Au 15 septembre 2026, escroqueries vocales, deepfakes politiques, ce que l’IA impose aux régulateurs sous pression

Incidents de sécurité, escroqueries vocales, deepfakes politiques, erreurs produites par des outils automatisés : l’intelligence artificielle n’est plus un sujet cantonné aux laboratoires. Depuis la diffusion massive de ChatGPT et d’applications capables de générer textes, images, sons ou lignes de code, la question s’est déplacée. Il ne s’agit plus seulement de savoir si la machine dépassera l’humain, mais de mesurer les risques déjà visibles dans les entreprises, les administrations, l’information et la vie quotidienne. Au 15 septembre 2026, le débat oppose moins les partisans et les adversaires de la technologie que les défenseurs d’un encadrement rapide, face à des usages qui avancent plus vite que les règles publiques.

ChatGPT et Midjourney rendent les faux contenus plus crédibles

La principale rupture tient à l’accès du grand public à des outils capables de produire des contenus très convaincants. ChatGPT, développé par OpenAI, rédige des réponses structurées, reformule des documents et simule une conversation avec une fluidité qui brouille les repères habituels. Son évolution a frappé les observateurs lorsque GPT-4 a obtenu un score élevé à un test d’accès à la profession d’avocat aux États-Unis, signe d’une capacité à traiter des consignes complexes.

Dans le domaine visuel, Midjourney a familiarisé le public avec des images entièrement fabriquées à partir de consignes textuelles. De fausses représentations de Donald Trump, du pape ou d’Emmanuel Macron ont circulé en ligne, parfois détachées de leur contexte initial. Le risque ne vient pas seulement de la qualité technique des images, mais de leur diffusion rapide dans des espaces où la vérification arrive souvent après l’émotion.

Les spécialistes insistent sur ce point : le danger immédiat n’est pas une intelligence autonome dotée d’une volonté propre. Il réside dans la facilité avec laquelle une personne peu qualifiée peut produire un message trompeur, un faux document administratif, une image de crise ou un enregistrement vocal imitant un proche. Les deepfakes abaissent le coût de la manipulation, ce qui augmente le nombre d’acteurs capables de s’y essayer.

Cette évolution complique le travail des journalistes, des enseignants, des magistrats et des responsables de communication. Une capture d’écran, une photographie ou un extrait sonore ne suffisent plus à établir un fait sans vérification complémentaire. Les rédactions renforcent leurs méthodes d’authentification, tandis que les plateformes testent des dispositifs de signalement. Le public se trouve confronté à une nouvelle exigence : accepter qu’un contenu vraisemblable puisse être artificiel.

Mila et AFIS demandent un cadre plus rapide en 2026

Les appels à la régulation se multiplient. Au Canada, le Mila, institut de recherche reconnu dans le domaine, alerte depuis plusieurs mois sur l’écart entre la vitesse des innovations et celle des décisions publiques. Des responsables du secteur rappellent que seules quelques entreprises disposent des moyens financiers, humains et informatiques nécessaires pour entraîner les modèles les plus puissants, ce qui concentre une partie du pouvoir technologique.

Une lettre ouverte signée par 75 professionnels de l’intelligence artificielle a mis en garde contre une fenêtre d’action qui se referme rapidement. Un autre appel, soutenu par environ 20 000 experts le 29 mars, demandait déjà une gouvernance plus solide. Ces prises de position ne réclament pas toutes l’arrêt des recherches, mais elles convergent sur un point : les acteurs privés ne peuvent pas fixer seuls les limites d’une technologie à fort impact social.

En France, l’AFIS a consacré une conférence en ligne à cette question le 3 juin 2026, avec Jean-Paul Krivine, rédacteur en chef de Science et pseudo-sciences et cofondateur de l’Association Française d’Intelligence Artificielle. Le choix du thème illustre l’entrée du débat dans l’espace public scientifique, loin des seules annonces commerciales des grands groupes. Les inquiétudes portent sur les libertés, l’emploi, la désinformation et la responsabilité juridique.

La difficulté tient au rythme de décision. Une loi prend des mois, parfois des années, alors qu’une nouvelle version de modèle peut apparaître en quelques semaines. La gouvernance doit donc combiner plusieurs leviers : obligations de transparence, audits indépendants, traçabilité des contenus générés, règles de responsabilité et formation des utilisateurs. Sans cadre lisible, la confiance risque de se dégrader, y compris pour les usages utiles dans la santé, l’éducation ou la recherche.

Entreprises et administrations confrontées aux erreurs automatisées

Dans les organisations, l’intelligence artificielle promet des gains de productivité, mais expose aussi à des erreurs nouvelles. Les entreprises l’utilisent pour classer des dossiers, répondre aux clients, analyser des contrats ou préparer des prévisions. Ces outils peuvent accélérer certaines tâches répétitives, mais ils produisent parfois des réponses inexactes avec une formulation très assurée, ce qui rend l’erreur plus difficile à repérer pour un utilisateur pressé.

Le secteur financier illustre cette ambivalence. Des économistes, dont Christofer Govaerts à la Banque Nagelmackers, soulignent que les modèles mathématiques existent depuis longtemps dans l’analyse macroéconomique. La différence actuelle vient de la puissance de calcul et du volume de données intégrées. Les résultats peuvent être utiles pour des prévisions à très court terme, mais ils restent fragiles face à un événement inédit, une panique de marché ou un choc sanitaire imprévu.

Les administrations avancent avec prudence, car une décision automatisée peut toucher directement l’accès à un droit, une aide ou un service public. Un tri mal paramétré, une donnée ancienne ou une corrélation mal interprétée peuvent pénaliser une personne sans qu’elle comprenne l’origine du refus. Le maintien d’un contrôle humain, documenté et contestable, devient une condition de légitimité, surtout lorsque les décisions concernent des publics vulnérables.

La question de l’emploi reste centrale. Certains postes administratifs, juridiques, commerciaux ou créatifs sont déjà transformés par l’automatisation partielle. Les tâches disparaissent rarement d’un bloc, mais leur contenu change vite : rédaction assistée, vérification de résultats, supervision d’outils, adaptation des procédures. Les salariés doivent acquérir de nouvelles compétences, tandis que les employeurs doivent éviter de transférer la charge du risque sur des équipes insuffisamment formées.

Les données personnelles constituent un autre point de vigilance. Un document envoyé dans un outil mal maîtrisé peut contenir des informations médicales, bancaires ou stratégiques. Les directions juridiques recommandent désormais de limiter les usages non encadrés, de privilégier des environnements sécurisés et de consigner les traitements réalisés. L’efficacité promise perd de sa valeur si elle s’accompagne d’une fuite d’informations ou d’une décision impossible à expliquer.

Cybercriminalité et désinformation exploitent les failles des modèles

Les usages malveillants progressent à mesure que les outils deviennent accessibles. La cybercriminalité exploite déjà l’intelligence artificielle pour améliorer des courriels d’hameçonnage, traduire des arnaques dans plusieurs langues ou personnaliser des messages à partir d’informations publiques. Les fautes grossières, longtemps utiles pour repérer certaines tentatives, disparaissent progressivement. Un faux message de banque, de transporteur ou de supérieur hiérarchique peut désormais paraître très crédible.

Les voix synthétiques renforcent ce risque. Un court extrait sonore publié sur un réseau social peut suffire à imiter une personne dans un appel frauduleux. Les scénarios visent souvent l’urgence : demande de virement, problème familial, consigne professionnelle confidentielle. Face à ces procédés, les experts recommandent des vérifications simples mais strictes, comme rappeler un numéro connu, utiliser un mot de sécurité ou refuser toute opération financière décidée sous pression.

La désinformation constitue l’autre front majeur. Les modèles génératifs permettent de produire rapidement des milliers de messages, de fausses tribunes, de commentaires coordonnés ou d’images de manifestation inventées. Le but n’est pas toujours de convaincre durablement, mais de saturer l’espace public, d’épuiser les vérificateurs et d’installer le doute. Dans un contexte électoral ou de crise, ce brouillage peut fragiliser la discussion démocratique.

Les fournisseurs comme OpenAI, Google, Meta ou DeepSeek ajoutent des filtres, des avertissements et des mécanismes de limitation. Ces protections réduisent certains usages, mais elles ne suffisent pas lorsque des modèles sont détournés, copiés ou combinés avec d’autres outils. La sécurité dépend aussi des plateformes de diffusion, des hébergeurs, des messageries et des autorités judiciaires capables d’enquêter rapidement sur des campagnes coordonnées.

La réponse la plus réaliste passe par la traçabilité, l’éducation aux médias et la responsabilité des organisations. Les citoyens n’ont pas à devenir ingénieurs pour se protéger, mais ils doivent apprendre à vérifier l’origine d’un contenu sensible. Les institutions, elles, devront publier des règles claires sur leurs usages de l’intelligence artificielle. La peur globale cède alors la place à une vigilance ciblée, fondée sur des pratiques vérifiables.