Ce que nous ne savons pas encore
Sur ce site, chaque affirmation factuelle renvoie à sa source. Cette page porte sur les questions qui n’ont pas encore de réponse, et sur les raisons pour lesquelles cela compte.
Comment lire cette page. Touchez un mot souligné pour voir le terme académique précis et une courte définition. Dépliez un encadré « Pour aller plus loin » pour voir les données et les points contestés. Le texte principal se suffit à lui-même : vous pouvez ignorer les deux et saisir quand même tout l’argument.
Les préjudices décrits sur les pages précédentes sont établis et sourcés, et, dans plusieurs cas, reconnus par les plateformes elles-mêmes. Mais la machine à attention n’est pas figée, et la recherche a toujours un temps de retard sur la technologie. Voici les questions sur lesquelles nous ne disposons pas encore de preuves suffisantes.
L’effet réel des contenus générés par l’IA sur les élections
Le cycle électoral de 2024 a connu le premier usage documenté de l’IA générative à grande échelle dans des opérations d’influence. Les outils existent désormais pour produire, pour un coût quasi nul, de faux personnages convaincants, de la désinformation sur mesure, et du son et de la vidéo synthétiques. Les travaux du Centre for Emerging Technology and Security (CETaS) n’ont trouvé aucune preuve concluante que les contenus générés par l’IA aient modifié de façon substantielle le résultat de l’élection américaine de 2024. Ils ont en revanche constaté que ces contenus avaient influencé le débat public, amplifié des récits nuisibles et renforcé la polarisation. L’élection présidentielle annulée en Roumanie montre ce qui peut s’ensuivre lorsqu’une amplification algorithmique est accusée d’avoir favorisé un candidat dans un contexte précis. Ce qu’était cette amplification, et qui l’a payée, reste contesté. Ces capacités progressent plus vite que les moyens de les détecter et de les réguler. Nous mettrons cette page à jour à mesure que les données évolueront.
Sources à suivre : EU DisinfoLab ; Agence de l’Union européenne pour la cybersécurité (ENISA) ; MIT Election Data Science Lab ; CETaS (Alan Turing Institute).
Les effets à long terme sur le développement des enfants
La plupart des recherches sur la santé mentale menées jusqu’ici portent sur des périodes relativement courtes. Nous ne disposons pas encore de solides données longitudinales sur ce que fait le fait de grandir dès la petite enfance avec des réseaux sociaux sur smartphone, comme le font aujourd’hui les plus jeunes enfants : sur le développement cognitif, sur la capacité d’attention et sur les aptitudes sociales, tout au long d’une vie. On peut soutenir que c’est la plus importante des questions encore sans réponse. Des études de cohorte sont en cours ; leurs résultats prendront des années.
Étude longitudinale (longitudinal study)
Une étude qui suit les mêmes personnes sur une longue période et les mesure à plusieurs reprises, au lieu de prendre un seul instantané. C’est le type d’étude le mieux à même de distinguer la cause de l’effet (le fil dégrade-t-il l’humeur, ou est-ce une humeur basse qui pousse à faire défiler ?), parce qu’il permet de voir ce qui est venu en premier. Sa faiblesse, c’est le temps : pour savoir ce que les réseaux sociaux de l’enfance font sur toute une vie, il faut attendre à peu près aussi longtemps.
Sources
- ABCD Study — Adolescent Brain Cognitive Development, National Institutes of Health (États-Unis).
Sources à suivre : ABCD Study (Adolescent Brain Cognitive Development, la plus grande étude à long terme sur le développement du cerveau des enfants aux États-Unis) ; Millennium Cohort Study (Royaume-Uni).
Quelles fonctionnalités causent quels préjudices
La recherche traite généralement l’« usage des réseaux sociaux » comme une seule catégorie. Pourtant, un adolescent qui se sert d’Instagram pour partager des photos avec ses amis ne fait pas du tout la même chose qu’un adolescent qui fait défiler passivement un fil personnalisé. Nous ne disposons pas encore de preuves suffisantes pour dire précisément quelles fonctionnalités entraînent quels préjudices, et à partir de quel niveau d’usage : le défilement infini, la recommandation algorithmique, le nombre de « j’aime », les notifications push. Nous savons aussi que les effets sont propres à chaque personne : la même fonctionnalité aide l’un et nuit à l’autre. Cela compte autant pour la régulation que pour la refonte du design.
Effets propres à chaque personne (person-specific effects)
Le constat que les moyennes cachent des réalités individuelles opposées : une fonctionnalité qui améliore l’humeur d’une personne dégrade celle d’une autre. La moyenne de la population peut donc être proche de zéro, alors que des préjudices et des bénéfices bien réels sont importants mais s’annulent. Les travaux de Valkenburg soutiennent que c’est pour cette raison que le débat sur le « faible effet moyen » peut induire en erreur : la bonne question est souvent pour qui, et dans quelles conditions, plutôt que de combien en moyenne.
Sources
- Valkenburg, P.M., Beyens, I., Pouwels, J.L., van Driel, I.I. & Keijsers, L. (2021), Social Media Use and Adolescents' Self-Esteem: Heading for a Person-Specific Media Effects Paradigm, Journal of Communication 71(1).
Sources à suivre : Center for Humane Technology ; le laboratoire de la professeure Patti Valkenburg à l’Université d’Amsterdam, chercheuse européenne de premier plan sur les effets des réseaux sociaux propres à chaque personne.
Les effets en dehors des démocraties occidentales
La plupart des recherches citées sur ce site viennent des États-Unis, du Royaume-Uni et de l’Union européenne. Or la machine à attention fonctionne dans tous les pays qui ont accès à Internet. Les préjudices au Myanmar et en Éthiopie sont documentés. Ce qui se passe au Brésil, en Inde, en Indonésie et au Nigeria, des pays aux contextes culturels différents où les réseaux sociaux comptent un nombre énorme d’utilisateurs, est bien moins étudié dans la recherche anglophone sur laquelle s’appuie ce site.
Sources à suivre : Reuters Institute Digital News Report (annuel, plus de 40 pays) ; Global Voices.
Les compagnons IA
Les produits d’IA conversationnelle conçus pour entretenir une relation personnelle dans la durée forment une catégorie à part entière. L’incitation commerciale est proche de celle des réseaux sociaux — optimiser l’engagement et le retour des utilisateurs —, même lorsque l’argent vient des abonnements plutôt que de la publicité. Les données sur leurs effets (sur la solitude, le développement social, la dépendance affective et la prise de décision) restent minces. Nous ne savons pas encore si les préjudices sont comparables à ceux des réseaux sociaux. L’infrastructure est la même ; l’expérience est d’une autre nature.
Sources à suivre : Oxford Internet Institute ; Center for AI Safety.
Pourquoi c’est important
L’écart entre ce que montrent les données et ce que la technologie fait déjà, c’est le déficit de gouvernance. Les lois avancent lentement. La recherche prend du temps. Les plateformes vont vite. Cette page sera mise à jour à mesure que les données évolueront.
Comment nous savons ce que nous ne savons pas : pourquoi la recherche a du retard, et comment nous en tenons compte
Deux faits structurels maintiennent les données en retard sur la technologie. D’abord, les études les plus solides sont les plus lentes : une cohorte longitudinale capable de trancher la question du développement doit suivre des enfants pendant des années, et d’ici là les plateformes ont changé. Ensuite, la principale mesure de l’exposition dans ce domaine, le « temps d’écran » ou l’« usage des réseaux sociaux » déclaré par les personnes elles-mêmes, est grossière : elle met dans le même sac un appel vidéo avec les grands-parents et deux heures de défilement passif. Une mesure grossière réduit et brouille les effets mesurés, quoi qu’il se passe réellement.
Comment ce site gère cet écart. Nous présentons les préjudices établis comme établis, les affirmations causales contestées comme contestées, et les véritables inconnues (cette page) comme des inconnues, sans en gonfler aucune. Reconnaître les limites n’affaiblit pas l’argument : c’est ce qui rend le reste digne de confiance. Nous préférons affirmer trop peu et pouvoir être vérifiés plutôt qu’affirmer trop et être réfutés sur un détail.
Sources
- CETaS (Alan Turing Institute), AI-Enabled Influence Operations: Safeguarding Future Elections (2024).
- ABCD Study (National Institutes of Health, États-Unis).
- Valkenburg, P.M. et al. (2021), Social Media Use and Adolescents' Self-Esteem: Heading for a Person-Specific Media Effects Paradigm, Journal of Communication 71(1) — Université d’Amsterdam.
- Reuters Institute — Digital News Report 2025.
- Curtea Constituțională a României (6 décembre 2024), Hotărârea nr. 32 — la décision unanime annulant l’ensemble du processus électoral présidentiel ; Cour européenne des droits de l’homme (11 février 2025), Georgescu v. Romania (n° 37327/24) — la requête du candidat contre l’annulation, déclarée irrecevable.
- UN Independent Fact-Finding Mission on Myanmar (2018) — A/HRC/39/64.
- Amnesty International (31 octobre 2023), 'A death sentence for my father': Meta's contribution to human rights abuses in northern Ethiopia (AFR 25/7292/2023).