Il y a un réflexe très humain qui peut parfois nous habiter: chercher le chemin de la facilité.
Dans un quotidien saturé d’informations, de courriels et de délais serrés, l’idée de déléguer une partie du travail à un système d’intelligence artificielle est terriblement séduisante. En quelques secondes, un texte apparaît, bien structuré, avec des phrases fluides et, parfois, même des références qui ont l’air parfaitement conformes aux normes APA 7e édition.
Face à un document bien présenté, signé par une organisation reconnue ou rédigé dans un ton professionnel, nous avons tendance à baisser la garde. Un rapport de consultant avec un beau logo, un mémoire juridique rempli de citations, un article de blogue au style impeccable, un CV bien ficelé, un travail d’étudiant truffé de références savantes. Tout cela donne spontanément l’impression de sérieux et de compétence.
Les cas de négligence dans l’utilisation de l’IA, dévoilés au grand, jour n’aident en rien pour augmenter la confiance du public envers l’IA. Détecter et corriger les hallucinations (confabulations) relèvent de son utilisateur car c’est une responsabilité humaine et non celle d’un algorithme.
La machine est-elle laissée sur le pilote automatique, sans véritable regard humain pour vérifier, questionner, recouper et corriger?
Dans une relation entre deux personnes, il suffit parfois d’un seul mensonge pour que quelque chose se brise. On peut pardonner, avancer, continuer à se parler, mais la confiance ne revient jamais tout à fait comme avant. On écoute autrement, on doute un peu plus, on lit entre les lignes.
Je me demande si nous ne sommes pas en train de vivre la même chose à l’échelle de nos contenus numériques.
Par exemple. quand des avocats déposent devant un tribunal des jugements inventés par une IA, quand un rapport gouvernemental cite des ouvrages qui n’existent pas, quand une cour de justice au Québec doit sanctionner une partie pour avoir remis un texte généré par IA truffé d’erreurs, ce n’est pas seulement l’information qui est en cause. C’est la crédibilité des personnes, des institutions et de la parole publique qui se fragilise.
L’objectif de cet article n’est pas d’accuser la machine. Une IA ne « sait » pas qu’elle invente une citation ni qu’elle déforme une notion. Elle ne connaît ni la vérité ni le mensonge. La responsabilité se trouve ailleurs, chez celles et ceux qui conçoivent ces systèmes et, surtout, chez celles et ceux qui les utilisent sans faire l’effort minimal de vigilance et de diligence raisonnable.
Dans les pages qui suivent, je propose de suivre un fil simple. D’abord, regarder comment la confiance se construit, presque silencieusement, dans nos contenus du quotidien. Ensuite, raconter quelques histoires bien réelles où, les hallucinations des systèmes d’IA combinée à la négligence humaine, a fissuré cette confiance. Puis, ouvrir la réflexion sur ce double « mal de notre époque » qui nous guette, la suspicion généralisée et la confiance qui s’effrite. Enfin, recentrer la lumière sur ce qui ne pourra jamais être automatisé, soit notre responsabilité humaine.
Dans un autre article, j’aborderai plus en détail une notion essentielle à l’ère de l’IA, la diligence raisonnable. Comment la définir, la pratiquer, l’enseigner, que l’on soit professionnel, étudiant ou simple citoyen qui signe un contenu.
La confiance ordinaire dans nos contenus
La confiance ne se déclare pas, elle s’installe.
Dans nos vies personnelles, nous ne répétons pas chaque matin à nos proches que nous leur faisons confiance. Nous agissons simplement comme si cela allait de soi. Il en va de même pour la plupart des contenus qui circulent autour de nous.
Quand nous ouvrons le site d’un grand média, nous partons du principe que les informations ont été vérifiées. Quand nous lisons un rapport de consultant remis à un ministère, nous présumons qu’il repose sur des sources solides. Quand un juge reçoit un mémoire, il s’attend à ce que les références citées existent réellement. Quand un employeur lit un CV ou une lettre de présentation, il croit, au moins au départ, que les compétences déclarées correspondent à la réalité.
Cette confiance ne se limite pas aux « informations » au sens journalistique. Elle concerne une multitude de contenus et d’échanges :
- des courriels professionnels
- des rapports internes
- des travaux d’étudiants
- des textes académiques avec des références en bonne et due forme
- des articles de blogue ou des posts LinkedIn qui citent des études
- des pages web d’entreprises et leurs politiques
- des balados, des infolettres, des posts sur les réseaux sociaux
À chaque fois, il y a une forme de contrat implicite. Celui ou celle qui signe le contenu affirme en filigrane: « J’ai fait le travail. J’ai vérifié ce que j’avance. Je prends la responsabilité de ces mots. » De l’autre côté, le lecteur, l’auditeur, l’interlocuteur accepte ce contrat sans forcément y penser. Il se fie à la présentation, au ton, au contexte, à la réputation de la personne ou de l’organisation.
L’arrivée des systèmes d’IA générative ne change pas ce contrat en apparence. Au contraire, elle peut le rendre encore plus trompeur. Un outil capable de produire en quelques secondes un texte bien structuré, au style professionnel, avec des citations qui ont l’air tout à fait crédibles, donne l’illusion du travail bien fait. Le chemin de la facilité devient soudain très attractif : pourquoi passer des heures à lire, analyser, rédiger, quand une machine peut générer en quelques secondes un document qui « a l’air » sérieux?
C’est là que la fragilité de notre confiance ordinaire apparaît. Nous continuons de juger un contenu sur son apparence, alors qu’une partie croissante de ces contenus est produite par des systèmes qui ne comprennent pas ce qu’ils écrivent. Une référence présentée avec tous les bons éléments formels (nom de l’auteur, année, titre, éditeur, DOI) peut être entièrement inventée. Une citation entre guillemets, attribuée à un juge ou à un auteur connu, peut ne figurer dans aucun jugement ni dans aucun ouvrage réel.
Tant que personne ne va vérifier, la confiance tient. Mais il suffit qu’un lecteur plus attentif, un chercheur, un journaliste ou un juge décide de remonter à la source pour que le vernis tombe. Ce qui ressemblait à un document rigoureux se révèle être un assemblage de phrases plausibles et de références fantômes, utilisé trop vite par un humain pressé qui a laissé la machine travailler à sa place, sans prendre le temps de vérifier.
C’est exactement ce qui rend si préoccupants les cas dont il sera question dans la suite : des avocats sanctionnés pour avoir cité des jugements qui n’existent pas, un rapport gouvernemental truffé de références fantômes et une décision de la Cour supérieure du Québec qui rappelle que l’IA ne dégage personne de sa responsabilité. Ces trois histoires, aux États-Unis, en Australie et ici même au Québec, montrent que ce n’est pas l’IA en elle-même qui trahit notre confiance, mais notre façon de l’utiliser sans vigilance, sans vérification, sans ce minimum de diligence raisonnable qui devrait être non négociable dès que l’on signe un contenu.
Trois histoires où le chemin de la facilité a un coût
Juin 2023 : des jugements qui n’existent pas
Le 26 juin 2023, le média Les Numériques rapporte qu’aux États-Unis, deux avocats et leur cabinet ont été condamnés à une amende d’environ 4 600 euros (≈ 7 400 $ CA) par un juge fédéral pour avoir déposé un mémoire truffé de jurisprudences inventées par ChatGPT, dans une affaire impliquant la compagnie aérienne Avianca. Les Numériques
Sur le papier, le document avait tout pour inspirer confiance : ton professionnel, mise en page soignée, nombreuses références à des décisions antérieures. Mais lorsque le juge tente de retrouver ces décisions dans les bases de données juridiques, plusieurs d’entre elles n’existent tout simplement pas. Le chatbot a inventé six cas, avec des noms de causes et des références qui sonnent juste, mais qui ne renvoient à aucune réalité.
Le juge rappelle alors un principe simple. Il n’y a rien d’inapproprié à utiliser un outil d’IA fiable pour assister le travail juridique, mais les avocats conservent un devoir de contrôle pour garantir l’exactitude des documents qu’ils signent et déposent. En acceptant sans vérification les « élucubrations » de l’outil, ils ont, selon le juge, abandonné leurs responsabilités.
Autrement dit, le problème ne vient pas de l’IA en soi, mais du choix humain de ne pas vérifier.
Et la confiance, elle, ne sort pas indemne de cette histoire : si des avocats peuvent déposer des jugements fantômes, que doit penser le public de la solidité du reste du système judiciaire?
Octobre 2025, un rapport à 440 000 $AU et des références fantômes
Le 6 octobre 2025, The Guardian révèle que Deloitte Australie remboursera partiellement le gouvernement fédéral pour un rapport de 440 000 dollars australiens (≈ 404 000 $ CA), remis au Department of Employment and Workplace Relations (DEWR), après la découverte de multiples erreurs. Le rapport, publié une première fois le 4 juillet 2025, portait sur un cadre de sanctions lié aux prestations sociales et à un système informatique qui automatise certaines pénalités. The Guardian
Un universitaire en droit, Christopher Rudge, se met à examiner les notes de bas de page. Il découvre alors ce qu’il qualifiera d’« hallucinations » :
- des citations attribuées à un juge de la Federal Court qui n’ont jamais été prononcées;
- des ouvrages académiques inexistants;
- des références totalement inventées. AP News+1
Après ces révélations, le rapport est révisé et remis en ligne dans une version corrigée. Deloitte reconnaît que certaines références et notes étaient incorrectes et accepte de rembourser la dernière tranche du contrat. Une annexe de la nouvelle version indique qu’un outil de langage basé sur Azure OpenAI GPT-4o, hébergé sur l’infrastructure du DEWR, a été utilisé lors de la rédaction. The Guardian+2www.ndtv.com+2
Là encore, le problème n’est pas le fait d’avoir utilisé un système d’IA pour gagner du temps. Ce qui est en cause, c’est la décision :
- d’intégrer un outil génératif dans un mandat public sensible;
- de ne pas mettre en place de garde-fous suffisants;
- de livrer le tout sous couvert d’« assurance » et d’expertise, comme si chaque référence avait été lue et vérifiée.
Pour le citoyen qui lit cette histoire, le message implicite est dérangeant : si même un rapport gouvernemental facturé plusieurs centaines de milliers de dollars peut contenir des citations inventées, à quoi peut-on encore se fier?
2.3. Octobre 2025, ici au Québec : l’IA devant la Cour supérieure
Le 31 octobre 2025, Droit-inc publie un texte signé par l’avocat Amir Kashdaran, qui analyse une récente décision de la Cour supérieure du Québec. On y apprend qu’un défendeur de 74 ans, non représenté par avocat, a préparé une partie de sa contestation à l’aide d’outils d’IA générative dans un litige lié à la reconnaissance d’une sentence arbitrale internationale portant sur un avion saisi au Québec. Droit-inc+1
En examinant les documents, les demanderesses découvrent plusieurs irrégularités : jurisprudence fictive, autorités judiciaires mal interprétées ou inventées. Interrogé à ce sujet, le défendeur admet s’être fié à un outil d’IA pour préparer ses observations, faute d’appui juridique professionnel.
La Cour rappelle alors plusieurs principes :
- les procédures déposées sont des actes solennels, qui exigent un niveau élevé de diligence et d’exactitude;
- ce principe vaut pour les parties représentées comme pour les parties non représentées;
- l’usage d’un outil d’IA ne dégage en rien le plaideur de sa responsabilité quant au contenu de ses documents.
Constatant que les observations contenaient des références juridiques fausses ou fictives, la Cour conclut à un manquement grave au déroulement de l’instance et impose une sanction de 5 000 $ au défendeur, pour punir sa conduite et dissuader tout comportement similaire.
Le message est clair : les tribunaux québécois ne s’opposent pas à l’utilisation d’outils d’IA, mais ils refusent qu’on s’en serve comme paravent pour justifier des erreurs graves ou un manque de vérification.
2.4. Un point commun : le chemin de la facilité, pas la « faute de la machine »
Ces trois histoires se déroulent dans des contextes très différents :
- des avocats new-yorkais sanctionnés en 2023; Les Numériques
- une grande firme de consultation prise en défaut dans un rapport de 2025 à 440 000 $AU; The Guardian+1
- un justiciable québécois non représenté, sanctionné en 2025 par la Cour supérieure. Droit-inc+1
Pourtant, elles ont un point commun : à chaque fois, une personne ou une organisation a misé sur l’IA comme raccourci, en renonçant au minimum de vérification attendu.
Dans aucun de ces cas, il n’est vraiment pertinent de dire que « l’IA a trahi la confiance ».
La machine n’a pas d’intention, ne comprend pas la portée sociale ou juridique de ce qu’elle produit.
Ce qui trahit la confiance, c’est :
- l’absence de vérification systématique;
- le fait de signer un document comme si tout avait été validé;
- l’illusion que l’on peut déléguer à un outil ce qui relève, au final, de la responsabilité humaine.
3. Quand même la science vacille : fraudes, « moulins à articles » et IA
Pendant longtemps, beaucoup de gens ont considéré la littérature scientifique comme un bastion de rigueur. On pouvait mettre en doute un billet d’opinion ou un éditorial, mais un article évalué par les pairs, publié dans une revue reconnue et identifié par un DOI, conservait une aura de solidité.
Or, cette confiance est elle aussi mise à l’épreuve. En arrière-plan, la pression à « publier ou périr », la course aux subventions et la concurrence entre chercheurs créent un environnement où certains sont tentés de contourner les règles. Et, comme ailleurs, l’IA générative devient à la fois un outil d’aide et un accélérateur potentiel des dérives.
3.1. De héros à zéro en 18 mois
Un exemple souvent cité est celui du biologiste Jonathan Pruitt, spécialiste du comportement des araignées sociales. Pendant des années, ses travaux ont été largement diffusés et influents. Puis des collègues ont commencé à examiner de près les jeux de données qu’il avait fournis pour des articles co-signés. Ils ont repéré des motifs étranges, des valeurs dupliquées, des séries qui ne pouvaient pas s’expliquer par un travail expérimental normal.
À partir de là, les rétractations se sont multipliées. Plusieurs revues ont retiré des articles, des enquêtes internes ont conclu à de la fabrication et à la falsification de données, et son université a reconnu des manquements graves à l’intégrité de la recherche. Sa thèse de doctorat a été retirée par son alma mater et il a fini par démissionner de son poste.
Ce cas reste exceptionnel, mais il illustre bien le cœur du problème : il a fallu beaucoup de temps, d’énergie et de courage à ses collègues pour remonter la piste, vérifier les données et demander des rétractations. Pendant ce temps, ses travaux avaient servi de base à d’autres recherches, à des carrières et à des décisions.
3.2. Une explosion des rétractations
Au-delà de ce cas particulier, les données sur les rétractations parlent d’elles-mêmes. La base de données de Retraction Watch, qui recense les articles retirés ou accompagnés d’avertissements, compte désormais des dizaines de milliers d’entrées, et a dépassé le seuil des 50 000 en 2024.
Plusieurs études montrent que le nombre de rétractations augmente beaucoup plus vite que le volume total de publications. Les auteurs soulignent que la fraude et les manipulations ne sont probablement qu’en partie détectées; une proportion importante des articles problématiques resterait en circulation sans être identifiée.
Dans ce paysage se sont ajoutés les « moulins à articles » : des structures commerciales qui produisent, à la chaîne, des manuscrits au vernis scientifique pour des chercheurs en quête de publications rapides. Avec l’IA générative, il devient encore plus facile de fabriquer des textes plausibles, des résumés, voire de fausses références qui ont l’air crédibles mais ne renvoient à rien de réel.
Résultat : même les revues sérieuses doivent aujourd’hui mener des audits internes, rétracter des grappes d’articles et reconnaître que des travaux douteux ont passé les mailles du filet. Pour le public et pour les professionnels, cela nourrit exactement ce que je nommes le « mal du siècle » : une suspicion diffuse, et une confiance qui s’effrite, même envers des sources qui semblaient jusque-là au-dessus de tout soupçon.
3.3. Revues prédatrices, « moulins à articles » et usage douteux de l’IA
Pour comprendre comment des travaux fragiles ou frauduleux parviennent à entrer dans la littérature scientifique, il faut regarder de plus près le rôle de certains intermédiaires.
D’un côté, il y a les revues dites « prédatrices ». Elles se présentent comme des revues scientifiques classiques, avec comité éditorial et processus d’évaluation, mais leur véritable modèle d’affaires consiste surtout à encaisser des frais de publication. Dans les faits, la sélection est minimale, la révision par les pairs souvent inexistante ou purement formelle. Tant que l’article respecte une mise en forme à peu près acceptable et que les frais sont payés, il a de bonnes chances d’être accepté.
De l’autre côté, on trouve les « moulins à articles » (paper mills). Il s’agit de structures commerciales qui produisent, à la chaîne, des manuscrits prêts à soumettre. Elles peuvent offrir des textes sur mesure ou vendre des places comme co-auteur sur des articles déjà en cours d’acceptation. Le contenu repose parfois sur des données bricolées, des images recyclées ou des expériences fictives. Le but n’est pas de faire progresser la connaissance, mais d’augmenter artificiellement le compteur de publications d’un client.
L’IA générative vient s’ajouter à cet environnement déjà fragile. Utilisée sans discernement, elle permet de générer des introductions, des discussions ou des résumés qui ont l’air tout à fait plausibles, mais qui peuvent mélanger des sources, inventer des références ou reformuler des résultats de manière trompeuse. Elle devient alors un outil de plus pour produire rapidement des articles de façade, en accélérant des pratiques qui existaient déjà. Tout dépend, encore une fois, de la manière dont les humains l’emploient ou la laissent travailler sans contrôle.
3.4. Quel impact sur la confiance?
La science se construit sur une idée simple : chaque nouvelle étude s’appuie sur un socle de travaux antérieurs jugés suffisamment fiables. Quand ce socle est fragilisé par des articles douteux, des données manipulées ou des textes fabriqués à la chaîne, c’est toute la structure de confiance qui en souffre.
Les effets se font sentir à plusieurs niveaux. Les chercheurs honnêtes doivent consacrer du temps à vérifier la solidité des travaux sur lesquels ils s’appuient. Les cliniciens et les décideurs risquent de baser des choix concrets sur des résultats qui ne tiennent pas la route. Le grand public est exposé à des scandales de fraude, à des vagues de rétractations, à des débats internes parfois difficiles à suivre. À force, le message implicite ressemble à ceci : « Si même les articles scientifiques peuvent être montés de toutes pièces, à qui faire confiance? »
4. Quand la suspicion s’invite dans le quotidien
Les exemples juridiques, gouvernementaux et scientifiques peuvent sembler éloignés du quotidien. Pourtant, les mêmes mécanismes sont à l’œuvre dans des situations beaucoup plus ordinaires.
4.1. Quand tout peut être « bien présenté »
Un CV impeccablement rédigé, une lettre de motivation très convaincante, un travail d’étudiant structuré comme un article académique, un post LinkedIn qui cite des études à la chaîne, un rapport interne bourré de références : tout cela peut aujourd’hui être produit, en tout ou en partie, par un système d’IA générative.
Pris isolément, ce n’est pas un problème. Un étudiant peut se faire aider pour formuler une phrase plus clairement. Un professionnel peut utiliser l’IA pour améliorer la lisibilité d’un rapport. Un gestionnaire peut demander un premier jet pour briser le blocage de la page blanche.
Le problème apparaît lorsque cette aide devient le cœur du travail, sans supervision réelle, et que le résultat est présenté comme le produit d’un effort personnel, vérifié et assumé.
- Un candidat laisse l’IA inventer ou enjoliver des expériences qu’il n’a jamais vécues.
- Un étudiant remet un texte généré presque intégralement par IA, sans transparence, avec des références non vérifiées.
- Un professionnel signe un rapport alimenté par un SIA sans valider les sources ni les chiffres.
- Un créateur de contenu publie un article d’opinion appuyé sur des « études » que personne ne retrouve.
Dans tous ces cas, la personne qui signe le document bénéficie, au départ, de la confiance de l’autre. Mais cette confiance repose sur une attente implicite : qu’un humain ait réellement fait le travail, qu’il ait vérifié ce qui est avancé, qu’il assume ce qui est écrit.
4.2. Le « mal du siècle » : suspicion et confiance effritée
Lorsque de tels écarts sont révélés, même une seule fois, quelque chose se brise. L’employeur qui découvre qu’un CV a été largement inventé devient méfiant pour les candidatures suivantes. L’enseignant qui réalise qu’un travail a été généré sans transparence commence à douter davantage de l’ensemble des remises. Le lecteur qui voit passer un article truffé d’erreurs factuelles générées par IA ne lira plus les prochains avec la même confiance.
Peu à peu, deux phénomènes s’installent.
- La suspicion généralisée.
On se met à regarder chaque contenu avec un soupçon de méfiance. On se demande si le texte est authentique, si la personne qui signe a vraiment fait le travail, si les références existent. Dans certains milieux, le réflexe devient de présumer qu’il y a eu IA, plagiat ou raccourci, puis d’essayer de prouver le contraire. - La confiance qui s’effrite.
À force d’être déçue ou trompée, la confiance perd de sa force. On hésite avant de croire un message, de valider un document, de s’engager sur la base d’une information. La relation ne disparaît pas nécessairement, mais elle change de nature. Elle devient plus froide, plus défensive, plus contractuelle.
Ce « mal du siècle » ne naît pas de la technologie elle-même, mais d’un enchaînement de choix humains : choisir le chemin de la facilité, signer sans vérifier, cacher l’usage de l’IA, accepter des approximations parce que « ça fait l’affaire ». À grande échelle, ce sont ces choix qui menacent la qualité de nos contenus et, surtout, la qualité de nos relations.
5. Utiliser l’IA de façon responsable n’est pas interdit
Face à ces dérives, une réaction fréquente est de vouloir bannir purement et simplement les outils d’IA générative : les interdire à l’école, dans les examens, au travail, dans la rédaction d’avis ou de rapports. Cette réaction est compréhensible, mais elle passe à côté d’un point essentiel : utiliser un outil d’IA de manière responsable et critique n’est ni interdit ni illégitime.
5.1. Ce qui pose problème, ce n’est pas l’usage, c’est l’abdication
On peut distinguer deux attitudes très différentes.
- D’un côté, l’usage assisté et assumé :
- l’IA sert à stimuler les idées, à proposer une structure, à suggérer des formulations;
- l’humain vérifie les faits, corrige, reformule, intègre des sources fiables;
- l’origine de l’aide peut être expliquée en toute transparence lorsque c’est pertinent.
- De l’autre, l’usage insouciant ou opportuniste :
- l’IA produit des contenus qui sont repris tels quels;
- les références, chiffres, citations ne sont pas contrôlés;
- l’auteur signe le document comme si tout venait de lui et avait été vérifié.
Dans le premier cas, l’IA est un outil intégré à un processus intellectuel piloté par un humain. Dans le second, elle devient un substitut au travail intellectuel, voire un paravent pour éviter de répondre de ce qui est écrit.
5.2. Un exemple concret : comment cet article a été co-construit
Je peux prendre cet article lui-même comme exemple d’un usage responsable d’un système d’IA générative.
D’abord, j’ai choisi le sujet, la problématique centrale et les angles à traiter : la suspicion, la confiance qui s’effrite, la notion de diligence raisonnable, ainsi que les cas concrets dans le monde juridique, gouvernemental et scientifique.
Ensuite, j’ai réuni des sources vérifiables :
- des articles de presse (Les Numériques, Fortune, Droit-inc, L’actualité);
- des ressources spécialisées (Retraction Watch, International DOI Foundation);
- des décisions judiciaires et des analyses juridiques.
L’IA m’a servi à :
- structurer les idées en plan;
- proposer une trame narrative cohérente;
- reformuler certains passages pour les rendre plus clairs;
- signaler des risques liés au droit d’auteur lorsque des formulations se rapprochaient trop des textes originaux, ce qui m’a permis de réécrire et de synthétiser davantage.
Un exemple, l’IA me suggérait un titre: “Conclusion – Sauver la confiance avant qu’elle ne se délite“.
Ce mot “délite” est un mot que je n’ai jamais utilisé, en fait que je ne connais pas!😁
Si j’avais laissé ce mot dans le texte, je crois que plusieurs ce seraient questionné sur son sens. J’imagine que je ne suis pas le seul à ne pas le connaître. C’est le genre de mot qui susciterait un doute.
À chaque étape, j’ai conservé le contrôle : j’ai relu, corrigé, supprimé, ajouté des nuances, décidé quoi garder et quoi modifier. Au total, malgré l’appui de l’IA, il m’a fallu environ quatre heures de travail pour produire cet article dans sa version finale.
Ce temps passé fait partie intégrante de la démarche : il reflète la responsabilité d’un auteur humain qui choisit ses sources, les vérifie et assume ce qu’il signe. L’article n’est pas un texte généré « en un clic », mais un contenu co-construit, pour lequel l’IA a joué un rôle d’assistance, sans jamais remplacer le jugement, la vigilance ni la traçabilité du travail réalisé.
5.3. Un mot sur les sources et le DOI
Dans cette logique de vigilance, les sources jouent un rôle central. Citer un article, un rapport ou une étude, ce n’est pas seulement donner du poids à un propos; c’est aussi permettre à celles et ceux qui lisent d’aller vérifier par eux-mêmes.
C’est ici qu’intervient, notamment dans le monde scientifique, la notion de DOI.
Le DOI (Digital Object Identifier) est un code numérique permettant d’identifier de façon univoque une ressource électronique.
Il permet de retrouver un article même si son adresse web change, et de s’assurer que tout le monde parle bien du même document. C’est un bon exemple de dispositif technique conçu pour servir la traçabilité et la confiance. Mais là encore, il ne remplace pas le jugement humain : un article qui a un DOI peut lui aussi être contesté, critiqué ou rétracté.
6. Conclusion : ce que l’IA ne pourra pas nous enlever
Dans une entrevue relayée par Les Numériques, Sam Altman, PDG d’OpenAI, évoque un scénario où l’IA pourrait automatiser environ 40 % des tâches. Il va jusqu’à dire que GPT-5 est, sur certains plans, « plus intelligent » que lui. Mais lorsqu’on lui demande ce que l’IA ne saura jamais imiter, sa réponse est simple : la capacité à se soucier sincèrement des autres.
Ce point rejoint le cœur de cet article.
L’IA peut aligner des mots, imiter un style, générer des citations plausibles, produire des résumés, corriger une grammaire, simuler une argumentation. Elle peut le faire vite, parfois mieux que nous sur le plan formel. Mais elle ne se soucie ni des conséquences sociales d’un mensonge, ni de l’effet d’une erreur sur une personne, ni de la confiance que l’on brise en signant un contenu sans l’avoir vérifié.
Se soucier de l’autre, c’est prendre le temps de vérifier une information parce qu’elle va servir de base à une décision importante. C’est refuser de déposer devant un tribunal un texte qu’on n’a pas relu. C’est vérifier qu’un rapport remis à un ministère ne repose pas sur des références fantômes. C’est résister au chemin de la facilité quand il met en danger la confiance qu’on nous accorde.
L’IA ne peut ni remplacer ni automatiser cette responsabilité-là. Elle peut aider, accélérer, suggérer, mais elle ne peut pas décider, à notre place, d’agir avec honnêteté et diligence raisonnable.
Si nous ne voulons pas que la suspicion et la méfiance deviennent la norme, il nous faudra protéger quelque chose de très simple et très humain : la décision, chaque fois que nous signons un contenu, de nous comporter comme une personne de confiance.
Pas parce que la machine l’exige, mais parce que les autres humains, eux, en ont besoin.
Références
Kincaid Ellie (2023-05-10) Spider researcher Jonathan Pruitt faked data in multiple papers, university finds. Retraction Watch.
https://retractionwatch.com/2023/05/10/spider-researcher-jonathan-pruitt-faked-data-in-multiple-papers-university-finds/
Oransky Ivan. (2021-04-02) 25,000: That’s how many retractions are now in the Retraction Watch Database. Retraction Watch.
https://retractionwatch.com/2021/04/02/25000-thats-how-many-retractions-are-now-in-the-retraction-watch-database/
Challand, R. (2023-06-26) Deux avocats américains condamnés pour avoir cru les élucubrations de ChatGPT. Les Numériques.
https://www.lesnumeriques.com/intelligence-artificielle/deux-avocats-americains-condamnes-pour-avoir-cru-les-elucubrations-de-chatgpt-n210837.html
Paoli, Nino (2025-10-07) Deloitte was caught using AI in a $290,000 report to help the Australian government crack down on welfare after a researcher flagged hallucinations. Fortune.
https://fortune.com/2025/10/07/deloitte-ai-australia-government-report-hallucinations-technology-290000-refund/
Kashdaran, A. (2025-10-31) Utilisation de l’IA générative devant les tribunaux : la Cour supérieure du Québec sanctionne une partie non représentée. Droit-inc.
https://www.droit-inc.com/conseils-carriere/opinions/utilisation-de-lia-generative-devant-les-tribunaux-la-cour-superieure-du-quebec-sanctionne-une-partie-non-representee
Leblanc, J. (2025-12-03) De plus en plus d’articles scientifiques frauduleux. L’actualité.
https://lactualite.com/sante-et-science/de-plus-en-plus-darticles-scientifiques-frauduleux/
Geoffre-Rouland, A. (2025-09-26) ChatGPT : “GPT-5 est plus intelligent que moi”, confie Sam Altman, mais il y a une compétence qui échappera toujours à l’IA. Les Numériques.
https://www.lesnumeriques.com/intelligence-artificielle/chatgpt-gpt-5-est-plus-intelligent-que-moi-confie-sam-altman-mais-il-y-a-une-competence-qui-echappera-toujours-a-l-ia-n242982.html
Références sur le DOI
International DOI Foundation. (Récupéré 2025-12-07) The DOI® System. International DOI Foundation.
https://www.doi.org/
ChatGPT a été utilisé pour co-construire cet article.