Divulguer l’IA : effets contrastés et paradoxe de la transparence

Aucune règle ne s’impose pour signaler l’usage d’une IA dans un contenu. Des réactions variables sont observées selon le contexte, l’ampleur de l’intervention de l’outil et le public visé. Plusieurs études décrivent un paradoxe : les lecteurs disent vouloir la transparence, tout en notant plus sévèrement les contenus qui l’affichent. Un cadre comme PACED est proposé pour guider la réflexion.

Des pénalités observées malgré une demande de transparence

Lorsque l’on attend une intervention humaine, une sincérité ou une relation dans la communication, la divulgation de l’usage d’une IA s’accompagne plus souvent d’évaluations négatives. Des travaux indiquent que ce type de transparence peut faire paraître le contenu ou son auteur moins authentiques. Dans une étude complète menée par Jasper David Brüns et Martin Meißner, le fait d’indiquer qu’une image de mode intégrée aux publications sociales d’une marque était générée par IA a entraîné des notes plus faibles sur l’authenticité de la marque, la crédibilité de la publication et l’attitude envers la marque. Ce constat s’inscrit dans ce que Siavosh Sahebi, Paul Formosa et Sarah Bankins nomment le « paradoxe de la divulgation » : les lecteurs déclarent vouloir que l’usage d’IA soit signalé, mais réagissent négativement quand c’est le cas. Dans leur étude, un texte attribué à l’IA est jugé moins fiable, moins authentique et moins utile, alors même que les participants affirment l’importance de la divulgation.

Pas d’effet uniforme mesuré dans la littérature

Les résultats disponibles ne décrivent pas une réaction négative systématique à la transparence sur l’IA. Les expériences et rapports passés en revue ne dégagent pas de réaction publique uniforme : selon les contextes, la divulgation conduit parfois à juger un contenu moins fiable, authentique ou qualitatif, et parfois n’a pas d’effet mesurable. Après avoir analysé 47 études portant sur la manière dont les lecteurs réagissent à l’autorité et à la divulgation dans l’information, Lorena Licenji et Julian Hoxha ne relèvent pas de tendance homogène. Ces différences constatées s’expliquent notamment par le type d’actualité, la perception de la crédibilité de l’éditeur ou encore les spécificités du public. Sur l’ensemble de ces recherches, seules 10 études examinaient de façon explicite l’impact de la divulgation ; elles non plus ne constatent pas d’influence systématique sur la confiance ou la crédibilité. Dans ce contexte, aucune règle unique ne peut trancher la question de divulguer ou non ; un cadre comme PACED est proposé pour aider à la décision.

Le rôle et l’ampleur de l’IA font varier l’évaluation

Au-delà du simple fait de savoir qu’une IA a été impliquée, la compréhension de son rôle et de sa contribution pèse sur la réaction. Dans l’expérience de Zhuoyan Li et de ses collègues, annoncer que l’IA a généré le contenu fait baisser l’évaluation de la qualité pour des essais argumentatifs comme pour des histoires créatives. En revanche, préciser que l’IA n’a fait qu’éditer le texte a un effet limité : la baisse apparaît pour les histoires créatives, pas pour les essais. Hiroki Nakano et son équipe retrouvent un schéma voisin. Les lecteurs évaluent d’abord un auteur, puis apprennent qu’un pourcentage donné du texte a été généré ou édité par l’IA avant de réévaluer ; leurs jugements diminuent à mesure que le pourcentage d’implication communiqué augmente.

Attitudes, confiance en soi et familiarité modulent la confiance

Les caractéristiques du public jouent aussi un rôle. En agrégeant 12 de 13 expériences, Oliver Schilke et Martin Reimann constatent que la pénalité de confiance associée à la divulgation est plus faible chez les personnes ayant une attitude plus favorable envers la technologie et chez celles qui jugent l’IA précise, sans disparaître totalement. La confiance déclarée des lecteurs dans leurs propres capacités d’écriture influence également les réactions : dans les travaux de Zhuoyan Li et al., ceux qui se perçoivent comme des écrivains plus confiants baissent davantage leurs évaluations après divulgation, tandis que les moins confiants se montrent généralement moins négatifs. La familiarité avec l’IA intervient, mais sans régularité : être plus familier avec ChatGPT rend parfois la divulgation plus acceptable, et parfois non.

Ce que recouvre une divulgation et ce qu’elle n’est pas

Une divulgation d’IA est une mention lisible par un humain qui explique comment l’outil a contribué au contenu. Elle peut prendre différentes formes : une icône jointe à une légende sur un réseau social, un encart en bas de page ou une phrase intégrée dans un texte long. Elle peut être ajoutée de manière proactive par le créateur, ou fournie par un tiers tel que la plateforme d’hébergement ; des exemples incluent un avertissement en pied d’article chez KXAN et une mention appliquée dans Google Docs. Les divulgations se distinguent des marques de provenance et des filigranes, comme le filigrane statistique publié par Anthropic pour ses modèles Claude : ces derniers sont destinés aux machines et ne sont pas détectables par l’œil humain ou un lecteur d’écran seul, quand une divulgation doit rester accessible sans outil supplémentaire. Dans une étude préliminaire en imagerie de mode, des participants ne différenciaient pas de façon fiable les visuels générés par IA de ceux créés par des humains, soulignant l’importance d’une information explicite quand elle est choisie.