Une nouvelle étude avance un chiffre sur la part d'internet désormais générée par l'IA : 35 %. C'est la proportion de sites web nouvellement publiés classés comme générés ou assistés par l'IA d'ici la mi-2025, selon une recherche de l'Université de Stanford, de l'Imperial College London et de l'Internet Archive. Ce chiffre était pratiquement nul avant le lancement de ChatGPT en novembre 2022.
"Je trouve la vitesse fulgurante de l'appropriation du web par l'IA assez stupéfiante", a déclaré Jonáš Doležal, chercheur à l'Imperial College London et co-auteur de l'étude, à 404 Media. "Après des décennies d'influence humaine, une partie significative d'internet a été définie par l'IA en seulement trois ans."
L'étude, intitulée « L'impact du texte généré par l'IA sur Internet », s'est appuyée sur 33 mois de captures de sites web issues de la Wayback Machine de l'Internet Archive et a utilisé un détecteur de texte IA appelé Pangram v3 pour classer chaque page.
Les méfaits confirmés : l'ambiance, pas les faits
Les chercheurs ont testé six hypothèses sur les effets du contenu IA sur le web. Seules deux ont résisté à l'examen des données.
La première : Nous nous transformons en une horde de PNJ stupides agissant de la même manière… Ou, plus scientifiquement, le web devient moins sémantiquement diversifié.
Les sites générés par l'IA ont montré des scores de similarité sémantique par paires 33 % plus élevés que ceux écrits par des humains. Les mêmes idées sont exprimées de manière presque identique.
L'étude suggère que la « fenêtre d'Overton » en ligne pourrait se rétrécir, non pas par la censure ou des campagnes coordonnées, mais parce que les modèles linguistiques optimisent les résultats proches de leur distribution d'entraînement.
La seconde : Le web devient excessivement joyeux.
Le contenu IA a montré des scores de sentiment positif supérieurs de plus de 107 % à ceux du contenu humain. Les chercheurs lient cela aux tendances sycophantiques bien documentées des LLM — entraînés sur des signaux d'approbation humaine, ils produisent un texte qui semble aseptisé, sans friction et implacablement optimiste.
Un internet inondé de contenu joyeux et homogénéisé pourrait marginaliser la dissidence humaine à grande échelle sans que personne n'actionne de levier.
Malgré la croyance populaire répandue, l'étude n'a trouvé aucune preuve statistiquement significative que le contenu IA rende internet moins précis sur le plan factuel. Les chercheurs n'ont trouvé aucune corrélation significative entre la prévalence de l'IA et le taux d'erreur factuelle.
L'hypothèse de la monoculture stylistique — l'IA aplanissant les voix individuelles en un registre uniforme générique — était la croyance la plus fortement partagée par les répondants (83 % d'accord). Les données ne l'ont pas confirmée. L'analyse au niveau des caractères n'a révélé aucune augmentation statistiquement significative de l'homogénéité stylistique liée à la prévalence de l'IA.
Les enjeux plus larges vont au-delà de la qualité du discours. Avec une prévalence de l'IA de 35 %, le risque théorique d'effondrement des modèles — où les futurs modèles se dégradent après avoir été entraînés sur des données générées par l'IA — passe d'une préoccupation académique à une réalité empirique. Les futurs modèles fondamentaux entraînés sur les explorations web contemporaines ingéreront inévitablement des données qui sont substantiellement générées par l'IA et mesurablement moins diverses sémantiquement.
L'équipe travaille actuellement avec l'Internet Archive pour transformer l'étude en un outil de surveillance continu et en direct, suivant la part de l'IA sur le web en temps réel plutôt que comme un instantané ponctuel.
Une enquête américaine menée parallèlement à l'étude a révélé que la plupart des Américains croient déjà aux six hypothèses négatives, y compris celles que les données ne confirment pas. Les personnes qui utilisent l'IA peu fréquemment étaient 12 % plus susceptibles de croire aux méfaits que les utilisateurs fréquents. Adeptes de la Théorie de l'Internet Mort, voici les données : internet n'est pas mort, mais 35 % de ce qui est nouveau est probablement du contenu zombie d'une manière ou d'une autre.
