La désinformation IA ne vient donc pas seulement de comptes anonymes ou de contenus générés automatiquement. Elle peut aussi naître d’un chiffre mal repris, d’une étude utilisée hors contexte, d’une analogie simplificatrice ou d’un discours trop sûr de lui. La question devient alors centrale : qui vérifie ceux qui parlent d’IA ?

Ce sujet est abordé dans l’épisode « IA : pourquoi les experts se trompent aussi » d’AI Experience avec Jean-Baptiste Boisseau, ingénieur, cofondateur de Signal Arnaques et créateur de la chaîne IA Clash. L’épisode ne cherche pas à distribuer des bons ou des mauvais points. Il pose une question plus utile : comment évaluer la solidité d’un discours sur l’intelligence artificielle quand celui qui parle bénéficie déjà d’une forte crédibilité publique ? Jean-Baptiste Boisseau formule une méthode simple :

« Alors en premier, ce n'est pas le CV que je regarde. Je le regarde éventuellement, mais ce n'est pas la première chose que je regarde. Je regarde effectivement en premier lieu ses sources. »

Cette phrase est importante, car elle déplace le centre de gravité du débat. L’autorité ne suffit pas. La méthode compte davantage. L’article prolonge cet angle. Il ne résume pas l’épisode. Il analyse ce que cette vigilance change pour les auditeurs, les professionnels, les journalistes et les décideurs. Dans un paysage saturé de discours sur l’intelligence artificielle, le fact-checking IA devient une compétence civique autant qu’une compétence professionnelle.

‍

Les experts en IA ne parlent jamais dans le vide

Un discours sur l’intelligence artificielle n’est jamais seulement technique. Quand un chercheur, un entrepreneur, un consultant ou un dirigeant affirme que les LLM sont dangereux, inutiles, révolutionnaires ou surestimés, il ne décrit pas seulement une technologie. Il contribue à orienter les décisions qui suivront : investissements, régulation, formation, adoption en entreprise, politiques publiques, recherche académique.

Le Forum économique mondial classe la mésinformation et la désinformation parmi les principaux risques de court terme pour la deuxième année consécutive dans son Global Risks Report 2025. Ce classement montre que la qualité de l’information est devenue une infrastructure démocratique, au même titre que la confiance institutionnelle ou la cohésion sociale. Les experts IA interviennent donc dans un espace sensible. Leurs prises de parole peuvent renforcer l’esprit critique IA, mais elles peuvent aussi solidifier des mythes sur l’intelligence artificielle. Un exemple fréquent consiste à présenter un scénario comme une évidence : catastrophe inévitable, progrès automatique, bulle spéculative ou simple continuité technologique. Chacun de ces récits peut contenir une part de vérité, mais aucun ne devrait être accepté sans sources, nuances et limites. La question n’est donc pas : « Cette personne connaît-elle l’IA ? » La vraie question est : « Son raisonnement est-il vérifiable ?

Une parole qui peut orienter les médias, les entreprises et les politiques

L’influence des experts en intelligence artificielle dépasse largement les conférences spécialisées. Une formule forte peut devenir un titre d’article, puis une séquence LinkedIn, puis un argument de direction générale. À partir de là, le discours sur l’intelligence artificielle entre dans les budgets, les stratégies RH, les plans de formation et les arbitrages politiques.Le phénomène est amplifié par la vitesse d’adoption. L’OCDE indique que plus d’un tiers des individus dans les pays de l’OCDE ont utilisé des outils d’IA générative en 2025, avec des écarts importants selon l’âge, le niveau d’éducation et le revenu. Les étudiants de 16 ans et plus sont particulièrement exposés, avec trois quarts d’utilisateurs déclarés. Cette diffusion rapide rend le fact-checking IA plus difficile. Les usages avancent plus vite que les cadres d’analyse. Les modèles de langage changent, les performances évoluent, les coûts baissent, les interfaces se simplifient. Un discours exact en 2022 peut devenir trompeur en 2026 s’il est répété sans mise à jour.

C’est là que l’intelligence artificielle et médias deviennent indissociables. Les médias cherchent des voix claires. Les entreprises cherchent des repères. Les citoyens cherchent une position. Mais un bon débat ne repose pas sur la clarté seule. Il repose sur la capacité à vérifier ce qui est affirmé.

Le prestige ne remplace pas la vérification

Le prestige est utile pour identifier des voix compétentes, mais il devient dangereux lorsqu’il remplace la vérification. Un prix, un poste, une carrière ou une notoriété ne garantissent pas l’exactitude d’une déclaration précise. Cette distinction est essentielle dans le débat sur les experts IA. Une personne peut avoir une expertise réelle sur certains aspects de l’IA et se tromper sur les LLM, la sécurité, les impacts sociaux ou les usages professionnels. Jean-Baptiste Boisseau résume cette idée avec une formule nuancée :

« C'est pas parce que c'est une personnalité exceptionnelle qu'elle est infaillible, en particulier quand elle aborde certains sujets qui sont de façon non scientifique. »

Cette phrase ne disqualifie pas les experts. Elle rappelle une règle de base : toute affirmation doit pouvoir être examinée. La difficulté vient du décalage entre l’autorité perçue et la complexité réelle du sujet. Les modèles de langage ne se laissent pas réduire à une seule discipline. Ils mobilisent l’informatique, les statistiques, la linguistique, la psychologie cognitive, l’économie, le droit, la sécurité et les sciences sociales. Un seul profil ne peut pas couvrir seul toutes ces dimensions. L’esprit critique IA commence donc par une forme d’humilité. Face aux experts en intelligence artificielle, il ne s’agit pas de soupçonner tout le monde. Il s’agit de garder les bons réflexes : demander les sources, vérifier les dates, distinguer les faits des interprétations.

Les grandes erreurs ne viennent pas toujours des amateurs

Les chiffres donnent une impression de solidité. Ils rassurent les lecteurs, structurent les interviews et rendent un argument plus mémorisable. Mais un chiffre isolé peut devenir un instrument de désinformation IA s’il est repris sans contexte. D’où vient-il ? Quelle période couvre-t-il ? Quelle méthodologie a été utilisée ? Est-il encore valable ? Compare-t-il des réalités comparables ?Dans le domaine de l’IA, ce risque est élevé. Les performances des modèles de langage évoluent rapidement. Les usages changent d’un trimestre à l’autre. Les études d’adoption varient selon les pays, les publics et les définitions retenues. Le Reuters Institute indique par exemple que, dans six pays étudiés, la part des personnes ayant déjà utilisé un système d’IA générative autonome est passée de 40 % à 61 % en un an, tandis que l’usage hebdomadaire a presque doublé, de 18 % à 34 %. Un tel chiffre est utile, mais seulement s’il est bien présenté. Il ne décrit pas toute la planète. Il ne dit pas que l’usage est homogène. Il ne dit pas que l’adoption signifie maîtrise. C’est pourquoi le fact-checking IA doit toujours replacer les données dans leur périmètre.La rigueur ne ralentit pas le débat. Elle évite que les mythes sur l’intelligence artificielle se construisent sur des statistiques mal comprises.

Des études citées hors contexte

Une étude scientifique ne parle jamais seule. Elle répond à une question précise, avec une méthode précise, sur un échantillon précis. Sortie de ce cadre, elle peut soutenir presque n’importe quel récit. C’est l’un des mécanismes les plus fréquents dans les discours sur l’intelligence artificielle : citer une étude sérieuse pour lui faire dire plus que ce qu’elle établit réellement.Jean-Baptiste Boisseau insiste sur ce point lorsqu’il décrit certaines prises de parole publiques :

« Il prend une publication scientifique, il montre la publication à l'écran, et il fait dire à cette publication des choses qu'elle ne dit absolument pas. »

Cette citation est centrale, car elle montre que le problème n’est pas toujours l’absence de source. Il peut aussi venir d’une source mal utilisée. Pour le lecteur, la méthode est simple. Lire au moins le résumé. Identifier l’objet de l’étude. Vérifier si l’affirmation publique correspond vraiment aux résultats. Observer les limites méthodologiques. Se méfier des formulations qui transforment une corrélation en certitude.

Les experts IA devraient être évalués sur ce terrain. Non pas seulement sur leur capacité à parler clairement, mais sur leur capacité à respecter ce que les sources permettent réellement de dire. Les modèles de langage sont déjà assez complexes. Il n’est pas nécessaire d’ajouter de la confusion par des citations approximatives.

Des raisonnements construits pour défendre une position

Toutes les erreurs ne relèvent pas du mensonge. Certaines viennent d’un mécanisme plus banal : le raisonnement motivé. On part d’une conviction, puis on sélectionne les exemples qui la confirment. Ce biais touche les sceptiques, les enthousiastes, les alarmistes et les défenseurs d’une vision plus classique du progrès technologique. Jean-Baptiste Boisseau le formule clairement :

« Ils ont un point de vue qui correspond à une certaine façon de penser l'intelligence artificielle et qu'à partir de là, ils vont sélectionner, ils vont faire ce qu'on appelle du cherry picking, ils vont seulement sélectionner les choses qui corroborent ce point de vue. »

Le problème, c’est l’effet public de ce biais. Quand un expert sélectionne surtout les preuves qui l’arrangent, son discours sur l’intelligence artificielle devient moins fiable, même s’il contient des éléments exacts. Le lecteur doit donc apprendre à repérer les angles morts. Un bon réflexe consiste à se demander : que faudrait-il observer pour que cette personne change d’avis ? Si la réponse est « rien », le discours ressemble davantage à une position qu’à une analyse. L’esprit critique IA consiste aussi à reconnaître cette différence.

Pourquoi les journalistes sont souvent mal armés face à l’IA ?

Les journalistes ne peuvent pas être spécialistes de tous les sujets. C’est vrai pour l’IA, mais aussi pour la santé, le climat, l’économie, la défense ou la biologie. Le problème apparaît lorsque des sujets hautement techniques sont traités dans des formats qui exigent une réponse immédiate, une contradiction rapide et une formule claire. Jean-Baptiste Boisseau propose une règle simple aux journalistes :

« Faites-vous aider. Ces sujets-là sont compliqués. C'est-à-dire que même si on a bien préparé l'intervention, c'est toujours assez facile pour quelqu'un qui est spécialiste de dire, oui, mais non, ça, vous n'avez pas bien compris tel papier. »

La presse ne doit pas seulement couvrir l’IA. Elle doit aussi adapter ses méthodes pour ne pas devenir le relais involontaire d’un discours approximatif. Le traitement médiatique de l’IA se fait dans une économie de l’attention. Les titres doivent attirer. Les extraits doivent circuler. Les débats doivent produire de la tension. Cette logique favorise les formules tranchées : « l’IA va remplacer les humains », « l’IA n’existe pas », « les LLM sont des perroquets », « l’IA va sauver la productivité ». Ces phrases fonctionnent bien en ligne, mais elles résistent rarement à une analyse sérieuse.

Le risque est alors clair : un discours sur l’intelligence artificielle devient une performance médiatique. Le ton compte plus que les sources. Le conflit compte plus que la méthode. La désinformation IA peut ainsi être amplifiée par des mécanismes ordinaires : recherche d’audience, extraits courts, citations sorties de leur contexte. Pour les lecteurs, la vigilance consiste à repérer ces signaux. Une phrase très partageable n’est pas nécessairement fausse, mais elle mérite souvent d’être vérifiée. L’esprit critique IA commence parfois par une pause : qu’est-ce qui est démontré, et qu’est-ce qui est seulement bien formulé ?

Le risque des formats courts : faire réagir plutôt qu’informer juste

Les formats courts ne sont pas le problème en eux-mêmes. Ils peuvent rendre un sujet accessible, donner envie d’approfondir et diffuser une idée utile. Mais ils deviennent risqués quand ils remplacent l’argumentation. L’IA exige souvent des distinctions fines : modèle général ou modèle spécialisé, usage personnel ou usage critique, prédiction statistique ou raisonnement apparent, outil d’aide ou système autonome.La difficulté vient du fait que les mythes sur l’intelligence artificielle prospèrent dans les raccourcis. Un extrait de vingt secondes peut opposer deux visions extrêmes sans laisser de place aux conditions, aux limites et aux incertitudes. Une étude de 2025 auprès de 504 journalistes indique que 89,88 % des répondants pensent que l’IA augmentera considérablement ou significativement les risques de désinformation. Les principaux risques identifiés concernent la détection des faux contenus, les deepfakes et les données inexactes.

Ce constat ne signifie pas que les journalistes font mal leur travail. Il montre que l’écosystème informationnel devient plus complexe. Le fact-checking IA doit donc être intégré en amont : préparation des interviews, relecture par des spécialistes, liens vers les sources, mise à jour des chiffres, distinction entre opinion et consensus. L’intelligence artificielle et médias doivent être pensés ensemble. Informer sur l’IA, c’est aussi informer sur les conditions de production du savoir.

‍

Ce sujet est développé dans l’épisode « IA : pourquoi les experts se trompent aussi » d’AI Experience avec Jean-Baptiste Boisseau, créateur de la chaîne IA Clash. L’épisode propose une lecture utile du débat public sur l’IA : comment écouter les experts, comment repérer les raccourcis, comment vérifier les sources, comment éviter les mythes sur l’intelligence artificielle.

Dans un moment où les experts en intelligence artificielle influencent les médias, les entreprises et les politiques publiques, cette exigence devient indispensable. La désinformation IA ne se combat pas seulement en corrigeant les fausses images ou les contenus automatisés. Elle se combat aussi en vérifiant les discours sérieux, les grandes tribunes, les citations d’études et les évidences médiatiques. Écouter cet épisode, c’est repartir avec une question simple à appliquer partout : qui a vérifié celui qui affirme savoir ?

‍