Information et langage : l'IA nous change aussi

L'essentiel

1. Ce module s'écarte des trois précédents : il ne porte pas sur la loi ou l'économie, mais sur des mesures linguistiques et comportementales — comment l'usage massif des LLM modifie déjà, de façon statistiquement détectable, le vocabulaire employé par des humains et la manière dont l'information circule.
2. [Vérifié] Une étude (Kobak et al., préprint de juin 2024, méthode dite du « vocabulaire en excès » comparant les fréquences de mots avant/après la sortie de ChatGPT fin 2022) a analysé des millions de résumés scientifiques sur PubMed : des mots comme « delve » (fréquence multipliée par 28), « meticulous », « boast », « underscore », « intricate » ont connu une hausse marquée après la diffusion de ChatGPT. Les auteurs estiment qu'au moins 10 % des résumés PubMed 2024 montrent des signes d'un passage par un LLM, soit environ 150 000 articles par an sur cette seule estimation.
3. [Vérifié] Une étude ultérieure centrée spécifiquement sur l'écriture médicale (mêmes auteurs et méthode, publiée sur medRxiv puis en revue) confirme la même tendance sur les comptes-rendus PubMed.
4. [Vérifié, angle original] Une étude à plus grande échelle (arXiv 2409.01754, analyse de plus de 740 000 heures de transcriptions d'exposés académiques et d'épisodes de podcasts sur YouTube) montre que ce glissement de vocabulaire ne reste pas confiné à l'écrit : les mêmes mots (« delve », « boast », « swift », « showcase », « intricacies », « meticulous ») augmentent aussi dans la parole spontanée, non scriptée. L'effet est significatif dans les domaines Sciences & Technologies, Business et Éducation ; il est absent en Sport et en Religion — signe que l'effet suit l'exposition professionnelle aux LLM plutôt qu'un phénomène culturel généralisé. Note de méthode : le corpus source de ce site est lui-même un podcast — cette étude illustre un phénomène qui peut, en toute rigueur, concerner n'importe quel corpus oral enregistré après fin 2022, sans que cela ne prouve quoi que ce soit de spécifique sur le corpus Tech Café (non soumis à cette méthode dans le cadre de cette recherche).
5. [Vérifié] Une étude sur l'effet d'homogénéisation (arXiv 2508.01491, reprise dans la revue Trends in Cognitive Sciences) compare la diversité sémantique collective de textes rédigés par des humains à celle de textes générés par GPT-4 : la diversité collective progresse 2 à 8 fois plus vite avec des rédacteurs humains qu'avec GPT-4, un écart qui persiste même après des tentatives d'augmenter la diversité des sorties du modèle par des réglages de génération.
6. [Vérifié, angle « information »] Pew Research Center, étude publiée le 22/07/2025 (méthode : navigation réelle partagée par 900 adultes américains, plus suivi de 68 000 requêtes Google réelles en mars 2025) : un clic sur un résultat survient 8 % du temps quand un résumé généré par IA apparaît dans les résultats, contre 15 % sans résumé — une baisse relative d'environ 47 %. Seulement 1 % des résumés IA génèrent un clic vers l'une des sources citées. Les utilisateurs abandonnent aussi plus souvent leur recherche après avoir vu un résumé IA (26 %) que sans (16 %).
7. à vérifier Des données d'agrégateurs marketing avancent que 60 % des recherches Google se terminent sans aucun clic vers un site en 2025 (contre 58 % en 2024), avec un déclin médian de trafic éditorial d'environ 10 % en glissement annuel sur le premier semestre 2025 — chiffres non confirmés sur une publication primaire dans cette recherche, à traiter avec davantage de réserve que l'étude Pew ci-dessus.
8. à vérifier Une analyse de la société Graphite (méthode : détecteur d'IA « Surfer » appliqué à un échantillon d'URL de Common Crawl) affirme que la quantité d'articles majoritairement générés par IA publiés sur le web aurait dépassé celle des articles humains en novembre 2024, avec une quasi-parité au premier trimestre 2025 (49,6 % IA contre 50,4 % humain sur l'échantillon). Ce chiffre repose entièrement sur un classificateur automatique dont la fiabilité n'est pas auditée de façon indépendante dans les sources consultées ; la reprise de cette même étude par la presse diverge déjà sur l'interprétation (certains titres annoncent que l'IA « dépasse » l'écriture humaine, tandis qu'Axios titre au contraire que le contenu généré par IA « n'a pas submergé » le contenu humain) — signe que le chiffre est fragile et dépendant de la méthode de détection choisie. À ne citer qu'avec cette réserve explicite, jamais comme un fait établi.
9. Ce que ces études ne démontrent pas : ni que l'IA « appauvrit » le langage humain au sens qualitatif (jugement de valeur hors du champ de ces mesures), ni qu'une baisse de trafic éditorial cause mécaniquement une baisse de qualité de l'information disponible. Ce sont deux mesures factuelles (fréquence de mots, taux de clic) à ne pas sur-interpréter au-delà de ce qu'elles montrent réellement.

Repères clés

Idées reçues

1. « L'IA n'a aucun effet mesurable sur la façon dont les humains parlent ou écrivent » — Faux : plusieurs études indépendantes mesurent une hausse statistiquement significative de mots spécifiques associés aux LLM, à l'écrit comme à l'oral spontané.
2. « Ce sont surtout les textes générés par une IA qui contiennent ces mots » — Incomplet : l'étude sur la parole spontanée (podcasts, exposés) montre que des humains eux-mêmes, en train de parler sans script, emploient plus souvent ces mots depuis la diffusion des LLM — un effet d'imprégnation, pas seulement un texte généré identifié comme tel.
3. « Les résumés IA en tête des résultats de recherche rendent l'information plus accessible » — Nuancé par Pew : la source d'origine est nettement moins souvent consultée quand un résumé IA est présent, ce qui déplace la question de l'accessibilité vers celle de la vérifiabilité.
4. « Tous les domaines sont également touchés par ce glissement de vocabulaire » — Faux : l'étude sur la parole spontanée montre un effet marqué en Sciences & Tech/Business/Éducation, absent en Sport et en Religion.

Pièges & points de vigilance

1. Ne pas confondre corrélation temporelle (hausse d'un mot après la sortie de ChatGPT) et preuve individuelle qu'un texte précis a été généré par IA — la méthode est statistique et globale, pas une détection texte par texte.
2. Les chiffres de trafic éditorial (baisse de clics, point 7 de L'essentiel) proviennent en partie de sources secondaires moins rigoureuses que l'étude Pew — bien distinguer les deux niveaux de fiabilité dans ce module.
3. Une étude mesurant un effet sur le vocabulaire anglais (PubMed, YouTube très majoritairement anglophone) ne se transpose pas automatiquement et telle quelle au français.
4. Le corpus Tech Café n'a pas été soumis lui-même à la méthode « vocabulaire en excès » dans le cadre de cette recherche — ne pas présenter ce module comme une mesure faite sur ce podcast en particulier.
5. Se méfier de tout chiffre de « part de contenu généré par IA sur le web » : ces estimations reposent sur des détecteurs automatiques dont la fiabilité n'est, à ce jour, pas établie de façon indépendante et consensuelle — deux médias peuvent couvrir la même étude avec des titres contradictoires (« l'IA dépasse l'humain » vs « l'IA n'a pas submergé le web »).

Sources

• arXiv — Delving into ChatGPT usage in academic writing through excess vocabulary (Kobak et al.) — préprint juin 2024
• PMC — Delving Into PubMed Records: How AI-Influenced Vocabulary has Transformed Medical Writing since ChatGPT — consulté 20/07/2026
• arXiv — Empirical evidence of Large Language Model's influence on human spoken communication — 2024-2025
• Trends in Cognitive Sciences — The homogenizing effect of large language models on human expression and thought00003-3) — 2025-2026
• Pew Research Center — Do people click on links in Google AI summaries? — 22/07/2025
• Graphite — AI Now Writes as Many Online Articles as Humans Do — étude datée T1 2025, consultée 20/07/2026
• Axios — AI-written web pages haven't overwhelmed human-authored content, study finds — 14/10/2025 (couverture plus prudente de la même étude Graphite)
• The Conversation — Comment les IA génératives grand public influencent le langage des publications académiques — vulgarisation française de la même famille de recherches, consultée 20/07/2026

Bloc rédigé par un agent dédié (mission parallèle à 7 blocs), 20/07/2026. Densité corpus vérifiée en lecture seule sur l'axe T5 (scripts/corpus-cartography.ts --tenant tech-cafe) avant rédaction. Recherche web réelle sur les 4 modules — aucun fait sourcé sur le corpus Tech Café lui-même (palier 5, jamais une preuve sur le monde). Aucun verbatim de transcript utilisé.