Dans cet article Dans cet article
Demandez à un assistant conversationnel de rédiger un tract critiquant Donald Trump : il s’exécutera sans broncher. Réclamez le même exercice contre Xi Jinping, et la réponse se fera soudain beaucoup plus prudente. Ce n’est pas une impression : c’est ce que mesure une étude publiée le 16 juillet 2026 par le Conseil de surveillance de Meta, le premier examen de ce type consacré aux grands modèles de langage.
Ces modèles, ou LLM, sont les moteurs derrière les chatbots comme ChatGPT, Gemini ou Claude : entraînés sur d’immenses corpus de textes, ils génèrent des réponses en apparence neutres. Le rapport révèle pourtant un biais net : en moyenne, ces systèmes ont refusé 14 % des demandes visant des pays permissifs, contre 34 % pour les régimes qui répriment la critique politique.
Autrement dit, une IA est plus de deux fois plus susceptible de se taire quand la cible est un pouvoir autoritaire. À l’heure où ces outils s’installent dans notre quotidien, faut-il s’inquiéter de voir des machines décider, à notre place, ce qu’il est permis de critiquer ?
Une étude qui met les modèles à l’épreuve
Pour aboutir à ce constat, le Conseil de surveillance de Meta a conçu un protocole méthodique. Sept modèles de requêtes ont été soumis à dix modèles commerciaux issus de six fournisseurs : Anthropic, DeepSeek, Google, Meta, OpenAI et xAI. Les demandes allaient de la rédaction de tracts et de poèmes satiriques à des avis sur l’opportunité de manifester contre tel ou tel dirigeant.
Chaque requête a été envoyée depuis une même adresse située en Australie, via les interfaces grand public des modèles. Les pays visés ont été répartis entre juridictions permissives et répressives selon les scores de l’organisation Freedom House. Ce cadre a permis de comparer, à question identique, le comportement des IA selon la cible politique désignée.
La rigueur du dispositif donne du poids aux résultats. Il ne s’agit pas d’anecdotes glanées au hasard des conversations, mais d’un test systématique conçu pour isoler une seule variable : la nature du régime critiqué.
Deux poids, deux mesures selon les régimes
Le résultat dessine une carte troublante de ce que les IA acceptent de dire. Selon le pays concerné, un même modèle passe de la coopération franche au refus poli. Les exemples relevés par l’étude sont éloquents :
- tracts critiques produits sans difficulté contre Donald Trump, le roi Charles III ou le président taïwanais Lai Ching-te ;
- refus fréquents dès qu’il s’agit de Xi Jinping, présenté comme un sujet trop sensible ;
- blocages similaires pour le roi de Thaïlande, protégé par des lois de lèse-majesté ;
- prudence identique face au prince héritier saoudien ou au roi du Cambodge.
Les formulations employées par les modèles trahissent cette gêne. Beaucoup répondent par un refus courtois du type « je ne peux pas créer de contenu critiquant ce dirigeant », en invoquant parfois explicitement le caractère illégal d’une telle critique dans le pays concerné. La politesse de la machine masque une forme de renoncement.
Pourquoi les machines s’autocensurent
Ce comportement n’a rien de mystérieux quand on regarde d’où viennent ces modèles. Une IA n’invente pas ses réponses : elle recrache, sous une forme lissée, les régularités présentes dans ses données d’entraînement et dans ses règles de sécurité. Or ces règles sont pensées pour éviter tout risque juridique ou réputationnel à l’échelle mondiale.
Le facteur du risque perçu est visible dans les chiffres. Parmi les réponses déconseillant de manifester contre un régime répressif, 57 % invoquaient un danger pour l’utilisateur, contre seulement 12 % pour les démocraties. La prudence des modèles épouse ainsi, presque mécaniquement, la géographie de la répression réelle.
On parle souvent de l’IA comme si elle apprenait d’Internet de façon neutre. Ce n’est pas le cas. Elle apprend d’environnements informationnels déjà façonnés par les institutions et le pouvoir.
Hannah Waight, sociologue à l’université de l’Oregon, citée par PBS le 16 juillet 2026
Le problème dépasse donc la simple erreur technique. En héritant des rapports de force qui structurent l’information, les modèles risquent de reproduire les silences imposés par les régimes les plus fermés, tout en donnant l’illusion d’une parole libre.
Le cas de Taïwan, révélateur d’un flou
Un détail de l’étude complique toutefois le tableau. Taïwan, démocratie où la critique politique n’est pas réprimée, affiche l’un des taux de refus les plus élevés, la cinquième position du classement. Ce résultat contre-intuitif était surtout tiré par certains modèles d’un même fournisseur, qui confondaient manifestement la Chine et l’île qu’elle revendique.
Cette confusion en dit long sur la nature du filtre. Les IA ne raisonnent pas sur la légitimité démocratique d’un pouvoir : elles appliquent des associations statistiques grossières, où le voisinage géographique ou linguistique suffit à déclencher la prudence. Le biais n’est pas idéologique, il est bien plus bête et bien plus difficile à corriger.
Ce que ce biais implique pour demain
Les conséquences ne sont pas théoriques. Si des centaines de millions de personnes s’informent et s’expriment via ces assistants, un refus discret de critiquer certains pouvoirs revient à étendre silencieusement leur censure bien au-delà de leurs frontières. Le rapport avertit d’ailleurs sur ce risque d’infrastructure mondiale de restriction de la parole.
Des pistes concrètes existent pourtant. Les auteurs plaident pour un véritable devoir de vigilance en matière de droits humains : audits indépendants des refus, transparence sur les règles de modération, et distinction nette entre une critique politique légitime et un appel à la violence. Cette exigence rejoint le débat ouvert par l’ONU, qui alertait déjà sur une technologie qui avance plus vite que les États.
La régulation avance, mais lentement. Ce type de biais rappelle pourquoi préserver notre esprit critique face aux machines devient une compétence de survie démocratique, et non un simple réflexe de méfiance.
Faut-il confier notre parole à des machines polies
Derrière ce deux poids deux mesures se cache une question de fond : qui décide de ce qui peut être dit ? En déléguant nos textes, nos idées et nos indignations à des outils calibrés pour ne froisser personne, nous risquons d’aligner insensiblement notre parole sur le plus petit dénominateur commun des sensibilités mondiales.
Le sujet n’est plus réservé aux ingénieurs. Alors que le choix d’une IA devient un marqueur presque politique, comprendre ce que ces systèmes refusent de dire compte autant que savoir ce qu’ils produisent. La vraie vigilance commence peut-être là : dans l’attention portée à leurs silences.
