Journalisme et éthique

Intelligence artificielle et journalisme : opportunités et limites éthiques

L'IA bouleverse le journalisme : gains de temps réels, mais risques éthiques majeurs quand l'humain publie sans relire. Retour d'expérience sur ce qui marche, ce qui casse, et pourquoi la responsabilité reste entièrement éditoriale.

Intelligence artificielle et journalisme : opportunités et limites éthiques

Un rédacteur en chef que je connais a découvert, un mardi matin, qu'un de ses journalistes avait publié une brève sur un fait divers local en la générant à partir d'un communiqué de police. Le texte était propre. Le problème, c'est qu'il comportait un nom mal orthographié et une circonstance inventée. Personne ne l'avait relu. La publication a mis trois heures à corriger, et le lendemain, l'intéressé a appelé la rédaction. Voilà, en une scène, tout le dossier qui nous occupe.

L'intelligence artificielle et le journalisme ne forment pas un couple tranquille. D'un côté, des outils qui font gagner un temps considérable sur des tâches que personne n'a jamais aimées. De l'autre, une chaîne de responsabilité qui se brouille dès qu'un modèle écrit une phrase. J'ai testé plusieurs de ces outils dans mon propre travail éditorial, et je vais vous raconter ce qui marche, ce qui casse, et pourquoi le débat éthique n'est pas un supplément d'âme réservé aux colloques.

Points clés à retenir

  • L'IA fait gagner du temps sur la veille, la transcription et la synthèse de dépêches, mais elle ne remplace aucune vérification.
  • Le risque éthique principal n'est pas le robot qui écrit : c'est l'humain qui publie sans relire.
  • La responsabilité éditoriale reste entièrement du côté de l'éditeur, même quand la machine a produit le brouillon.
  • Quatre familles de problèmes éthiques reviennent systématiquement : fiabilité, transparence, biais et statut de l'auteur.
  • Le cadre juridique accuse un retard réel sur les usages observés en rédaction.

Quel est l'impact réel de l'intelligence artificielle sur le journalisme ?

La réponse honnête : un impact très inégal. Sur certaines tâches, la bascule est déjà faite. Sur d'autres, presque rien n'a bougé.

Dans mon expérience, trois usages se sont imposés d'eux-mêmes, sans débat interne :

  • La transcription d'entretiens. Une heure d'audio que je passais autrefois quarante minutes à retaper me prend désormais cinq minutes de relecture.
  • La veille. Résumer une pile de dépêches pour repérer ce qui mérite un appel.
  • La reformulation de titres et de chapôs, en mode brouillon jetable.

À l'inverse, la rédaction d'articles de fond reste, chez moi, un échec à peu près constant. Les textes générés sont grammaticalement irréprochables et totalement creux. Ils alignent des généralités, n'engagent aucun point de vue, et surtout — c'est le plus grave — ils ne doutent jamais. Un bon journaliste doute en permanence. Un modèle, non.

Ce que l'IA change vraiment dans une rédaction

Le glissement le plus profond ne concerne pas la production. Il concerne le contrôle qualité. Quand un journaliste peut produire cinq brèves là où il en produisait deux, la tentation n'est pas de mieux vérifier les cinq. Elle est d'en publier cinq.

J'ai vu ce phénomène de mes yeux sur un projet de newsletter sectorielle. Le volume a grimpé de 40 % en deux mois. Le taux d'erreur factuelle a suivi la même pente. Nous avons dû revenir en arrière et instaurer une règle simple : tout contenu assisté passe par une relecture humaine tracée, avec un nom associé. La production est redescendue. La confiance des abonnés, elle, est remontée.

Autre point souvent oublié : le rapport au temps. Les outils ne suppriment pas le travail, ils le déplacent. Le temps gagné sur la transcription se retrouve ailleurs, rarement dans le repos.

Quels sont les problèmes éthiques liés à l'intelligence artificielle ?

Le cœur du problème tient en une phrase : une machine produit du plausible, pas du vrai. Et le plausible est exactement ce qu'on publie quand on est pressé.

J'ai fait cette erreur une fois. Un outil m'a proposé une synthèse d'un rapport municipal avec un chiffre de fréquentation que j'ai trouvé crédible. Je l'ai gardé. Le chiffre portait sur une autre année. Un lecteur attentif me l'a signalé le lendemain. Rien de dramatique, mais la leçon est nette : l'IA ne ment pas, elle comble les trous, et elle le fait avec une assurance qui désarme la méfiance.

La fiabilité, angle mort permanent

Les modèles génératifs produisent des affirmations fausses sans marqueur d'incertitude. Pas de "je crois que", pas de "à vérifier". Cela crée un effet pervers bien documenté chez les utilisateurs : à force de lire des sorties propres, on abaisse sa garde.

Ma règle personnelle est brutalement simple : aucun nom propre, aucune date, aucun chiffre ne sort sans une source humaine vérifiable. Ça ralentit. Ça sauve.

La transparence vis-à-vis des lecteurs

Un lecteur a le droit de savoir si le texte qu'il lit a été produit par une machine. C'est une question de contrat implicite. Le problème, c'est que la transparence partielle est souvent pire que l'absence de transparence : mentionner "contenu assisté par IA" en bas de page, sans dire quelle partie a été assistée, revient à ne rien dire.

Les biais et les représentations

Un modèle s'entraîne sur des corpus existants. Il hérite donc des angles morts de ces corpus : surreprésentation de certaines sources, sous-représentation de territoires ou de voix. Le résultat ne se voit pas dans une phrase isolée. Il se voit sur un mois de couverture.

Quels sont les 4 grands sujets éthiques autour de l'intelligence artificielle ?

Quand on range le dossier, quatre familles reviennent systématiquement. Elles se recoupent, mais elles appellent des réponses différentes.

Sujet Ce qui se joue Réponse concrète en rédaction
Fiabilité Hallucinations, faits inventés, chiffres faux Double vérification obligatoire sur tout élément factuel
Transparence Le lecteur ignore l'origine du contenu Mention explicite du périmètre d'usage, pas une formule vague
Biais Reproduction des déséquilibres des corpus d'entraînement Audit régulier des sources citées, pas seulement des textes
Statut de l'auteur Qui signe, qui engage sa responsabilité Signature humaine assumée, jamais de byline machine

Le quatrième est le plus sous-estimé, et franchement le plus épineux. Si un texte généré contient une diffamation, qui est responsable ? La réponse juridique est claire dans la plupart des droits européens : l'éditeur. La réponse pratique l'est moins, parce que dans les faits, personne ne se sent responsable d'un brouillon machine.

La chaîne de responsabilité éditoriale

J'ai posé la question à plusieurs responsables de publication. La réponse est toujours la même, à un mot près : on ne sait pas encore formellement, donc on fait confiance au journaliste. C'est humain. C'est aussi fragile.

Le vide juridique n'est pas total, mais il est mal ajusté. Les obligations de droit de la presse visent un directeur de publication identifiable. Elles n'ont pas été pensées pour un contenu co-produit avec un système qui ne signe rien et ne répond de rien.

Ce que l'éthique change au quotidien (et ce qu'elle ne changera pas)

Il faut être clair sur un point : aucune charte éthique ne rendra un modèle fiable. Elle sert à autre chose. Elle sert à rendre les responsabilités visibles.

Sur mon propre terrain, trois mesures ont eu un effet mesurable, et aucune n'était technologique :

  1. Un nom systématiquement associé à chaque contenu publié, y compris les brèves.
  2. Une règle de non-publication des chiffres non sourcés, sans exception et sans "juste cette fois".
  3. Un point mensuel d'une heure où l'on relit ce qui a foiré. Pas pour blâmer : pour comprendre.

Résultat après six mois : deux signalements de lecteurs sur l'ensemble de la production, contre onze sur la période précédente à volume comparable. Ce n'est pas une étude, c'est un relevé interne. Il vaut ce qu'il vaut, mais il oriente mes choix.

Ce que l'éthique ne changera pas, en revanche : la pression économique. Tant que le volume sera valorisé, l'incitation à publier vite restera plus forte que l'incitation à vérifier.

Et les deepfakes, dans tout ça ?

Ils compliquent tout, parce qu'ils attaquent la confiance dans la preuve elle-même. Une image peut désormais être fabriquée en quelques minutes. La conséquence pratique pour une rédaction est moins spectaculaire qu'on ne le croit : elle renforce la valeur du reportage de terrain, c'est-à-dire de la présence physique sur les lieux. Ce qui ne peut pas être généré, c'est le fait d'y être allé.

Le débat sur l'IA dans le journalisme finira par se tasser, comme tous les débats technologiques. Ce qui restera, c'est une question vieille comme le métier : à quel moment décide-t-on qu'une information est suffisamment solide pour être publiée ? Les modèles n'ont pas rendu cette question obsolète. Ils l'ont rendue urgente.

Clémence Fontaine

Clémence Fontaine

Clémence Fontaine est une spécialiste reconnue des réseaux sociaux, de la désinformation et de l'économie des médias. Ses analyses éclairent les dynamiques de propagation de l'information et les modèles économiques qui façonnent le paysage médiatique contemporain. Elle intervient régulièrement pour partager son expertise auprès de divers publics professionnels et académiques.

Voir tous les articles →

Articles similaires