Plus d’un tiers des pages web publiées depuis le lancement de ChatGPT comportent des traces d’IA
La multiplication des contenus générés avec l’assistance de l’intelligence artificielle pourrait conduire à une baisse de la fiabilité et de la qualité des modèles. L’article Plus d’un tiers des pages web publiées depuis le lancement de ChatGPT comportent des traces d’IA est apparu en premier sur Le Grand Continent..
Depuis le lancement de ChatGPT en novembre 2022, plus d’un tiers des pages web publiées contiennent des traces de rédaction assistée par intelligence artificielle (IA). Selon une étude du Pew Research Center, menée sur près d’un demi-million de pages web en juillet 2026, 35 % des contenus publiés après cette date montrent des signes significatifs d’utilisation d’IA. Cette proportion chute à 10 % pour l’ensemble des pages web analysées, incluant celles publiées avant 2022. Les sites commerciaux (.com) sont les plus touchés, avec environ 10 % de leurs contenus générés par IA en 2026. Les domaines .org (4,6 %) et les sites institutionnels (.edu, .gov) sont moins concernés, avec seulement 1 % de traces d’IA. L’outil Open Pangram a été utilisé pour détecter ces contenus, en analysant des marqueurs stylistiques et sémantiques spécifiques.
La multiplication des contenus générés par IA pourrait entraîner une baisse de qualité et une augmentation des erreurs factuelles sur le web. Une étude de 2024, menée par Ilia Shumailov et Zakhar Shumaylov, introduit la théorie de «l’effondrement des modèles». Selon ce concept, lorsque des modèles d’IA sont entraînés sur des données produites par d’autres IA plutôt que sur des contenus humains, ils perdent en qualité et en diversité. Les erreurs et biais s’accumulent à chaque génération, réduisant progressivement la cohérence des résultats. Par exemple, les informations rares ou atypiques disparaissent, ce qui limite la capacité des modèles à produire des réponses originales ou nuancées. Ce phénomène menace la fiabilité des futurs outils d’IA.
Les contenus générés par IA deviennent de plus en plus difficiles à distinguer des textes humains. Jusqu’à récemment, des marqueurs comme des phrases longues ou des tirets cadratins (—) permettaient de les repérer. Aujourd’hui, les modèles s’adaptent au «style humain», rendant leur détection aléatoire. Par exemple, le chatbot Claude est le seul à continuer d’utiliser plus de tirets que les auteurs humains. Une étude de l’Université de Californie a montré que le modèle GPT-4o d’OpenAI a été pris pour un interlocuteur humain dans 77 % des échanges lors d’un test de Turing. De plus, des recherches publiées en 2026 révèlent que des nouvelles générées par IA sont perçues comme plus captivantes et de meilleure qualité que celles écrites par des humains, lorsque les lecteurs ignorent leur origine.
Face à cette situation, l’*AI Act*, entré en vigueur le 2 août 2026 dans l’Union européenne, impose aux fournisseurs de rendre les contenus générés par IA détectables. Cette mesure vise à améliorer la transparence et à limiter les risques liés à l’entraînement des modèles sur des données non humaines. Cependant, le mathématicien Scott Aaronson, pionnier de la technologie de *«watermarking»* (marquage invisible des textes), souligne que ces techniques restent facilement contournables. Leur objectif principal pourrait plutôt être de permettre aux laboratoires de reconnaître les textes produits par des *LLM* (Large Language Models) et d’entraîner leurs modèles uniquement sur des écrits humains. Cette approche vise à préserver la diversité et la qualité des données utilisées pour l’apprentissage des IA.
