Rendre visibles les coulisses de l’IA dans les rédactions : une étude propose de nouveaux formats de transparence

Résumé

Une équipe de chercheurs propose de dépasser les mentions sommaires d’usage de l’IA dans les articles d’actualité, en testant quatre visualisations de la collaboration humain-IA. Leur étude montre que les simples labels textuels informent mal les lecteurs, tandis que des formats interactifs, comme un chatbot, offrent une compréhension bien plus fine du rôle réel de l’IA.

Les faits

Dans les rédactions, la transparence sur l’usage de l’IA se limite aujourd’hui à des « labels simplistes », qui ne rendent pas compte de la manière dont humains et systèmes automatisés co-produisent un article. Pour mieux saisir cette collaboration, les auteurs ont organisé des sessions de co-conception (N=10) au cours desquelles ils ont recueilli 69 propositions de formats de disclosure, avant d’implémenter quatre prototypes qui rendent visuellement compte de la collaboration humain-IA dans le journalisme. Ces quatre visualisations testées sont décrites comme « Textual, Role-based Timeline, Task-based Timeline, Chatbot » et ont été évaluées lors d’une étude en laboratoire en intra-sujets (N=32), en les combinant à deux ratios de collaboration : « Primarily Human » et « Primarily AI », afin d’observer leurs effets sur la perception des visualisations, les trajectoires de regard et les réponses post-expérience. Les résultats indiquent que les disclosures purement textuelles sont les moins efficaces pour communiquer la collaboration humain-IA, tandis que le format Chatbot fournit « les informations les plus approfondies ». Les chercheurs observent aussi que les frises chronologiques par rôle renforcent la perception de la contribution de l’IA dans des articles majoritairement humains, alors que les frises par tâches déplacent la perception vers davantage d’implication humaine dans des articles majoritairement produits par l’IA. L’article conclut en présentant ces visualisations de collaboration humain-IA et en formulant des mises en garde sur la manière dont ces dispositifs peuvent altérer la perception du rôle réel de l’IA dans la production d’un article de presse.

Pourquoi c’est important

Cette recherche intervient à un moment où de nombreux médias expérimentent l’IA générative dans leurs processus éditoriaux, mais se contentent souvent d’un logo ou d’une mention générique pour signaler son usage. En montrant que ces labels textuels sont les moins efficaces pour informer le public sur la réalité de la collaboration humain-IA, l’étude met en cause les pratiques actuelles de transparence. En proposant et en évaluant des visualisations détaillées – timelines par rôle ou par tâche, interface de type chatbot –, les auteurs montrent que la forme de disclosure n’est pas neutre : elle peut soit clarifier, soit déformer la perception de la contribution de l’IA. Ces résultats donnent aux rédactions et aux régulateurs des éléments concrets pour concevoir des dispositifs de transparence qui reflètent mieux le rôle réel de l’IA, tout en les alertant sur le risque de créer, par le design, une impression exagérée ou minimisée de l’intervention algorithmique.

Questions fréquentes

Quel est l’objectif principal de cette étude sur l’IA et le journalisme ?

L’étude vise à concevoir et évaluer des visualisations qui rendent plus nuancé et compréhensible le rôle de l’IA dans la production d’articles journalistiques, au-delà de simples labels textuels.

Combien de formats de disclosure ont été initialement proposés ?

Les sessions de co-conception ont permis de recueillir 69 propositions de formats de disclosure de la collaboration humain-IA.

Quels types de visualisations ont été testés en laboratoire ?

Quatre formats ont été testés : un disclosure textuel, une frise chronologique par rôles, une frise chronologique par tâches et un format de type chatbot.

Quel format s’avère le moins efficace pour expliquer la collaboration humain-IA ?

Les disclosures purement textuelles sont jugées les moins efficaces pour communiquer la collaboration entre humains et IA dans la production d’un article.

En quoi les timelines influencent-elles la perception du rôle de l’IA ?

Les frises par rôles accentuent la contribution perçue de l’IA dans des articles surtout humains, tandis que les frises par tâches renforcent la perception d’implication humaine dans des articles surtout produits par l’IA.

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.