L'usage de l'intelligence artificielle (IA) dans le journalisme s'inscrit dans une longue histoire de collaboration entre technologies, données et pratiques journalistiques. Dès les années 1950, les ordinateurs ont été mobilisés pour analyser des données et soutenir la production d'information, avant que le journalisme assisté par ordinateur, le journalisme de données et le journalisme computationnel ne développent progressivement de nouvelles méthodes de collecte, d'analyse et de traitement de l'information. À partir des années 2000, l'IA s'est progressivement intégrée aux processus éditoriaux, avec l'automatisation de la production de contenus, les systèmes de recommandation et la personnalisation de l'information, avant de se diffuser largement dans les rédactions au cours des années 2020.
L'essor de l'IA générative a ensuite fortement réduit les barrières d'accès à ces technologies : leur usage ne nécessite plus de compétences en programmation, ce qui a favorisé une phase d'expérimentation intense au sein des rédactions, plus qu'une véritable rupture avec les manières de faire existantes. Ce graphique interactif situe les principaux usages actuels de l'IA dans le journalisme et met en relief leurs enjeux pour la qualité de l'information.
Cliquer sur un point
Alertes & breaking news
Détecter en temps réel les signaux faibles, les tendances et les contenus trompeurs qui doivent remonter d'urgence à la rédaction.
- Assistant personnel
- Veille, monitoring et systèmes d'alerte (web, réseaux sociaux…)
- Recommandation de contenus
- Détection de tendances
Enjeux déontologiques
La rapidité ne doit jamais prendre le pas sur la fiabilité. Un système d'alerte automatisé peut amplifier un signal erroné, sortir une information de son contexte ou accorder une importance excessive à un phénomène marginal. Avant toute publication, les alertes susceptibles d'avoir un impact éditorial doivent donc être vérifiées, contextualisées et, lorsque nécessaire, validées par un professionnel.
Recherche & collecte de preuves
Rassembler, organiser et indexer des contenus issus de sources diverses (archives, réseaux sociaux, documents parlés ou en langue étrangère), puis en extraire les faits et tendances clés.
- Recherche, extraction et fouille de données/textes
- Résumé et fusion de documents
- Traduction / transcription automatique
- Évaluation de sources
Enjeux déontologiques
L'automatisation de la recherche facilite l'accès à des volumes considérables d'informations, mais elle ne dispense pas de respecter les règles qui encadrent leur collecte et leur utilisation. Droit d'auteur, données personnelles, confidentialité et protection des sources doivent être pris en compte dès la phase de recherche. Une information facilement accessible n'est pas nécessairement libre d'usage, ni suffisante pour être considérée comme fiable.
Vérification & analyse
Transformer des données brutes en indices exploitables, suivre la désinformation en temps réel, puis détecter et corriger les contenus falsifiés ou manipulés.
- Croisement et comparaison de sources
- Détection de patterns
- Analyse de données et analyse sémantique
- Vérification de contenus audiovisuels
Enjeux déontologiques
Un outil peut repérer des incohérences, comparer des sources ou signaler un contenu potentiellement manipulé, sans pour autant établir seul la vérité. Les résultats automatisés doivent rester des éléments d'analyse et non des verdicts. Une rédaction doit pouvoir vérifier les méthodes employées et expliquer les raisons qui conduisent à qualifier une information de fausse, trompeuse ou manipulée.
Enrichissement de contenu
Améliorer la qualité, l'équité et l'inclusivité de l'information : corriger les biais rédactionnels et valoriser les contenus déjà existants.
- Détection de biais rédactionnels et corrections
- Optimisation et amélioration de contenu
- Valorisation d'archives, de citations et de contenus pertinents
Enjeux déontologiques
Un système conçu pour améliorer l'équité ou réduire les biais peut lui-même reproduire des normes, des stéréotypes ou des déséquilibres inscrits dans ses données et ses critères de fonctionnement. L'« amélioration » automatisée ne doit donc pas conduire à uniformiser les voix, à effacer des nuances ou à imposer une vision particulière de la neutralité. Toute modification substantielle d'un contenu doit rester identifiable et pouvoir être discutée par la rédaction.
Production d'informations
Automatiser ou assister la création de contenus écrits et multimédias adaptés au contexte et au public, tout en accélérant les tâches répétitives des chaînes éditoriales.
- Production partielle ou totale de contenus textuels ou audiovisuels
- Déclinaison multiformats et segmentation par canal / public
- Résumés, hashtags, légendes, descriptions d'images
- Suggestion de titres & traduction automatisée
Enjeux déontologiques
L'automatisation de la production ne transfère pas la responsabilité journalistique à la machine. Un contenu généré, réécrit, traduit ou illustré avec l'aide d'une IA doit être soumis aux mêmes exigences de vérification, d'exactitude et de responsabilité qu'un contenu produit selon des méthodes traditionnelles, en tenant compte des erreurs, des inventions plausibles, des biais et des atteintes possibles aux droits d'auteur.
Distribution d'infos
Toucher et fidéliser les audiences avec des contenus personnalisés et accessibles, et optimiser la portée grâce à un ciblage plus fin.
- Hiérarchisation, recommandation, personnalisation
- Génération de newsletters et de posts réseaux sociaux
- Automatisation des publications
- Gestion des commentaires / interactions (chatbots)
Enjeux déontologiques
Personnaliser l'information peut améliorer sa pertinence, mais aussi modifier profondément ce que chaque personne voit, lit ou ignore. Les systèmes de recommandation ne doivent pas enfermer les publics dans des bulles informationnelles, privilégier systématiquement les contenus les plus engageants au détriment des plus importants, ni créer de discriminations entre audiences.