L'intégration de l'intelligence artificielle générative dans les médias numériques dévalorise-t-elle la perception du contenu journalistique aux yeux des lecteurs ?

Joris Salmon

Sous la direction de Alaric Tabariès

Date de soutenance : 27 juin 2025

Contexte : La Tension Constitutive de l'IA dans les Médias

Depuis fin 2022, l'IA générative a explosé, créant un décalage entre la maturité de la technologie et la maturité de la réflexion stratégique et éthique dans les rédactions.

Mon mémoire analyse ce que j'appelle une tension constitutive, un nœud gordien où quatre pôles sont inextricablement liés.

Ma problématique s'inscrit au cœur de cette tension : comment cette intégration technologique impacte-t-elle la valeur perçue du journalisme ?

Innovation Technique

Puissance et accessibilité sans précédent des outils (LLM).

Mutation Professionnelle

Transformation du rôle et des compétences du journaliste.

Réception Publique

Confiance, interprétation et perception par les lecteurs.

Défis Éthiques

Désinformation, biais, responsabilité éditoriale.

Cadre Théorique : Les Fondations Conceptuelles

Portrait de P. Bourdieu

Bourdieu / Cardon

Champ Journalistique & Machines Inductives

L'IA perturbe le "champ journalistique" en introduisant un nouveau capital technologique qui concurrence le capital symbolique traditionnel (réputation, sources). Les LLM, en tant que "machines inductives", apprennent par reconnaissance de motifs, expliquant leur puissance et leurs "hallucinations".

Un article généré par IA peut-il acquérir une légitimité dans ce champ ?
Portrait d'Eliseo Verón

Eliseo Verón

Contrat de Lecture

Le "contrat de lecture" est le pacte implicite entre un média et son public. L'IA modifie radicalement ce pacte : le lecteur attend non seulement une information, mais une garantie sur la manière dont elle a été produite et validée.

L'arrivée de l'IA force une renégociation de ce pacte de confiance.

Cadre Théorique : Les Observateurs du Présent

Ce socle théorique a été complété par les analyses d'observatoires et de chercheurs en première ligne sur l'IA et le journalisme.

Observatoires & Think Tanks

Des acteurs comme JournalismAI (dirigé par C. Beckett) ou le Reuters Institute fournissent des données mondiales indispensables.

Rapport 2025 :

87% des rédactions sont déjà transformées par l'IAG.

Ces rapports quantifient l'ampleur du phénomène et soulignent les craintes, comme l'émergence d'« AI slop » (contenu de faible qualité).

Chercheurs Spécialisés

Des chercheurs comme Nicholas Diakopoulos sont fondamentaux pour penser les solutions.

Concept clé :

Responsabilisation Algorithmique

Ses travaux explorent les moyens de rendre les systèmes d'IA plus transparents et vérifiables, un enjeu au cœur de mon enquête de terrain.

Méthodologie & Hypothèses

Approche Mixte

Pour confronter les pratiques des rédactions à la perception du public, j'ai adopté une méthodologie mixte :

Volet Qualitatif

Entretien semi-directif avec une data-journaliste de Ouest-France pour comprendre les pratiques internes.

Volet Quantitatif

Questionnaire en ligne (N=150) pour mesurer la perception, les attentes et le niveau de confiance du public.

5 Hypothèses à Tester

  • H1:L'IA redéfinit les rôles journalistiques vers des tâches de supervision et de vérification.
  • H2:Le public a une perception paradoxale : contenus jugés plus clairs, mais moins crédibles.
  • H3:L'autorité des médias se déplace de la production vers la validation de l'information.
  • H4:La transparence sur l'usage de l'IA est un facteur déterminant de la confiance du public.
  • H5:Les journalistes vivent une tension éthique entre gains d'efficacité et risques pour la qualité.

Résultats : Le Verdict Ambivalent du Public

L'enquête auprès du public révèle une perception profondément ambivalente, validant plusieurs hypothèses.

Le Paradoxe (H2)

L'IA est perçue comme un avantage sur la forme, mais une menace sur le fond.

+32,1% pour la clarté

-71,4% pour l'originalité

-58,3% pour l'exactitude

La Confiance (H4)

La confiance est conditionnelle et repose sur un levier principal : la transparence.

54,1%

ont a priori moins confiance en un média utilisant l'IA.

95%

exigent la transparence sur son usage.

L'Authenticité (H3)

L'acceptation de l'IA s'effondre à mesure que le contenu requiert du jugement humain.

Brèves factuelles : 86,7%

Reportage d'enquête : 16,0%

Résultats : La Prudence Stratégique de
Ouest-France

Logo Ouest-France

L'étude de cas confirme les hypothèses H1 et H5. Loin d'une adoption euphorique, le journal a mis en place une véritable stratégie de prudence.

"On sent quand un texte est écrit par une IA... Souvent, les propositions sont assez mauvaises et demandent une réécriture." Nolwenn Chapellon — Data-journaliste, Ouest-France

Prudence

Contenue à des tâches techniques, supervision humaine totale.

Supervision

Le rôle du journaliste évolue vers la vérification (H1).

Gouvernance

Charte interne stricte pour protéger données et lecteur (H5).

Conclusion du Mémoire :
Du Contrat de Lecture au Contrat de Certification

Loin de dévaloriser le journalisme, l'IA agit comme un révélateur. Elle le pousse à se recentrer sur sa valeur unique. L'autorité du média ne repose plus seulement sur sa capacité à produire, mais à valider.

Contrat de Lecture

(Passé)

Contrat de Certification

(Futur)

Les 3 Piliers du Nouveau Contrat

Transparence

Informer sur l'usage de l'IA.

Supervision Humaine

Garantir la validation éditoriale.

Éducation

Former les journalistes et le public.

Logo Micropole

Partie 2 : Le Stage

Consultant BI Junior
chez Micropole

Agence d'Aix-en-Provence | Client : Région Île-de-France

Accompagner un client majeur sur l'ensemble du cycle de vie de ses projets décisionnels, de l'extraction des données jusqu'à leur visualisation.

Missions et Projets Clés

Dashboarding Power BI

Création de bout-en-bout d'une application de suivi des bourses Sanitaire et Social : du recueil du besoin au développement final.

Capture d'écran du dashboard Power BI

Flux ETL & Modélisation

Refonte de l'application sur l'insertion professionnelle : reprise complète des flux de traitement avec Oracle Data Integrator (ODI) et optimisation du modèle de données.

Schéma du flux ETL sur Oracle Data Integrator

Proof of Concept (POC) IA

Développement d'un POC utilisant des LLM pour générer automatiquement de la documentation technique afin de simplifier la compréhension de schémas de données complexes.

Concept visuel d'une IA transformant des données complexes en documentation simple

Apports et Compétences du Stage

Ce stage a été extrêmement formateur en me permettant de confronter la théorie à la pratique : un modèle de données parfait sur le papier doit avant tout répondre à une contrainte métier et de performance.

Compétences Techniques

  • Maîtrise de Power BI et du langage DAX.
  • Développement de flux ETL avec Oracle Data Integrator (ODI).
  • Optimisation de requêtes SQL sur des bases Oracle.
  • Conception de modèles de données en étoile.

Compétences Méthodologiques

  • Gestion de projet de A à Z (recueil de besoin, spécifications, développement, recette).
  • Interaction et communication avec le client.
  • Participation à la dimension commerciale.
  • Chiffrage des charges de développement et aide à la rédaction de devis.
Exemple de maquette de devis

Conclusion : La Chaîne de la Confiance

Ces deux expériences, recherche académique et stage en entreprise, convergent vers une même idée centrale : la confiance ne se décrète pas, elle se construit.

Data Fiable

Processus Transparent & Validé

Produit de Confiance

(Article / Dashboard)

Que l'on soit un lecteur face à un article ou un décideur face à un tableau de bord, l'exigence est la même. Mon projet professionnel est de continuer à évoluer à cette intersection, en construisant des solutions data qui soient non seulement performantes, mais aussi et surtout, dignes de confiance.

Merci de votre attention.

Des questions ?

Joris Salmon

jsalmon@micropole.com
jorissalmon.com