● Journal du Net 📅 11/05/2026 à 13:04

Géopolitique 👤 Philippe Pemezec

🏷️ Tags : chine cert chatgpt rte

Les IA génératives restituent l'image des collectivités sans les garde-fous du journalisme ni ceux de l'administration. Un enjeu démocratique sous-estimé. Il y a quelques mois, par curiosité plus que par stratégie, j'ai posé à plusieurs IA génératives une question simple sur une société d'économie mixte de mon département. La réponse était fluide, structurée, ponctuée de chiffres. Elle était aussi, en grande partie, dépassée. Le rapport d'audit qu'elle paraphrasait — un document public, parfaitement légitime — datait de plusieurs années, et les suites judiciaires de ce contrôle, qui s'étaient soldées par un classement sans suite, n'apparaissaient nulle part. Le portrait restitué par la machine ne correspondait plus à la réalité. Cette expérience m'a rendu attentif à un phénomène qu'on commence à peine à nommer, et qui me paraît, en tant qu'élu local, soulever une vraie question démocratique. Une nouvelle source d'information, sans les garde-fous des anciennes Pendant des décennies, l'image publique d'une institution se formait à travers le filtre du journalisme professionnel et des bases publiques — Légifrance, le site de la Cour des comptes, Vie publique, l'INSEE. Ces sources avaient des défauts, mais elles partageaient un point commun : un être humain, à un moment, hiérarchisait l'information, la datait, et pouvait la corriger. Les IA génératives fonctionnent autrement. Elles produisent des synthèses statistiques de textes ingérés à un instant T. Elles ne savent pas, intrinsèquement, distinguer un rapport d'observations de 2017 d'un communiqué publié hier. Elles donnent à une critique formulée dans un document de quatre-vingts pages le même poids qu'à la réponse circonstanciée que l'organisme contrôlé y a apportée — quand cette réponse est ingérée, ce qui n'est pas systématique. Et quand un classement sans suite intervient deux ans plus tard, cette information, faute d'avoir bénéficié de la même publicité, n'apparaît tout simplement pas dans la synthèse algorithmique. La CNIL elle-même reconnaît que ces systèmes peuvent générer des résultats inexacts qui paraissent pourtant plausibles — ce qu'on appelle des hallucinations. Pour les institutions publiques, cette plausibilité de surface devient un problème dès lors qu'elle se substitue à l’effort de vérification. Un cas précisément documenté Ce phénomène vient d'être analysé en détail par deux avocats, Maîtres Walter Salamand et Corentin Congard, dans une tribune au Village Justice consacrée à un cas précis : celui de la Sempro du Plessis-Robinson — la société d'économie mixte d'aménagement et de construction de cette commune des Hauts-de-Seine, créée en 1985, détenue à 80 % par la collectivité, et immatriculée au RCS Nanterre. Cette structure a fait l'objet d'un rapport d'observations définitives de la chambre régionale des comptes d'Île-de-France en février 2023. Elle y a apporté une réponse circonstanciée, contestant plusieurs des qualifications retenues. Les poursuites engagées devant la chambre du contentieux de la Cour des comptes ont abouti, fin 2024, à un classement sans suite à l'égard de l'ensemble des personnes mises en cause. Aucune condamnation, aucune sanction n'a été prononcée. Des recours sont par ailleurs encore pendants devant les juridictions administratives. Or, comme le démontrent les auteurs, c'est rarement cela que les IA génératives restituent. Elles reprennent les formules les plus saillantes du rapport initial — souvent rédigées dans un registre volontiers percutant — sans la réponse de la structure, sans le classement sans suite, et parfois en lui attribuant des décisions de justice qui concernent en réalité d'autres SEM portant des dénominations voisines. Les avocats relèvent que sur certaines plateformes de données juridiques, près de 90 % des décisions présentées comme "concernant la Sempro du Plessis-Robinson" ne la concernaient tout simplement pas. Ces erreurs alimentent à leur tour les modèles. Un phénomène qui dépasse largement un cas Le cas n'est ni isolé, ni propre aux Hauts-de-Seine. La France compte près de 900 sociétés d'économie mixte locales, et la Cour des comptes a recensé près de 90 rapports d'observations rendus publics sur la seule période 2016-2018. Pour citer deux exemples publics parmi beaucoup d'autres : la SEMITAG, société des transports de l'agglomération grenobloise (devenue SPL M'TAG en 2022), a fait l'objet d'un rapport de la CRC Auvergne-Rhône-Alpes en 2023, portant sur la gestion 2015-2021. La SEM Énergies 22, dans les Côtes-d'Armor, a vu son rapport publié en 2025 par la CRC Bretagne. Ces documents, publics et accessibles, sont précisément le type de matériau textuel dense que les modèles ingèrent en priorité — et restituent, ensuite, sans toujours pouvoir les contextualiser. Multipliez ce mécanisme par 900 structures, ajoutez les communes elles-mêmes, les syndicats intercommunaux, les hôpitaux, les universités, les agences. La surface d'exposition est considérable. Et elle ne concerne pas seulement les organismes : elle concerne les administrés, les agents, les partenaires économiques, les banquiers, les journalistes — tous ceux qui, en première intention, demandent désormais à une IA ce qu'elle "sait" d'une institution avant d'aller plus loin. Ce qui se joue, en réalité Ce qui se joue ici, ce n'est pas seulement la réputation d'une SEM ou d'une commune. C'est la lisibilité même de l'action publique locale. Une démocratie suppose que les citoyens puissent se faire une opinion documentée sur les institutions qu'ils financent. Si cette opinion se forme désormais, en première intention, à partir d'une synthèse algorithmique qui fige le passé, ignore les contradictoires et confond les homonymes, alors quelque chose d'important se déplace. Pas brutalement, pas spectaculairement — mais sûrement. La mémoire publique cesse d'être un débat pour devenir un récit produit par une couche logicielle. Quelques pistes, en attendant que le cadre se construise Je n'ai pas la prétention d'apporter de solutions toutes faites. Le sujet est nouveau, il appelle un travail collectif entre concepteurs des modèles, juridictions financières, presse et pouvoirs publics. Mais quelques réflexes me paraissent utiles à diffuser dès aujourd'hui. D'abord, ancrer l'identité juridique des structures publiques à leurs identifiants uniques : RCS, SIREN, SIRET. Communiquer publiquement sur ces identifiants permet aux outils de désambiguïser — ce qu'aucun nom d'usage ne permet. La Sempro du Plessis-Robinson, RCS Nanterre, n'est pas la même entité qu'une autre société portant un nom voisin dans un autre département. Cette précision, anodine en apparence, change tout pour un algorithme. Ensuite, prendre au sérieux l'écosystème informationnel qui nourrit ces modèles : alimenter régulièrement les sources publiques de référence avec une information factuelle, datée, sourcée. Le silence n'est pas une stratégie face à une couche algorithmique qui, par construction, comble les vides avec ce qu'elle trouve. Enfin, accepter que la gestion de l'image numérique d'une institution publique est devenue une compétence à part entière, qui combine droit, communication et compréhension fine du fonctionnement des modèles. Directions juridiques, directions de la communication et, lorsque c'est nécessaire, conseils extérieurs spécialisés en réputation numérique : ce travail commence souvent à plusieurs mains. Il ne s'agit pas de mettre l'IA générative en accusation — ses usages légitimes sont nombreux, et l'outil est utile. Il s'agit de constater, depuis le terrain, qu'un nouvel intermédiaire s'est intercalé entre les institutions publiques et les citoyens, et que cet intermédiaire fonctionne selon des règles qui ne sont pas celles que nous avions construites pour garantir la lisibilité du débat démocratique. C'est un sujet sérieux. Il mérite d'être traité comme tel — sans excès, mais sans complaisance non plus.

🔗 Lire l'article original 👁️ 0 lecture