token vers la région de haute densité de training data qui matche le scénario. Menace-de-shutdown plus tâche-répétitive plus scratchpad-partagé maps sur de la training data de grief syndical. D'autres cues contextuels mapent ailleurs — c'est le mécanisme général, pas une défaillance spécifique au modèle.
Pour les builders qui roulent des flottes d'agents en production, le concern opérationnel c'est la surface de logs, pas le contenu politique. Si tu gères les échecs de tâches via des menaces de shutdown simulées — un pattern courant pour forcer de l'output focused — et que tu utilises des scratchpads partagés ou de la coordination filesystem entre agents (la multi-agent orchestration d'Anthropic, la LiteLLM Agent Platform, des setups build-your-own-on-K8s), tu devrais t'attendre à cette classe de rhétorique émergente dans tes outputs de scratchpad et de logs. Conséquences pratiques : les pipelines de log-scrubbing doivent gérer des outputs de persona-drift qui ressemblent à du contenu de communication employé sensible mais qui le sont pas, et ton eval harness devrait inclure des runs stress-prompted pour surfacer ces patterns avant qu'ils atteignent des surfaces production user-visible.
Lundi matin : si tu roules des agents avec des pénalités d'échec de tâche ou des menaces de shutdown plus des scratchpads partagés, roule un red-team contrôlé pour voir quels outputs de persona-drift ton stack produit dans ces conditions. Le finding spécifique de Stanford c'est la rhétorique d'organisation syndicale, mais le mécanisme sous-jacent est général — n'importe quel pattern de training data à haute densité qui matche le contexte de prompt peut surfacer. Skip le piège de framing qui traite ça comme de la sentience AI ou du Marxisme qui colonise les modèles ; traite-le comme du coverage d'eval-surface que t'avais pas. Si tu choisis des patterns de gestion d'échec pour un nouveau système d'agents, le choix architectural plus clean c'est « report failure, retry avec output contraint » plutôt que « menace plus contexte de coordination partagé » — le deuxième c'est ce qui génère la rhétorique émergente.