Les IA risquent-elles de se dévorer elles-mêmes ?

Les géants de l’IA seraient-ils touchés par le même sortilège ? Pour donner l’impression de tout savoir, les modèles de langage ont englouti des milliards de pages rédigées par des humains, des articles de presse aux encyclopédies, en passant par les forums d’entraide. Forts de leur succès et de leur pouvoir, ChatGPT, Perplexity et surtout les AI Overviews se substituent désormais peu à peu aux sites. Au risque d’assécher les sources dont ils dépendent…

« Doom loop » : un aveu venu de l’intérieur

À la fin de l’année 2023, le New York Times a poursuivi OpenAI et Microsoft devant un tribunal fédéral de New York. Le journal, qui a depuis été rejoint par d’autres éditeurs, accuse les deux géants de la tech d’avoir utilisé ses articles sans autorisation pour entraîner leurs modèles. Mi-septembre 2026, les éditeurs ont déposé un mémoire de 92 pages pour demander au juge de trancher en leur faveur. Libéré de ses caviardages, ce document révèle des notes internes dans lesquelles les deux entreprises décrivent elles-mêmes les dégâts de leur technologie sur le web.

Des deux, Microsoft est sans doute le plus limpide. Dans un rapport produit en 2024, la firme fait état d’un cercle vicieux. « Nos produits menacent les fondements économiques de leurs fournisseurs essentiels », écrit le groupe, qui, dans un autre document, reconnaît que l’aspiration des contenus en ligne pour entraîner les modèles d’IA constitue « le plus grand vol de main-d’œuvre de l’histoire de l’humanité ». Nick Turley, responsable de ChatGPT, estime pour sa part que les éditeurs font face à une « menace existentielle », les IA étant « largement substitutives » aux sites d’information.

Notre stratégie de contenus IA a enclenché un « doom loop » qui va nuire à la performance de nos modèles et, par la même occasion, à l’ensemble du web, considère Microsoft.

Moins de clics et plus d’IA

Google a longtemps affirmé que l’arrivée des AI Overviews et de l’AI Mode ne ferait pas baisser le trafic. Toutes les données prouvent le contraire, comme nous l’indiquions dans cet article, mais également dans celui-ci, celui-ci, celui-ci, celui-ci, celui-ci ou celui-ci.

Bien sûr, cette chute de trafic pèse sur la façon dont les éditeurs exercent leur activité. En premier lieu, certains types de contenus sont particulièrement concurrencés par les IA génératives (et les AI Overviews). C’est le cas des contenus evergreen (guides, comparatifs, réponses aux questions récurrentes). Fin juillet, Bérangère Farcot, responsable marketing et audience du journal Le Temps, nous expliquait que le taux de clic avait été divisé par deux sur ce type de contenus. « Ça va être plus compliqué pour les médias très connectés à de l’info pratique. Quand l’Overview affiche une donnée suffisante, les gens ne vont pas forcément plus loin », estimait-elle alors.

Ces contenus risquent donc d’être soit délaissés, soit… produits par l’intelligence artificielle. Fin mars 2026, Prisma Media, le premier groupe de presse magazine du pays (Voici, Capital, Femme Actuelle, Télé-Loisirs…), a annoncé la suppression de 261 postes, soit près de 40 % de ses effectifs. Dans le même temps, le groupe a formé ses 400 journalistes à l’IA, qu’il utilise déjà pour produire une partie de ses contenus. Voici produit ainsi environ 20 % de son contenu en ligne avec l’IA, à partir de dépêches d’agences. Selon une enquête de Next, l’IA générerait jusqu’à 40 % des articles du groupe.

« Model collapse » : l’IA digère mal l’IA

Ironie du sort : la prolifération de contenus rédigés par IA est une très mauvaise nouvelle pour les IA elles-mêmes, car ces contenus finissent dans leur corpus d’entraînement. Or, comme pour le roi Érysichthon, ce régime les ronge à petit feu. En 2024, une étude publiée dans la revue Nature, au titre sans équivoque, « Les modèles d’IA s’effondrent lorsqu’ils sont entraînés sur des données générées de manière récursive », a démontré qu’un modèle entraîné sans discernement sur des contenus produits par d’autres IA subit à terme des défauts irréversibles. Ses auteurs, des chercheurs d’Oxford, de Cambridge, de Toronto et de l’Imperial College de Londres, ont baptisé ce phénomène « model collapse ».

Les informations rares, celles qui sortent de l’ordinaire, disparaissent en premier. Puis, génération après génération, le modèle perd le fil de la réalité. Pour illustrer le phénomène, les chercheurs ont soumis à un modèle un texte sur l’architecture médiévale, puis l’ont réentraîné à plusieurs reprises sur ses propres productions. À la neuvième génération, le modèle dressait une liste de lièvres aux queues de différentes couleurs.

L'étude souligne :

Nous constatons qu’au fil des générations, les modèles tendent à produire des séquences plus probables à partir des données originales et commencent à introduire leurs propres séquences improbables, c’est-à-dire des erreurs.

Les auteurs jugent même probable une généralisation de ce phénomène à l’échelle du web. « L’utilisation des LLM à grande échelle pour publier du contenu sur Internet polluera la collecte des données destinées à entraîner leurs successeurs », préviennent-ils. L’étude fait même mention d’un « avantage du premier arrivé », dont auraient profité les premiers modèles, entraînés sur un web encore épargné par l’IA. « Il pourrait devenir de plus en plus difficile d’entraîner de nouvelles versions de LLM sans accès aux données collectées sur Internet avant l’adoption massive de cette technologie, ni accès direct aux données générées par des humains à grande échelle », prédisent les auteurs.

La tentation de l’autosuffisance

Conscients du risque, certains géants de la tech commencent à rémunérer les sources dont dépendent leurs IA. Mi-septembre 2026, Digiday révélait que Google commençait à payer certains éditeurs dont les contenus contribuaient de manière significative aux réponses de Gemini, des AI Overviews et de l’AI Mode. Baptisé « AI contribution pilot », ce programme sur invitation concernerait une centaine d’éditeurs, rémunérés selon la part de leurs contenus dans chaque réponse. Dès février 2026, Microsoft avait lancé sa propre initiative, la Publisher Content Marketplace. Sur cette plateforme, les éditeurs fixent eux-mêmes leurs conditions et perçoivent une rémunération en fonction de l’usage de leurs contenus par les IA.

Par intérêt, les géants de l’IA pourraient donc finalement préserver les éditeurs, et par la même occasion le web, qu’ils ont eux-mêmes contribué à envahir de contenus artificiels. À moins que l’histoire ne prenne des airs de tragédie grecque et que l’orgueil pousse l’industrie à laisser les modèles se nourrir d’eux-mêmes.

En 2023, Sam Altman pariait ouvertement sur ce scénario. « Tant qu’on parvient à franchir l’horizon des événements des données synthétiques, c’est-à-dire le moment où le modèle est assez intelligent pour produire de bonnes données synthétiques, tout ira bien », dissertait le cofondateur d’OpenAI. Comprendre : si les IA deviennent capables de produire elles-mêmes des données d’entraînement de qualité, elles n’auront plus besoin des humains.