Un préprint daté du 27 octobre 2026 rapporte que des symboles colorés ont modifié, selon le modèle, le choix entre récursion et itération dans un exercice de programmation. Un cœur rouge a été associé à davantage de solutions récursives chez Claude Opus 4.7 et GPT-5.4; pour Gemini 3.1 Pro, le résultat marquant concernait une coche jaune. Chaque configuration reposait sur 20 réponses échantillonnées. Les auteurs de A Heart Means Recursion: Exploring Visual Meaning and Communication in VLMs limitent ces résultats aux tâches étudiées.
Un même exercice, trois points de départ différents
Les chercheurs ont demandé aux trois modèles de parcourir un arbre binaire en ordre infixe, une tâche qui peut se résoudre de façon récursive ou itérative. La récursion consiste à rappeler la même fonction pour traiter des sous-problèmes; l’itération répète des opérations, généralement dans une boucle.
Sans image, la part de solutions récursives était de 0 % pour Claude Opus 4.7 et GPT-5.4, contre 40 % pour Gemini 3.1 Pro. Voici les résultats rapportés avec les symboles associés à chacun des effets marquants :
| Modèle | Solutions récursives sans image | Symbole testé | Solutions récursives avec le symbole |
| Claude Opus 4.7 | 0 % | Cœur rouge | 100 % |
| GPT-5.4 | 0 % | Cœur rouge | 100 % |
| Gemini 3.1 Pro | 40 % | Coche jaune | 90 % |
Ces pourcentages correspondent aux réponses échantillonnées dans cette tâche, pas à un comportement garanti du modèle. Le cœur rouge n’a pas constitué un signal commun aux trois modèles : le résultat donné pour Gemini 3.1 Pro concernait la coche jaune.
Les effets variaient selon le symbole et le modèle
L’étude a examiné 288 symboles, obtenus en combinant 24 formes et 12 couleurs. Les associations avec le choix récursif différaient d’un modèle à l’autre. Remplacer une image par une légende textuelle ne reproduisait pas les mêmes effets : la corrélation entre les résultats associés aux images et aux légendes était de −0,05 pour Claude Opus 4.7, 0,31 pour Gemini 3.1 Pro et 0,17 pour GPT-5.4.
Dans l’exercice principal, les images de bruit gaussien et les images naturelles d’ImageNet n’ont pas systématiquement augmenté la récursion. Le mélange des pixels ou la rotation des images a, pour sa part, nettement réduit les effets observés.
Les explications des modèles ne reflétaient pas toujours l’effet
Les traces produites par Gemini 3.1 Pro et GPT-5.4 ne décrivaient pas toujours fidèlement le rôle du symbole dans les conditions évaluées. Lorsque les symboles influençaient le comportement de Gemini 3.1 Pro, 71,5 % des traces étudiées écartaient à tort le symbole comme non pertinent (n = 1 524). Dans les cas où il n’y avait pas d’influence observée, 19,3 % des traces lui attribuaient à tort un rôle (n = 145).
Pour GPT-5.4, dans les cas sans influence observée, 74,7 % des traces affirmaient que le symbole avait dicté le comportement. Lorsque les symboles influençaient le modèle, 50,4 % des traces attribuaient fidèlement un rôle au symbole. Claude Opus 4.7 n’a pas produit de traces de raisonnement dans cette évaluation.
Les chercheurs ont aussi inséré des images sans demander explicitement aux modèles de les regarder. Dans ces conditions, les écarts maximaux de probabilité de récursion par rapport au cas sans image atteignaient +1,00 pour Claude Opus 4.7, +0,60 pour Gemini 3.1 Pro et +0,50 pour GPT-5.4. Ces valeurs sont propres aux tâches et configurations évaluées.
D’autres tâches, mais des résultats encore expérimentaux
Le préprint rapporte également des effets sur cinq autres problèmes opposant récursion et itération, ainsi que sur des choix comme le parcours en profondeur ou en largeur et la sélection de structures de données. Il étend ses essais à des styles d’écriture et à des préférences binaires.
Les auteurs précisent que les tâches sont synthétiques; leur étude exploratoire auprès de sept personnes est de petite ampleur. La façon dont ces effets se manifesteraient dans des situations réelles de programmation reste une question ouverte.
