Détecteur IA vs fausses informations : pourquoi l'IA trompe mieux

Nous avons tendance à penser que les fausses informations sont faciles à repérer. Style bâclé, mise en page étrange, affirmations qui s'effondrent au moindre examen. Cette idée est dépassée.

Des linguistes de l'Université d'Oslo (résumé de la recherche) ont étudié pendant des années le fonctionnement des fausses informations au niveau linguistique en anglais, russe et norvégien. Leurs dernières conclusions renversent l'image familière : les lecteurs jugent la désinformation générée par IA plus crédible que les fakes rédigés par des humains. Et plus informative aussi.

Il ne s'agit pas de manipulation émotionnelle. Les textes générés par IA convainquent parce que ils imitent le style des sources auxquelles nous faisons confiance par défaut.

Le contenu généré par IA obtient de meilleurs scores de confiance que les fakes humains

Deux projets à l'Université d'Oslo ont produit cette recherche. Fakespeak a étudié la linguistique des fausses informations dans trois langues. Son successeur, NxtGenFake, se concentre spécifiquement sur la désinformation générée par IA et se poursuivra jusqu'en 2029. Les deux sont dirigés par la linguiste Silje Susanne Alvestad.

L'équipe a mené une expérience avec des participants américains. Des textes leur ont été présentés, certains rédigés par des humains, d'autres générés par IA. Personne n'a su lequel était lequel. Chaque texte a été évalué selon trois paramètres : crédibilité, attrait émotionnel et caractère informatif.

La désinformation générée par IA a obtenu de meilleurs scores en crédibilité et en caractère informatif. Sur l'attrait émotionnel, l'IA n'a pas surpassé les humains. Interrogés sur les textes qu'ils préféraient continuer à lire, la majorité a choisi ceux générés par IA.

Comparaison des fakes générés par IA et des fakes rédigés par des humains selon les paramètres de l'expérience. Source : NxtGenFake, Université d'Oslo, 2026

Les fakes générés par IA ne convainquent pas par la pression émotionnelle, mais par la façon dont l'information est présentée. Ils ne provoquent pas. Nous sommes habitués au clickbait et aux titres émotionnels, et avec le temps un filtre automatique se développe : vous voyez une provocation, votre vigilance s'active. La désinformation générée par IA ne provoque pas. Elle ressemble à un article normal avec des sources normales. Vous ne la percevez pas, car la tromperie est structurelle, pas sémantique : ton, structure, style — tout imite des genres que les lecteurs n'ont aucune raison de remettre en question.

La désinformation générée par IA copie les formats auxquels nous faisons confiance par défaut

Les chercheurs de NxtGenFake ont identifié deux techniques principales que la propagande générée par IA déploie de façon plus constante que la propagande humaine.

La première est l'appel à l'autorité. Les textes générés par IA citent routinièrement des experts et des études, mais jamais avec précision. « Selon les chercheurs. » « Les experts estiment. » La formulation suit les conventions du journalisme de qualité, mais la vérification est impossible. Aucun nom ne soutient les affirmations, aucune publication à consulter. Les modèles de langage reproduisent ce format parce qu'ils ont été entraînés sur des textes où il apparaît. Ils n'ont aucun lien avec de vraies sources.

La seconde technique se voit dans les conclusions. La propagande humaine se termine généralement par un appel à l'action : allez, faites, combattez. L'IA ne fonctionne pas ainsi. Elle produit plutôt un paragraphe fluide sur des valeurs : équité, confiance, croissance économique. On dirait la conclusion d'un rapport d'analyste. Personne ne remet en question ce type d'écriture. C'est exactement pourquoi elle passe inaperçue.

La propagande générée par IA utilise globalement moins de techniques de persuasion que la propagande humaine. Mais celles qu'elle emploie, elle les applique de façon plus uniforme. Les propagandistes humains peuvent être chaotiques et imprévisibles. L'IA maintient le ton d'un texte professionnel compétent du premier au dernier paragraphe.

Schémas des fausses informations : ce que trois langues révèlent sur le texte généré par IA

Avant même que l'angle IA n'entre dans le projet, l'équipe Fakespeak a passé des années à analyser en quoi les fausses informations diffèrent du reportage authentique au niveau de la grammaire et du style.

Une partie de l'analyse repose sur le cas de Jayson Blair, ancien journaliste du New York Times. En 2003, il est apparu qu'il avait fabriqué des articles pendant des années. Des chercheurs de l'Université de Birmingham ont comparé ses articles véridiques et fabriqués et ont trouvé des différences mesurables. Quand Blair mentait, il passait plus souvent au présent. Pour des nouvelles authentiques, il utilisait le passé. Sa motivation était l'argent, et ses textes fabriqués contenaient presque aucune métaphore. Et au lieu des émotions négatives généralement associées à la manipulation, Blair en utilisait de positives — il écrivait de fausses histoires sur des soldats américains héroïques en Irak.

Fakespeak a étendu cette analyse à trois langues et a documenté des schémas constants :

• Présent au lieu du passé. Un vrai journaliste décrit ce qui s'est passé. Un faussaire crée la sensation d'une diffusion en direct, comme si l'événement se déroulait maintenant. Cela s'est vérifié dans les trois langues.
• Expressions emphatiques. Des mots comme vraiment, absolument apparaissent nettement plus souvent dans le contenu fabriqué. Les vraies nouvelles sont plus mesurées. Quand les faits soutiennent le texte, l'auteur n'a pas besoin d'insister sur le fait que « c'est vraiment vrai ».
• Certitude épistémique. C'est ainsi que les chercheurs décrivent la situation où l'auteur n'admet aucune ombre de doute dans aucune affirmation. Les faux textes sont saturés d'expressions comme évidemment, manifestement, de fait. Le doute minerait le mensonge, il est donc éliminé. Dans les textes en russe, cet effet était nettement plus marqué qu'en anglais.

Mais ces marqueurs ne sont pas universels. Fakespeak a testé trois langues et a trouvé un tableau différent dans chacune. Les textes russes montraient plus d'affirmations catégoriques. Les textes anglais avaient plus d'expressions emphatiques. Même la motivation de l'auteur change le style : quelqu'un qui ment pour de l'argent utilise à peine de métaphores. Quelqu'un qui ment pour une idéologie remplit le texte d'images empruntées à la guerre et au sport. Il n'existe pas de recette unique pour « à quoi ressemble un fake ». C'est peut-être la conclusion la plus troublante de toute l'étude.

Le texte généré par IA comme menace mondiale : au-delà d'une expérience

Les résultats de Fakespeak pourraient être écartés comme une seule expérience avec un échantillon limité. Mais ils concordent avec ce que rapportent des études internationales à grande échelle — du Global Risks Report 2026 du WEF à la recherche publiée dans PNAS Nexus. La dominance du contenu généré par IA en ligne accentue le problème.

Quand les gens ne peuvent pas distinguer un texte généré par IA d'un texte humain, c'est un problème. Ceux qui travaillent régulièrement avec l'IA commencent à repérer des schémas avec le temps. Mais quand un texte généré par IA est perçu comme plus digne de confiance, l'expérience seule ne suffit pas. Nous jugeons la crédibilité par la forme — par la proximité d'un texte avec ce que nous avons l'habitude de considérer comme de haute qualité. L'IA n'imite pas des mots isolés. Elle imite des genres entiers. Et nous tombons dans le piège.

Détecteur IA : quand le jugement humain ne suffit plus

En août 2026, l'article 50 de l'AI Act de l'UE entre en vigueur : étiquetage obligatoire du contenu généré par IA. Les sanctions pour non-conformité peuvent atteindre 3 % du chiffre d'affaires annuel mondial ou 15 millions d'euros (article 99(4), AI Act de l'UE). Un signal sérieux. Mais l'étiquetage ne fonctionne que pour ceux qui respectent les règles. Les campagnes de désinformation ne s'étiquettent pas elles-mêmes — elles alimentent des incidents de contenu généré par IA dans le monde entier.

C'est là qu'interviennent les outils. Pas des étiquettes, mais une vraie analyse de texte. Le détecteur IA It's AI analyse la désinformation générée par IA au niveau de la phrase. Il repère le ton « expert » uniforme, l'uniformité stylistique et les formulations typiques — exactement ce pour quoi les participants à Fakespeak font davantage confiance au texte généré par IA.

Une conclusion de Fakespeak concerne directement le fonctionnement de la détection IA. Les marqueurs de fausses informations sont structurés différemment selon la langue. Les schémas de propagande en russe peuvent échapper à un outil calibré pour l'anglais. Fakespeak a testé trois langues et a trouvé un ensemble distinct de marqueurs dans chacune. Le détecteur IA It's AI prend en charge plusieurs langues ; au vu de ces données, le multilinguisme n'est pas une fonctionnalité supplémentaire, mais une exigence sans laquelle un détecteur manquera une partie du contenu généré par IA. En savoir plus sur la vérification de contenu avec It's AI sur la plateforme.

FAQ