Plus d'un tiers des pages Web publiées depuis le lancement de ChatGPT montrent des signes d'écriture par intelligence artificielle, selon une nouvelle étude du Pew Research Center - l'une des mesures les plus rigoureuses à ce jour sur la profondeur avec laquelle l'IA générative a remodelé le contenu du Web ouvert.

Cette découverte, publiée jeudi par l'organisme de recherche non partisan, intervient dans un contexte d'inquiétude croissante quant au fait qu'Internet se remplit de textes écrits automatiquement plus rapidement que quiconque ne peut les suivre. L'ampleur du changement est une histoire déterminante de l'ère de l'IA, et elle est suivie en permanence dans Couverture de l'industrie de l'IA.

Comment Pew a mesuré le Web écrit par l'IA

Pour compiler le rapport, Pew a utilisé l'archive Web Common Crawl pour collecter près d'un demi-million de pages Web en anglais sur environ les cinq dernières années, en commençant quelques années avant la sortie de ChatGPT en novembre 2022. Les chercheurs ont ensuite analysé les pages via Pangram, une technologie de détection de l’IA, pour estimer combien d’entre elles avaient été écrites ou fortement éditées par l’IA.

Les chiffres des gros titres sont frappants. Dans un échantillon aléatoire de 10 000 pages Web collectées en juillet 2026, environ 10 % présentaient des signes significatifs de paternité de l’IA. Mais cet échantillon aléatoire comprenait inévitablement un grand nombre de pages plus anciennes publiées avant que les outils d’écriture de l’IA n’existent – ​​des pages qui n’auraient pas pu être écrites par machine.

Lorsque Pew les a filtrés et n'a examiné que les pages publiées après le lancement de ChatGPT, la part montrant des signes de paternité de l'IA a grimpé à 35 %, soit plus d'une sur trois.

Les domaines commerciaux ouvrent la voie

La répartition par domaine de l'étude est peut-être la conclusion la plus révélatrice. Les pages des domaines .com présentaient des signes de paternité d'IA à un taux environ dix fois supérieur à celui des domaines .edu et .gov, qui représentaient tous deux environ 1 % de créations d'IA. Les domaines .org à but non lucratif se situent entre les deux, à 4,6 %.

Le modèle raconte une histoire sur les incitations. Là où le contenu est produit pour être classé dans les moteurs de recherche et générer des revenus publicitaires ou d’affiliation, l’écriture IA a proliféré. Là où les institutions attachent leur réputation à ce qu’elles publient – ​​universités, agences gouvernementales – la paternité humaine domine toujours.

Pew a également constaté que les récits stylistiques classiques de l'écriture automatique sont devenus plus courants sur le Web au fil des ans : les tirets em, les virgules Oxford et les constructions telles que "ce n'est pas X, c'est Y" ont tous augmenté en fréquence.

Les résultats du .com concordent également avec ce que les praticiens de l’optimisation des moteurs de recherche rapportent de manière anecdotique depuis des années : les fermes de contenu, les sites affiliés et les éditeurs à bas prix ont été les premiers et les plus agressifs à adopter l’écriture générative, car pour eux, l’économie de la production d’une autre page – n’importe quelle page – s’était déjà effondrée à près de zéro. Les éditeurs institutionnels dotés de normes éditoriales ont évolué plus lentement, et cela se voit dans les données.

Bots écrivant pour les robots

Le rapport Pew arrive peu de temps après que le fournisseur d'infrastructure Internet Cloudflare a révélé que le trafic Web des robots avait dépassé le trafic Web humain – une étape franchie plus tôt que l'entreprise ne l'avait estimé. Comme TechCrunch l'a noté dans sa couverture de l'étude, les deux conclusions combinées dressent un tableau troublant : une grande partie du Web est désormais constituée de robots parcourant des pages qui ont été, dans de nombreux cas, écrites par d'autres robots.

Les commentateurs n’ont pas tardé à relier ces données à la « théorie de l’Internet mort » – l’idée autrefois marginale selon laquelle une grande partie du contenu en ligne est générée artificiellement pour un public de robots d’exploration automatisés. Ce qui a commencé comme un mème complotiste ressemble de plus en plus à une réalité démographique mesurable, du moins pour le Web commercial.

Mises en garde concernant la détection

Pew a pris soin de noter les limites de sa méthodologie. Pangram, comme d'autres outils de détection d'IA, peut classer à tort les pages écrites par des humains comme étant générées par l'IA, et la précision de la détection varie selon les styles et les genres d'écriture. Cependant, à l’échelle de centaines de milliers de pages, les données sont probablement au moins correctes, a déclaré l’organisation – et plusieurs études indépendantes sont parvenues à des conclusions similaires sur la part des nouveaux contenus Web montrant des signes de paternité de l’IA.

L'étude a également mesuré uniquement les pages en langue anglaise et s'est appuyée sur les archives de Common Crawl, qui capturent un instantané du Web plutôt que son intégralité.

Pourquoi les chiffres sont importants

Cette découverte a des implications bien au-delà des anecdotes sur Internet. Les moteurs de recherche se demandent déjà comment générer des résultats fiables alors qu’une part croissante du contenu indexé est générée automatiquement. Les éditeurs et les enseignants ont plus de mal à établir la provenance. Et les créateurs de modèles d’IA sont confrontés à un problème plus discret : les données d’entraînement extraites du Web contiennent de plus en plus de résultats d’IA, soulevant le spectre d’une dégradation du modèle via des boucles de rétroaction de texte synthétique.

Pour les lecteurs quotidiens, le point pratique à retenir est une nouvelle posture par défaut de scepticisme. Une revue de produit, un guide pratique ou un article de blog adjacent à l'actualité publié sur un domaine commercial à l'ère post-ChatGPT comporte désormais environ une chance sur trois de porter les empreintes digitales d'une IA – et sur certaines catégories de sites, probablement beaucoup plus.

Le Web a toujours été un mélange d’authentique et de fabriqué. Ce que montrent les données de Pew, c'est que la balance a basculé, et rapidement : en moins de quatre ans, l'écriture automatique est passée d'inexistante à une fraction substantielle de tout ce qui est publié en ligne.

Gardez une longueur d'avance sur l'IA

Pour les dernières recherches sur l'IA, les données de l'industrie et l'analyse des tendances, ajoutez AI Buzz Wire à vos favoris.

Lire plus d'actualités sur l'IA →