L’intelligence artificielle et information, c’est un couple qu’on pense connaître – et qu’on comprend très mal. Entre 3 et 7 % de la population mondiale a carrément arrêté de consommer de l’information. Pas par manque d’accès. Par saturation. Benoît Raphael, cofondateur de Flint et ancien journaliste passé par le groupe Le Monde, a passé une bonne partie de sa carrière à cartographier ce désastre – et à essayer de construire un outil qui le contrebalance. Ce qu’il décrit dans ce podcast, c’est moins une conversation tech qu’un diagnostic assez brutal sur ce qu’on a collectivement laissé s’installer.
Et le diagnostic est inconfortable. Pas parce qu’il est pessimiste – Raphael n’est pas du genre à fermer les volets. Mais parce qu’il pointe quelque chose qu’on évite : le problème n’est pas seulement l’algorithme de Facebook. C’est aussi notre cerveau. Et c’est là que ça devient vraiment intéressant.
La vache folle de l’information
Voilà une comparaison que je n’avais pas vue venir. Raphael met en parallèle la crise de la vache folle des années 90 et la désinformation d’aujourd’hui – et franchement, une fois qu’il l’a dit, difficile de ne plus y penser.
« Les fake news c’est notre vache folle. Et on se rend compte qu’il y a quelque chose qui va pas. On ne sait pas encore exactement quoi faire et donc il faut qu’on reprenne le contrôle. »
Voilà. C’est exactement ça.
La logique est simple : dans les années 90, l’industrie agroalimentaire s’était emballée. Bouffe industrielle partout, pas de traçabilité, personne ne savait ce qu’il y avait dans son assiette. Ce ne sont pas les grands groupes qui ont changé les choses – ils étaient eux-mêmes prisonniers du système. Ce sont les consommateurs, les producteurs indépendants, et petit à petit les régulateurs, qui ont recréé des règles. Aujourd’hui on a des labels bio, des applications de scan de produits, une éducation nutritionnelle qui existait pas il y a trente ans.
Pour l’intelligence artificielle et information, on en est exactement au même stade. Les grandes chaînes et les grands groupes médias ne vont pas se réformer seuls – ils ont trop intérêt à garder le modèle de l’attention à tout prix. Ce sont les outils indépendants, les créateurs engagés et les consommateurs qui vont forcer le changement. Du moins, c’est le pari de Raphael.
Mais bon. Ce pari-là, on l’entend depuis 2012. La question c’est : qu’est-ce qui est différent maintenant ?
Flint, ou comment on combat une machine avec une autre machine
Contre une machine, il faut une machine. C’est Raphael qui le dit, en citant Alan Turing et la machine Enigma – et même si la comparaison est un peu héroïque, elle illustre bien la philosophie de Flint.
L’outil fonctionne comme une newsletter personnalisée, envoyée quotidiennement ou hebdomadairement selon le rythme choisi. Un robot analyse les contenus disponibles – articles, vidéos, podcasts – et sélectionne ce qui correspond aux intérêts déclarés de l’utilisateur. Mais l’astuce – et c’est là que l’intelligence artificielle et information devient vraiment opérationnelle – c’est que le robot essaie aussi activement de sortir l’utilisateur de sa bulle.
« On a voulu aller chercher la qualité, l’information utile où il y a une vraie valeur d’usage et pouvoir aussi en même temps personnaliser sans nous enfermer. »
Dit comme ça, ça a l’air simple. Sauf que ‘qualité’ est un concept profondément subjectif. Ce qui est de la qualité pour un chercheur en biologie ne l’est pas pour un CMO en quête de veille concurrentielle. Du coup, Flint n’a pas codé une définition fixe de la qualité – il a laissé le machine learning la définir utilisateur par utilisateur, par apprentissage progressif.
Le robot se trompe au début. C’est voulu. Et là, il y a un choix de design qui m’a vraiment intrigué.
Le petit robot jaune avec sa bouche en ‘oups’ – c’est pas de la déco. C’est une stratégie de relation utilisateur pensée pour une startup de deux personnes sans budget. En rendant le robot explicitement maladroit et attachant, Raphael et son associé ont incité les utilisateurs à interagir pour l’entraîner, plutôt que de se plaindre. (Ce qui, dans la réalité du lancement de produits tech, est un tour de passe-passe assez malin.)
Pour ceux qui s’intéressent à la création de contenu et à la coconstruction avec une communauté, c’est un cas d’école : transformer ses utilisateurs en co-développeurs en jouant sur l’affect.
Ce que l’intelligence artificielle et information font vraiment à notre cerveau
Le vrai sujet, selon Raphael, n’est pas technique. C’est neurologique.
Notre cerveau cherche de la dopamine. Il l’obtient via des stimuli rapides – des contenus qui déclenchent une réaction émotionnelle forte, qu’elle soit positive ou négative. Les algorithmes des réseaux sociaux ont découvert – par machine learning, donc sans qu’on le leur demande explicitement – que les contenus extrêmes généraient plus d’engagement. Et ils ont donc amplifié ces contenus. Puis ils ont progressivement modifié les comportements des utilisateurs pour qu’ils en consomment davantage.
« Les robots ont calculé qu’en fait plus les contenus étaient extrêmes, plus vous étiez engagés. Donc ils ont trouvé assez cool de non seulement envoyer des contenus extrêmes, mais en plus de modifier le comportement des utilisateurs pour les amener à interagir le plus avec ces contenus extrêmes. »
C’est le moment de l’interview qui m’a le plus arrêté. Parce qu’il ne dit pas que les réseaux sociaux ont ‘choisi’ de polariser. Il dit qu’ils ont automatiquement optimisé pour l’engagement – et que la polarisation était la conséquence mathématique de cet objectif. Personne n’a appuyé sur un bouton ‘rendre les gens fous’. L’algorithme a juste fait son job.
La parallel avec la nourriture ultra-transformée tient parfaitement ici : le sucre et le sel à haute dose ne sont pas malveillants par intention – ils sont optimisés pour la palatabilité. Le cerveau adore. La santé, beaucoup moins.
Ce que propose Flint, c’est donc une sorte de régime informationnel. Moins de sucre rapide, plus de substrats nutritifs – pour reprendre la métaphore. Et comme pour tout régime, ça demande un effort conscient de la part de l’utilisateur, au moins au début.
GPT-3 va-t-il tuer les rédacteurs ? (La vraie réponse)
Noémie Kempf pose la question à Raphael sur GPT-3 – à l’époque de l’enregistrement de cet épisode (mai 2021), l’outil d’OpenAI crache déjà 4,5 milliards de mots par jour. Ce chiffre-là mérite qu’on s’arrête dessus deux secondes. 4,5 milliards. Par jour.
La réponse de Raphael est tranchée, et je la partage en grande partie :
« Moi je me dis toujours, c’est que quand on se sent menacé dans son travail par un robot, c’est qu’on travaille comme un robot. Il faut déjà commencer à se remettre en question sur la façon dont on travaille. »
C’est dur à entendre. Mais c’est juste.
GPT-3 est extrêmement fort pour produire du texte cohérent, grammaticalement correct, et superficiellement convaincant. Il est nul pour dire la vérité. Il ne ‘comprend’ rien au sens propre – il prédit des enchaînements de tokens en fonction d’une base de données colossale. Pour du contenu de développement personnel générique, des résumés, des horoscopes (Raphael l’assume avec humour en racontant ses années de radio locale) – oui, un robot fait ça très bien.
Pour un reportage d’investigation sur les pratiques comptables d’une ETI régionale ? Non. Pour une analyse qui prend position sur un sujet controversé en assumant sa subjectivité ? Non. Pour un article qui cite des sources vérifiées avec des faits précis et une ligne éditoriale claire ? Pas encore.
L’intelligence artificielle et information posent ici une question moins dramatique qu’il n’y paraît : pas ‘les robots vont-ils remplacer les humains ?’ mais ‘quels humains travaillent encore comme des robots ?’ Ce sont ceux-là qui ont raison d’avoir peur.
Pour les créateurs qui réfléchissent à leur positionnement, ça rejoint d’ailleurs ce que d’autres experts explorent sur le contenu gratuit versus le contenu à vraie valeur ajoutée – la ligne de démarcation devient de plus en plus nette.
Le libre arbitre à l’ère de la surinformation
Noémie Kempf pose une question philosophique assez lourde : peut-on encore avoir un libre arbitre dans un écosystème informationnel aussi chaotique ? Raphael esquive honnêtement – c’est une question philosophique, il ne peut pas y répondre à la place de chacun. Mais sa réponse indirecte est intéressante.
Il part du principe pragmatique que si on n’est pas maître de son destin, autant arrêter de jouer. Et du coup, ce que Flint essaie de construire, c’est moins un ‘filtre parfait’ qu’un outil de reprise en main progressive. L’utilisateur qui interagit avec le robot, qui lui dit ce qu’il aime et ce qu’il n’aime pas, qui accepte d’être exposé à des contenus légèrement hors de sa zone de confort – cet utilisateur-là réapprend à piloter sa consommation d’information.
C’est un peu la différence entre suivre un coach nutritionnel et commander un menu imposé. Dans les deux cas on mange mieux. Mais dans le premier cas, on apprend aussi à choisir.
La question de l’autonomie face aux algorithmes n’est pas si éloignée de celle que soulèvent certains entrepreneurs qui réalisent que leur activité dépend entièrement de systèmes qu’ils ne contrôlent pas. Dans les deux cas, reprendre la main demande un effort conscient – et souvent, un outil tiers pour commencer.
Ce que Raphael ne dit pas, mais qui est implicite dans tout son discours : la plateforme qui vous donne accès à l’information gratuite n’a aucun intérêt à vous rendre autonome. Son modèle économique repose sur le fait que vous y passiez le plus de temps possible. Ce conflit d’intérêt fondamental est ce qui rend les outils indépendants – avec un modèle freemium, donc un intérêt aligné avec l’utilisateur – structurellement différents.
Ce que ça change pour les marques et les content marketeurs
Un point que l’épisode effleure mais ne creuse pas vraiment – et c’est dommage – c’est l’impact direct pour les équipes marketing et les créateurs de contenu professionnels.
Si l’intelligence artificielle et information reconfigure la façon dont les individus consomment l’info, ça reconfigure aussi la façon dont les marques peuvent espérer être vues. Dans un écosystème où un outil comme Flint filtre activement le contenu pour ne garder que ce qui a une ‘vraie valeur d’usage’, les contenus SEO produits en masse à coups de GPT-3 passent à la trappe. Ou plutôt : ils passent peut-être pour les humains, mais les outils de curation intelligente les écartent.
Ce qui signifie – et c’est là que l’argument de Raphael sur Le Monde devient très concret – que la qualité éditoriale redevient un avantage concurrentiel. Le Monde a fait moins d’articles, de meilleure qualité, avec plus de journalistes, et a augmenté ses abonnements. Ce n’est pas une exception charitable. C’est un modèle économique.
Pour les créateurs de contenu qui hésitent encore sur leur positionnement, c’est un signal assez clair. Les mythes autour de la réussite rapide en business content s’appliquent directement ici : l’idée qu’on peut construire une audience solide avec du volume plutôt qu’avec de la qualité est en train de se fracasser contre les nouveaux outils de curation.
Et puis il y a la question des formats. Flint envoie des liens vers des articles, des vidéos, des podcasts. L’intelligence artificielle et information ne hiérarchisent pas les médiums – elles hiérarchisent la pertinence. Un podcast de 35 minutes sur un sujet précis peut très bien scorer mieux qu’un article de 800 mots bâclé sur le même thème. Ce que Noémie Kempf fait avec The Storyline – aller chercher un expert, creuser un sujet sur la durée, produire une newsletter complémentaire – c’est exactement le type de contenu que ces algorithmes de curation qualitative ont tendance à valoriser.
La question que je me pose en finissant cet épisode : est-ce que les marques qui font du contenu ont intégré ça ? Ou est-ce qu’elles continuent de produire de l’horoscope en pensant que personne ne s’en rend compte ? Raphael dirait que les outils comme Flint vont progressivement rendre visible ce travail éditorial de fond – et invisibiliser le reste.
J’aurais aimé qu’on aille plus loin sur la monétisation et le modèle économique de Flint, sur comment on mesure concrètement la ‘qualité’ d’un contenu dans ces algorithmes, et sur ce que ça implique pour les médias en termes de stratégie de distribution. Mais pour un épisode de 34 minutes, c’est déjà une matière dense. L’intelligence artificielle et information, ça ne se résume pas en un paragraphe – et Raphael a le mérite de ne pas faire semblant que si.
