Faut-il repenser la narration médiatique à l’ère de l’intelligence artificielle ?

L’intelligence artificielle s’invite dans les rédactions à une vitesse qui bouscule autant les routines que les certitudes, et la question n’est plus de savoir si elle sera utilisée, mais comment, à quel coût et avec quelles garanties. Entre automatisation de tâches, production de textes et outils de vérification, les médias avancent sur une ligne de crête, car la confiance du public se gagne lentement et se perd en un instant.

Quand l’IA accélère, la confiance vacille

Peut-on encore lire sans douter ? Dans plusieurs pays, l’IA a déjà changé l’économie du quotidien rédactionnel, avec des systèmes capables de produire des dépêches sportives, des comptes rendus financiers et des alertes locales en quelques secondes, et cette accélération répond à une réalité budgétaire, car les revenus publicitaires ont été durablement captés par les plateformes. En France, la publicité numérique pèse désormais bien davantage que la publicité imprimée, et le marché est dominé par les géants du web : selon l’Observatoire de l’e-pub (SRI, UDECAM, Oliver Wyman), les recettes de la publicité digitale ont franchi les 9 milliards d’euros en 2023, en hausse sur un an, tandis que la presse imprimée poursuit sa décroissance structurelle. Dans ce contexte, l’automatisation promet de produire plus, plus vite, à coût marginal faible, et donc de compenser une partie de l’érosion des marges.

Mais cette promesse a un prix éditorial immédiat : la crédibilité. Les erreurs factuelles, les contresens et les hallucinations documentées sur certains modèles fragilisent l’autorité des médias, d’autant que le public a déjà été ébranlé par une décennie de désinformation virale. Le Reuters Institute (Digital News Report 2024) rappelle que la confiance dans l’information reste minoritaire dans de nombreux pays, et que les inquiétudes liées au vrai et au faux ont progressé, notamment avec l’arrivée de contenus synthétiques. Les rédactions le savent : la bataille ne se joue pas seulement sur la vitesse, mais sur la traçabilité, la transparence et la preuve, c’est-à-dire sur la capacité à montrer comment l’information a été obtenue, vérifiée et hiérarchisée, sans masquer les zones d’incertitude.

La narration se joue dans l’angle, pas l’outil

Le récit, ce n’est pas du texte : c’est un choix. L’IA peut recombiner des phrases, condenser des rapports ou reformuler une dépêche, mais l’acte journalistique central demeure l’arbitrage entre ce qui est important et ce qui ne l’est pas, entre ce qui est certain et ce qui mérite encore enquête. La pyramide inversée, l’art du chapô, la capacité à incarner un sujet sans l’appauvrir, tout cela relève d’une culture professionnelle, pas d’un moteur statistique. Or, l’un des risques majeurs de l’industrialisation par IA est l’uniformisation des formats, parce que les modèles tendent vers un style moyen, lisse, et donc vers une narration qui ressemble à toutes les autres, au moment même où les médias ont besoin de singularité pour survivre.

Pourtant, l’IA peut renforcer la narration, à condition de rester un outil de recherche et de structuration, et non une autorité qui décide à la place du journaliste. Sur des sujets complexes, elle peut aider à explorer des corpus volumineux, à repérer des incohérences et à proposer des pistes d’angle, comme le font déjà des équipes data quand elles croisent des bases publiques, des marchés publics, des décisions de justice ou des rapports d’inspection. Le gain n’est pas tant de « raconter » plus, que de mieux documenter ce que l’on raconte, en donnant au lecteur des éléments concrets, des chiffres sourcés et des liens vers des documents. Cette exigence est d’autant plus pressante que l’attention est rare, et que le lecteur veut comprendre vite, mais comprendre juste, et la narration journalistique doit donc marier contexte, précision et incarnation, sans céder à l’approximation.

Les rédactions face au piège des données opaques

Qui contrôle la matière première ? L’IA générative repose sur des données d’entraînement massives, souvent opaques, et cette opacité pose un problème central à la presse : l’impossibilité de savoir exactement d’où viennent certaines formulations, et donc de garantir l’absence de biais, d’erreurs ou de contenus indûment repris. En Europe, le règlement sur l’IA (AI Act) encadre certains usages, et pousse à davantage de transparence, tandis que le RGPD reste un garde-fou sur les données personnelles. Mais la régulation ne résout pas tout : même avec des obligations, la compréhension fine des modèles reste difficile, et la responsabilité éditoriale, elle, ne se délègue pas. Si un article comporte une information fausse, la faute retombe sur le média, pas sur l’algorithme.

La tension se joue aussi sur le terrain des droits voisins et de la rémunération des contenus. Plusieurs éditeurs, en France comme à l’étranger, ont engagé des bras de fer avec les plateformes et les acteurs de l’IA, car l’enjeu est simple : les contenus journalistiques nourrissent la valeur des systèmes, mais la captation économique ne revient pas toujours à ceux qui les produisent. Les débats autour des accords de licences, des politiques d’indexation et des réponses générées dans les moteurs de recherche redessinent la distribution du trafic, et donc des revenus. Dans ce nouveau paysage, la « découvrabilité » devient stratégique : le lecteur arrive moins par la page d’accueil, davantage par la recherche, les réseaux et les recommandations, et la narration doit s’adapter à ces portes d’entrée sans se transformer en texte optimisé au point de perdre sa substance. C’est là que l’équilibre devient délicat, car le SEO peut aider à être trouvé, mais il ne remplace ni l’enquête ni l’écriture.

Sur le terrain, l’info locale résiste mieux

Le lecteur veut du proche, pas du générique. Face à la standardisation, l’information locale garde un atout majeur : la capacité à raconter ce qui n’existe nulle part ailleurs, à suivre un dossier municipal, à vérifier une rumeur, à donner la parole à des acteurs identifiables, et à rendre compte de conséquences très concrètes. Ce sont ces histoires, ancrées dans une ville, un quartier, un tribunal ou un hôpital, qui bâtissent la fidélité. Les études sur les usages le montrent : d’après le Reuters Institute, l’intérêt pour l’actualité locale varie selon les pays, mais la proximité reste un ressort puissant d’engagement, et les abonnements se gagnent souvent sur des sujets de service, de mobilité, de sécurité, de logement et d’économie quotidienne.

Cet ancrage n’empêche pas l’innovation, au contraire. Une rédaction locale peut utiliser l’IA pour transcrire des auditions publiques, structurer des comptes rendus, analyser des budgets municipaux, ou encore générer des résumés pour des lecteurs pressés, tout en conservant une règle simple : ce qui est publié a été relu, vérifié et assumé. Et parce que la vie quotidienne ne s’arrête pas aux articles, les médias locaux jouent aussi un rôle d’aiguillage pratique, en orientant vers des ressources utiles, des agendas et des services. À l’échelle d’une métropole, la mobilité est un bon exemple : entre déplacements professionnels, événements et tourisme, la demande d’informations fiables est constante, et certains lecteurs cherchent aussi des solutions immédiates via des liens de service, comme une location de voiture à Lyon, ce qui illustre la porosité croissante entre information, utilité et parcours numérique.

Ce que les médias doivent changer maintenant

La règle d’or : expliciter la méthode. À l’ère de l’IA, le média qui inspire confiance est celui qui montre ses coulisses, sans exhiber, en précisant ce qui a été constaté, ce qui a été recoupé, et ce qui reste incertain. Les chartes d’usage de l’IA se multiplient, et elles ont un point commun : la nécessité d’un contrôle humain, d’une traçabilité des sources, et d’une séparation nette entre automatisation et décision éditoriale. Dans le même temps, les rédactions doivent investir dans des compétences hybrides, capables de manier la donnée, la vérification d’images et de vidéos, la cybersécurité et la recherche documentaire, car la manipulation ne passe plus seulement par des textes, mais par des montages, des deepfakes et des campagnes coordonnées.

La narration, elle, doit redevenir une promesse : celle d’un gain de compréhension. Cela suppose de sortir du réflexe du flux, de privilégier davantage de formats explicatifs, de chronologies, de questions-réponses sourcées, et de récits qui assument une hiérarchie claire. L’IA peut aider à personnaliser, mais la personnalisation comporte aussi un danger, celui de l’enfermement, et les médias devront donc arbitrer entre pertinence et pluralisme, en évitant de n’offrir au lecteur que ce qu’il aime déjà. Enfin, la question économique reste la plus brutale : sans modèle de revenus solide, l’innovation technique ne suffit pas. Abonnement, adhésion, diversification, événements, partenariats, chaque levier compte, mais aucun ne remplace l’essentiel : produire une information originale, vérifiée et indispensable.

Pour ne pas perdre le lecteur en route

La tentation est grande de confondre performance et vitesse. Or, dans un paysage saturé, le lecteur ne pardonne plus les approximations, et il sanctionne vite les titres trompeurs, les erreurs et les contenus interchangeables. Repenser la narration médiatique à l’ère de l’IA, c’est accepter que la valeur ne se mesure pas uniquement au volume publié, mais à la qualité perçue, à l’utilité et à la capacité à relier les faits, sans céder à l’émotion facile. Ce travail demande du temps, donc des moyens, et c’est précisément ce que l’automatisation prétend libérer, à condition qu’elle soit utilisée pour renforcer l’enquête, pas pour la remplacer.

Il reste une boussole simple : l’IA doit être au service du lecteur, pas l’inverse. Si elle permet de mieux vérifier, de mieux contextualiser et de mieux raconter, alors elle peut devenir un levier de reconquête, au moment où la défiance s’installe. Mais si elle sert surtout à produire du texte à la chaîne, elle accélérera la fatigue informationnelle, et la fuite vers d’autres sources, pas toujours plus fiables. La narration médiatique ne se « repense » pas dans un logiciel, elle se reconstruit dans un pacte : celui d’une information honnête, lisible et responsable.

Dernière étape : passer du discours à l’usage

Les lecteurs jugent sur pièces. Avant de promettre une révolution, les médias ont intérêt à tester, mesurer et corriger, en fixant des règles simples : qui relit, quels types de contenus peuvent être assistés, comment signaler un usage de l’IA et comment traiter les demandes de rectification. Côté public, la meilleure stratégie reste pragmatique : comparer les sources, vérifier les dates, et privilégier les médias qui documentent leurs informations.

Pour les contenus de service, la logique est la même : clarifier le budget, anticiper les délais, et repérer les aides ou réductions quand elles existent, notamment dans les mobilités du quotidien. Réserver tôt évite les mauvaises surprises, et un parcours lisible, du besoin à la solution, reste la meilleure façon de ne pas perdre le lecteur en route.