IA et désinformation : comment les algorithmes façonnent l'opinion publique, au-delà des idées reçues
Comment l'IA façonne-t-elle l'opinion publique ? Par trois canaux : elle trie ce que vous voyez (les systèmes de recommandation des réseaux sociaux), elle reformule ce que vous apprenez (les chatbots et les moteurs de réponse) et, depuis peu, elle argumente face à vous (la persuasion conversationnelle). Ces trois leviers n'ont pas le même poids. Les études les plus solides indiquent que le premier, le fil d'actualité, pèse moins qu'on ne le répète depuis dix ans. Le deuxième est sous-estimé. Le troisième fonctionne surtout parce qu'il empile des faits, vrais ou faux, plus vite que vous ne pouvez les vérifier.
Cet article sépare ce qui est démontré, ce qui reste contesté et ce qui relève du récit. Il s'appuie sur des travaux publiés entre 2018 et 2026, y compris lorsqu'ils contredisent une idée populaire.
En bref
Le fil d'actualité n'est pas le grand coupable. Dans les expériences menées avec Meta autour de la présidentielle américaine de 2020, passer d’un fil d’actualité géré par l’algorithme à un fil d’actualité chronologique n'a pas fait reculer la polarisation.
Le pouvoir se déplace vers la réponse. 10 % des internautes utilisent chaque semaine un chatbot pour s'informer (Institut Reuters, 2026), alors que 45 % des réponses d'assistants testées par l'UER et la BBC contenaient au moins un problème significatif.
Une IA convainc en accumulant des faits. Plus une intelligence artificielle est optimisée pour persuader, moins elle est exacte (Science, décembre 2025).
Le « LLM grooming », ou conditionnement des modèles de langage, reste contesté. NewsGuard décrit des IA contaminées par la propagande russe, des chercheurs de Harvard y voient surtout des vides d'information.
Le même outil peut corriger. Un dialogue avec une IA a fait reculer d'environ 20 % des croyances complotistes, durablement. Tout dépend de ce qu'on lui demande d'optimiser.
Le moteur des rumeurs reste encore et toujours l’humain, loin devant les algorithmes et l’IA
En mars 2018, trois chercheurs du MIT publient une étude sur la circulation des informations vraies et fausses sur Twitter entre 2006 et 2017. Deux chiffres s'en dégagent : une fausse information a 70 % de chances en plus d'être retweetée qu'une vraie, et il faut à une information exacte environ six fois plus de temps pour toucher 1 500 personnes. Retirez les robots de cette expérience, et l'écart persiste toujours. Le co-auteur de l’étude, Sinan Aral, l'explique par la psychologie : « False news is more novel, and people are more likely to share novel information. » (« Les fausses informations sont plus originales, et les gens ont davantage tendance à partager des informations originales. »)
Cette étude précède ChatGPT de près de cinq ans, et c'est ce qui la rend précieuse. Elle établit que l'appétit pour la nouveauté et l'indignation existent bien, et ce même sans IA. Ce que l'IA générative apporte, c'est une offre presque gratuite : un faux plausible, dans toutes les langues, ne coûte plus rien à produire. Pour les fausses vidéos et les fausses voix, nous avons consacré un article entier aux deepfakes. Nous n'y revenons pas ici. Ce dossier s'occupe de la mécanique de l'opinion, pas de la fabrication du faux.
Le fil d'actualité, un suspect moins coupable qu'on le croit
Si vous avez lu un article sur les « bulles de filtre » ces dix dernières années, vous connaissez l'histoire. L'algorithme vous montre ce qui vous plaît, et vous ne voyez plus que des contenus qui vont dans votre sens, ce qui peut conduire à une radicalisation ou un enfermement idéologique. L’idée, bien que séduisante, a à son tour été mise à l’épreuve.
En juillet 2023, quatre études parues dans les revues Science et Nature ont livré les premiers résultats d'une collaboration entre Meta et 17 chercheurs extérieurs sur la présidentielle américaine de 2020 (synthétisé par KPBS).
Dans l'une de ces expériences, des dizaines de milliers d'utilisateurs volontaires ont consenti à modifier l'affichage de leur application pour basculer vers un fil strictement chronologique, sans classement algorithmique (relayé par l'Inquirer). (NDLR : le chiffre global d'environ 40 000 volontaires fréquemment cité dans les médias correspond au cumul des cohortes d'utilisateurs ayant participé à ces divers tests d'altération de fil).
Le résultat de ce passage au fil chronologique est un compromis, pas une victoire :
Un temps passé en baisse : Ces utilisateurs ont consacré nettement moins de temps aux plateformes et ont été exposés à des sources aux audiences idéologiquement plus variées.
Des contenus plus bruts : En contrepartie, ils ont vu davantage de contenus politiques ainsi que des sources jugées peu fiables.
Pas d'impact sur les convictions : Côté polarisation, la politologue et coautrice Jennifer Pan résume ainsi l'absence d'effet miracle du fil chronologique : c'est « no silver bullet ».
Il faut garder ici en tête que l'expérience n'a duré que trois mois, en pleine campagne électorale, sur des personnes dont les habitudes de consommation d'information avaient déjà été façonnées par des années d'exposition au fil algorithmique. De plus, Meta a aussitôt lu ces résultats comme une validation de sa posture en tant que plateforme qui n’est pas à blâmer pour augmenter la polarisation des internautes, ce qui incite à aborder ces conclusions avec les précautions nécessaires..
Mais que se passe-t-il quand le même algorithme rencontre une opération coordonnée ? La Roumanie en a donné un cas d'école. Le 6 décembre 2024, sa Cour constitutionnelle a annulé le premier tour de la présidentielle, remporté par Călin Georgescu, après la déclassification de renseignements évoquant le chiffre de 25 000 comptes TikTok pro-Georgescu devenus anormalement actifs, deux semaines avant les élections. Parmi ces comptes, environ 800 avaient été créés en 2016 et étaient inactifs jusqu’ici.
Onze jours plus tard, la Commission européenne ouvrait une procédure formelle contre TikTok au titre du Digital Services Act, pour vérifier si la plateforme avait correctement limité les risques pesant sur l'intégrité du scrutin (Euronews). TikTok a démenti tout traitement de faveur. On peut donc dire qu’en matière d'influence algorithmique, la preuve arrive toujours après le scrutin.
Les deux histoires ne se contredisent pas pour autant. Un algorithme seul, tel qu'il a été testé en 2020, n'explique pas la polarisation qui peut avoir lieu sur les réseaux sociaux. Mais quand un algorithme est associé à des milliers de comptes coordonnés, c'est un autre problème, et c'est là que regardent les régulateurs.
Le vrai déplacement du risque : de la liste de liens à la réponse unique
Voilà pour la classique question de l’algorithme. Le nouvel enjeu se joue maintenant dans un champ de saisie. Selon le Digital News Report 2026 de l'Institut Reuters, l'usage des chatbots pour s'informer est passé à 10 % dans le monde, contre 7 % par rapport à l’année passée. Il atteint 17 % chez les 18-24 ans, contre 5 % chez les plus de 55 ans (NewscastStudio). Seuls 20 % des sondés font confiance aux informations délivrées par ces outils, contre 37 % pour l'information en général. Parmi ceux qui s'en servent, la confiance grimpe à 44 %, contre 17 % chez les non-utilisateurs, détaille Amy Ross Arguedas, coautrice du rapport.
Regardez bien ce 44 %. Il ne dit pas que les chatbots sont fiables. Il dit que l'usage et la confiance vont ensemble, et les données ne permettent pas de savoir lequel entraîne l'autre. Dans les deux cas, l'habitude s'installe avant que la fiabilité soit démontrée. Le rapport d’information du Sénat retient un autre chiffre : “seuls 4 % des utilisateurs cliquent systématiquement vers l’article source depuis un chatbot IA, contre 19 % via les moteurs de recherche et 17 % via les réseaux sociaux. Les rares clics depuis l’IA sont davantage motivés par la vérification de l’information que par la recherche de détails supplémentaires.”
Or, la fiabilité des sources et des faits avancés par l’IA pose précisément question. Coordonnée par l'Union européenne de radio-télévision (UER) et pilotée par la BBC, une étude d'octobre 2025 relayée par VRT a fait évaluer par des journalistes de 22 médias publics, dans 18 pays, plus de 3 000 réponses de ChatGPT, Copilot, Gemini et Perplexity : 45 % présentaient au moins un problème significatif, 31 % des réponses ne fournissaient pas les sources, et 20 % contenaient des problèmes de précision comme des informations périmées ou tout simplement fabriquées. Parmi les IA, Gemini est le moins bon élève, avec des problèmes de ce type identifiés dans 76 % de ses réponses !
L'audit d'août 2025 de NewsGuard mesurait 35 % de reprise d'affirmations fausses, contre 18 % un an plus tôt (NewsGuard). Celui de janvier 2026 restait au-dessus de 28 % (NewsGuard).
Un mot de méthode, parce que ces chiffres circulent souvent mal. Les audits trimestriels de NewsGuard testent dix affirmations vérifiablement fausses. Ce n'est pas le taux d'erreur de ChatGPT sur vos questions quotidiennes. C'est la vulnérabilité des assistants quand on leur tend un piège d'actualité, et ce piège-là est exactement la situation qui nous intéresse : une rumeur qui circule, un utilisateur qui souhaite confirmer une actualité vu sur les réseaux sociaux... NewsGuard relève d'ailleurs que les chatbots traitent la fréquence d'une fausse affirmation comme « a signal of consensus and reliability » (audit de juillet 2025). Ce qui est répété devient donc, pour une IA, un consensus et par extension, une informatio fiable et véridique.
Un modèle de langage (LLM) ne vérifie rien : il produit la suite la plus plausible d'un texte. Branché sur le web, il possède alors un second défaut : il reprend ce qu'il trouve. Une partie de ces défauts relève des hallucinations, ces affirmations inventées avec aplomb. Mais attribuer une phrase au mauvais média ou citer un site douteux comme référence est un défaut de sourcing.
Pourquoi est-ce plus grave qu'un mauvais fil d'actualité ? Sur un fil, dix publications se contredisent sous vos yeux. Face à un assistant, vous lisez un paragraphe cohérent. Le désaccord a été effacé avant d'arriver à l'écran, et le réflexe de recouper avec lui. Un chef d'édition dirait que le chatbot a fait le travail d'une rédaction en chef, sans en porter la responsabilité.
Empoisonner la source : « LLM grooming » ou vides de données ?
En mars 2025, NewsGuard publie une enquête qui fait le tour du monde. Un réseau moscovite baptisé « Pravda », 3,6 millions d'articles en 2024, aurait contaminé les IA occidentales. Testés sur 15 récits faux diffusés par ce réseau, les chatbots des 10 plus grosses entreprises d’IA (Claude, Gemini, ChatGPT…) en ont repris 33,55 % du temps, et sept ont cité des articles de Pravda comme sources (NewsGuard). L'agence française Viginum rattache le réseau à TigerWeb, une société informatique installée en Crimée occupée. La manœuvre a un nom, le « LLM grooming » : inonder le web de contenus pour qu'ils finissent dans les réponses des IA.
En octobre 2025, une équipe publiant dans la Harvard Kennedy School Misinformation Review a refait l'exercice et propose une autre lecture. Les chatbots reprennent ces sources sur des sujets que les médias fiables ont peu couverts : ce sont des « data voids », des vides de données. Dans la plupart des cas, les chatbots signalaient ces sources comme non vérifiées ou contestées, et l'analyse, de l'aveu de ses auteurs, conclut qu'elle ne trouve « little evidence for this » pour la thèse du grooming. Un commentaire publié par Al Jazeera ajoute que NewsGuard n'a testé les IA que sur des questions liées au réseau Pravda : si le grooming marchait vraiment, on retrouverait ses traces ailleurs.
Je ne tranche pas, et il convient de garder une distance critique face à ces deux démarches :
L'étude de Harvard reste une étude de cas ciblée : elle analyse un périmètre très restreint (l'écosystème du réseau Pravda et des requêtes sur des « data voids ») plutôt qu'un échantillon représentatif de l'ensemble des usages des chatbots.
La méthode de NewsGuard repose sur du red-teaming (des questions pièges orientées) et émane d'une société privée qui commercialise ses propres jeux de données de correction aux entreprises d'IA qu'elle évalue. De plus, NewsGuard a déjà été critiqué aux États-Unis pour avoir désigné Fox News comme un bon site d’information. La question de l’orientation de cette plateforme peut se poser, et par conséquent, sa méthodologie et son objectivité.
Prenons un cas fictif mais plausible. Un mardi à 18 h, une rumeur de pénurie de carburant démarre sur un réseau social. À 19 h, trois sites sans rédaction la reprennent. À 20 h, vous demandez à un assistant : il cherche, trouve ces trois pages, aucune source sérieuse n'a encore réagi, et il vous répond avec prudence mais sans démentir. Personne n'a « groomé » l'IA. Le vide s'est simplement rempli par le premier arrivé. Les chercheurs de Harvard rappellent d'ailleurs que ces vides peuvent être créés artificiellement. Que les IA soient ciblées ou simplement mal servies, la porte reste ouverte : publier vite, en masse, sur les sujets que personne n'a encore couverts.
L’intelligence artificielle : un persuadeur patient ?
Reste le troisième canal, qui est également le plus récent : une IA qui ne se contente plus de vous informer, mais qui cherche à vous convaincre. Début décembre 2025, Science et Nature ont publié deux études sur ce sujet.
La première, conduite par l'Oxford Internet Institute et l'AI Security Institute britannique, a fait dialoguer près de 77 000 participants britanniques avec des modèles de langage sur 707 questions politiques, au fil de 91 000 conversations (OII). Qu'est-ce qui fait changer d'avis ? Pas la taille du modèle, dont le rôle est modeste. Le facteur dominant est la densité d'information : des réponses remplies d'affirmations vérifiables en apparence, qui expliquent à elles seules environ la moitié de la variation de persuasion entre modèles (Université d'Oxford). Les ficelles psychologiques (récit, témoignage, colère) se sont montrées moins efficaces (AEI). Et l'addition est salée, comme l'écrit l'OII : « the more persuasive a model is, the less accurate its information tends to be ».
La seconde étude, dans Nature, s’est concentrée sur les différentes élections qui ont eu lieu entre 2024 et 2025 aux États-Unis, au Canada et en Pologne. Quels ont été les résultats ? Au Canada et en Pologne, environ 10 % des personnes ayant conversé avec l’IA ont décidé de soutenir le candidat pour qui elles étaient à l’origine contre. Aux États-Unis, c’est environ 1 votant sur 25. Comme le précise Ynet News, les marges de victoire étant parfois fines, ces changements d’opinion ne sont pas à prendre à la légère.
Ce que ces travaux renversent, c'est notre image de la manipulation. On craignait le profilage psychologique, le message taillé sur mesure pour nos peurs… L'arme la plus efficace est plus banale : un interlocuteur patient qui répond à chaque objection avec des chiffres. Un argumentaire de comptoir, avec la mémoire d'une bibliothèque.
Même mécanique, usage inverse : dans une étude parue dans Science en septembre 2024, Thomas Costello, Gordon Pennycook et David Rand ont fait dialoguer 2 190 personnes croyant à une théorie du complot avec GPT-4 Turbo. Après conversation avec le LLM, la croyance a reculé d'environ 20 %, et cet effet de recul tenait encore deux mois après l’étude. L'effet est plus faible chez ceux qui se méfient de l'IA, précise David Rand dans Nieman Lab, mais « it still works even for people who strongly distrust AI » (cela fonctionne même sur les gens qui n’ont aucune confiance en l’IA).
Mettez les deux études côte à côte. Le mécanisme est le même : un modèle qui répond point par point avec des éléments précis. Le résultat dépend de ce qu'on lui demande d'optimiser. Poussé vers la persuasion, il sacrifie l'exactitude. Chargé de corriger, il fait reculer les croyances fausses. La neutralité de l'outil n'existe pas. Il existe un objectif, et il appartient à quelqu'un.
Ce que la loi change, et ce qu'elle laisse de côté
Depuis le 2 août 2026, l'article 50 de l'AI Act s'applique : un chatbot doit signaler qu'il est une IA, et ceux qui publient des deepfakes ou des textes générés sur des sujets d'intérêt public doivent également l'indiquer. Seul le marquage lisible par machine a bénéficié d'un délai, jusqu'au 2 décembre 2026, pour les systèmes déjà commercialisés, d'après l'accord provisoire de mai 2026 sur le paquet « Digital Omnibus » (guide de l'AI Act), à vérifier dans le texte définitif. Côté plateformes, le Digital Services Act sert de cadre à des procédures comme celle ouverte contre TikTok.
La limite saute aux yeux : savoir qu'un texte vient d'une IA ne dit rien de son exactitude. Étiqueter protège d'une tromperie sur l'origine, pas d'une erreur sur le fond ni d'une argumentation efficace. À ma lecture, le texte européen traite le symptôme visible, le faux qui se fait passer pour du vrai, et touche peu à la qualité des réponses.
Comment garder la main : cinq réflexes qui tiennent face aux données et l’IA
Cliquez la source. Si seuls 4 % des utilisateurs le font, c'est le geste le plus rentable. Un chiffre sans lien que vous pouvez ouvrir se traite comme une rumeur.
Méfiez-vous des deux premiers jours d'une actualité. Les vides de données se comblent à mesure que la presse rattrape l'événement. Sur un sujet de moins de quarante-huit heures, préférez les sources directes (agences, médias en direct) aux résumés d'assistant. C'est une heuristique, pas une loi.
Demandez l'objection. La persuasion des IA repose sur une accumulation unilatérale d'arguments. Réclamez « la meilleure objection à cette position, avec ses sources », puis comparez.
Vérifiez deux chiffres, pas tous. Si vous n'avez pas le temps de tout contrôler dans les réponses de l’IA, choisissez les deux données les plus surprenantes d'une réponse et remontez à leur origine. Si l'une tombe, jetez le reste, ou demandez à défaut à l’IA de tout revérifier, avant de repasser vous-même derrière les sources qu’elle propose.
Gardez deux ou trois médias que vous consultez sans intermédiaire. Un résumé fait par IA n'est utile que si vous savez à quoi ressemble le site de référence. Rien ne remplace l’esprit critique, les observations que l’humain peut faire en lisant les contenus de différents sites d’actualité.
Le mauvais coupable, mais la bonne inquiétude
On a passé dix ans à surveiller le fil d'actualité, et le pouvoir est en train de passer dans la réponse. La bulle de filtre n’est pas un élément suffisant pour tout expliquer, et on devrait cesser d'en faire une cause universelle. L'inquiétude légitime, c'est la délégation. Quand 10 % des internautes, et 17 % des 18-24 ans, demandent chaque semaine à une machine ce qui se passe dans le monde, on ne mesure plus l'influence d'un algorithme sur un fil. On assiste au remplacement d'un intermédiaire par un autre, dont personne n'a audité la rédaction en chef.
Pour contrecarrer cela, trois actions simples peuvent être effectuées :
Des sources cliquables toujours proposées par défaut dans les réponses
Un taux d'erreur publié et audité par des tiers
Un accès des chercheurs aux données. Rien de révolutionnaire. Aucune n'est acquise.
Cependant, rien n’est définitif ou figé. Les expériences de 2023 et de 2025 sont des instantanés, et ce champ vieillit déjà depuis dix-huit mois. Une question reste ouverte, et je n'ai pas de réponse nette : si une IA sait réduire de 20 % des croyances fausses, faut-il la laisser le faire à grande échelle, sans que personne ne le lui ait demandé ? Et qui décide de ce qui compte comme « faux » ? La question mérite d’être posée.
FAQ
Comment l'IA influence-t-elle l'opinion publique ?
Par trois canaux : le tri des contenus (recommandation sur les réseaux sociaux), la reformulation de l'actualité (chatbots et moteurs de réponse) et la persuasion conversationnelle. D'après les études récentes, le deuxième et le troisième comptent davantage qu'on ne le pense, car ils livrent une réponse unique et dense en chiffres, difficile à contredire sur le moment.
Les algorithmes nous enferment-ils vraiment dans des bulles de filtre ?
Moins qu'on le croit. Dans les expériences menées avec Meta autour de la présidentielle américaine de 2020, remplacer l'algorithme par un fil chronologique n'a pas réduit la polarisation. Les études confirment toutefois une forte ségrégation idéologique dans l'exposition à l'information, que l'algorithme n'a pas créée mais n'efface pas.
Les chatbots donnent-ils de fausses informations sur l'actualité ?
Parfois, et souvent par défaut de sourcing. Une étude de l'UER et de la BBC a relevé au moins un problème significatif dans 45 % des réponses testées. Les audits de NewsGuard, qui piègent volontairement les assistants avec des affirmations fausses, mesurent entre 28 % et 35 % de reprises selon les éditions. Ces chiffres ne décrivent pas un usage ordinaire, mais ils montrent où se situe le risque.
L'IA peut-elle aussi servir à lutter contre la désinformation ?
Oui, dans des conditions précises. Une étude publiée dans Science en 2024 a montré qu'un dialogue avec GPT-4 Turbo réduisait d'environ 20 % la croyance dans une théorie du complot, avec un effet encore visible deux mois plus tard. Le résultat dépend de ce qu'on demande à l'IA d'optimiser : convaincre à tout prix ou corriger avec des preuves.
Comment repérer un contenu de désinformation généré par IA ?
Aucun indice visuel ou stylistique n'est fiable à lui seul. Remontez plutôt à la source : qui publie, depuis quand, et qui d'autre confirme ? Méfiez-vous des affirmations très récentes, relayées par des sites sans rédaction identifiable. Et gardez en tête que le style d'une IA peut être parfaitement soigné.
Que prévoit la loi européenne ?
L'article 50 de l'AI Act, applicable depuis le 2 août 2026, impose d'informer l'utilisateur qu'il échange avec une IA et d'étiqueter les deepfakes et les textes générés sur des sujets d'intérêt public. Le Digital Services Act encadre de son côté les plateformes, comme dans la procédure ouverte contre TikTok après l'élection roumaine de 2024. L'étiquetage informe sur l'origine d'un contenu, pas sur son exactitude.
Commentaires