« ChatGPT nous a cités ! » (et là, plus personne ne lit la suite)
Quelqu’un poste une capture dans le canal de l’équipe. La boîte est là, dans une réponse de Gemini, en tant que source.
On comprend la joie. Il y a deux ans, se faire citer par un modèle relevait du tour de magie ; aujourd’hui, ça figure dans le rapport mensuel, et c’est mérité.
Mais regardez ce qui se passe juste après : on vérifie **qu’**on est cité, et on passe à autre chose. Ce que dit la citation, presque personne ne le lit. Hex-ko aussi s’est fait avoir, soit dit en passant.
Mais au fait, elle est juste, la phrase posée à côté de votre nom ?
Eh bien, des rédactions se sont assises pour les lire. Des milliers de réponses, grille d’évaluation en main. Allons voir ce qu’elles ont trouvé.
3 000 réponses d’IA lues une par une par des journalistes
L’étude a été menée par l’UER (Union européenne de radio-télévision) et la BBC, avec 22 médias de service public de 18 pays et 14 langues (l’étude).
Les journalistes de ces rédactions ont évalué plus de 3 000 réponses de ChatGPT, Copilot, Gemini et Perplexity, selon quatre critères : l’exactitude, les sources, la distinction entre fait et opinion, et le contexte. Autrement dit, ce n’est pas une impression de week-end : ce sont des gens dont le métier consiste à vérifier des attributions, réponse après réponse. Et qu’est-ce que ça donne ?
- 45 % des réponses présentaient au moins un problème significatif
- 31 % présentaient de sérieux problèmes de sources : attribution absente, erronée ou trompeuse
- 20 % présentaient des problèmes d’exactitude importants, hallucinations ou informations périmées
Arrêtons-nous sur le chiffre du milieu. Un , ça veut dire que le « qui a dit ça » est cassé : une source inventée de toutes pièces, ou la déclaration d’un autre média qui se retrouve dans votre bouche.
Et une , si le mot vous est étranger, c’est le modèle qui affirme une chose fausse avec un aplomb parfait. Ça plus les informations périmées : une réponse sur cinq.
Toutes les IA ne se trompent pas de la même façon
Et voilà ce que je n’avais pas anticipé : le problème n’est pas réparti équitablement.
Gemini, de Google, s’en sort le plus mal : entre 72 et 76 % de ses réponses portaient un problème de sources significatif. Grosso modo trois fois sur quatre, l’attribution boite.
ChatGPT, Copilot et Perplexity, eux, restaient globalement sous les 25 %.
Donc « l’IA nous cite » ne veut pas dire une seule chose. C’est le modèle qui vous cite qui décide de la probabilité que la citation soit juste.
Et un compteur de mentions, qu’est-ce qu’il en sait ? Rien du tout. Il dit que votre nom est apparu, et s’arrête là. La phrase d’à côté, il ne l’a jamais lue.
Pourquoi la citation fausse, c’est vous qui la payez
Venons-en à la partie qui coûte quelque chose.
Parce qu’une affirmation qui arrive avec un nom de confiance devant, personne ne va la vérifier. « Selon la BBC », « d’après leur communiqué »… le nom croit à notre place, non ?
C’est précisément ce dont l’UER et la BBC alertent : quand une IA place une marque de confiance derrière une affirmation, les utilisateurs ont tendance à y croire même si elle est fausse. Et l’atteinte à la réputation retombe sur le média ou la marque cités.
Pensez au collègue qui rapporte tout en commençant par « le directeur a dit que… ». Personne ne contrôle. Le préfixe fait tout le travail. La citation par IA fonctionne sur le même câblage, sauf que le préfixe peut être votre entreprise, et que personne ne vous a demandé votre avis.
Être nommé, c’est agréable. Être transformé en garant d’une information fausse, c’est un tout autre marché.
Pendant ce temps, on s’appuie de plus en plus sur l’IA
Le plus gênant, c’est que le sol tremble au moment précis où le nombre de gens qui marchent dessus augmente.
D’après l’enquête annuelle du Reuters Institute de l’université d’Oxford, la part de ceux qui ont déjà utilisé une IA générative est passée de 40 % à 61 %, et l’usage hebdomadaire a presque doublé, de 18 % à 34 % (Digital News Report 2025).
Mais la même enquête montre que les consommateurs jugent les informations générées par IA moins fiables. Se méfier et s’en servir davantage. Les deux à la fois.
Donc chaque mois, davantage de gens risquent de croiser une citation cassée à votre sujet, alors qu’environ un tiers des attributions continue de flancher.
Conclusion : regarder comment on vous cite, pas seulement si on vous cite
Être cité n’est pas la ligne d’arrivée. C’est le moment où la gestion de marque hérite d’une tâche neuve : vérifier que la citation est juste.
Et une vérification unique ne suffira pas. Les réponses varient sur une même question, et chaque modèle a ses manies. Le « j’ai regardé une fois, c’était bon » vieillit très vite.
Par où commencer, alors ? Cette semaine : prenez vos deux ou trois sujets principaux, posez la question à ChatGPT et à Gemini comme le ferait un client, et lisez ce qu’on vous attribue. Pas si vous apparaissez. Ce que vous êtes censés avoir dit. Ensuite, transformez ça en contrôle régulier plutôt qu’en anecdote. Une attribution fausse se rattrape tant qu’elle n’est qu’une réponse isolée, pas encore une habitude du modèle.
Je donne peut-être trop de poids à une seule étude : elle porte sur de l’information, notée par des gens de l’information, et votre secteur se tient peut-être mieux. Mais 31 %, c’est un chiffre assez gros pour préférer l’apprendre exprès plutôt que par accident.
Sources
- UER (EBU) et BBC (2025), « News Integrity in AI Assistants — An International PSM Study », ebu.ch
- Reuters Institute for the Study of Journalism (université d’Oxford, 2025), « Digital News Report 2025 », reutersinstitute.politics.ox.ac.uk
