L’IA aurait déjà laissé sa marque sur plus du tiers des nouvelles pages Web

L’intelligence artificielle prend une place de plus en plus importante dans les contenus publiés sur le Web. Une nouvelle analyse du Pew Research Center estime qu’en juillet 2026, environ 10 % des pages Web anglophones examinées présentaient des signes importants d’une rédaction ou d’une révision par intelligence artificielle. Mais lorsqu’on ne considère que les pages publiées depuis l’arrivée de ChatGPT à la fin de 2022, la proportion dépasse maintenant le tiers.

Pour arriver à ce constat, Pew a analysé 490 000 pages Web anglophones provenant des archives de Common Crawl. Les chercheurs ont prélevé au hasard 10 000 pages dans chacun des 49 relevés réalisés entre janvier 2021 et juillet 2026. Les textes ont ensuite été soumis à Open Pangram, un modèle de détection conçu pour reconnaître des caractéristiques statistiques associées aux textes générés ou fortement modifiés par une IA.

La progression est particulièrement visible depuis le lancement public de ChatGPT, le 30 novembre 2022. Dans l’échantillon de juillet 2026, environ une page sur dix, toutes dates de publication confondues, présente des signes significatifs d’intervention de l’IA. Ce chiffre peut sembler relativement faible, mais il comprend une quantité importante de contenus publiés avant l’arrivée des grands robots conversationnels actuels. En isolant uniquement les pages créées depuis le lancement de ChatGPT, Pew arrive à une proportion supérieure à un tiers.

Il faut toutefois éviter de conclure qu’un tiers de tout Internet est aujourd’hui entièrement « écrit par ChatGPT ». Pew parle de pages présentant des signes d’une rédaction ou d’une modification substantielle par une intelligence artificielle. Une page peut donc avoir été produite conjointement par un humain et une IA. L’étude porte également uniquement sur des pages anglophones publiques accessibles à Common Crawl. Les contenus derrière des murs payants ou nécessitant une connexion sont notamment susceptibles d’être sous-représentés.

L’utilisation de l’IA varie aussi fortement selon le type de site. En 2026, environ 10 % des pages utilisant un domaine en .com présentent des signes d’intervention de l’IA, contre 4,6 % pour les domaines en .org. Pour les sites en .edu et en .gov, la proportion tourne autour de 1 %. Avant l’arrivée de ChatGPT, les écarts entre ces différentes catégories étaient beaucoup moins marqués.

L’étude s’intéresse également aux traces que les modèles génératifs laissent dans la langue. Depuis 2023, certains signes stylistiques associés plus fréquemment aux modèles d’IA sont devenus beaucoup plus présents sur le Web.

La fréquence des tirets cadratins anglais a pratiquement doublé. L’utilisation de la virgule d’Oxford a augmenté de 63 %. Plusieurs mots anglais fréquemment employés par les modèles, comme « delve », « interplay », « crucial », « pivotal » ou « testament », apparaissent maintenant plus de deux fois plus souvent. Une construction appelée « parallélisme négatif », par exemple « ce n’est pas seulement X, c’est Y », aurait presque triplé, même si elle demeure relativement rare.

Ces indices ne constituent cependant pas une preuve lorsqu’ils sont observés individuellement. Un humain peut évidemment utiliser une virgule d’Oxford, certains mots particuliers ou une structure de phrase privilégiée par les modèles. Pew insiste sur le fait que son système de détection repose sur un ensemble beaucoup plus vaste de caractéristiques statistiques liées au vocabulaire et à la construction des phrases.

Cette précaution est importante, car les détecteurs d’intelligence artificielle ne sont pas infaillibles. Ils peuvent classer à tort un texte humain comme étant généré par une machine ou manquer un contenu effectivement produit par une IA. Pew considère donc les résultats comme des estimations de tendances à grande échelle plutôt que comme un outil permettant de déterminer avec certitude l’auteur d’un texte particulier.

Les résultats illustrent néanmoins un changement rapide de la composition du Web. En quelques années seulement, les contenus présentant les caractéristiques d’une rédaction assistée par intelligence artificielle sont passés d’un phénomène marginal à une proportion importante des nouvelles pages publiées.

Cette évolution pourrait aussi créer une boucle particulière. Les modèles d’intelligence artificielle ont d’abord appris à écrire en étudiant des milliards de textes produits par des humains. À mesure que davantage de contenus générés par IA se retrouvent en ligne, les futures générations de modèles risquent à leur tour d’être entraînées sur un Web contenant une proportion croissante de textes issus d’autres machines.

Le chiffre le plus révélateur de l’étude n’est donc peut-être pas que 10 % des pages observées en juillet semblent avoir reçu l’aide d’une IA. C’est plutôt que, parmi les pages apparues depuis le lancement de ChatGPT, plus d’une sur trois en porte désormais les traces.

Source : pew research

+++++++

Du lundi au vendredi, Bruno Guglielminetti vous propose un regard sur
l’essentiel de l’actualité numérique avec 120 secondes de Tech.

Ou encore…

Écoutez la plus récente édition de Mon Carnet,
le magazine hebdomadaire de l’actualité numérique.


En savoir plus sur Mon Carnet

Subscribe to get the latest posts sent to your email.

Laisser un commentaire