Anderson, car il fournit un cadre historique et épistémologique pour penser l’émergence et l’évolution du journalisme de données ; Desrosières, car il permet d’en éclairer les dimensions sociologiques et politiques à travers l’étude de la quantification ; Boyd et Crawford, qui invitent à adopter une lecture critique des données massives et de leurs conditions de production ; Bradshaw, qui propose un cadre structurant pour penser le journalisme de données en tant que processus ; et Cairo, qui apporte des outils essentiels pour développer une lecture critique des visualisations de données.

Depuis le milieu des années 2000 et l’émergence du journalisme de données, puis du journalisme algorithmique ou computationnel, la question des compétences techniques occupe une place importante dans les débats professionnels et académiques. Une interrogation revient régulièrement : faut-il apprendre à coder lorsque l’on est journaliste ? Cette question a conduit de nombreuses formations à introduire des enseignements en HTML, Python ou R, à encourager les collaborations entre journalistes et développeurs, ou encore à construire des passerelles entre compétences techniques et compétences éditoriales. Pendant plusieurs années, la capacité à programmer a ainsi été présentée comme une compétence stratégique permettant aux journalistes de mieux comprendre les outils numériques, d’accéder à certaines sources de données et de développer de nouvelles méthodes d’enquête. L’essor récent des systèmes génératifs reconfigure toutefois ce débat. La question n’est plus uniquement de savoir s’il faut coder, mais également de comprendre comment les journalistes peuvent mobiliser des systèmes capables de produire du code à partir d’instructions formulées en langage naturel. Les pratiques regroupées sous le terme de vibe coding s’inscrivent dans cette évolution. Elles reposent sur l’idée qu’un utilisateur peut décrire un objectif, un besoin ou un problème, tandis que le système se charge de générer une partie des instructions nécessaires à sa réalisation. Cette évolution déplace plutôt le centre de gravité de l’activité. Là où l’apprentissage du code mettait l’accent sur l’écriture des instructions, les systèmes génératifs renforcent l’importance de la définition des tâches, de la formulation des objectifs, de l’évaluation des résultats et de la compréhension des limites des solutions proposées. Dans cette perspective, comment est-il possible de déléguer des tâches sensibles tout en conservant une capacité de contrôle, de compréhension et de justification ? Pour être mobilisées de manière pertinente, ces pratiques émergentes supposent de mieux comprendre ce que recouvre le terme d’intelligence artificielle. Les systèmes contemporains reposent sur des technologies diverses, dont les capacités et les limites diffèrent sensiblement, de l’apprentissage automatique aux modèles génératifs. Ces différentes technologies ne permettent pas d’automatiser les mêmes tâches et de répondre aux mêmes besoins. Un usage responsable suppose donc une compréhension suffisante de ce qu’ils font, de ce qu’ils ne font pas et des conditions dans lesquelles leurs résultats peuvent être considérés comme fiables et utilisable. Cette exigence renvoie plus largement à une forme de littéracie de l’intelligence artificielle, laquelle implique la capacité à comprendre les principes généraux qui sous-tendent les systèmes, à exercer un regard critique sur leurs résultats et à les mobiliser de manière appropriée dans des contextes professionnels spécifiques. Plus les systèmes deviennent capables de prendre en charge certaines opérations, plus la définition des tâches devient centrale.

Le prompting apparaît ainsi moins comme une technique autonome que comme une mise en forme d’une intention professionnelle. La qualité d’une instruction dépend largement de la capacité de l’utilisateur à définir son problème, à anticiper les difficultés de la tâche et à évaluer ce que le système produit. Autrement dit, un bon prompt ne compense pas une mauvaise compréhension du problème : il en est souvent le révélateur.

les fondamentaux du métier

Les transformations les plus durables ne correspondent pas nécessairement aux usages les plus visibles ni aux promesses les plus spectaculaires.

Dépasser le hype

voire disparition de certaines formes de travail intellectuel

Usage, pratique, adoption et appropriation

Un outil peut ainsi faire l’objet d’un usage ponctuel sans jamais devenir une pratique régulière ; une pratique peut se stabiliser sans être formellement adoptée par l’organisation ; inversement, une technologie officiellement adoptée peut rester faiblement appropriée par les journalistes.

L’appropriation désigne enfin un processus plus profond, par lequel les professionnels ne se contentent pas d’utiliser une technologie, mais l’adaptent à leurs besoins, lui attribuent de nouvelles significations et l’intègrent progressivement à leurs routines, leurs normes et leurs représentations du métier.

l’organisation collective du travail. ajoutée tout en maintenant des mécanismes de supervision et de contrôle éditorial. Tableau 15. De l’usage à l’intégration : différents niveaux d’ancrage des technologies dans le travail journalistique.

sa sortie

de la médiation

pensé

Dans une acception minimale, l’OSINT peut être définie comme l’exploitation raisonnée de sources ouvertes afin de produire des connaissances vérifiables, fondées sur la convergence de preuves indépendantes et sur une interprétation contextualisée des traces numériques disponibles. Dans le journalisme, l’OSINT s’est progressivement imposée comme un prolongement des pratiques de vérification, notamment face à l’abondance de contenus produits par des utilisateurs et à la circulation accélérée d’images et de vidéos en ligne dont l’authenticité pose question.

14. Promesses et usages de l’OSINT

A partir des années 1990

De plus, s’ils reconnaissent l’intérêt des technologies d’IA pour accélérer certaines étapes du processus de vérification, souvent long et laborieux, les fact-checkers demeurent généralement prudents à l’égard de ces outils.

pour répondre précisément à l’étape de collecte de preuves du pipeline de vérification.

OSINT

Contrairement aux approches centrées sur la confiance ou sur des principes éthiques déclaratifs, l’intégrité de l’information renvoie aux conditions concrètes dans lesquelles une information peut être justifiée, contestée et assumée par des institutions. Elle constitue, à ce titre, un cadre d’analyse essentiel pour penser les usages responsables de l’intelligence artificielle et des technologies numériques dans le journalisme.

Les Nations Unies ont formulé, à ce titre, cinq principes clés pour protéger l’intégrité de l’information : renforcer la confiance et la résilience des sociétés en protégeant les droits humains et en encourageant un dialogue fondé sur les faits ; promouvoir des incitations saines en demandant aux entreprises technologiques de revoir des modèles économiques qui tirent profit de la haine et du mensonge ; responsabiliser le public en lui donnant les moyens d’exercer son esprit critique face aux flux numériques ; soutenir des médias indépendants, libres et pluralistes ; et exiger des plateformes davantage de transparence sur la manière dont leurs données et leurs algorithmes diffusent les contenus.

Dans les environnements journalistiques assistés par l’IA, l’intégrité informationnelle est fragilisée par plusieurs formes de dégradation épistémique : erreurs systémiques dans les données et les modèles, biais incorporés dans les systèmes de recommandation, distorsions sémantiques produites par des mécanismes génératifs tels que l’omission, la transformation ou l’hallucination. A cela s’ajoutent des formes de manipulation visant à affecter la fiabilité des sorties produites par les systèmes.

Selon la définition proposée par l’Organisation des Nations Unies, il s’agit de « la propriété qui garantit qu’une information est exacte, complète, cohérente et qu’elle n’a pas été modifiée, altérée ou détruite de façon non autorisée ou accidentelle tout au long de son cycle de vie ».

Les plateformes numériques jouent un rôle central dans l’intensification de ce brouillage par la logique même de leur fonctionnement. Les mécanismes de viralité privilégient les contenus qui suscitent des réactions émotionnelles fortes et immédiates plutôt que ceux qui reposent sur des explications complexes ou nuancées. Cette dynamique favorise la diffusion de récits simplifiés, polarisants, et limite la visibilité des travaux de vérification plus lents ou plus techniques.

brouillage entre fiction et réalité

Face à ces dynamiques, une grille de lecture empruntée au journalisme, les « 5 Ws », permet de contextualiser une opération de propagande suspectée : qui la mène ? à qui s’adresse-telle ? sur quels canaux circule-t-elle ? sous quels formats ? dans quel but ? à quel moment intervient-elle ?

le réseau chinois dit de la « 50 Cent Army »

Tableau 13. Typologie des formes de propagande (Ellul, 1965).

La propagande n’est pas un phénomène né avec les réseaux sociaux

Désinformation

Catégorie Définition Mécanisme central

La complexité du fact checking se manifeste dans la manière dont les organisations attribuent des indices ou des scores de véracité aux énoncés qu’elles évaluent. Cette opération repose sur des jugements interprétatifs et éditoriaux qui varient selon les cadres méthodologiques, les traditions professionnelles et les objectifs de chaque organisation. En pratique, les échelles ‑ de véracité utilisées par les organisations de fact checking ne sont ni homogènes ni standardisées. Certaines mobilisent des catégories fines (« plutôt vrai », « partiellement faux », « trompeur »), tandis que d’autres privilégient des systèmes plus synthétiques. Ces différences tiennent notamment aux seuils de preuve retenus, aux cadres d’interprétation mobilisés et aux choix éditoriaux opérés face à des faits souvent provisoires, interprétatifs ou ‑ institutionnellement définis. Il en résulte que des fact checks portant sur un même sujet peuvent conduire à des évaluations divergentes sans que les faits eux ‑ mêmes soient nécessairement contradictoires.

Technique

Comprendre les techniques de manipulation

Titres, images ou légendes ne correspondant pas au réel.

Tableau 11. Principales techniques et mécanismes observés dans les désordres informationnels.

Vérifier dans l’urgence et l’abondance

Mais si fact-checking et investigation partagent ainsi des méthodes, ils s’opposent sur leur logique : l’un part d’un énoncé déjà public pour le confirmer, nuancer ou réfuter ; l’autre part d’une question ou d’un soupçon pour produire un fait inédit. Le premier contrôle une affirmation existante ; le second met au jour ce qui ne l’était pas encore.

En journalisme, la vérification n’intervient plus nécessairement uniquement en amont de la publication. Elle s’effectue aussi a posteriori, notamment pour évaluer des propos ou des contenus devenus viraux sur les réseaux sociaux. Ce déplacement temporel de la vérification a contribué à l’émergence du fact-checking comme sous genre journalistique à part entière, centré sur l’évaluation publique d’énoncés déjà diffusés.

Si le rôle du journaliste est toujours celui de faire le tri, le travail sur les sources s’en trouve considérablement complexifié : il implique d’évaluer leur crédibilité, leur positionnement social, leurs intérêts éventuels, ainsi que leurs conditions de production et de diffusion. Un fait n’existe journalistiquement que parce qu’il est adossé à des sources jugées suffisamment solides pour soutenir un récit publiable. Cette conception de la vérification rejoint une approche épistémologique pragmatique : les faits journalistiques ne sont pas des données brutes immédiatement accessibles, mais des constructions stabilisées à partir d’éléments hétérogènes (documents, témoignages, données, images, expertises) qui doivent être mis en relation. Vérifier revient donc aussi à reconstruire des chaînes de production de l’information.

es analyses présentées dans ce chapitre dialoguent notamment avec les travaux de Graves sur le fact-checking, Wardle et Derakhshan sur les désordres informationnels, Starbird sur les écosystèmes de désinformation, ainsi qu’avec les réflexions de Arendt et Ellul sur la propagande, la vérité et la construction des réalités collectives.

Ce module s’appuie sur mes travaux de recherche consacrés au fact-checking, aux pratiques contemporaines de vérification de l’information et à leurs transformations dans des environnements numériques marqués par l’essor des intelligences artificielles génératives (Dierickx & Lindén, 2023 ; Dierickx et al., 2023 ; Dierickx & Lindén, 2024 ; Dierickx et al., 2024a, 2024b ; Khan et al., 2025 ; Dierickx & Lindén, 2026 ; Dierickx et al., 2026).

Le numérique fragilise les pratiques traditionnelles de vérification : les informations circulent sans ancrage clair, peuvent être manipulées ou simulées, et doivent parfois (voire souvent) être vérifiées dans l’urgence et l’incertitude.