Discussion :

[calvaire]

Mais ce n’est pas nouveau, la révolte des Canuts, le remplacement de la standardiste du 22 à Asnière ou du poinçonneur des Lilas sont des précédents où l’automatisation supprime des emplois.

Avec le recul, on peut affirmer que la disparition de ces métiers fut une bonne chose. Qui, en 2026, aurait vraiment envie de devenir Canut et de filer la soie ?
Qui voudrait être standardiste à répondre à des dizaines d’appels répétitifs et chiants, ou poinçonneur des Lilas coincé dans une cabine glaciale à vérifier des tickets toute la journée  ?

La principale nouveauté est de toucher des professions Bac+5.

C’est faux de dire que la nouveauté est de toucher des professions Bac+5, dans les années 1970 les métiers d’analyste et de programmeur informatique ont commencé à être impactés par l’arrivée des premiers logiciels de calcul automatique et des mainframes. ce sont des postes nécessitant un haut niveau d’études, mais ils ont vu certaines tâches répétitives disparaître. Cela montre que l’automatisation n’a jamais été limitée aux métiers peu qualifiés.
Ou l'’introduction de machines automatisées pour les analyses sanguines ou biochimiques années 80-90 a réduit le rôle manuel des techniciens de laboratoire. Ces postes nécessitaient un niveau Bac+2 à Bac+5 selon la spécialisation, mais des tâches répétitives ont été supprimées, ce qui montre que l’automatisation n’a jamais été réservée aux "métiers peu qualifiés".

Finalement, es ce intéressant de pisser du code ? pas vraiment je trouve. Le vrai rôle d’un ingénieur, c’est de matérialiser les stratégies business et marketing en produits ou services à forte valeur ajoutée.
Jusqu’à aujourd'hui apprendre le code et coder était le moyen de le faire, mais avec l'ia on est aujourd'hui dans de l'hybride, mais le but reste le même.

[Annonces]

Le créateur de PUBG tire la sonnette d'alarme : les LLM se nourrissent de leurs propres déchets et entraînent le web dans une spirale de dégradation sans fond,
l'IA générative risque de rendre internet de moins en moins fiable

Brendan Greene, père du genre battle royale avec PlayerUnknown's Battlegrounds, brise le silence sur l'intelligence artificielle générative. Dans une interview, le développeur irlandais dresse un constat sévère : le contenu produit par les grands modèles de langage (LLM) est en train de corrompre l'internet dans une boucle de rétroaction dont personne ne semble mesurer véritablement les conséquences. Derrière la formule-choc « une course vers le fond », se cache un problème scientifique documenté qui préoccupe jusqu'aux chercheurs de Nature et Harvard : le « model collapse », ou effondrement des modèles.

« Comment faire confiance à quelque chose qui vous dit de vérifier ses propres réponses ? »

La déclaration de Brendan Greene arrive dans un contexte de débat croissant sur la fiabilité des systèmes d'IA générative. Interrogé par le journaliste Joshua Wolens de PC Gamer sur l'avenir du calcul local face à la tendance généralisée vers le cloud, Greene a dévié sur un sujet qui lui tient manifestement à cœur. Son point de départ est le non-déterminisme des LLM : « comment faire confiance à quelque chose qui vous dit en bas de page de vérifier toutes les réponses qu'il vous donne ? Parce que ça peut halluciner, et ça hallucine », déclare-t-il.

Le créateur de PUBG ne s'arrête pas là. Il pointe du doigt une statistique qu'il juge alarmante : environ 20 % des interactions en ligne seraient désormais artificielles, et la quantité d'informations générées par des LLM serait « vertigineusement élevée ». Ces chiffres, difficiles à vérifier avec précision dans leur totalité, reflètent néanmoins une tendance documentée. Des données issues de trackers spécialisés indiquent que 74,2 % des pages web nouvellement créées contenaient une partie de texte généré par IA en avril 2025, et que la proportion de pages rédigées par IA dans les vingt premiers résultats Google est passée de 11 % à près de 20 % entre mai 2024 et juillet 2025.

La boucle infernale : quand l'IA se nourrit de ses propres déchets

C'est là que le propos de Greene prend toute sa dimension technique. Il décrit la situation comme « une boucle auto-alimentée » : les LLM ingèrent ce contenu de mauvaise qualité, qui devient alors « vérité », ce qui ressemble selon lui à « une course vers le fond ». L'expression peut paraître provocatrice, mais elle recouvre un phénomène bien réel que les chercheurs nomment model collapse (l'effondrement des modèles).

Une étude publiée dans Nature a démontré que l'entraînement de modèles d'IA générative sur des données réelles et générées de façon indiscriminée, pratique courante via le scraping du web, conduit à un effondrement de leur capacité à produire des résultats diversifiés et de qualité. Autrement dit, plus les modèles consomment leur propre production, moins ils sont capables d'originalité ou de précision.

La Harvard Journal of Law & Technology explique le mécanisme par une analogie parlante : c'est similaire à photocopier une photocopie plusieurs fois: chaque itération dégrade un peu plus le signal d'origine. Les chercheurs y soulignent également une conséquence économique structurelle : les données non contaminées, collectées avant la généralisation de l'IA générative en 2022, pourraient devenir un actif stratégique, creusant un fossé entre les acteurs déjà établis (qui les possèdent) et les nouveaux entrants.

Le problème est encore plus préoccupant qu'il n'y paraît. Des travaux présentés à l'ICLR 2025 ont établi qu'une proportion infime de données synthétiques dans un corpus d'entraînement (aussi faible qu'un sur mille) peut suffire à provoquer un effondrement des performances, et que des modèles plus grands amplifient ce phénomène plutôt qu'ils ne le résolvent. La promesse que l'augmentation d'échelle (scaling) résout tous les problèmes se heurte ici à un mur.

« Le scaling ne résoudra pas le problème de l'intelligence »

Greene s'attaque directement à ce dogme du secteur. Il dénonce l'absurdité d'exploiter des centres de données alimentés aux turbines à gaz ou au méthane uniquement pour obtenir plus de puissance de calcul, en affirmant que « le scaling ne résoudra pas le problème de l'intelligence ». Une prise de position directement dirigée vers l'obsession de l'industrie pour l'AGI (l'Intelligence Artificielle Générale), ce Graal perpétuellement annoncé à deux ans d'échéance, et perpétuellement repoussé.

Pour lui, les LLM actuels ne sont que « des modèles statistiques qui donnent le mot suivant », des outils certes utiles dans des domaines spécifiques, mais qui ne « scalent pas » lorsqu'on tente d'en faire des services généraux via des surcouches et des GPT. Sa conclusion sur l'AGI est tranchée : nous n'y sommes pas près.

Ce constat rejoint une inquiétude plus large documentée en février 2026. Un article paru dans les Communications of the ACM a observé que l'effondrement des modèles n'est plus un risque théorique mais un phénomène déjà présent dans des systèmes en production, avec des dégradations mesurées dans des outils commerciaux, comme un suppresseur de fond qui a commencé à échouer sur certaines textures de cheveux, ou des générateurs d'images produisant des résultats de plus en plus homogènes.

La distinction que Greene tient à préserver : ML versus IA générative

Habile communicant, Greene prend soin de ne pas se laisser enfermer dans une posture anti-IA globale. Son studio PlayerUnknown Productions, basé à Amsterdam et actuellement en développement sur le jeu de survie Prologue: Go Wayback, utilise bel et bien des techniques d'apprentissage automatique, mais dans un cadre radicalement différent.

Il insiste sur le fait que son usage est « très spécifique au domaine » : appliqués à un ensemble de données restreint et maîtrisé, les modèles sont efficaces, peu sujets aux hallucinations, et surtout déterministes. C'est la condition sine qua non à ses yeux. Ce qui l'agace, en revanche, c'est la confusion entretenue entre apprentissage automatique ciblé et IA générative grand public : Apple a parlé de ML pendant des années sans déclencher de réactions, puis dès que le mot « IA » a été prononcé, tout le monde s'est mis à s'enflammer alors que c'est le même champ, et que ça exploite les mêmes mécanismes, ironise-t-il.

Cette position tranche avec celle de Krafton, l'éditeur coréen qui détient encore PUBG et une participation minoritaire dans PlayerUnknown Productions, et qui a adopté une stratégie délibérément « AI-first », allant jusqu'à proposer des départs volontaires à ses équipes. Greene, lui, a fermement réaffirmé l'indépendance de son studio vis-à-vis des orientations stratégiques de son investisseur.

La décentralisation comme réponse ?

Fidèle à sa vision à long terme de mondes virtuels planétaires et d'une informatique distribuée, Greene réaffirme sa conviction que l'avenir passe par le calcul local plutôt que par des mega data centers. Il s'inquiète notamment des expulsions de résidents causées par l'implantation forcée de ces infrastructures en Géorgie, et estime que la puissance de calcul à grande échelle ne peut pas reposer uniquement sur des serveurs centralisés.

Cette position rejoint un débat plus large sur la soutenabilité écologique et sociale du modèle d'IA générative dominant. Pendant que les grands acteurs se livrent à une course aux armements computationnels, la qualité intrinsèque du web (ce vaste corpus sur lequel repose toute l'économie de l'entraînement des LLM) se dégrade. Et si personne ne protège activement la donnée humaine originale, le résultat risque d'être une « spirale entropique » où les erreurs se cumulent et où les modèles produisent des résultats de plus en plus incohérents, répétitifs ou incorrects.

Le paradoxe est cruel : l'industrie de l'IA déploie des ressources colossales pour produire toujours plus de contenu, qui finit par empoisonner les données nécessaires à son propre développement futur. Brendan Greene n'est pas chercheur, mais sa métaphore de la « course vers le fond » a le mérite de nommer le phénomène avec une clarté que beaucoup de communiqués de presse corporate évitent soigneusement.

Sources : interview de Brendan Greene, étude publiée dans Nature sur le model colapse, Harvard Journal of Law & Technology , OpenReview

Et vous ?

La donnée humaine est-elle vouée à devenir une ressource rare ? Si les contenus générés par IA contaminent progressivement le web, les corpus pré-2022 pourraient devenir des actifs stratégiques que seules les grandes entreprises déjà établies contrôlent, creusant encore davantage les inégalités dans la course à l'IA.

Le calcul local est-il une réponse réaliste à la crise des LLM centralisés ? Greene milite pour une informatique distribuée et déterministe. Mais à l'heure où les modèles les plus performants nécessitent des dizaines de milliers de GPU, cette vision est-elle techniquement atteignable à court terme ?

Peut-on réguler la production de contenu IA avant que la boucle ne devienne irréversible ? Des mécanismes comme le filigranage (watermarking) ou le marquage de provenance des données sont évoqués, mais aucune norme contraignante n'existe encore. Qui devrait imposer ces règles ? Les États, les plateformes, les développeurs de modèles ?

La distinction entre ML spécialisé et IA générative est-elle comprise du grand public ? Greene déplore que son usage ciblé de l'apprentissage automatique soit amalgamé avec le tout-venant de l'IA générative. Comment l'industrie peut-elle rétablir une distinction claire sans perdre ceux qui ne font pas la différence entre ChatGPT et un algorithme de recommandation ?

Voir aussi :

L'IA est en train de tuer le Web. Elle ruine le trafic et le modèle économique des sites Web, tout en transformant la toile en une immense base de contenus recyclés par des machines sans originalité

Cloudflare exige que Google modifie la façon dont ses outils IA explorent le web : « Nous obtiendrons de Google un moyen de bloquer les IA Overviews sans bloquer l'indexation de la recherche classique »

SocialAI : la «théorie de l'Internet mort» prend vie avec l'app de médias sociaux alimentée par l'IA, suggérant que la majorité des activités sociales en ligne sont artificielles et manipulent les utilisateurs

DuckDuckGo dit stop à l'invasion des images générées par IA dans les résultats de recherche en introduisant une fonctionnalité permettant de les masquer : une petite option, un grand signal pour le web

[stigma]

j'utilise l'IA pour des aides à la programmation mais elle fait de plus en plus d'erreurs.

[Anselme45]

Dans une interview, le développeur irlandais dresse un constat sévère : le contenu produit par les grands modèles de langage (LLM) est en train de corrompre l'internet dans une boucle de rétroaction dont personne ne semble mesurer véritablement les conséquences.

Nous avons un bel exemple avec youtube: Les vidéo IA complètement délirantes sont en train d'envahir la plateforme...

Vous avez un doute sur l'origine IA de la video? Le plus souvent vous allez avoir un agent IA qui se fait passer pour l'auteur de la video qui répond aux commentaires des internautes et la réponse prend toujours la même forme: Quelque soit la position de l'internaute, l'IA le remercie et lui dit qu'il a raison

Exemple réel sur youtube:

Commentaire d'un internaute sur une video IA présentant un évènement historique : "Cette video est nulle et ne correspond pas du tout à la réalité historique"

Diverses réponses de l'IA répondant aux commentaires critiques des internautes (Attention, il s'agit de vraies réponses de l'IA sur youtube!):

"Je vois ce que vous voulez dire. Mon objectif reste de raconter les mecanismes historiques et les lecons humaines, et je suis partant pour en discuter sous l angle des faits et du contexte." (on remarquera que l'IA a des problèmes à gérer les accents de la langue française: mécanisme, leçon, l'angle? Et l'apostrophe entre le "l" et "angle", l'IA connait pas?)

"Votre témoignage apporte un éclairage humain intéressant. Ces perceptions sociales et nationales aident aussi à comprendre certains choix historiques."

"Votre précision est pertinente. Les chiffres et la terminologie font encore débat selon les sources, et le format impose parfois des simplifications qu’il est important de discuter."

"Merci pour cette précision. Tu as raison de souligner le terrain réel et son importance stratégique, qui est parfois simplifié dans les représentations visuelles."

"Merci, bonne observation. Les noms et appellations changent selon les sources et les époques, donc ça mérite d’être expliqué plus proprement. Je vais faire plus attention à la formulation."

[Annonces]

Un tiers des nouveaux sites web sont créés par l'IA : Stanford et l'Internet Archive mesurent pour la première fois l'ampleur réelle de la colonisation algorithmique du web,
la « théorie de l'Internet mort » reçoit un début de validation empirique

Une étude menée par des chercheurs de Stanford, d'Imperial College London et de l'Internet Archive révèle qu'en l'espace de trois ans à peine, l'intelligence artificielle générative a colonisé près du tiers des nouvelles pages web publiées dans le monde. Derrière les chiffres, une transformation silencieuse mais radicale du tissu même du web; plus uniforme, plus positif, et peut-être moins humain.

La vitesse à laquelle le phénomène s'est installé laisse les chercheurs eux-mêmes perplexes. Des chercheurs travaillant avec les données de l'Internet Archive ont découvert qu'un tiers des sites web créés depuis 2022 sont générés par l'IA. Plus précisément, à mi-2025, environ 35 % des sites web nouvellement publiés étaient classifiés comme entièrement ou partiellement générés par l'IA, contre zéro avant le lancement de ChatGPT fin 2022.

L'étude, intitulée The Impact of AI-Generated Text on the Internet (littéralement L'impact des textes générés par l'IA sur Internet), est signée par Jonas Doležal (Imperial College London), Sawood Alam et Mark Graham (Internet Archive), et Maty Bohacek (Stanford University). Elle s'appuie sur un corpus massif de pages web archivées sur une période de 33 mois, entre août 2022 et mai 2025, extraites via l'API du Wayback Machine.

Pour Doležal, la rapidité du basculement a quelque chose de vertigineux : « Je trouve la rapidité de cette prise de contrôle de l'IA sur le web tout à fait stupéfiante. Après des décennies durant lesquelles les humains l'ont façonné, une part significative d'internet est devenue définie par l'IA en à peine trois ans. Nous assistons, selon moi, à une transformation majeure du paysage numérique en une fraction du temps qu'il a fallu pour le construire. »

Méthodologie : détecter le signal dans le bruit

L'un des défis majeurs de cette recherche était technique : comment identifier de manière fiable un contenu généré par l'IA au sein d'un corpus représentatif du web ? Les chercheurs ont expérimenté quatre méthodes de détection (Binoculars, Desklib, DivEye et Pangram v3) sélectionnées sur la base de leur performance sur le benchmark RAID, et ont procédé à leurs propres vérifications de robustesse selon la longueur du texte, le format HTML ou texte brut, la famille de modèle et la langue. C'est finalement Pangram v3 qui s'est imposé comme le détecteur le plus fiable.

La constitution de l'échantillon elle-même posait problème : construire un échantillon statistiquement représentatif du web est difficile, car il n'existe pas d'index central et les domaines populaires sont surreprésentés dans la plupart des explorations automatisées. Les chercheurs ont contourné cela en s'appuyant sur le Wayback Machine et en appliquant une approche d'échantillonnage stratifié multidimensionnel, visant à approximer un tirage aléatoire uniforme parmi les pages web publiquement accessibles publiées entre 2022 et 2025.

Six hypothèses à l'épreuve des faits

La véritable originalité de cette étude ne réside pas tant dans la mesure brute du taux de contenus IA que dans la mise à l'épreuve systématique de six grandes théories concernant les effets de cette contamination. Les chercheurs ont testé si la prolifération de l'IA engendrait : une contraction sémantique (appauvrissement de la diversité des idées), une dégradation de la vérité factuelle, une dérive vers un ton uniformément positif et lissé, un tarissement des liens vers des sources externes, une dilution de l'entropie informationnelle (contenus plus longs mais moins denses), et enfin une monoculture stylistique effaçant les voix individuelles. Résultat : seules deux de ces six hypothèses sont confirmées par les données.

La contraction sémantique est réelle. Les sites web générés par l'IA affichaient une similarité sémantique 33 % plus élevée que les sites écrits par des humains (0,0701 contre 0,0526). En d'autres termes, les textes produits par les modèles de langage se ressemblent davantage entre eux et tendent à appauvrir le spectre des idées exprimées en ligne, même si les chercheurs prennent soin de distinguer cela d'une monoculture stylistique stricte, qui, elle, n'est pas confirmée statistiquement.

La dérive vers le positivisme est tout aussi marquante. Les sites générés par l'IA affichaient des scores de sentiment positif 107 % plus élevés que les sites non-IA (0,7042 contre 0,3400). L'internet devient, sous l'influence de l'IA, un espace structurellement plus enjoué, plus lisse, débarrassé des aspérités, des controverses, des tons acides qui caractérisent souvent l'écriture humaine authentique.

Ce qui ne se confirme pas : les surprises de la recherche

La principale surprise de l'étude est l'absence de confirmation empirique pour ce que les chercheurs appellent le « Truth Decay », l'hypothèse que l'IA alimenterait une recrudescence de fausses informations et d'hallucinations sur le web. Aucune corrélation statistiquement significative n'a été trouvée entre le taux de contenu IA et le taux d'erreurs factuelles vérifiables. Les chercheurs ont pourtant mobilisé des vérificateurs humains rémunérés pour valider des affirmations factuelles extraites des sites analysés.

Doležal nuance cependant ce résultat rassurant : « Le résultat le plus surprenant était que notre hypothèse de dégradation de la vérité n'a pas été confirmée. Mais il pourrait quand même se passer que l'IA augmente silencieusement le volume d'affirmations invérifiables — des affirmations qui ne peuvent pas être vérifiées par les outils et infrastructures de fact-checking existants. Ou il se peut tout simplement qu'internet n'ait pas été un endroit particulièrement enclin à la vérité pour commencer. »

De même, l'hypothèse des « îles épistémiques », selon laquelle les contenus IA citeraient moins leurs sources, n'est pas confirmée : aucune corrélation significative n'a été trouvée entre prévalence de l'IA et densité de liens sortants. Les pages générées automatiquement ne sont pas plus avares de références externes que les pages humaines.

L'écart entre croyances et réalité

L'étude révèle un fossé frappant entre les perceptions du public et les données empiriques. Les chercheurs ont sondé 853 adultes américains dans un échantillon stratifié sur leurs habitudes d'utilisation de l'IA, leur vision générale de l'impact de l'IA sur la société, et leur adhésion à chacune des six hypothèses étudiées.

Le résultat est éloquent : le public croit aux six impacts négatifs de l'IA sur l'internet, mais seuls deux sont étayés par les données. Notamment, 75,1 % des répondants croient à la dégradation factuelle, et 83 % à la monoculture stylistique, deux hypothèses que les données ne confirment pas. Cette dissonance entre perception et réalité est elle-même un phénomène digne d'étude : la peur de l'IA sur le web outrepasse largement les effets mesurables.

La « Dead Internet Theory » reçoit un début de validation empirique

Cette étude s'inscrit dans un débat plus large autour de la « Dead Internet Theory », l'idée que l'internet serait désormais peuplé en majorité de bots et de contenus synthétiques, que les humains y auraient perdu la parole au profit des algorithmes. La Dead Internet Theory suggère que l'internet n'est plus façonné principalement par l'activité humaine, mais par des systèmes automatisés, l'intelligence artificielle et des contenus générés algorithmiquement.

Jusqu'ici cantonnée au rang de théorie complotiste, cette vision trouve désormais dans les données empiriques une résonance partielle, mais mesurable. Ce que cette étude ne confirme pas, c'est la version forte et conspirationniste du phénomène; l'idée d'une manipulation orchestrée. Ce qu'elle confirme, en revanche, c'est une transformation structurelle du web par accumulation de contenus standardisés, positifs et sémantiquement convergents.

À mesure que l'internet se pollue de contenus générés par l'IA, les modèles commencent à s'entraîner sur leurs propres productions synthétiques, consommant en quelque sorte leurs propres déchets. Ce processus crée à terme une boucle de rétroaction dégénérative : les modèles apprennent à partir d'informations erronées ou biaisées, elles-mêmes produites par une IA, entraînant un déclin potentiellement irréversible de la qualité de leurs productions. C'est ce qu'on appelle parfois le « model collapse »... un risque systémique qui n'est plus théorique.

Vers un outil de surveillance continue

Les chercheurs ne comptent pas s'en tenir à cette photographie statique. Maty Bohacek a indiqué que l'équipe travaillait avec l'Internet Archive pour transformer cette recherche en un outil continu fournissant ce signal de manière permanente, plutôt qu'en une étude bornée dans le temps. L'équipe souhaite également affiner la granularité de l'analyse en étudiant quels types de sites sont les plus affectés, avec une décomposition par catégorie ou par langue.

Doležal, pour sa part, pose la question qui structure peut-être tout l'avenir du web : « À mesure que les contenus générés par l'IA se répandent, le défi est de trouver un rôle pour ces modèles qui ne résulte pas simplement en un web aseptisé et répétitif. Plutôt que de forcer les modèles à être parfaitement conformes et agréables, leur permettre d'avoir une personnalité plus distincte ou une certaine 'friction' pourrait les aider à agir comme un partenaire créatif plutôt qu'un substitut à la voix humaine. »

Ce que cette étude ne dit pas encore, c'est comment on arrête le mouvement. Mesurer la contamination est une chose ; décider de ce qu'on veut préserver (et pour qui) en est une autre.

La double peine des éditeurs : des coûts qui explosent, des revenus qui s'effondrent

Le tableau est particulièrement sombre pour les acteurs du web qui vivent de leur contenu. Les éditeurs subissent ce que l'on pourrait qualifier de double peine : d'un côté, une explosion des coûts d'infrastructure générée par le scraping intensif ; de l'autre, une chute vertigineuse des revenus liés au trafic référencé.

Sur le plan des coûts d'abord, les bots IA ne se contentent pas de visiter discrètement les pages : ils déclenchent des pics de charge qui font s'emballer les serveurs en autoscale. Tristan Berguer, cofondateur de la start-up Senthor, rapporte avoir constaté des factures serveur mensuelles atteignant 60 000 à 120 000 euros pour certains éditeurs à cause de ce faux trafic. Entre janvier et août 2025, le trafic de requêtes IA et LLM a presque quadruplé chez les clients de DataDome, passant de 2,6 % à 10,1 % du trafic total de bots.

Sur le plan des revenus ensuite, la situation est tout aussi préoccupante. Le taux de clics (CTR) depuis les interfaces IA vers les sites sources est tombé à 0,27 % au quatrième trimestre 2025, contre 0,8 % au deuxième trimestre, soit une division par trois en seulement six mois. Les éditeurs qui ont conclu des accords de licence avec des entreprises IA en espérant s'en sortir mieux ne sont pas épargnés non plus : leur CTR n'atteignait que 1,33 % au quatrième trimestre 2025, soit une division par 6,5 par rapport au début de la même année. En clair, il faut environ 135 scrapes IA pour générer un seul visiteur humain redirigé vers le site source, et ce ratio empire de mois en mois.

La dépendance à Google, longtemps décriée, apparaît rétrospectivement comme un moindre mal. Malgré son érosion, Google générait encore 84,1 % des recommandations externes aux éditeurs au deuxième trimestre 2025. L'ensemble des applications IA ne représentait, lui, que 0,102 % du trafic « referral ». Autrement dit, Google délivrait encore 831 fois plus de visiteurs que tous les systèmes d'IA réunis — tout en aspirant le contenu via ses propres bots pour alimenter ses AI Overviews, sans guère plus de contrepartie.

Source : étude

Et vous ?

La détection est-elle fiable ? Pangram v3 est aujourd'hui le meilleur outil disponible selon les chercheurs, mais les modèles de génération évoluent beaucoup plus vite que les détecteurs. Dans six mois, ces chiffres seront-ils encore valides, ou sous-estiment-ils déjà massivement la réalité ?

Le « positivisme IA » est-il vraiment un problème ? Un internet plus poli, moins agressif, moins haineux est-ce nécessairement une dégradation ? Ou l'aspérité et la conflictualité humaines sont-elles elles aussi une valeur à préserver ?

Qui est responsable ? Le phénomène est-il le fait de spammeurs SEO utilisant l'IA pour produire des contenus en masse, d'entreprises légitimes automatisant leur production éditoriale, ou d'utilisateurs individuels mal outillés ? La réponse change radicalement le regard que l'on porte sur la situation.

Le « model collapse » est-il inévitable ? Si les modèles futurs s'entraînent de plus en plus sur du contenu IA, la qualité des LLM va-t-elle se dégrader structurellement et à quelle échéance ?

Faut-il certifier l'humanité en ligne ? Certains, comme le cofondateur de Reddit Alexis Ohanian, militent pour un internet « dont l'authenticité humaine serait vérifiable ». Est-ce techniquement réalisable sans sacrifier l'anonymat ? Et qui contrôlerait cette certification ?

Voir aussi :

L'IA est en train de tuer le Web. Elle ruine le trafic et le modèle économique des sites Web, tout en transformant la toile en une immense base de contenus recyclés par des machines sans originalité

Les bots envahissent Internet et les utilisateurs d'IA en sont responsables : RAG, scraping, robots.txt ignoré à 99,5 % pendant que les éditeurs regardent leur trafic s'effondrer sans pouvoir riposter

Le patron de ChatGPT, Sam Altman, suggère que la « théorie de l'Internet mort » pourrait contenir une part de vérité, car les plateformes telles que X d'Elon Musk sont aujourd'hui envahies par les robots

[Mathis Lucas]

« Le trafic généré par les bots a désormais dépassé celui des humains sur Internet », déplore le patron de Cloudflare, qui ne s’attendait pas à ce que le trafic automatisé éclipse celui des humains avant 2027

Les données récentes de Cloudflare indiquent que le volume d'activité des bots sur Internet a officiellement dépassé celui des humains pour la première fois. Cette transition historique, portée par l'essor des agents d'IA, s'est produite bien plus tôt que ne le prévoyaient les experts du secteur. Contrairement aux simples robots de recherche, ces nouveaux systèmes automatisés agissent comme des assistants personnels capables d'effectuer des tâches complexes au nom des utilisateurs. Bien que les humains dominent toujours en temps de présence sur les réseaux sociaux, les machines génèrent désormais la majorité des requêtes HTTP mondiales.

« La croissance rapide du trafic Internet généré par des agents automatisés signifie que les bots ont désormais dépassé le trafic humain en ligne pour la première fois dans l’histoire d’Internet. Eh bien, ça s’est produit plus vite que je ne l’avais prévu », rapporte Matthew Prince, cofondateur et PDG de Cloudflare. Cette évolution rend ses prévisions antérieures bien déconnectées de la réalité ; elles prévoyaient ce dépassement aux alentours de 2027.

Selon les données de Cloudflare, pour la première fois dans l’histoire d’Internet, les machines génèrent plus de trafic Web que les humains. Le tableau de bord Radar de Cloudflare estime que les bots représentent 57,5 % de toutes les requêtes HTTP vers du contenu HTML, contre 42,5 % pour les humains.

La nature de ces nouveaux agents qui envahissent le Web

Il est important de distinguer cette nouvelle vague de trafic Internet des bots traditionnels que la plupart d’entre vous connaissent, tels que les robots d’exploration de sites Web, les indexeurs de recherche, ainsi que les bots malveillants utilisés à des fins de fraude ou d’abus. Aujourd’hui, Cloudflare recense des agents naviguant sur le Web à la manière des humains, pour le compte d’humains, et ce phénomène prend une grande ampleur.

Ces agents IA effectuent des tâches telles que la lecture de pages produits, la vérification des prix, la réalisation de tâches en plusieurs étapes comme la comparaison de vols, le scraping et l'indexation de contenu Web (mais pour des modèles d'IA, pas pour les moteurs de recherche), et agissent aussi en tant qu'assistants personnels pour commander de la nourriture, comparer et faire des achats, et gérer les interactions avec le service client.

Internet n’a jamais été conçu pour cela. Le réseau a été conçu autour de l'ergonomie et de l'attention humaines, et tout l'univers de la publicité numérique, des entonnoirs de conversion SaaS, de la monétisation des éditeurs et de l'expérience utilisateur dans le commerce électronique repose sur ce postulat.

Le rapport « 2026 Bad Bot Report » d'Imperva note : les entreprises qui continuent à fonctionner en partant du principe que les utilisateurs sont des humains risquent de mal interpréter leurs propres systèmes. Pour tout investisseur, cela pourrait bouleverser les valorisations dans les secteurs monétisant l'attention humaine, car les actifs médiatiques, sites de commerce électronique et marques ont été conçus pour les humains, et non pour les bots.

La nuance entre requêtes techniques et engagement réel

Malgré la suprématie des bots sur le plan technique, il faut souligner que les métriques de Cloudflare se basent sur les requêtes HTTP et non sur l'engagement global. À ce jour, les données indiquent que les humains demeurent les principaux utilisateurs d'Internet en ce qui concerne le temps réel passé en ligne, notamment lors de l'utilisation d'applications, du visionnage de vidéos en streaming ou du défilement continu sur les réseaux sociaux.

Ces comportements typiquement humains ne génèrent tout simplement pas la même quantité de requêtes techniques ultrarapides que les agents automatisés. Sur le plan géographique, les territoires affichant la plus forte proportion de trafic généré par des bots sont Gibraltar avec 92,1 %, suivi de Singapour et de l'Iran, ce dernier étant potentiellement influencé par une forte utilisation d'outils automatisés de contournement de restrictions.

Les implications en matière de cybersécurité pour le Web

Le rapport « 2026 Bad Bot Report » de Thales a enregistré une multiplication par 12,5 des attaques de bots pilotés par l'IA en 2025 par rapport à l'année précédente, 40 % de l'ensemble du trafic Internet étant désormais classé comme provenant de bots malveillants. La difficulté réside dans la détection : les agents IA opérant de manière malveillante sont, sur le plan comportemental, impossibles à distinguer des agents opérant de manière légitime.

HUMAN Security a constaté que seulement un demi-point de pourcentage sépare le taux d’automatisation bénigne de l’automatisation malveillante sur sa plateforme. L’ancienne dichotomie « bot ou pas » ne tient plus, ce qui signifie que la pile de sécurité conçue pour cette dichotomie est déjà obsolète.

Les éditeurs et les annonceurs sont les plus exposés. Le trafic de bots, même lorsqu’il représente une intention authentique de l’utilisateur déléguée à un agent, ne génère pas les pages vues, les durées de session ou les événements de conversion qui sous-tendent les tarifs de la publicité programmatique. Si l’assistant IA d’un utilisateur visite 5 000 URL en son nom, aucune de ces visites n’est enregistrée comme une impression humaine.

L'ensemble de l'infrastructure des plateformes côté demande (DSP) évalue l'inventaire en fonction de l'attention humaine ; un Internet majoritairement composé de bots réduit structurellement la valeur de cet inventaire, même si le nombre total de requêtes augmente. Toute entreprise financée par du capital-risque dont l'économie unitaire repose sur des hypothèses de CPM, de CPC ou de taux de conversion établies avant 2025 doit se réorganiser.

Ce croisement est un catalyseur pour une refonte de la couche d’identité du Web. Les agents doivent être authentifiés, autorisés et soumis à des limites de débit différemment des humains ; ils ne doivent pas être bloqués en bloc. Les gagnants du prochain cycle d'infrastructure seront les entreprises qui établissent des rails de confiance pour les machines : identité des agents, vérification des intentions et diffusion de contenu native via les API.

Les conséquences pour les créateurs et l'avenir du Web

Cette explosion du trafic automatisé suscite de vives préoccupations chez les acteurs du Web, certains y voyant même la concrétisation de la théorie de « l'Internet mort ». Les administrateurs de plateformes communautaires subissent de plein fouet l'agressivité de ces agents IA, qui consomment des quantités massives de bande passante et saturent les serveurs, provoquant des pannes qui s'apparentent à des attaques par déni de service (DDoS).

Le blocage des adresses IP s'avère souvent inefficace, ce qui pousse de nombreux propriétaires de sites à envisager de masquer leurs contenus derrière des murs d'inscription obligatoire pour se protéger. Par ailleurs, cette nouvelle réalité soulève des questions fondamentales sur l'avenir du design Web.

Les experts craignent en effet que le Web délaisse l'esthétique humaine au profit d'une structure optimisée pour la lecture par des machines, ainsi que sur l'efficacité des campagnes publicitaires facturées pour des affichages qui ne seront vus que par des robots. L'ampleur du problème va encore plus. Dans le même temps, un tiers des nouveaux sites Web sont créés par l'IA, selon les mesures de Stanford et l'Internet Archive qui en révèlent l'ampleur.

Cloudflare est clairement le principal bénéficiaire à court terme ; l'entreprise a lancé « Pay Per Crawl » en 2025, permettant aux éditeurs de facturer aux robots d'indexation basés sur l'IA l'accès à leur contenu et a bloqué plus de 416 milliards de requêtes de robots IA à la demande des propriétaires de sites. Selon ses données, Cloudflare a également déployé un format « Markdown-for-Agents » spécialement conçu pour être lu par des machines.

Sources : Cloudflare, Imperva, Human Security, Thales

Et vous ?

Quel est votre avis sur le sujet ?
Quelle lecture faites-vous de la croissance rapide du trafic généré par les bots ?
Que pensez-vous des conséquences de ce changement pour les créateurs et l'avenir du Web ?
Certains observateurs y voient la concrétisation de la théorie de « l'Internet mort ». Qu'en pensez-vous ?

Voir aussi

Un tiers des nouveaux sites web sont créés par l'IA, selon les mesures de Stanford et l'Internet Archive qui en révèlent l'ampleur. La « théorie de l'Internet mort » reçoit un début de validation empirique

Les articles générés par des humains sont désormais minoritaires sur Internet en comparaison de ceux produits par l'IA, le tableau tire la sonnette d'alarme sur la désinformation due à l'IA

Des chercheurs avertissent que les « essaims » d'IA de nouvelle génération envahiront les réseaux sociaux en imitant le comportement humain, en harcelant les utilisateurs réels et en menaçant la démocratie

[Artaeus]

C'est comme ça qu'on vous fera avaler la biométrie et l'identité numérique (si vous ne l'avez pas encore compris).

[stigma]

C'est comme ça qu'on vous fera avaler la biométrie et l'identité numérique (si vous ne l'avez pas encore compris).

Outil principal de l'Antéchrist qui est déjà dans ce monde.

[Mathis Lucas]

La toute dernière arme du Web contre les robots IA d'extraction est « ShieldFont », une police conçue pour corrompre les données d'entraînement sans rendre les pages illisibles pour les humains

La nouvelle police de caractères « ShieldFont » a été conçue pour empêcher l'exploration des sites Web par les robots d'IA. Elle utilise des ligatures pour remplacer visuellement des mots courants par d'autres termes, comme substituer « cheval » par « pomme de terre », rendant le texte absurde pour les robots tout en restant lisible pour les humains. Cela empoisonne les jeux d'entraînement des modèles d'IA, forçant les fabricants à choisir entre des données corrompues ou des méthodes de collecte bien plus coûteuses. ShieldFont peut perturber certains outils d'accessibilité, mais permet aux créateurs de reprendre le contrôle sur leur propriété intellectuelle.

Les fabricants de grands modèles de langages(LLM) ont inondé le Web de robots qui aspirent les contenus publics pour alimenter leurs données d'entraînement. Ce comportement controversé a suscité la colère des administrateurs de sites Web, revues scientifiques, éditeurs de presse comme APIG en France ou New York Times aux États-Unis, etc. Ces protestations ont donné lieu à de nombreuses actions en justice contre les géants de la technologie.

Pour protéger le Web public contre l'IA, une solution innovante vient de voir le jour : ShieldFont. Cette nouvelle police de caractères vise à protéger le texte contre les modèles d'IA en brouillant les phrases dans le code source HTML, obligeant ainsi les robots de collecte automatisés (ou scrapeurs) à passer au crible des phrases remplies de mots leurres qui les rendent incohérentes. Le texte réel s’affiche toutefois normalement pour le lecteur humain.

ShieldFont a été conçue dans le cadre d’un projet plus large mené par un groupe de professionnels, parmi lesquels le studio de création brésilien Seneda & Abrucio et la fonderie typographique danoise PlayType. Les concepteurs ont publié un livre blanc dans lequel ils fournissent plus de détails techniques.

ShieldFont : un fonctionnement technique basé sur les ligatures

ShieldFont fonctionne grâce aux ligatures, terme technique utilisé en typographie pour désigner la combinaison de deux lettres adjacentes d’un même mot en un seul glyphe. Les ligatures sont conçues pour des raisons esthétiques et pour faciliter la lecture. Dans la pratique, des combinaisons de lettres telles que « fi » dans « fish » ou « fl » dans « flow » apparaissent naturellement espacées au lieu de paraître visuellement encombrées.

Lorsqu’un programme détecte ces lettres spécifiques côte à côte, il remplace les deux caractères par un seul qui combine les lettres en un glyphe unique. Ce mécanisme peut aussi servir comme arme contre l'IA. ShieldFont fonctionne de manière similaire, sauf qu’au lieu de lettres, il remplace des mots entiers.

Par exemple : une phrase qui, à l’origine, se lit « Le chevalier est parti au combat à cheval » est modifiée dans le code source afin d’être extraite par un bot pour donner « Le chevalier est parti au combat à bord de son moteur ». Le visiteur humain voit le mot original s'afficher grâce au moteur de rendu de la police, mais le robot d'aspiration, qui télécharge uniquement le code HTML brut sous-jacent, récupère « un texte altéré et incompréhensible ».

Comme les modèles d'IA regroupent les mots et expressions susceptibles d’être utilisés ensemble, la qualité de leur sortie s’en trouve dégradée s’ils extraient beaucoup de texte brouillé comme celui-ci. Comme l'expliquent les deux des créateurs de ShieldFont, Isaque Seneda et Gabriel Abrucio, l’objectif principal de ce projet est de lutter contre l’extraction non autorisée de données par les modèles en rendant cette pratique plus difficile et plus coûteuse.

Comment déterminer les mots à remplacer dans une page Web

La force de ShieldFont repose sur l'utilisation détournée des ligatures. Toutefois, déterminer quels mots remplacer n’était pas une mince affaire, car le faire au hasard aboutissait à des phrases incompréhensibles que les bots rejetaient d’emblée. La clé consistait à modifier le sens des phrases et des expressions, et pas seulement celui des mots, afin que les bots acceptent le texte, ce qui aboutissait à une version empoisonnée des données extraites.

« Nous n’avons pas inventé une nouvelle fonctionnalité de police, nous avons simplement mis en avant une ancienne fonctionnalité qui n’avait jamais été utilisée de cette manière auparavant », explique Felipe Petroni, directeur créatif ayant participé à la direction du projet. L’idée est que s’il y a suffisamment de ces pièges, cela augmentera le coût de l’extraction illégale de données et les fabricants choisiront plutôt de payer pour ce qu’ils récupèrent.

Pour déterminer quels mots remplacer, les créateurs de ShieldFont ont établi une liste de 113 mots à ne pas remplacer, comprenant notamment les pronoms, les articles, les conjonctions, les prépositions, les négations, les quantificateurs, ainsi que toutes les formes des verbes « être », « avoir » et « faire ». À la place, le programme remplace les adjectifs, les adverbes, les noms et les verbes. Les dates et les chiffres sont également brouillés.

Selon le livre blanc, leur programme ne remplace aucun mot par des synonymes, ce qui ne constituerait pas un leurre suffisamment efficace, ni par des antonymes, qui pourraient être détectés plus facilement et de manière plus prévisible par un bot. Il ne remplace pas non plus les noms de personnes, de lieux, d’entreprises ou de produits. Au total, ShieldFont dispose de 24 règles pour déterminer quels mots sont remplacés dans une page Web.

Efficacité prouvée contre les filtres de qualité des géants de l'IA

Après environ trois mois de développement, le dictionnaire de ShieldFont comprend près de 12 000 mots courants substituables par des ligatures, et propose différents niveaux de configuration pour maximiser le chaos sémantique. Selon les concepteurs de cette nouvelle police, en moyenne, ShieldFont remplace 24,5 % des mots d'une page, dont 45,8 % des mots porteurs de sens, ce qui altère la signification de 31 à 56 % des passages individuels.

Les tests menés sur six systèmes d'aspiration majeurs ont révélé que plus de 90 % des pages protégées par ShieldFont finissent par être rejetées par leurs filtres de qualité. Parmi le texte restant qui a été accepté, 19,4 % véhiculaient un sens erroné. Il constitue ce que les auteurs qualifient de « déchets d'entraînement ».

Les concepteurs résument l'efficacité de ShieldFont comme suit : « s'ils rejettent, cela signifie qu'ils n'ont pas obtenu votre travail. S'ils gardent, cela signifie qu'ils ont obtenu quelque chose de faux ». Malgré ses performances, l'usage de ShieldFont s'accompagne de certains inconvénients pour les sites Web. Outre les effets secondaires indésirables, ShieldFont peut également être contournée grâce à certaines techniques relativement simples.

Limites techniques et effets secondaires de cette « protection »

La protection offerte par la police ShieldFont n'est pas totalement inviolable. Les robots de scraping automatisés peuvent contourner ShieldFont en prenant une photo du texte pour le visualiser comme le ferait un humain, mais cela augmente le coût du scraping à grande échelle pour les entreprises. Plutôt que d’extraire rapidement et à moindre coût des fichiers de texte brut, il faut photographier la page et procéder à une reconnaissance d’image.

Le livre blanc souligne également que ShieldFont introduit une certaine friction pour les humains, car les moteurs de recherche indexent le texte leurre. Cela signifie que les éditeurs devraient utiliser ShieldFont pour les contenus qui ne dépendent pas du trafic de recherche. Mais ce n'est pas tout. Les mots de substitution apparaissent également dans les outils de traduction et les lecteurs d’écran, ainsi que lorsque les utilisateurs copient-collent.

Au-delà de la prouesse technique, ShieldFont porte une ambition éthique forte. Les créateurs de la police affirment vouloir redonner le contrôle aux auteurs sur l'utilisation de leurs productions. À ce titre, ils rappellent au monde : « notre principal objectif sous-jacent est de faire respecter un principe de base de l'éthique de l'IA ; les créateurs devraient avoir un mot à dire significatif sur l'utilisation de leur travail pour entraîner des systèmes d'IA ».

Ils espèrent inspirer d'autres acteurs à concevoir de nouvelles ruses techniques basées sur le principe de « montrer une chose aux humains, une autre aux machines » afin de rendre la tâche toujours plus ardue pour les robots d'aspiration. Mais quel impact tout cela aura-t-il sur la qualité du Web à l'avenir ?

Source : ShieldFont

Et vous ?

Quel est votre avis sur le sujet ?
Que pensez-vous de la police de caractères ShieldFont et de son fonctionnement ?
Quel impact la police ShieldFont pourrait-il avoir sur l'industrie de l'IA dans un avenir proche ?
Que pensez-vous de limites de ShieldFont ? Quel impact ce type d'outil anti-scraping peut-il avoir sur le Web ?

Voir aussi

Les bots envahissent Internet et les utilisateurs d'IA en sont responsables : RAG, scraping, robots.txt ignoré à 99,5 % pendant que les éditeurs regardent leur trafic s'effondrer sans pouvoir riposter

« Le trafic généré par les bots a désormais dépassé celui des humains sur Internet », déplore le patron de Cloudflare, qui ne s'attendait pas à ce que le trafic automatisé éclipse celui des humains avant 2027

« Google et Reddit ne sont pas les propriétaires d'Internet », déclare un spécialiste du Web scraping après sa victoire au tribunal. Le recours au DMCA pour lutter contre le scraping est jugé « aberrant »

[totozor]

Quel est votre avis sur le sujet ?
Que pensez-vous de la police de caractères ShieldFont et de son fonctionnement ?
Quel impact la police ShieldFont pourrait-il avoir sur l'industrie de l'IA dans un avenir proche ?
Que pensez-vous de limites de ShieldFont ? Quel impact ce type d'outil anti-scraping peut-il avoir sur le Web ?

Je pense qu'il est toujours sain qu'une partie de la population qui subit le système le détourne. Alors quand ils le pervertissent c'est encore plus savoureux.
Je me souviens de cette personne qui avait inventé tout un pan de l'histoire dans wikipedia avec plusieurs pages qui s'entre valident.
Je pense qu'à la fin l'initiative aura un impact limité mais si elle permet de diminuer un peu la pertinence de l'IA ça me va bien.

Et après un petit test je me dit que cette police ne m'intéresse pas tant que ça, elle ne s'applique qu'à l'anglais.

[Stellar7]

Mais comme mentionné discrètement dans l'article : quid de l'accessibilité ? les aides, et en particulier les lecteurs d'écran ?
En…quiquiner les robots, oui, mais perdre des lecteurs est dommage (voir dommageable). Ou alors ils ont (auront ?) une réponse à cet aspect ?

[fleluhern]

Le concept de ShieldFont repose sur une illusion de sécurité. En remplaçant les mots dans le code HTML brut tout en comptant sur la police de caractères pour corriger l'affichage visuel, cette méthode tente de corrompre les données collectées par les robots d'indexation.

Cette approche présente deux failles majeures :

1. Incapacité technique à bloquer le scraping : Un robot utilisant un navigateur headless combiné à de l'OCR ou à un modèle multimodal extrait le texte affiché sans difficulté. De plus, la table de substitution étant incluse dans le fichier de police fourni au client, le codage est trivial à inverser.
2. Dégradation critique de l'expérience légitime : Le procédé détruit l'accessibilité pour les lecteurs d'écran, nuit gravement au référencement (SEO), et rend inutiles le copier-coller, le raccourci Ctrl+F ainsi que la traduction automatique.

En résumé, ShieldFont pénalise l'expérience des utilisateurs et l'indexation légitime sans constituer une barrière efficace contre des scrappeurs déterminés.

[Christophe]

Mais comme mentionné discrètement dans l'article : quid de l'accessibilité ? les aides, et en particulier les lecteurs d'écran ?
En…quiquiner les robots, oui, mais perdre des lecteurs est dommage (voir dommageable). Ou alors ils ont (auront ?) une réponse à cet aspect ?

Si on se place du point de vue du site scrapé massivement et à qui cela fait perdre de l'argent, ils préfèreront perdre le faible pourcentage d'utilisateurs avec lecteur d'écran que l'intégralité de leurs revenus

En résumé, ShieldFont pénalise l'expérience des utilisateurs et l'indexation légitime sans constituer une barrière efficace contre des scrappeurs déterminés.

L'idée je pense n'est pas d’empêcher le scrapping mais de le rendre plus couteux et moins efficace. J'aime bien l'idée, même si effectivement ce n'est pas une bonne solution, mais ça reste une solution partielle.

Un compromis qui pourrait être intéressant : un système de greylisting. Lors de la 1ère connexion, test anti-robot à la cloudflare. En cas de comportement non humain (accès trop raide d'une page à l'autre par exemple), déclenchement du test. Ca rendrait utile la signature des clients de connexion à un site, sous réserve que les tests anti-robots soient suffisamment efficaces.

[fleluhern]

Le sacrifice de l'accessibilité au profit de la protection contre les bots est un calcul risqué. Les normes WCAG et les réglementations comme le *European Accessibility Act* ne laissent plus trop de marge : bloquer les lecteurs d'écran pour freiner du scraping, c'est s'exposer à des sanctions légales et flinguer son propre référencement naturel. Les utilisateurs malvoyants ne sont pas une variable d'ajustement.

Sur la technique, ShieldFont reste un coup d'épée dans l'eau. Un scraper un minimum sérieux colle une passe d'OCR (type Tesseract) ou un modèle de vision léger sur les rendus, et le mappage de police personnalisé devient inutile. Le surcoût pour le scrapper est ridicule face aux budgets des fermes de collecte.

Quant au *greylisting* ou au blocage comportemental au premier signe de navigation trop rapide, c'est déjà ce que font Cloudflare ou DataDome. Le problème, c'est que les scrapers actuels tournent sur du navigateur headless (Puppeteer, Playwright) avec des proxys résidentiels : ils simulent l'empreinte TLS, les mouvements de souris et les temps de pause à la perfection. Le coût reste asymétrique, mais toujours au détriment de celui qui défend le site.

Directive Européenne 2019/882 : https://eur-lex.europa.eu/eli/dir/20...3Aoj&locale=fr
Transposition en droit français : https://www.legifrance.gouv.fr/jorf/...XT000048178349
Référentiel Général d'Amélioration de l'Accessibilité (RGAA) : https://www.legifrance.gouv.fr/codes...I000047240356/

[oznogco]

Salut,

Intéressant, mais complètement à côté de la cible ! Ça ne règle que le droit d'auteur ne réglant absolument rien au problème de fond, la pollution par le bot qui va continuer de voler et de polluer tant la bande passante que l'environnement... Personnellement, mes données sensibles, et bien je ne les expose plus ...tout simplement, depuis des années !

Je me souviens de l'effervescence dans les années 90, que de promesses, que de rêves. C'était sans compter l'hommerie et le manque criant d'éducation et de sensibilisation ! Et voilà, elle nous a rattrapés dès le début 2000, puis 2005 ! Avec l'IA c'est devenu impossible, un piège à con !

« Ce comportement controversé a suscité la colère des administrateurs de sites Web... »

Je passe la mâtiné dans mes logs ! C'est de l'ordre de 100 robots, voir 1000 robots pour un être humain. Sans aucun respect des règles du jeu, robots.txt ignoré, falsification du User-Agent. Ah, il y a les techniques pour détecter l'humain, avec ses faiblesses et la discrimination, mais qui paye pour cette bande passante ? À part les administrateurs de sites Web ! C'est rendu que les disques durs sautent !! Ah, si vous désirez devenir populaire, un chat qui veut devenir une star, attirer l'attention, faire un show et être le plus du plus, le Web est toujours pour vous ! Mais si par exemple vous avez des informations pour une population locale, comme c'est souvent le cas, que fait-on ? On la rend disponible à la planète entière, est-ce sécuritaire, est-ce de l'efficacité énergétique ?

L'idée de base du Web était OPEN SOURCE, sans dépendance aux géants et surtout rendre une information disponible partout sur le Web. J'ai même oser croire que l'accès à l'information changerait le monde (!) Aujourd'hui, la même information est sauvegardée sur des milliers voir des millions de serveurs et d'ordinateurs. Pire, après s'être débarrassée des géants de l'informatique, la population s'est mise à installer des applications sur leurs téléphones à la merci du contrôle des grands fabricants de ce monde ! Imaginez, une usine de filtration d'eau exposée sur le Web ?!? Comme ici, piratée à volonté ! Expliquez-moi pourquoi elle est accessible sur le Web ? Pour sauver 50 mètres de déplacement aux responsables, pour envoyer de l'eau au Sahel...

Le Web a perdu sa naïveté, sa noblesse et son essence même. Ou bien la réglementation mondiale et les outils changent, ce qui est peu probable quand le GAFAM est devenu maître du W3C. Ou bien on en revient aux réseaux locaux comme dans le bon vieux temps...

[BugFactory]

1. Prendre le code source de ShieldFront et surtout de son encodeur.
2. "IA, génère moi le décodeur correspondant."
3. "IA, intègre le décodeur au scrapper chaque fois que le CSS indique la police ShieldFront ".
Voilà, défense contre l'IA contournée en cinq minutes grâce à l'IA!

[Christophe]

Intéressant, mais complètement à côté de la cible ! Ça ne règle que le droit d'auteur ne réglant absolument rien au problème de fond,

Je suis d'accord, ça ne règle pas le prob. de fond, c'est une option pour emmerder les IA, pas les bloquer. Ca ne règle pas le prob de droit d'auteur. Si la donnée sniffée par l'IA est réutilisée sans accord de l'auteur, le droit d'auteur est violé. Encore faut il que l'auteur soit au courant, et qu'ensuite il fasse un procès à un "port de fer"

1. Prendre le code source de ShieldFront et surtout de son encodeur.
2. "IA, génère moi le décodeur correspondant."
3. "IA, intègre le décodeur au scrapper chaque fois que le CSS indique la police ShieldFront ".
Voilà, défense contre l'IA contournée en cinq minutes grâce à l'IA!

Sous réserve que ça ne créé pas un truc délirant, mais la remarque est pertinente, et évidemment c'est ce qui sera fait en 1er.

[Anthony]

Un tiers des pages Web sont désormais rédigées par l'IA, et les empreintes découvertes se concentrent sur les domaines .com, où elles se multiplient très rapidement, selon une étude du Pew Research Center

Une récente étude du Pew Research Center a révélé que les textes générés par l'intelligence artificielle (IA) représentent désormais une part importante du Web anglophone : une page Web sur dix présente des signes évidents de rédaction par l'IA, et ce chiffre monte à 35 % pour les pages publiées après le lancement de ChatGPT en novembre 2022. Les chercheurs sont parvenus à cette conclusion après avoir analysé environ 490 000 pages issues des archives de Common Crawl à l’aide du modèle de détection IA Open Pangram, en exploitant des données recueillies entre janvier 2021 et juillet 2026. La répartition de l'empreinte de l'IA est frappante selon les domaines : les sites .com présentent des signes de création par l’IA à un rythme environ dix fois supérieur à celui des domaines .edu et .gov, et deux fois supérieur à celui des domaines .org, un écart qui s'est fortement creusé depuis 2021.

Cette progression s'inscrit dans un contexte de transformation plus large du Web par l’automatisation. Selon un rapport récent de Graphite, les articles générés par des humains sont désormais minoritaires sur Internet par rapport à ceux produits par l'IA. Parallèlement, plus de la moitié du trafic Web serait générée par des systèmes automatisés, dont la majorité serait mise en place par des acteurs malveillants, d'après une étude d'Imperva. Ces évolutions alimentent une inquiétude croissante : à mesure que les machines occupent davantage l’espace informationnel, il devient de plus en plus difficile d'établir une distinction entre contenu humain, contenu automatisé et désinformation due à l'IA.

Les contenus rédigés par l'IA sont partout, littéralement. Selon une étude du Pew Research Center publiée le jeudi 20 août 2026, une page web en anglais sur dix présente désormais des signes évidents de rédaction par l'IA. Si l'on limite cet échantillon aux seules pages publiées depuis le lancement de ChatGPT en novembre 2022, cette proportion grimpe à 35 %.

Ces conclusions font suite à une analyse menée par des chercheurs qui ont extrait environ 490 000 pages des archives web de Common Crawl, couvrant la période de janvier 2021 à juillet 2026, puis ont soumis ces textes à Open Pangram, un modèle de détection IA.

L'empreinte de l'IA n'est pas répartie de manière homogène. Les pages des domaines .com présentent des signes de rédaction par l'IA à un taux environ 10 fois supérieur à celui des domaines .edu ou .gov, qui avoisinent chacun 1 %, et environ deux fois supérieur au taux de 4,6 % observé sur les sites .org. En 2021, ces quatre types de domaines se ressemblaient presque tous.

Quelle part d'Internet est écrite avec l'IA ?

En novembre 2022, OpenAI a rendu ChatGPT accessible au grand public pour la première fois. Moins de quatre ans plus tard, environ la moitié des adultes américains ont déclaré utiliser des chatbots IA, dont 24 % qui affirment les utiliser quotidiennement. La capacité de ces outils à générer des textes qui semblent avoir été rédigés par des humains a soulevé une question fondamentale concernant le Web moderne : quelle part du contenu en ligne est désormais rédigée par l'IA plutôt que par d'autres personnes ?

Pour approfondir cette question, les chercheurs du Pew Research Center ont utilisé les archives Web de Common Crawl afin de collecter près d’un demi-million de pages Web en anglais datant des cinq dernières années – à compter de quelques années avant la sortie de ChatGPT. Ils ont ensuite soumis le texte de ces pages à un outil de détection IA appelé Open Pangram afin de déterminer combien d’entre elles étaient susceptibles d’avoir été rédigées ou considérablement modifiées par l’IA.

Ces points représentent un échantillon aléatoire de 10 000 pages web collectées en juillet 2026. Ensemble, ils constituent un instantané de ce à quoi ressemblait l'Internet anglophone à ce moment-là.

À l'aide d'un modèle d'apprentissage automatique, Pew Research a analysé le texte de chaque page web à la recherche d'indices laissant supposer qu'elle avait été rédigée par une IA. Le modèle examine les schémas linguistiques, en identifiant les mots, les expressions et les particularités linguistiques plus couramment utilisés par les IA que par les auteurs humains.

Parmi toutes les pages de cet échantillon, 10 % présentent des signes significatifs d'une rédaction par l'IA. une IA

Cela s'inscrit dans une tendance à la hausse qui a débuté fin 2022, lors du lancement de ChatGPT, et s'est poursuivie avec l'arrivée d'autres chatbots IA, tels que Claude et Gemini. Au fil du temps, la proportion de pages web présentant des signes d'une rédaction par l'IA n'a cessé d'augmenter.

Un site web sur dix en juillet 2026 peut sembler un chiffre modeste. Mais Internet regroupe à la fois des contenus récents et anciens. Bon nombre de pages figurant dans ces échantillons aléatoires n’ont pas pu être rédigées par l'IA.

Si l’on exclut les anciennes pages web des échantillons et que l’on ne considère que celles publiées après le lancement de ChatGPT, la tendance est encore plus marquée.

Dans l'analyse de juillet 2026, les chercheurs ont observé des signes indiquant une rédaction par l'IA dans plus d'un tiers des pages publiées après le lancement de ChatGPT. Ce constat va dans le sens d'autres études qui ont montré qu'une grande partie des pages récemment publiées sur Internet avaient probablement été rédigées ou largement révisées par l'IA.

Où trouve-t-on le plus souvent des textes rédigés par l'IA sur Internet ?

Les textes rédigés par l'IA ne sont pas répartis de manière homogène sur le Web. Lors du lancement de ChatGPT, les types de schémas linguistiques pouvant indiquer une rédaction par l'IA apparaissaient à des fréquences similaires sur les principaux domaines de premier niveau (.com, .org, .edu et .gov).

Mais dans les échantillons datant de 2026, environ une page sur dix hébergée sur un domaine .com présente des signes indiquant qu'elle a été rédigée par l'IA – soit environ le double de la proportion observée sur les domaines .org (4,6 %) et dix fois celle des domaines .edu ou .gov (environ 1 % dans les deux cas).

Quelles sont les caractéristiques communes des textes rédigés par l’IA ?

Les modèles de détection IA ne sont pas parfaits : ils classent parfois à tort des documents individuels rédigés par des humains comme présentant des signes de rédaction par l’IA, et inversement. Mais en examinant ensemble de très vastes collections de textes, les chercheurs du Pew Research Center ont constaté que certains types de ponctuation, de mots et d’expressions apparaissent beaucoup plus fréquemment dans les contenus générés par l’IA que dans les textes rédigés par des humains.

Les modèles d'IA sont entraînés à partir de vastes ensembles de données issus d'écrits humains, et ils apprennent à imiter les schémas et les styles de ces écrits. Il arrive parfois que certains types d'écrits soient surreprésentés dans ce processus d'entraînement. Par conséquent, les modèles entraînés sur ces données peuvent finir par utiliser certains mots, certaines expressions ou certaines particularités linguistiques plus souvent que ne le font généralement les humains.

Les chercheurs indiquent que de nombreux textes journalistiques et universitaires utilisent le tiret long (—), un signe de ponctuation servant à marquer une coupure dans le fil de la pensée ou à mettre en exergue une remarque entre parenthèses. Selon eux, les modèles d’IA ont tendance à utiliser ces tirets beaucoup plus souvent que ne le font généralement les humains. Ces modèles ont également davantage tendance que les auteurs humains à énumérer des éléments par groupes de trois et à utiliser la virgule d’Oxford dans les listes.

Et à mesure que le contenu généré par l'IA se multiplie en ligne, ces indices, parmi d'autres, sont devenus plus courants sur les pages web. L'étude de Pew Research révèle que si l'on compare l'Internet d'aujourd'hui à un instantané de 2023 :

• Les tirets longs apparaissent environ deux fois plus souvent.
• L’utilisation des virgules d’Oxford a augmenté de 63 %.
• Certains mots que les modèles d’IA aiment utiliser (tels que « delve », « interplay » ou « testament ») ont plus que doublé en fréquence d’utilisation.
• Le recours au « parallélisme négatif » pour structurer une comparaison (« ce n’est pas seulement X, c’est aussi Y ») a presque triplé – même si cela reste globalement assez rare.

Bien sûr, les tirets longs ou les virgules d’Oxford ne signifient pas nécessairement, à eux seuls, qu’un texte a été rédigé à l’aide de l’IA. Les humains les utilisent eux aussi dans leurs écrits. Mais en examinant un grand nombre de documents, Pew Research a commencé à observer des tendances quant à la fréquence moyenne à laquelle les auteurs humains et les modèles d’IA ont recours à ces éléments.

Par ailleurs, l'étude indique que les modèles de détection sophistiqués, comme celui utilisé par les chercheurs pour cette analyse, ne se contentent pas de rechercher quelques indices révélateurs. Ils apprennent également à reconnaître des tendances statistiques plus subtiles dans le choix des mots et la structure des phrases, ce qui leur permet de déterminer si un texte a été rédigé par l'IA.

L’essor mesuré par Pew Research prolonge une tendance déjà observée sur les plateformes professionnelles : après le lancement de ChatGPT en 2022, la production de contenus assistés par l’IA a rapidement gagné du terrain. Une précédente étude d’Originality.ai portant sur 8 795 publications LinkedIn d’au moins 100 mots, publiées entre janvier 2018 et octobre 2024, estime que 54 % des publications longues sur LinkedIn sont générées par l’IA. Après le lancement de ChatGPT, leur proportion a augmenté de 189 % entre janvier et février 2023, puis s'est stabilisée autour de 50 %. L’IA ne se contente donc plus d’assister ponctuellement à la rédaction ; elle participe désormais à une part substantielle de la production de contenu en ligne.

À propos du Pew Research Center

Le Pew Research Center est un organisme à but non lucratif, apolitique et sans vocation militante, qui fournit des études fiables et fondées sur des faits concernant l'opinion publique, la démographie, les tendances sociales et d'autres enjeux qui façonnent le monde. S'appuyant sur des sondages, des entretiens et des données numériques, économiques et démographiques, le Centre allie la perspicacité journalistique à la rigueur analytique des sciences sociales. Ses chercheurs déterminent de manière indépendante les sujets à étudier, soumettent leurs travaux à un examen approfondi et mettent librement à disposition leurs conclusions, leurs données et leurs méthodes. Grâce à ce travail, le Pew Research Center vise à renforcer la compréhension du public, à enrichir le dialogue civique et à favoriser une prise de décision éclairée.

Source : Pew Research Center

Et vous ?

Quel est votre avis sur le sujet ?
Trouvez-vous les conclusions de cette étude du Pew Research Center crédibles ou pertinentes ?

Voir aussi :

L'IA est en train de tuer le Web. Elle ruine le trafic et le modèle économique des sites Web, tout en transformant la toile en une immense base de contenus recyclés par des machines sans originalité

« Le trafic généré par les bots a désormais dépassé celui des humains sur Internet », déplore le patron de Cloudflare, qui ne s'attendait pas à ce que le trafic automatisé éclipse celui des humains avant 2027

Un tiers des nouveaux sites web sont créés par l'IA, selon les mesures de Stanford et l'Internet Archive qui en révèlent l'ampleur, la « théorie de l'Internet mort » reçoit un début de validation empirique

L'économie a rendu son verdict. Les contenus générés par l'IA n'ont pratiquement aucune valeur : « les acheteurs votent avec leur portefeuille, et le contenu généré par l'IA peine à s'imposer »

[Artaeus]

C'est pire que le mal, du texte sera injustement attribué à l'IA contre des vrais auteurs humains faisant des dégâts à la confiance bien plus grand.

Cette folie du marquage est une première dans l'Histoire, et une atteinte grave à la vie privée (il va s'étendre pour identifier les individus, c'est la suite logique).
Une stupidité digne du marquage des retouches photoshop, d'effet spéciaux dans les films, ou de signalement qu'un JV est un JV ...

[Anselme45]

Un tiers des pages Web sont désormais rédigées par l'IA

On devient impatient... A quand des modèles IA qui concentrent leur apprentissage sur un web entièrement édité par... des modèles IA?

Cela donne quel résultat un système victime "d'hallucinations" quand il améliore ses compétences à l'aide de sources créés par des systèmes victimes elles-mêmes d'hallucinations?

Et alors là, on n'est pas victime d'hallucinations mais bien de vertiges quand on lit ce qui suit:

Le taux d'hallucination des intelligences artificielles varie entre 15 % et plus de 60 % pour les questions ouvertes ou complexes...