Dans les Métamorphoses d’Ovide, le roi Érysichthon est frappé d’une faim sans fin après avoir abattu un arbre sacré. Il engloutit ses biens, ses réserves, puis finit par se dévorer lui-même. L’image a de quoi faire frémir les géants de l’intelligence artificielle : après avoir absorbé des milliards de pages écrites par des humains, leurs modèles alimentent désormais des outils qui répondent directement aux internautes, parfois sans les envoyer vers les sites d’origine.
Le risque est double. En détournant les clics, les réponses générées par IA fragilisent les médias et les autres producteurs de contenus dont les modèles ont besoin ; et, lorsque des textes artificiels se mêlent aux corpus d’entraînement, ils peuvent réduire la diversité des données et entraîner un appauvrissement des modèles. Des recherches ont documenté ce phénomène, appelé « effondrement des modèles », sans pour autant démontrer que toute donnée synthétique est nocive : la qualité, la sélection et la proportion des sources comptent. Entre dépendance au web humain et tentation de l’autosuffisance, l’industrie joue donc une partie décisive.
IA et contenus humains : le cercle vicieux qui menace le web
Les moteurs de recherche et les assistants conversationnels promettent des réponses immédiates. Mais quand un résumé suffit à l’internaute, le clic vers l’article, le guide ou le site spécialisé devient moins probable. Les contenus pratiques et pérennes sont particulièrement exposés : une réponse affichée directement dans une page de résultats peut satisfaire la recherche sans que son auteur reçoive une visite.
Cette substitution fragilise les revenus qui financent la production d’informations originales. À la fin de 2023, le New York Times a engagé des poursuites contre OpenAI et Microsoft, leur reprochant d’avoir utilisé ses articles pour entraîner leurs modèles sans autorisation ; d’autres éditeurs ont rejoint le contentieux. Dans des documents internes révélés au cours de la procédure, Microsoft aurait décrit un « cercle vicieux » : ses produits risqueraient de menacer les fondements économiques des fournisseurs de contenus dont ils dépendent.
Moins de clics, moins de moyens pour produire des articles
La baisse d’audience ne touche pas tous les sujets de la même manière. Les guides, comparatifs et réponses aux questions récurrentes sont faciles à résumer ; selon Bérangère Farcot, responsable marketing et audience du quotidien suisse Le Temps, leur taux de clic avait été divisé par deux sur certains contenus. Quand un aperçu fournit déjà l’information attendue, le lecteur n’a parfois plus de raison de consulter la source.
La pression économique peut alors encourager les rédactions à automatiser une partie de la production. En 2026, Prisma Media a annoncé la suppression de 261 postes et formé ses journalistes aux outils d’IA ; des enquêtes ont aussi fait état d’une part importante d’articles générés ou assistés par ces technologies. Le paradoxe apparaît nettement : pour réduire les coûts face à la concurrence des réponses automatiques, les éditeurs risquent de publier davantage de textes susceptibles d’alimenter les prochains modèles.
Entraînement récursif : pourquoi les modèles peuvent s’appauvrir
Le danger ne vient pas de chaque texte artificiel pris isolément, mais de leur réintégration massive et répétée dans les données d’entraînement. Une étude publiée dans Nature en 2024 a examiné ce processus, désigné par l’expression « model collapse » : au fil des générations, un modèle entraîné sur les productions de modèles précédents peut perdre des éléments de la distribution initiale et amplifier certaines erreurs.
Les chercheurs ont notamment observé que les informations rares ou atypiques disparaissaient plus vite que les motifs fréquents. Dans une expérience portant sur un texte consacré à l’architecture médiévale, les générations successives ont fini par produire des détails absurdes, jusqu’à évoquer des lièvres aux queues de couleurs différentes. L’entraînement récursif tend ainsi à privilégier ce qui paraît probable, au risque d’effacer les exceptions qui rendent les données humaines riches et représentatives.
Des erreurs répétées aux biais algorithmiques
Quand les contenus rares se raréfient dans un corpus, le modèle dispose de moins d’exemples pour traiter les sujets marginaux, les usages locaux ou les événements inhabituels. Il peut alors produire des réponses plus uniformes, combler les lacunes par des formulations plausibles, mais fausses, et renforcer des biais algorithmiques déjà présents dans les données d’origine. La dégradation des performances ne se résume donc pas à un style moins inventif : elle peut toucher la fiabilité et la couverture des réponses.
Les auteurs de l’étude ont également averti qu’une publication à grande échelle de textes générés par des modèles pourrait contaminer les corpus destinés à entraîner leurs successeurs. Le phénomène n’est toutefois pas une fatalité : des données synthétiques soigneusement contrôlées peuvent servir à certains apprentissages, à condition de conserver des données humaines de qualité et de surveiller les résultats. Le risque grandit surtout lorsque des contenus artificiels sont collectés sans distinction, puis recyclés génération après génération.
Données synthétiques et données humaines : éviter l’autosuffisance
Pour éviter de tourner en boucle, les entreprises d’IA peuvent agir sur la provenance des corpus : repérer les contenus générés, limiter leur poids, privilégier les sources originales et vérifier les réponses produites. Ces précautions ne remplacent pas l’accès aux archives humaines, mais elles permettent de préserver une plus grande diversité des données. Sans transparence sur les sources et les méthodes de sélection, il devient difficile de distinguer un enrichissement utile d’un recyclage appauvrissant.
Une autre piste consiste à rémunérer les éditeurs dont les contenus contribuent aux réponses des assistants. En 2026, Google aurait lancé un programme pilote sur invitation destiné à certains éditeurs, tandis que Microsoft a mis en place une place de marché où les publications peuvent fixer leurs conditions d’utilisation. Ces dispositifs restent à évaluer : leur efficacité dépendra notamment de la rémunération, du nombre de sources concernées et de la capacité des médias à négocier.
Préserver la qualité des contenus avant que la boucle ne se referme
La tentation d’une IA capable de produire elle-même ses données d’entraînement est ancienne. Sam Altman évoquait en 2023 la possibilité que des modèles suffisamment avancés génèrent des exemples synthétiques de qualité ; mais cette perspective repose sur une condition exigeante : savoir évaluer ces exemples sans laisser les erreurs s’auto-confirmer. Une réponse convaincante n’est pas nécessairement exacte, et sa répétition ne la transforme pas en fait.
Le web ressemble ici à une bibliothèque vivante, nourrie par des journalistes, des chercheurs, des spécialistes et des internautes. Si cette production s’étiole, les modèles perdent une partie de la matière qui les rend utiles ; s’ils recyclent sans contrôle leurs propres sorties, ils risquent d’en accentuer les failles. La préservation des sources humaines n’est donc pas seulement une question de justice économique : elle conditionne aussi la qualité future de l’intelligence artificielle.
