▲ L'édito — Les réflexions sur la modernisation de cette wikilettre se poursuivent. Dans ce cadre, nous aimerions créer de nouvelles rubriques. Vos suggestions sont les bienvenues en salle de rédaction : dites-nous ce que vous aimeriez lire dans les RAW, ou ce que vous voudriez y écrire !

C'est dans cette perspective que nous lançons un premier appel à commentaires afin de co-rédiger un futur dossier relatif à la possibilité de modifier Wikipédia sans créer de compte (actuellement sous IP, prochainement sous compte temporaire).

Bonne lecture !

RAW encourage les membres de la communauté à s'exprimer sur différents enjeux liés à l'écosystème Wikimedia. N'hésitez pas à proposer vos textes pour cette section. N'hésitez pas non plus à réagir dans la section du courrier du lectorat.

Certains articles de Wikipédia sont déréférencés par Google. Combien ? Les déréférencements sont-ils légitimes ? C'est le grand flou.

Le Canard enchaîné publie une enquête qui vous déplaît ? Oubliez le communiqué de presse et la plainte pour diffamation. Le problème, ce n'est pas l'article : c'est le fait qu'il soit lu ! Et s'il était possible de le faire disparaître de Google ? Improbable ? C'est pourtant ce qui s'est passé, nous raconte Thibaut Schepman dans un article paru en janvier dernier dans La Revue des médias, éditée par l'Institut national de l'audiovisuel (INA)^[10]. La méthode employée par les malandrins est la suivante : signaler à Google une violation des droits d'auteurs en affirmant que l'article de presse est un plagiat d'une page web, antidatée. Derrière la mésaventure vécue par une journaliste du Canard enchaîné se cache une véritable industrie du déréférencement indu, nous apprend Thibaut Schepman.

Si Google a rétabli le référencement de l'article du Canard enchaîné, est-il possible que Wikipédia soit également victime de telles manœuvres ? La question n'est pas anodine. La plupart des consultations de Wikipédia proviennent des moteurs de recherche, et parmi ceux-ci, Google est en position de quasi-monopole^[11]. Un article Wikipédia déréférencé de Google, c'est donc probablement un article qui ne sera quasiment plus lu.

De la lumière mais pas trop

Pour savoir ce qu'il en est, première étape, la plateforme Lumen. Elle permet de consulter les demandes de déréférencement adressées à Google pour divers motifs : violation des droits d'auteurs, diffamation, droit à l'oubli... Mais les notices, dont la consultation n'est pas aisée, n'indiquent pas l'issue de ces demandes. Nous ne sommes guère éclairés.

De son côté, la Fondation Wikimédia (WMF) a commencé en 2014 à publier les notifications de déréférencement qu'elle recevait de Google (dont plusieurs dizaines pour Wikipédia en français). À l'époque, la WMF s'est émue de cette censure, motivée par le droit à l'oubli, dans un billet de blog en anglais^[12].

Récemment, l'auteur de ces lignes a eu vent du déréférencement d'un article de Wikipédia en français par Google. Le déréférencement a-t-il été effectué au nom du droit à l'oubli ? Ou bien par une méthode retorse comme celle mise en lumière par La Revue des médias ? Aucune idée : aucun résultat sur Lumen avec le titre de l'article, et pas de notice relative sur la page tenue à jour par la WMF.

RGPD à la suédoise

Renseignement pris auprès du service juridique de la WMF, Google envoie depuis quelques années des notifications de déréférencement dépourvues de l'URL du contenu déréférencé (exemple) et donc parfaitement inutiles. Surprenant. Ce changement découle en fait d'une décision prise en 2020 par l'Autorité suédoise pour la protection de la vie privée, sur le fondement du règlement général sur la protection des données (RGPD). Elle a estimé qu'en fournissant l'URL du contenu déréférencé dans ses notifications, Google permettait à leur destinataire de republier les contenus litigieux sous une autre URL, et donc de bafouer le droit à l'oubli^[13]. Exit les URL.

Tout au plus la WMF continue-t-elle de recevoir des notifications précises quand le requérant est situé hors Union européenne ; on sait ainsi que l'article Fusillade de l'université d'Eskişehir Osmangazi a disparu de certaines recherches Google en raison de la législation turque — sans plus de précision.

On ignore d'ailleurs si la WMF reçoit systématiquement une notification de Google en cas de déréférencement. En tout état de cause, la liste des notifications relatives à Wikipédia en français n'évoque aucun déréférencement pour violation des droits d'auteurs — c'est en revanche le cas pour Wikipédia en anglais, comme le relèvent nos confrères du Signpost.

S'agissant du droit à l'oubli, s'il est légitime de chercher un équilibre entre droit à l'information et droit au respect de la vie privée, il apparaît contestable qu'une entreprise privée, en l'espèce Google, puisse opérer sans aucune transparence le déréférencement d'articles.

Dans cette section, le magazine aborde un sujet qui a fait beaucoup réagir à l'intérieur de la communauté, voire à l'extérieur.

Cet article repose sur quatre interviews que vous pouvez consulter dans leur version complète.

Lors de précédentes éditions, nous avons régulièrement abordé le sujet de l'IA générative (genAI), ses implications et conséquences pour Wikipédia. Nous aimerions prendre le temps, au travers d'un dossier et d'interventions de quatre contributeurs, d'approfondir le sujet. Pa2chant.bis, LD, Aelxen et (:Julien:) analysent les usages de l'IA et les problèmes qu'ils engendrent ; ils discutent aussi de l'élaboration d'un texte pour les encadrer.

Ils fleurissent sur l'encyclopédie et le printemps n'y est pour rien. Les textes générés par IA sont de plus en plus nombreux sur les articles de Wikipédia à mesure que l'usage de l'IA générative se démocratise. Pour Pa2chant.bis, cet usage wikipédien se fait « en l'absence de recommandation », ce qui a pour conséquence de rendre « très lourd et coûteux en temps de démontrer des abus » et risque de démotiver les contributeurs qui se consacrent à ces vérifications.

Julien indique à ce propos qu'il est « difficile d'anticiper les usages qui seront faits des LLM. Mais c'est potentiellement un game changer pour WP », qui peut au choix « devenir un dépôt de connaissances approximatives via des masses de textes mal comprises ou un facilitateur de rédaction ».

Pa2chant.bis n'y va pas par quatre chemins : « C'est l'avenir de Wikipédia qui se joue. » Les enjeux et les risques de ces nouvelles pratiques sont déjà connus : « outre les potentielles atteintes au droit d'auteur, on peut citer les problèmes de fiabilité de l'information de type absence ou détournement de source, les TI et les problèmes de style. »

La majorité des usages observés ne résistent pas aux vérifications et affichent différents problèmes qui pourraient être évités si la contribution était 100 % humaine. C'est notamment le cas des traductions automatiques, des synthèses de sources multiples, de l'identification de sources, etc.

Des usages problématiques, Pa2chant.bis en a vu quelques exemples surprenants. Par exemple, dans une page Wikipédia sur une maladie, indiquer aux parents que même traitée, elle peut être mortelle, alors qu'aucune source n'a été trouvée dans ce sens. Dans l'article 'Ndrangheta (la mafia calabraise), une famille dont le nom est parfaitement inconnu des sources a été désignée comme étant influente. Dans un autre article étaient indiqués des liens familiaux entre deux personnes, liens imaginaires sourcés avec un blog généré par IA. Les abus peuvent d'une envergure encore supérieure, comme les interventions mêlant TI, IA et vandalismes sur une profusion d'articles dédiés aux quasars : alors que le projet:Astronomie compte peu de membres, et encore moins de spécialistes de ce sous-domaine, cela va exiger d'utiliser WP:TNT.

Julien rappelle que les traductions automatiques relèvent de l'IA, et plus récemment de l'introduction des LLM. Or, « la communauté semble ok avec cette utilisation de l'IA », quand bien même Julien en est lui-même critique. Concernant les LLM, « des utilisateurs ont développé et rendu compte de pratiques plus avancées (Projet:Observatoire des IA/Documentation, Utilisateur:Global Donald/Création d'article via ChatGPT 4o et comparaison des prompts, Utilisateur:Nanoyo88/testIA…) ». La question revient dès lors à se demander si la relecture et la vérification sont bien effectuées, et c'est là que ça coince. Comme pour les traductions automatiques à la chaîne, les textes générés par IA augmentent la quantité de travail de vérification pour la communauté.

Il y a également des usages de LLM qui pourraient être utiles à l'automatisation de certaines opérations de maintenance sur Wikipédia. « Sur les projets sportifs (basket, foot, foot US), c'est toujours relou quand un joueur change de club : il faut rajouter des catégories, changer des palettes, mettre à jour l'infobox… Not fun. J'ai dans ma todo list le développement d'un outil automatique de mise à jour quand un joueur change de club, avec l'usage d'un LLM. » Les LLM pourraient également être utilisés afin de lutter contre le vandalisme, voire même contre les mésusages de LLM !

Dernièrement, un tracker a été mis en place par Julien sur la base du signalement, par Pa2chant.bis, de sources comportant un paramètre UTM lié à ChatGPT. Cette longue liste n'est que la partie émergée d'une analyse en profondeur nécessaire et dans laquelle il faut comparer les sources présentées et les informations ajoutées.

Afin de pouvoir rapidement identifier ce type d'ajout, un filtre anti-abus a été créé par Aelxen. « Le filtre consiste à détecter les insertions d'URL contenant un paramètre UTM provenant de ChatGPT. Actuellement, il est uniquement utilisé pour récupérer des statistiques. À terme, il pourrait permettre d'insérer un message d'avertissement lors de la publication des modifications. »

Actuellement, on peut difficilement s'appuyer uniquement sur des outils de détection et éléments techniques pour identifier les usages de textes générés par IA avec fiabilité. « Ces outils sont imparfaits, explique Julien : les LLM sont des machines probabilistes donc il y a des risques de faux-positifs. Les études qui essaient de mesurer les faux positifs divergent pas mal et s'appuient sur des textes en anglais, donc il faut prévoir une décote pour le français. »

Aelxen et Pa2chant.bis jugent également la fiabilité de ces détecteurs insuffisante. Pour Pa2chant.bis, « le plus performant détecteur trouve en français un nombre impressionnant de probables faux-positifs » et Julien souligne une observation surprenante d'Esprit Fugace : il y a des faux positifs lorsque le contenu est rédigé « par des personnes neuroatypiques dont le style rédactionnel diffère » de la norme.

Sur les possibilités techniques, Aelxen suggère que « des outils semi-automatiques pourraient être envisagés pour aider à l'analyse, par exemple en signalant des passages suspects ou en identifiant des modèles d'écriture caractéristiques de l'IA ». Mais Julien considère que c'est « sans issue parce que les LLM s'aguerrissent et les méthodes de détection sont toujours en retard. Il est possible que le contenu genAI devienne rapidement indiscernable par un œil humain comme par un détecteur ».

Identifier les textes générés par IA et leurs problèmes n'est pas chose aisée. Pa2chant.bis témoigne de sa pratique, indiquant que cela se fait « au hasard des analyses de créations d'articles, des relectures et de la patrouille ». Les mauvais usages possèdent plusieurs marqueurs tels que le style stéréotypé et souvent laudatif, le plan caractéristique et les détournements de sources par hallucination — « et là, c'est beaucoup plus long à identifier ».

Le second problème est qu'il est particulièrement complexe de faire comprendre aux utilisateurs d'IA, novices ou expérimentés, les problèmes de leurs contributions. Pa2chant.bis a l'impression « qu'ils voient surtout le verre à moitié plein (leurs prompts sont de plus en plus précis et performants, et le niveau de réponse des IA s'améliore) sans voir le verre à moitié vide (les erreurs, le langage stéréotypé et les traductions parfaites en mot à mot, mais porteuses de contresens, non-sens ou inventions) ».

Malheureusement, l'utilisation abusive de l'IA reste très tentante car elle est en mesure de produire des textes d'apparence robuste, auxquels il est aisé pour les contributeurs de faire confiance, en ayant la fausse impression d'avoir maitrisé un sujet. À cela s'ajoute la culture historique de Wikipédia « selon laquelle l'encyclopédie est en construction, les erreurs ne sont pas trop graves et finiront bien par être corrigées un jour » ainsi que le sentiment que refuser l'usage de l'IA relève « d'une forme de passéisme, ou d'une attitude rétrograde vis-à-vis des progrès technologiques ».

Le 1^er mars 2025, Pa2chant.bis tirait une nouvelle fois la sonnette d'alarme, soulevant une nouvelle pratique consistant à sourcer des contenus, ou générer des contenus sourcés, par le biais de l'IA. Cette situation le pousse alors à inviter la communauté à se pencher sur un passage à l'état de recommandation d'un texte encadrant l'usage des IA. L'idée a été très bien accueillie et un sondage est en préparation. Deux versions existent actuellement, un essai élaboré depuis plusieurs mois et une contre-proposition simplifiée par LD.

Cependant, établir une recommandation présente plusieurs contraintes car elle a vocation à établir des lignes directrices à suivre dans la contribution. LD nous rappelle qu'elles doivent donc « répondre aux attentes et interrogations les plus courantes, tout en véhiculant un « savoir-faire » concret ».

Le plus complexe est de produire une recommandation « claire, non contradictoire avec les autres normes (principes, règles, recommandations) et permettre un ajustement progressif ». Ce dernier élément est nécessaire afin de pouvoir répondre aux éventuelles évolutions législatives. En effet, l'IA générative pose la question de la propriété intellectuelle, dans la mesure où « les textes générés [peuvent provenir] de textes régis par le droit d'auteur et [où] ces générations [pourraient être] considérées comme également soumises au droit d'auteur (et/ou sont considérées comme des œuvres dérivées ou collectives) ».

Cette future recommandation ne supplantera donc pas les recommandations déjà existantes. LD évoque le propos de @Cosmophilus à ce sujet en soulignant que « le mauvais usage de l'IA se caractérise par la violation d'un principe ou d'une norme déjà définie, telle que WP:DA, WP:V, WP:STYLE, etc. ». Aussi le but n'est-il pas de répéter le corpus réglementaire mais de donner des indications pour « se concentrer sur l'application de ces normes dans le cadre de l'IA ».

Si la communauté démontre une certaine hostilité à l'égard des contenus générés par IA et le démontre au travers de précédents sondages, il ne semble pas que l'on se dirige vers une interdiction stricte de son usage. Il est d'ores et déjà complexe de le démontrer.

Face à ces nouvelles pratiques, comme l'écrit LD, le mot d'ordre pourrait bien être de « rester guidé par le bon sens et le discernement ».

▲ L'édito — Les réflexions sur la modernisation de cette wikilettre se poursuivent. Dans ce cadre, nous aimerions créer de nouvelles rubriques. Vos suggestions sont les bienvenues en salle de rédaction : dites-nous ce que vous aimeriez lire dans les RAW, ou ce que vous voudriez y écrire !

C'est dans cette perspective que nous lançons un premier appel à commentaires afin de co-rédiger un futur dossier relatif à la possibilité de modifier Wikipédia sans créer de compte (actuellement sous IP, prochainement sous compte temporaire).

Bonne lecture !

RAW encourage les membres de la communauté à s'exprimer sur différents enjeux liés à l'écosystème Wikimedia. N'hésitez pas à proposer vos textes pour cette section. N'hésitez pas non plus à réagir dans la section du courrier du lectorat.

Certains articles de Wikipédia sont déréférencés par Google. Combien ? Les déréférencements sont-ils légitimes ? C'est le grand flou.

Le Canard enchaîné publie une enquête qui vous déplaît ? Oubliez le communiqué de presse et la plainte pour diffamation. Le problème, ce n'est pas l'article : c'est le fait qu'il soit lu ! Et s'il était possible de le faire disparaître de Google ? Improbable ? C'est pourtant ce qui s'est passé, nous raconte Thibaut Schepman dans un article paru en janvier dernier dans La Revue des médias, éditée par l'Institut national de l'audiovisuel (INA)^[10]. La méthode employée par les malandrins est la suivante : signaler à Google une violation des droits d'auteurs en affirmant que l'article de presse est un plagiat d'une page web, antidatée. Derrière la mésaventure vécue par une journaliste du Canard enchaîné se cache une véritable industrie du déréférencement indu, nous apprend Thibaut Schepman.

Si Google a rétabli le référencement de l'article du Canard enchaîné, est-il possible que Wikipédia soit également victime de telles manœuvres ? La question n'est pas anodine. La plupart des consultations de Wikipédia proviennent des moteurs de recherche, et parmi ceux-ci, Google est en position de quasi-monopole^[11]. Un article Wikipédia déréférencé de Google, c'est donc probablement un article qui ne sera quasiment plus lu.

De la lumière mais pas trop

Pour savoir ce qu'il en est, première étape, la plateforme Lumen. Elle permet de consulter les demandes de déréférencement adressées à Google pour divers motifs : violation des droits d'auteurs, diffamation, droit à l'oubli... Mais les notices, dont la consultation n'est pas aisée, n'indiquent pas l'issue de ces demandes. Nous ne sommes guère éclairés.

De son côté, la Fondation Wikimédia (WMF) a commencé en 2014 à publier les notifications de déréférencement qu'elle recevait de Google (dont plusieurs dizaines pour Wikipédia en français). À l'époque, la WMF s'est émue de cette censure, motivée par le droit à l'oubli, dans un billet de blog en anglais^[12].

Récemment, l'auteur de ces lignes a eu vent du déréférencement d'un article de Wikipédia en français par Google. Le déréférencement a-t-il été effectué au nom du droit à l'oubli ? Ou bien par une méthode retorse comme celle mise en lumière par La Revue des médias ? Aucune idée : aucun résultat sur Lumen avec le titre de l'article, et pas de notice relative sur la page tenue à jour par la WMF.

RGPD à la suédoise

Renseignement pris auprès du service juridique de la WMF, Google envoie depuis quelques années des notifications de déréférencement dépourvues de l'URL du contenu déréférencé (exemple) et donc parfaitement inutiles. Surprenant. Ce changement découle en fait d'une décision prise en 2020 par l'Autorité suédoise pour la protection de la vie privée, sur le fondement du règlement général sur la protection des données (RGPD). Elle a estimé qu'en fournissant l'URL du contenu déréférencé dans ses notifications, Google permettait à leur destinataire de republier les contenus litigieux sous une autre URL, et donc de bafouer le droit à l'oubli^[13]. Exit les URL.

Tout au plus la WMF continue-t-elle de recevoir des notifications précises quand le requérant est situé hors Union européenne ; on sait ainsi que l'article Fusillade de l'université d'Eskişehir Osmangazi a disparu de certaines recherches Google en raison de la législation turque — sans plus de précision.

On ignore d'ailleurs si la WMF reçoit systématiquement une notification de Google en cas de déréférencement. En tout état de cause, la liste des notifications relatives à Wikipédia en français n'évoque aucun déréférencement pour violation des droits d'auteurs — c'est en revanche le cas pour Wikipédia en anglais, comme le relèvent nos confrères du Signpost.

S'agissant du droit à l'oubli, s'il est légitime de chercher un équilibre entre droit à l'information et droit au respect de la vie privée, il apparaît contestable qu'une entreprise privée, en l'espèce Google, puisse opérer sans aucune transparence le déréférencement d'articles.

Dans cette section, le magazine aborde un sujet qui a fait beaucoup réagir à l'intérieur de la communauté, voire à l'extérieur.

Cet article repose sur quatre interviews que vous pouvez consulter dans leur version complète.

Lors de précédentes éditions, nous avons régulièrement abordé le sujet de l'IA générative (genAI), ses implications et conséquences pour Wikipédia. Nous aimerions prendre le temps, au travers d'un dossier et d'interventions de quatre contributeurs, d'approfondir le sujet. Pa2chant.bis, LD, Aelxen et (:Julien:) analysent les usages de l'IA et les problèmes qu'ils engendrent ; ils discutent aussi de l'élaboration d'un texte pour les encadrer.

Ils fleurissent sur l'encyclopédie et le printemps n'y est pour rien. Les textes générés par IA sont de plus en plus nombreux sur les articles de Wikipédia à mesure que l'usage de l'IA générative se démocratise. Pour Pa2chant.bis, cet usage wikipédien se fait « en l'absence de recommandation », ce qui a pour conséquence de rendre « très lourd et coûteux en temps de démontrer des abus » et risque de démotiver les contributeurs qui se consacrent à ces vérifications.

Julien indique à ce propos qu'il est « difficile d'anticiper les usages qui seront faits des LLM. Mais c'est potentiellement un game changer pour WP », qui peut au choix « devenir un dépôt de connaissances approximatives via des masses de textes mal comprises ou un facilitateur de rédaction ».

Pa2chant.bis n'y va pas par quatre chemins : « C'est l'avenir de Wikipédia qui se joue. » Les enjeux et les risques de ces nouvelles pratiques sont déjà connus : « outre les potentielles atteintes au droit d'auteur, on peut citer les problèmes de fiabilité de l'information de type absence ou détournement de source, les TI et les problèmes de style. »

La majorité des usages observés ne résistent pas aux vérifications et affichent différents problèmes qui pourraient être évités si la contribution était 100 % humaine. C'est notamment le cas des traductions automatiques, des synthèses de sources multiples, de l'identification de sources, etc.

Des usages problématiques, Pa2chant.bis en a vu quelques exemples surprenants. Par exemple, dans une page Wikipédia sur une maladie, indiquer aux parents que même traitée, elle peut être mortelle, alors qu'aucune source n'a été trouvée dans ce sens. Dans l'article 'Ndrangheta (la mafia calabraise), une famille dont le nom est parfaitement inconnu des sources a été désignée comme étant influente. Dans un autre article étaient indiqués des liens familiaux entre deux personnes, liens imaginaires sourcés avec un blog généré par IA. Les abus peuvent d'une envergure encore supérieure, comme les interventions mêlant TI, IA et vandalismes sur une profusion d'articles dédiés aux quasars : alors que le projet:Astronomie compte peu de membres, et encore moins de spécialistes de ce sous-domaine, cela va exiger d'utiliser WP:TNT.

Julien rappelle que les traductions automatiques relèvent de l'IA, et plus récemment de l'introduction des LLM. Or, « la communauté semble ok avec cette utilisation de l'IA », quand bien même Julien en est lui-même critique. Concernant les LLM, « des utilisateurs ont développé et rendu compte de pratiques plus avancées (Projet:Observatoire des IA/Documentation, Utilisateur:Global Donald/Création d'article via ChatGPT 4o et comparaison des prompts, Utilisateur:Nanoyo88/testIA…) ». La question revient dès lors à se demander si la relecture et la vérification sont bien effectuées, et c'est là que ça coince. Comme pour les traductions automatiques à la chaîne, les textes générés par IA augmentent la quantité de travail de vérification pour la communauté.

Il y a également des usages de LLM qui pourraient être utiles à l'automatisation de certaines opérations de maintenance sur Wikipédia. « Sur les projets sportifs (basket, foot, foot US), c'est toujours relou quand un joueur change de club : il faut rajouter des catégories, changer des palettes, mettre à jour l'infobox… Not fun. J'ai dans ma todo list le développement d'un outil automatique de mise à jour quand un joueur change de club, avec l'usage d'un LLM. » Les LLM pourraient également être utilisés afin de lutter contre le vandalisme, voire même contre les mésusages de LLM !

Dernièrement, un tracker a été mis en place par Julien sur la base du signalement, par Pa2chant.bis, de sources comportant un paramètre UTM lié à ChatGPT. Cette longue liste n'est que la partie émergée d'une analyse en profondeur nécessaire et dans laquelle il faut comparer les sources présentées et les informations ajoutées.

Afin de pouvoir rapidement identifier ce type d'ajout, un filtre anti-abus a été créé par Aelxen. « Le filtre consiste à détecter les insertions d'URL contenant un paramètre UTM provenant de ChatGPT. Actuellement, il est uniquement utilisé pour récupérer des statistiques. À terme, il pourrait permettre d'insérer un message d'avertissement lors de la publication des modifications. »

Actuellement, on peut difficilement s'appuyer uniquement sur des outils de détection et éléments techniques pour identifier les usages de textes générés par IA avec fiabilité. « Ces outils sont imparfaits, explique Julien : les LLM sont des machines probabilistes donc il y a des risques de faux-positifs. Les études qui essaient de mesurer les faux positifs divergent pas mal et s'appuient sur des textes en anglais, donc il faut prévoir une décote pour le français. »

Aelxen et Pa2chant.bis jugent également la fiabilité de ces détecteurs insuffisante. Pour Pa2chant.bis, « le plus performant détecteur trouve en français un nombre impressionnant de probables faux-positifs » et Julien souligne une observation surprenante d'Esprit Fugace : il y a des faux positifs lorsque le contenu est rédigé « par des personnes neuroatypiques dont le style rédactionnel diffère » de la norme.

Sur les possibilités techniques, Aelxen suggère que « des outils semi-automatiques pourraient être envisagés pour aider à l'analyse, par exemple en signalant des passages suspects ou en identifiant des modèles d'écriture caractéristiques de l'IA ». Mais Julien considère que c'est « sans issue parce que les LLM s'aguerrissent et les méthodes de détection sont toujours en retard. Il est possible que le contenu genAI devienne rapidement indiscernable par un œil humain comme par un détecteur ».

Identifier les textes générés par IA et leurs problèmes n'est pas chose aisée. Pa2chant.bis témoigne de sa pratique, indiquant que cela se fait « au hasard des analyses de créations d'articles, des relectures et de la patrouille ». Les mauvais usages possèdent plusieurs marqueurs tels que le style stéréotypé et souvent laudatif, le plan caractéristique et les détournements de sources par hallucination — « et là, c'est beaucoup plus long à identifier ».

Le second problème est qu'il est particulièrement complexe de faire comprendre aux utilisateurs d'IA, novices ou expérimentés, les problèmes de leurs contributions. Pa2chant.bis a l'impression « qu'ils voient surtout le verre à moitié plein (leurs prompts sont de plus en plus précis et performants, et le niveau de réponse des IA s'améliore) sans voir le verre à moitié vide (les erreurs, le langage stéréotypé et les traductions parfaites en mot à mot, mais porteuses de contresens, non-sens ou inventions) ».

Malheureusement, l'utilisation abusive de l'IA reste très tentante car elle est en mesure de produire des textes d'apparence robuste, auxquels il est aisé pour les contributeurs de faire confiance, en ayant la fausse impression d'avoir maitrisé un sujet. À cela s'ajoute la culture historique de Wikipédia « selon laquelle l'encyclopédie est en construction, les erreurs ne sont pas trop graves et finiront bien par être corrigées un jour » ainsi que le sentiment que refuser l'usage de l'IA relève « d'une forme de passéisme, ou d'une attitude rétrograde vis-à-vis des progrès technologiques ».

Le 1^er mars 2025, Pa2chant.bis tirait une nouvelle fois la sonnette d'alarme, soulevant une nouvelle pratique consistant à sourcer des contenus, ou générer des contenus sourcés, par le biais de l'IA. Cette situation le pousse alors à inviter la communauté à se pencher sur un passage à l'état de recommandation d'un texte encadrant l'usage des IA. L'idée a été très bien accueillie et un sondage est en préparation. Deux versions existent actuellement, un essai élaboré depuis plusieurs mois et une contre-proposition simplifiée par LD.

Cependant, établir une recommandation présente plusieurs contraintes car elle a vocation à établir des lignes directrices à suivre dans la contribution. LD nous rappelle qu'elles doivent donc « répondre aux attentes et interrogations les plus courantes, tout en véhiculant un « savoir-faire » concret ».

Le plus complexe est de produire une recommandation « claire, non contradictoire avec les autres normes (principes, règles, recommandations) et permettre un ajustement progressif ». Ce dernier élément est nécessaire afin de pouvoir répondre aux éventuelles évolutions législatives. En effet, l'IA générative pose la question de la propriété intellectuelle, dans la mesure où « les textes générés [peuvent provenir] de textes régis par le droit d'auteur et [où] ces générations [pourraient être] considérées comme également soumises au droit d'auteur (et/ou sont considérées comme des œuvres dérivées ou collectives) ».

Cette future recommandation ne supplantera donc pas les recommandations déjà existantes. LD évoque le propos de @Cosmophilus à ce sujet en soulignant que « le mauvais usage de l'IA se caractérise par la violation d'un principe ou d'une norme déjà définie, telle que WP:DA, WP:V, WP:STYLE, etc. ». Aussi le but n'est-il pas de répéter le corpus réglementaire mais de donner des indications pour « se concentrer sur l'application de ces normes dans le cadre de l'IA ».

Si la communauté démontre une certaine hostilité à l'égard des contenus générés par IA et le démontre au travers de précédents sondages, il ne semble pas que l'on se dirige vers une interdiction stricte de son usage. Il est d'ores et déjà complexe de le démontrer.

Face à ces nouvelles pratiques, comme l'écrit LD, le mot d'ordre pourrait bien être de « rester guidé par le bon sens et le discernement ».

▲ L'édito — Les réflexions sur la modernisation de cette wikilettre se poursuivent. Dans ce cadre, nous aimerions créer de nouvelles rubriques. Vos suggestions sont les bienvenues en salle de rédaction : dites-nous ce que vous aimeriez lire dans les RAW, ou ce que vous voudriez y écrire !

C'est dans cette perspective que nous lançons un premier appel à commentaires afin de co-rédiger un futur dossier relatif à la possibilité de modifier Wikipédia sans créer de compte (actuellement sous IP, prochainement sous compte temporaire).

Bonne lecture !

RAW encourage les membres de la communauté à s'exprimer sur différents enjeux liés à l'écosystème Wikimedia. N'hésitez pas à proposer vos textes pour cette section. N'hésitez pas non plus à réagir dans la section du courrier du lectorat.

Certains articles de Wikipédia sont déréférencés par Google. Combien ? Les déréférencements sont-ils légitimes ? C'est le grand flou.

Le Canard enchaîné publie une enquête qui vous déplaît ? Oubliez le communiqué de presse et la plainte pour diffamation. Le problème, ce n'est pas l'article : c'est le fait qu'il soit lu ! Et s'il était possible de le faire disparaître de Google ? Improbable ? C'est pourtant ce qui s'est passé, nous raconte Thibaut Schepman dans un article paru en janvier dernier dans La Revue des médias, éditée par l'Institut national de l'audiovisuel (INA)^[10]. La méthode employée par les malandrins est la suivante : signaler à Google une violation des droits d'auteurs en affirmant que l'article de presse est un plagiat d'une page web, antidatée. Derrière la mésaventure vécue par une journaliste du Canard enchaîné se cache une véritable industrie du déréférencement indu, nous apprend Thibaut Schepman.

Si Google a rétabli le référencement de l'article du Canard enchaîné, est-il possible que Wikipédia soit également victime de telles manœuvres ? La question n'est pas anodine. La plupart des consultations de Wikipédia proviennent des moteurs de recherche, et parmi ceux-ci, Google est en position de quasi-monopole^[11]. Un article Wikipédia déréférencé de Google, c'est donc probablement un article qui ne sera quasiment plus lu.

De la lumière mais pas trop

Pour savoir ce qu'il en est, première étape, la plateforme Lumen. Elle permet de consulter les demandes de déréférencement adressées à Google pour divers motifs : violation des droits d'auteurs, diffamation, droit à l'oubli... Mais les notices, dont la consultation n'est pas aisée, n'indiquent pas l'issue de ces demandes. Nous ne sommes guère éclairés.

De son côté, la Fondation Wikimédia (WMF) a commencé en 2014 à publier les notifications de déréférencement qu'elle recevait de Google (dont plusieurs dizaines pour Wikipédia en français). À l'époque, la WMF s'est émue de cette censure, motivée par le droit à l'oubli, dans un billet de blog en anglais^[12].

Récemment, l'auteur de ces lignes a eu vent du déréférencement d'un article de Wikipédia en français par Google. Le déréférencement a-t-il été effectué au nom du droit à l'oubli ? Ou bien par une méthode retorse comme celle mise en lumière par La Revue des médias ? Aucune idée : aucun résultat sur Lumen avec le titre de l'article, et pas de notice relative sur la page tenue à jour par la WMF.

RGPD à la suédoise

Renseignement pris auprès du service juridique de la WMF, Google envoie depuis quelques années des notifications de déréférencement dépourvues de l'URL du contenu déréférencé (exemple) et donc parfaitement inutiles. Surprenant. Ce changement découle en fait d'une décision prise en 2020 par l'Autorité suédoise pour la protection de la vie privée, sur le fondement du règlement général sur la protection des données (RGPD). Elle a estimé qu'en fournissant l'URL du contenu déréférencé dans ses notifications, Google permettait à leur destinataire de republier les contenus litigieux sous une autre URL, et donc de bafouer le droit à l'oubli^[13]. Exit les URL.

Tout au plus la WMF continue-t-elle de recevoir des notifications précises quand le requérant est situé hors Union européenne ; on sait ainsi que l'article Fusillade de l'université d'Eskişehir Osmangazi a disparu de certaines recherches Google en raison de la législation turque — sans plus de précision.

On ignore d'ailleurs si la WMF reçoit systématiquement une notification de Google en cas de déréférencement. En tout état de cause, la liste des notifications relatives à Wikipédia en français n'évoque aucun déréférencement pour violation des droits d'auteurs — c'est en revanche le cas pour Wikipédia en anglais, comme le relèvent nos confrères du Signpost.

S'agissant du droit à l'oubli, s'il est légitime de chercher un équilibre entre droit à l'information et droit au respect de la vie privée, il apparaît contestable qu'une entreprise privée, en l'espèce Google, puisse opérer sans aucune transparence le déréférencement d'articles.

Dans cette section, le magazine aborde un sujet qui a fait beaucoup réagir à l'intérieur de la communauté, voire à l'extérieur.

Cet article repose sur quatre interviews que vous pouvez consulter dans leur version complète.

Lors de précédentes éditions, nous avons régulièrement abordé le sujet de l'IA générative (genAI), ses implications et conséquences pour Wikipédia. Nous aimerions prendre le temps, au travers d'un dossier et d'interventions de quatre contributeurs, d'approfondir le sujet. Pa2chant.bis, LD, Aelxen et (:Julien:) analysent les usages de l'IA et les problèmes qu'ils engendrent ; ils discutent aussi de l'élaboration d'un texte pour les encadrer.

Ils fleurissent sur l'encyclopédie et le printemps n'y est pour rien. Les textes générés par IA sont de plus en plus nombreux sur les articles de Wikipédia à mesure que l'usage de l'IA générative se démocratise. Pour Pa2chant.bis, cet usage wikipédien se fait « en l'absence de recommandation », ce qui a pour conséquence de rendre « très lourd et coûteux en temps de démontrer des abus » et risque de démotiver les contributeurs qui se consacrent à ces vérifications.

Julien indique à ce propos qu'il est « difficile d'anticiper les usages qui seront faits des LLM. Mais c'est potentiellement un game changer pour WP », qui peut au choix « devenir un dépôt de connaissances approximatives via des masses de textes mal comprises ou un facilitateur de rédaction ».

Pa2chant.bis n'y va pas par quatre chemins : « C'est l'avenir de Wikipédia qui se joue. » Les enjeux et les risques de ces nouvelles pratiques sont déjà connus : « outre les potentielles atteintes au droit d'auteur, on peut citer les problèmes de fiabilité de l'information de type absence ou détournement de source, les TI et les problèmes de style. »

La majorité des usages observés ne résistent pas aux vérifications et affichent différents problèmes qui pourraient être évités si la contribution était 100 % humaine. C'est notamment le cas des traductions automatiques, des synthèses de sources multiples, de l'identification de sources, etc.

Des usages problématiques, Pa2chant.bis en a vu quelques exemples surprenants. Par exemple, dans une page Wikipédia sur une maladie, indiquer aux parents que même traitée, elle peut être mortelle, alors qu'aucune source n'a été trouvée dans ce sens. Dans l'article 'Ndrangheta (la mafia calabraise), une famille dont le nom est parfaitement inconnu des sources a été désignée comme étant influente. Dans un autre article étaient indiqués des liens familiaux entre deux personnes, liens imaginaires sourcés avec un blog généré par IA. Les abus peuvent d'une envergure encore supérieure, comme les interventions mêlant TI, IA et vandalismes sur une profusion d'articles dédiés aux quasars : alors que le projet:Astronomie compte peu de membres, et encore moins de spécialistes de ce sous-domaine, cela va exiger d'utiliser WP:TNT.

Julien rappelle que les traductions automatiques relèvent de l'IA, et plus récemment de l'introduction des LLM. Or, « la communauté semble ok avec cette utilisation de l'IA », quand bien même Julien en est lui-même critique. Concernant les LLM, « des utilisateurs ont développé et rendu compte de pratiques plus avancées (Projet:Observatoire des IA/Documentation, Utilisateur:Global Donald/Création d'article via ChatGPT 4o et comparaison des prompts, Utilisateur:Nanoyo88/testIA…) ». La question revient dès lors à se demander si la relecture et la vérification sont bien effectuées, et c'est là que ça coince. Comme pour les traductions automatiques à la chaîne, les textes générés par IA augmentent la quantité de travail de vérification pour la communauté.

Il y a également des usages de LLM qui pourraient être utiles à l'automatisation de certaines opérations de maintenance sur Wikipédia. « Sur les projets sportifs (basket, foot, foot US), c'est toujours relou quand un joueur change de club : il faut rajouter des catégories, changer des palettes, mettre à jour l'infobox… Not fun. J'ai dans ma todo list le développement d'un outil automatique de mise à jour quand un joueur change de club, avec l'usage d'un LLM. » Les LLM pourraient également être utilisés afin de lutter contre le vandalisme, voire même contre les mésusages de LLM !

Dernièrement, un tracker a été mis en place par Julien sur la base du signalement, par Pa2chant.bis, de sources comportant un paramètre UTM lié à ChatGPT. Cette longue liste n'est que la partie émergée d'une analyse en profondeur nécessaire et dans laquelle il faut comparer les sources présentées et les informations ajoutées.

Afin de pouvoir rapidement identifier ce type d'ajout, un filtre anti-abus a été créé par Aelxen. « Le filtre consiste à détecter les insertions d'URL contenant un paramètre UTM provenant de ChatGPT. Actuellement, il est uniquement utilisé pour récupérer des statistiques. À terme, il pourrait permettre d'insérer un message d'avertissement lors de la publication des modifications. »

Actuellement, on peut difficilement s'appuyer uniquement sur des outils de détection et éléments techniques pour identifier les usages de textes générés par IA avec fiabilité. « Ces outils sont imparfaits, explique Julien : les LLM sont des machines probabilistes donc il y a des risques de faux-positifs. Les études qui essaient de mesurer les faux positifs divergent pas mal et s'appuient sur des textes en anglais, donc il faut prévoir une décote pour le français. »

Aelxen et Pa2chant.bis jugent également la fiabilité de ces détecteurs insuffisante. Pour Pa2chant.bis, « le plus performant détecteur trouve en français un nombre impressionnant de probables faux-positifs » et Julien souligne une observation surprenante d'Esprit Fugace : il y a des faux positifs lorsque le contenu est rédigé « par des personnes neuroatypiques dont le style rédactionnel diffère » de la norme.

Sur les possibilités techniques, Aelxen suggère que « des outils semi-automatiques pourraient être envisagés pour aider à l'analyse, par exemple en signalant des passages suspects ou en identifiant des modèles d'écriture caractéristiques de l'IA ». Mais Julien considère que c'est « sans issue parce que les LLM s'aguerrissent et les méthodes de détection sont toujours en retard. Il est possible que le contenu genAI devienne rapidement indiscernable par un œil humain comme par un détecteur ».

Identifier les textes générés par IA et leurs problèmes n'est pas chose aisée. Pa2chant.bis témoigne de sa pratique, indiquant que cela se fait « au hasard des analyses de créations d'articles, des relectures et de la patrouille ». Les mauvais usages possèdent plusieurs marqueurs tels que le style stéréotypé et souvent laudatif, le plan caractéristique et les détournements de sources par hallucination — « et là, c'est beaucoup plus long à identifier ».

Le second problème est qu'il est particulièrement complexe de faire comprendre aux utilisateurs d'IA, novices ou expérimentés, les problèmes de leurs contributions. Pa2chant.bis a l'impression « qu'ils voient surtout le verre à moitié plein (leurs prompts sont de plus en plus précis et performants, et le niveau de réponse des IA s'améliore) sans voir le verre à moitié vide (les erreurs, le langage stéréotypé et les traductions parfaites en mot à mot, mais porteuses de contresens, non-sens ou inventions) ».

Malheureusement, l'utilisation abusive de l'IA reste très tentante car elle est en mesure de produire des textes d'apparence robuste, auxquels il est aisé pour les contributeurs de faire confiance, en ayant la fausse impression d'avoir maitrisé un sujet. À cela s'ajoute la culture historique de Wikipédia « selon laquelle l'encyclopédie est en construction, les erreurs ne sont pas trop graves et finiront bien par être corrigées un jour » ainsi que le sentiment que refuser l'usage de l'IA relève « d'une forme de passéisme, ou d'une attitude rétrograde vis-à-vis des progrès technologiques ».

Le 1^er mars 2025, Pa2chant.bis tirait une nouvelle fois la sonnette d'alarme, soulevant une nouvelle pratique consistant à sourcer des contenus, ou générer des contenus sourcés, par le biais de l'IA. Cette situation le pousse alors à inviter la communauté à se pencher sur un passage à l'état de recommandation d'un texte encadrant l'usage des IA. L'idée a été très bien accueillie et un sondage est en préparation. Deux versions existent actuellement, un essai élaboré depuis plusieurs mois et une contre-proposition simplifiée par LD.

Cependant, établir une recommandation présente plusieurs contraintes car elle a vocation à établir des lignes directrices à suivre dans la contribution. LD nous rappelle qu'elles doivent donc « répondre aux attentes et interrogations les plus courantes, tout en véhiculant un « savoir-faire » concret ».

Le plus complexe est de produire une recommandation « claire, non contradictoire avec les autres normes (principes, règles, recommandations) et permettre un ajustement progressif ». Ce dernier élément est nécessaire afin de pouvoir répondre aux éventuelles évolutions législatives. En effet, l'IA générative pose la question de la propriété intellectuelle, dans la mesure où « les textes générés [peuvent provenir] de textes régis par le droit d'auteur et [où] ces générations [pourraient être] considérées comme également soumises au droit d'auteur (et/ou sont considérées comme des œuvres dérivées ou collectives) ».

Cette future recommandation ne supplantera donc pas les recommandations déjà existantes. LD évoque le propos de @Cosmophilus à ce sujet en soulignant que « le mauvais usage de l'IA se caractérise par la violation d'un principe ou d'une norme déjà définie, telle que WP:DA, WP:V, WP:STYLE, etc. ». Aussi le but n'est-il pas de répéter le corpus réglementaire mais de donner des indications pour « se concentrer sur l'application de ces normes dans le cadre de l'IA ».

Si la communauté démontre une certaine hostilité à l'égard des contenus générés par IA et le démontre au travers de précédents sondages, il ne semble pas que l'on se dirige vers une interdiction stricte de son usage. Il est d'ores et déjà complexe de le démontrer.

Face à ces nouvelles pratiques, comme l'écrit LD, le mot d'ordre pourrait bien être de « rester guidé par le bon sens et le discernement ».

▲ L'édito — Les réflexions sur la modernisation de cette wikilettre se poursuivent. Dans ce cadre, nous aimerions créer de nouvelles rubriques. Vos suggestions sont les bienvenues en salle de rédaction : dites-nous ce que vous aimeriez lire dans les RAW, ou ce que vous voudriez y écrire !

C'est dans cette perspective que nous lançons un premier appel à commentaires afin de co-rédiger un futur dossier relatif à la possibilité de modifier Wikipédia sans créer de compte (actuellement sous IP, prochainement sous compte temporaire).

Bonne lecture !

RAW encourage les membres de la communauté à s'exprimer sur différents enjeux liés à l'écosystème Wikimedia. N'hésitez pas à proposer vos textes pour cette section. N'hésitez pas non plus à réagir dans la section du courrier du lectorat.

Certains articles de Wikipédia sont déréférencés par Google. Combien ? Les déréférencements sont-ils légitimes ? C'est le grand flou.

Le Canard enchaîné publie une enquête qui vous déplaît ? Oubliez le communiqué de presse et la plainte pour diffamation. Le problème, ce n'est pas l'article : c'est le fait qu'il soit lu ! Et s'il était possible de le faire disparaître de Google ? Improbable ? C'est pourtant ce qui s'est passé, nous raconte Thibaut Schepman dans un article paru en janvier dernier dans La Revue des médias, éditée par l'Institut national de l'audiovisuel (INA)^[10]. La méthode employée par les malandrins est la suivante : signaler à Google une violation des droits d'auteurs en affirmant que l'article de presse est un plagiat d'une page web, antidatée. Derrière la mésaventure vécue par une journaliste du Canard enchaîné se cache une véritable industrie du déréférencement indu, nous apprend Thibaut Schepman.

Si Google a rétabli le référencement de l'article du Canard enchaîné, est-il possible que Wikipédia soit également victime de telles manœuvres ? La question n'est pas anodine. La plupart des consultations de Wikipédia proviennent des moteurs de recherche, et parmi ceux-ci, Google est en position de quasi-monopole^[11]. Un article Wikipédia déréférencé de Google, c'est donc probablement un article qui ne sera quasiment plus lu.

De la lumière mais pas trop

Pour savoir ce qu'il en est, première étape, la plateforme Lumen. Elle permet de consulter les demandes de déréférencement adressées à Google pour divers motifs : violation des droits d'auteurs, diffamation, droit à l'oubli... Mais les notices, dont la consultation n'est pas aisée, n'indiquent pas l'issue de ces demandes. Nous ne sommes guère éclairés.

De son côté, la Fondation Wikimédia (WMF) a commencé en 2014 à publier les notifications de déréférencement qu'elle recevait de Google (dont plusieurs dizaines pour Wikipédia en français). À l'époque, la WMF s'est émue de cette censure, motivée par le droit à l'oubli, dans un billet de blog en anglais^[12].

Récemment, l'auteur de ces lignes a eu vent du déréférencement d'un article de Wikipédia en français par Google. Le déréférencement a-t-il été effectué au nom du droit à l'oubli ? Ou bien par une méthode retorse comme celle mise en lumière par La Revue des médias ? Aucune idée : aucun résultat sur Lumen avec le titre de l'article, et pas de notice relative sur la page tenue à jour par la WMF.

RGPD à la suédoise

Renseignement pris auprès du service juridique de la WMF, Google envoie depuis quelques années des notifications de déréférencement dépourvues de l'URL du contenu déréférencé (exemple) et donc parfaitement inutiles. Surprenant. Ce changement découle en fait d'une décision prise en 2020 par l'Autorité suédoise pour la protection de la vie privée, sur le fondement du règlement général sur la protection des données (RGPD). Elle a estimé qu'en fournissant l'URL du contenu déréférencé dans ses notifications, Google permettait à leur destinataire de republier les contenus litigieux sous une autre URL, et donc de bafouer le droit à l'oubli^[13]. Exit les URL.

Tout au plus la WMF continue-t-elle de recevoir des notifications précises quand le requérant est situé hors Union européenne ; on sait ainsi que l'article Fusillade de l'université d'Eskişehir Osmangazi a disparu de certaines recherches Google en raison de la législation turque — sans plus de précision.

On ignore d'ailleurs si la WMF reçoit systématiquement une notification de Google en cas de déréférencement. En tout état de cause, la liste des notifications relatives à Wikipédia en français n'évoque aucun déréférencement pour violation des droits d'auteurs — c'est en revanche le cas pour Wikipédia en anglais, comme le relèvent nos confrères du Signpost.

S'agissant du droit à l'oubli, s'il est légitime de chercher un équilibre entre droit à l'information et droit au respect de la vie privée, il apparaît contestable qu'une entreprise privée, en l'espèce Google, puisse opérer sans aucune transparence le déréférencement d'articles.

Dans cette section, le magazine aborde un sujet qui a fait beaucoup réagir à l'intérieur de la communauté, voire à l'extérieur.

Cet article repose sur quatre interviews que vous pouvez consulter dans leur version complète.

Lors de précédentes éditions, nous avons régulièrement abordé le sujet de l'IA générative (genAI), ses implications et conséquences pour Wikipédia. Nous aimerions prendre le temps, au travers d'un dossier et d'interventions de quatre contributeurs, d'approfondir le sujet. Pa2chant.bis, LD, Aelxen et (:Julien:) analysent les usages de l'IA et les problèmes qu'ils engendrent ; ils discutent aussi de l'élaboration d'un texte pour les encadrer.

Ils fleurissent sur l'encyclopédie et le printemps n'y est pour rien. Les textes générés par IA sont de plus en plus nombreux sur les articles de Wikipédia à mesure que l'usage de l'IA générative se démocratise. Pour Pa2chant.bis, cet usage wikipédien se fait « en l'absence de recommandation », ce qui a pour conséquence de rendre « très lourd et coûteux en temps de démontrer des abus » et risque de démotiver les contributeurs qui se consacrent à ces vérifications.

Julien indique à ce propos qu'il est « difficile d'anticiper les usages qui seront faits des LLM. Mais c'est potentiellement un game changer pour WP », qui peut au choix « devenir un dépôt de connaissances approximatives via des masses de textes mal comprises ou un facilitateur de rédaction ».

Pa2chant.bis n'y va pas par quatre chemins : « C'est l'avenir de Wikipédia qui se joue. » Les enjeux et les risques de ces nouvelles pratiques sont déjà connus : « outre les potentielles atteintes au droit d'auteur, on peut citer les problèmes de fiabilité de l'information de type absence ou détournement de source, les TI et les problèmes de style. »

La majorité des usages observés ne résistent pas aux vérifications et affichent différents problèmes qui pourraient être évités si la contribution était 100 % humaine. C'est notamment le cas des traductions automatiques, des synthèses de sources multiples, de l'identification de sources, etc.

Des usages problématiques, Pa2chant.bis en a vu quelques exemples surprenants. Par exemple, dans une page Wikipédia sur une maladie, indiquer aux parents que même traitée, elle peut être mortelle, alors qu'aucune source n'a été trouvée dans ce sens. Dans l'article 'Ndrangheta (la mafia calabraise), une famille dont le nom est parfaitement inconnu des sources a été désignée comme étant influente. Dans un autre article étaient indiqués des liens familiaux entre deux personnes, liens imaginaires sourcés avec un blog généré par IA. Les abus peuvent d'une envergure encore supérieure, comme les interventions mêlant TI, IA et vandalismes sur une profusion d'articles dédiés aux quasars : alors que le projet:Astronomie compte peu de membres, et encore moins de spécialistes de ce sous-domaine, cela va exiger d'utiliser WP:TNT.

Julien rappelle que les traductions automatiques relèvent de l'IA, et plus récemment de l'introduction des LLM. Or, « la communauté semble ok avec cette utilisation de l'IA », quand bien même Julien en est lui-même critique. Concernant les LLM, « des utilisateurs ont développé et rendu compte de pratiques plus avancées (Projet:Observatoire des IA/Documentation, Utilisateur:Global Donald/Création d'article via ChatGPT 4o et comparaison des prompts, Utilisateur:Nanoyo88/testIA…) ». La question revient dès lors à se demander si la relecture et la vérification sont bien effectuées, et c'est là que ça coince. Comme pour les traductions automatiques à la chaîne, les textes générés par IA augmentent la quantité de travail de vérification pour la communauté.

Il y a également des usages de LLM qui pourraient être utiles à l'automatisation de certaines opérations de maintenance sur Wikipédia. « Sur les projets sportifs (basket, foot, foot US), c'est toujours relou quand un joueur change de club : il faut rajouter des catégories, changer des palettes, mettre à jour l'infobox… Not fun. J'ai dans ma todo list le développement d'un outil automatique de mise à jour quand un joueur change de club, avec l'usage d'un LLM. » Les LLM pourraient également être utilisés afin de lutter contre le vandalisme, voire même contre les mésusages de LLM !

Dernièrement, un tracker a été mis en place par Julien sur la base du signalement, par Pa2chant.bis, de sources comportant un paramètre UTM lié à ChatGPT. Cette longue liste n'est que la partie émergée d'une analyse en profondeur nécessaire et dans laquelle il faut comparer les sources présentées et les informations ajoutées.

Afin de pouvoir rapidement identifier ce type d'ajout, un filtre anti-abus a été créé par Aelxen. « Le filtre consiste à détecter les insertions d'URL contenant un paramètre UTM provenant de ChatGPT. Actuellement, il est uniquement utilisé pour récupérer des statistiques. À terme, il pourrait permettre d'insérer un message d'avertissement lors de la publication des modifications. »

Actuellement, on peut difficilement s'appuyer uniquement sur des outils de détection et éléments techniques pour identifier les usages de textes générés par IA avec fiabilité. « Ces outils sont imparfaits, explique Julien : les LLM sont des machines probabilistes donc il y a des risques de faux-positifs. Les études qui essaient de mesurer les faux positifs divergent pas mal et s'appuient sur des textes en anglais, donc il faut prévoir une décote pour le français. »

Aelxen et Pa2chant.bis jugent également la fiabilité de ces détecteurs insuffisante. Pour Pa2chant.bis, « le plus performant détecteur trouve en français un nombre impressionnant de probables faux-positifs » et Julien souligne une observation surprenante d'Esprit Fugace : il y a des faux positifs lorsque le contenu est rédigé « par des personnes neuroatypiques dont le style rédactionnel diffère » de la norme.

Sur les possibilités techniques, Aelxen suggère que « des outils semi-automatiques pourraient être envisagés pour aider à l'analyse, par exemple en signalant des passages suspects ou en identifiant des modèles d'écriture caractéristiques de l'IA ». Mais Julien considère que c'est « sans issue parce que les LLM s'aguerrissent et les méthodes de détection sont toujours en retard. Il est possible que le contenu genAI devienne rapidement indiscernable par un œil humain comme par un détecteur ».

Identifier les textes générés par IA et leurs problèmes n'est pas chose aisée. Pa2chant.bis témoigne de sa pratique, indiquant que cela se fait « au hasard des analyses de créations d'articles, des relectures et de la patrouille ». Les mauvais usages possèdent plusieurs marqueurs tels que le style stéréotypé et souvent laudatif, le plan caractéristique et les détournements de sources par hallucination — « et là, c'est beaucoup plus long à identifier ».

Le second problème est qu'il est particulièrement complexe de faire comprendre aux utilisateurs d'IA, novices ou expérimentés, les problèmes de leurs contributions. Pa2chant.bis a l'impression « qu'ils voient surtout le verre à moitié plein (leurs prompts sont de plus en plus précis et performants, et le niveau de réponse des IA s'améliore) sans voir le verre à moitié vide (les erreurs, le langage stéréotypé et les traductions parfaites en mot à mot, mais porteuses de contresens, non-sens ou inventions) ».

Malheureusement, l'utilisation abusive de l'IA reste très tentante car elle est en mesure de produire des textes d'apparence robuste, auxquels il est aisé pour les contributeurs de faire confiance, en ayant la fausse impression d'avoir maitrisé un sujet. À cela s'ajoute la culture historique de Wikipédia « selon laquelle l'encyclopédie est en construction, les erreurs ne sont pas trop graves et finiront bien par être corrigées un jour » ainsi que le sentiment que refuser l'usage de l'IA relève « d'une forme de passéisme, ou d'une attitude rétrograde vis-à-vis des progrès technologiques ».

Le 1^er mars 2025, Pa2chant.bis tirait une nouvelle fois la sonnette d'alarme, soulevant une nouvelle pratique consistant à sourcer des contenus, ou générer des contenus sourcés, par le biais de l'IA. Cette situation le pousse alors à inviter la communauté à se pencher sur un passage à l'état de recommandation d'un texte encadrant l'usage des IA. L'idée a été très bien accueillie et un sondage est en préparation. Deux versions existent actuellement, un essai élaboré depuis plusieurs mois et une contre-proposition simplifiée par LD.

Cependant, établir une recommandation présente plusieurs contraintes car elle a vocation à établir des lignes directrices à suivre dans la contribution. LD nous rappelle qu'elles doivent donc « répondre aux attentes et interrogations les plus courantes, tout en véhiculant un « savoir-faire » concret ».

Le plus complexe est de produire une recommandation « claire, non contradictoire avec les autres normes (principes, règles, recommandations) et permettre un ajustement progressif ». Ce dernier élément est nécessaire afin de pouvoir répondre aux éventuelles évolutions législatives. En effet, l'IA générative pose la question de la propriété intellectuelle, dans la mesure où « les textes générés [peuvent provenir] de textes régis par le droit d'auteur et [où] ces générations [pourraient être] considérées comme également soumises au droit d'auteur (et/ou sont considérées comme des œuvres dérivées ou collectives) ».

Cette future recommandation ne supplantera donc pas les recommandations déjà existantes. LD évoque le propos de @Cosmophilus à ce sujet en soulignant que « le mauvais usage de l'IA se caractérise par la violation d'un principe ou d'une norme déjà définie, telle que WP:DA, WP:V, WP:STYLE, etc. ». Aussi le but n'est-il pas de répéter le corpus réglementaire mais de donner des indications pour « se concentrer sur l'application de ces normes dans le cadre de l'IA ».

Si la communauté démontre une certaine hostilité à l'égard des contenus générés par IA et le démontre au travers de précédents sondages, il ne semble pas que l'on se dirige vers une interdiction stricte de son usage. Il est d'ores et déjà complexe de le démontrer.

Face à ces nouvelles pratiques, comme l'écrit LD, le mot d'ordre pourrait bien être de « rester guidé par le bon sens et le discernement ».

▲ L'édito — Les réflexions sur la modernisation de cette wikilettre se poursuivent. Dans ce cadre, nous aimerions créer de nouvelles rubriques. Vos suggestions sont les bienvenues en salle de rédaction : dites-nous ce que vous aimeriez lire dans les RAW, ou ce que vous voudriez y écrire !

C'est dans cette perspective que nous lançons un premier appel à commentaires afin de co-rédiger un futur dossier relatif à la possibilité de modifier Wikipédia sans créer de compte (actuellement sous IP, prochainement sous compte temporaire).

Bonne lecture !

RAW encourage les membres de la communauté à s'exprimer sur différents enjeux liés à l'écosystème Wikimedia. N'hésitez pas à proposer vos textes pour cette section. N'hésitez pas non plus à réagir dans la section du courrier du lectorat.

Certains articles de Wikipédia sont déréférencés par Google. Combien ? Les déréférencements sont-ils légitimes ? C'est le grand flou.

Le Canard enchaîné publie une enquête qui vous déplaît ? Oubliez le communiqué de presse et la plainte pour diffamation. Le problème, ce n'est pas l'article : c'est le fait qu'il soit lu ! Et s'il était possible de le faire disparaître de Google ? Improbable ? C'est pourtant ce qui s'est passé, nous raconte Thibaut Schepman dans un article paru en janvier dernier dans La Revue des médias, éditée par l'Institut national de l'audiovisuel (INA)^[10]. La méthode employée par les malandrins est la suivante : signaler à Google une violation des droits d'auteurs en affirmant que l'article de presse est un plagiat d'une page web, antidatée. Derrière la mésaventure vécue par une journaliste du Canard enchaîné se cache une véritable industrie du déréférencement indu, nous apprend Thibaut Schepman.

Si Google a rétabli le référencement de l'article du Canard enchaîné, est-il possible que Wikipédia soit également victime de telles manœuvres ? La question n'est pas anodine. La plupart des consultations de Wikipédia proviennent des moteurs de recherche, et parmi ceux-ci, Google est en position de quasi-monopole^[11]. Un article Wikipédia déréférencé de Google, c'est donc probablement un article qui ne sera quasiment plus lu.

De la lumière mais pas trop

Pour savoir ce qu'il en est, première étape, la plateforme Lumen. Elle permet de consulter les demandes de déréférencement adressées à Google pour divers motifs : violation des droits d'auteurs, diffamation, droit à l'oubli... Mais les notices, dont la consultation n'est pas aisée, n'indiquent pas l'issue de ces demandes. Nous ne sommes guère éclairés.

De son côté, la Fondation Wikimédia (WMF) a commencé en 2014 à publier les notifications de déréférencement qu'elle recevait de Google (dont plusieurs dizaines pour Wikipédia en français). À l'époque, la WMF s'est émue de cette censure, motivée par le droit à l'oubli, dans un billet de blog en anglais^[12].

Récemment, l'auteur de ces lignes a eu vent du déréférencement d'un article de Wikipédia en français par Google. Le déréférencement a-t-il été effectué au nom du droit à l'oubli ? Ou bien par une méthode retorse comme celle mise en lumière par La Revue des médias ? Aucune idée : aucun résultat sur Lumen avec le titre de l'article, et pas de notice relative sur la page tenue à jour par la WMF.

RGPD à la suédoise

Renseignement pris auprès du service juridique de la WMF, Google envoie depuis quelques années des notifications de déréférencement dépourvues de l'URL du contenu déréférencé (exemple) et donc parfaitement inutiles. Surprenant. Ce changement découle en fait d'une décision prise en 2020 par l'Autorité suédoise pour la protection de la vie privée, sur le fondement du règlement général sur la protection des données (RGPD). Elle a estimé qu'en fournissant l'URL du contenu déréférencé dans ses notifications, Google permettait à leur destinataire de republier les contenus litigieux sous une autre URL, et donc de bafouer le droit à l'oubli^[13]. Exit les URL.

Tout au plus la WMF continue-t-elle de recevoir des notifications précises quand le requérant est situé hors Union européenne ; on sait ainsi que l'article Fusillade de l'université d'Eskişehir Osmangazi a disparu de certaines recherches Google en raison de la législation turque — sans plus de précision.

On ignore d'ailleurs si la WMF reçoit systématiquement une notification de Google en cas de déréférencement. En tout état de cause, la liste des notifications relatives à Wikipédia en français n'évoque aucun déréférencement pour violation des droits d'auteurs — c'est en revanche le cas pour Wikipédia en anglais, comme le relèvent nos confrères du Signpost.

S'agissant du droit à l'oubli, s'il est légitime de chercher un équilibre entre droit à l'information et droit au respect de la vie privée, il apparaît contestable qu'une entreprise privée, en l'espèce Google, puisse opérer sans aucune transparence le déréférencement d'articles.

Dans cette section, le magazine aborde un sujet qui a fait beaucoup réagir à l'intérieur de la communauté, voire à l'extérieur.

Cet article repose sur quatre interviews que vous pouvez consulter dans leur version complète.

Lors de précédentes éditions, nous avons régulièrement abordé le sujet de l'IA générative (genAI), ses implications et conséquences pour Wikipédia. Nous aimerions prendre le temps, au travers d'un dossier et d'interventions de quatre contributeurs, d'approfondir le sujet. Pa2chant.bis, LD, Aelxen et (:Julien:) analysent les usages de l'IA et les problèmes qu'ils engendrent ; ils discutent aussi de l'élaboration d'un texte pour les encadrer.

Ils fleurissent sur l'encyclopédie et le printemps n'y est pour rien. Les textes générés par IA sont de plus en plus nombreux sur les articles de Wikipédia à mesure que l'usage de l'IA générative se démocratise. Pour Pa2chant.bis, cet usage wikipédien se fait « en l'absence de recommandation », ce qui a pour conséquence de rendre « très lourd et coûteux en temps de démontrer des abus » et risque de démotiver les contributeurs qui se consacrent à ces vérifications.

Julien indique à ce propos qu'il est « difficile d'anticiper les usages qui seront faits des LLM. Mais c'est potentiellement un game changer pour WP », qui peut au choix « devenir un dépôt de connaissances approximatives via des masses de textes mal comprises ou un facilitateur de rédaction ».

Pa2chant.bis n'y va pas par quatre chemins : « C'est l'avenir de Wikipédia qui se joue. » Les enjeux et les risques de ces nouvelles pratiques sont déjà connus : « outre les potentielles atteintes au droit d'auteur, on peut citer les problèmes de fiabilité de l'information de type absence ou détournement de source, les TI et les problèmes de style. »

La majorité des usages observés ne résistent pas aux vérifications et affichent différents problèmes qui pourraient être évités si la contribution était 100 % humaine. C'est notamment le cas des traductions automatiques, des synthèses de sources multiples, de l'identification de sources, etc.

Des usages problématiques, Pa2chant.bis en a vu quelques exemples surprenants. Par exemple, dans une page Wikipédia sur une maladie, indiquer aux parents que même traitée, elle peut être mortelle, alors qu'aucune source n'a été trouvée dans ce sens. Dans l'article 'Ndrangheta (la mafia calabraise), une famille dont le nom est parfaitement inconnu des sources a été désignée comme étant influente. Dans un autre article étaient indiqués des liens familiaux entre deux personnes, liens imaginaires sourcés avec un blog généré par IA. Les abus peuvent d'une envergure encore supérieure, comme les interventions mêlant TI, IA et vandalismes sur une profusion d'articles dédiés aux quasars : alors que le projet:Astronomie compte peu de membres, et encore moins de spécialistes de ce sous-domaine, cela va exiger d'utiliser WP:TNT.

Julien rappelle que les traductions automatiques relèvent de l'IA, et plus récemment de l'introduction des LLM. Or, « la communauté semble ok avec cette utilisation de l'IA », quand bien même Julien en est lui-même critique. Concernant les LLM, « des utilisateurs ont développé et rendu compte de pratiques plus avancées (Projet:Observatoire des IA/Documentation, Utilisateur:Global Donald/Création d'article via ChatGPT 4o et comparaison des prompts, Utilisateur:Nanoyo88/testIA…) ». La question revient dès lors à se demander si la relecture et la vérification sont bien effectuées, et c'est là que ça coince. Comme pour les traductions automatiques à la chaîne, les textes générés par IA augmentent la quantité de travail de vérification pour la communauté.

Il y a également des usages de LLM qui pourraient être utiles à l'automatisation de certaines opérations de maintenance sur Wikipédia. « Sur les projets sportifs (basket, foot, foot US), c'est toujours relou quand un joueur change de club : il faut rajouter des catégories, changer des palettes, mettre à jour l'infobox… Not fun. J'ai dans ma todo list le développement d'un outil automatique de mise à jour quand un joueur change de club, avec l'usage d'un LLM. » Les LLM pourraient également être utilisés afin de lutter contre le vandalisme, voire même contre les mésusages de LLM !

Dernièrement, un tracker a été mis en place par Julien sur la base du signalement, par Pa2chant.bis, de sources comportant un paramètre UTM lié à ChatGPT. Cette longue liste n'est que la partie émergée d'une analyse en profondeur nécessaire et dans laquelle il faut comparer les sources présentées et les informations ajoutées.

Afin de pouvoir rapidement identifier ce type d'ajout, un filtre anti-abus a été créé par Aelxen. « Le filtre consiste à détecter les insertions d'URL contenant un paramètre UTM provenant de ChatGPT. Actuellement, il est uniquement utilisé pour récupérer des statistiques. À terme, il pourrait permettre d'insérer un message d'avertissement lors de la publication des modifications. »

Actuellement, on peut difficilement s'appuyer uniquement sur des outils de détection et éléments techniques pour identifier les usages de textes générés par IA avec fiabilité. « Ces outils sont imparfaits, explique Julien : les LLM sont des machines probabilistes donc il y a des risques de faux-positifs. Les études qui essaient de mesurer les faux positifs divergent pas mal et s'appuient sur des textes en anglais, donc il faut prévoir une décote pour le français. »

Aelxen et Pa2chant.bis jugent également la fiabilité de ces détecteurs insuffisante. Pour Pa2chant.bis, « le plus performant détecteur trouve en français un nombre impressionnant de probables faux-positifs » et Julien souligne une observation surprenante d'Esprit Fugace : il y a des faux positifs lorsque le contenu est rédigé « par des personnes neuroatypiques dont le style rédactionnel diffère » de la norme.

Sur les possibilités techniques, Aelxen suggère que « des outils semi-automatiques pourraient être envisagés pour aider à l'analyse, par exemple en signalant des passages suspects ou en identifiant des modèles d'écriture caractéristiques de l'IA ». Mais Julien considère que c'est « sans issue parce que les LLM s'aguerrissent et les méthodes de détection sont toujours en retard. Il est possible que le contenu genAI devienne rapidement indiscernable par un œil humain comme par un détecteur ».

Identifier les textes générés par IA et leurs problèmes n'est pas chose aisée. Pa2chant.bis témoigne de sa pratique, indiquant que cela se fait « au hasard des analyses de créations d'articles, des relectures et de la patrouille ». Les mauvais usages possèdent plusieurs marqueurs tels que le style stéréotypé et souvent laudatif, le plan caractéristique et les détournements de sources par hallucination — « et là, c'est beaucoup plus long à identifier ».

Le second problème est qu'il est particulièrement complexe de faire comprendre aux utilisateurs d'IA, novices ou expérimentés, les problèmes de leurs contributions. Pa2chant.bis a l'impression « qu'ils voient surtout le verre à moitié plein (leurs prompts sont de plus en plus précis et performants, et le niveau de réponse des IA s'améliore) sans voir le verre à moitié vide (les erreurs, le langage stéréotypé et les traductions parfaites en mot à mot, mais porteuses de contresens, non-sens ou inventions) ».

Malheureusement, l'utilisation abusive de l'IA reste très tentante car elle est en mesure de produire des textes d'apparence robuste, auxquels il est aisé pour les contributeurs de faire confiance, en ayant la fausse impression d'avoir maitrisé un sujet. À cela s'ajoute la culture historique de Wikipédia « selon laquelle l'encyclopédie est en construction, les erreurs ne sont pas trop graves et finiront bien par être corrigées un jour » ainsi que le sentiment que refuser l'usage de l'IA relève « d'une forme de passéisme, ou d'une attitude rétrograde vis-à-vis des progrès technologiques ».

Le 1^er mars 2025, Pa2chant.bis tirait une nouvelle fois la sonnette d'alarme, soulevant une nouvelle pratique consistant à sourcer des contenus, ou générer des contenus sourcés, par le biais de l'IA. Cette situation le pousse alors à inviter la communauté à se pencher sur un passage à l'état de recommandation d'un texte encadrant l'usage des IA. L'idée a été très bien accueillie et un sondage est en préparation. Deux versions existent actuellement, un essai élaboré depuis plusieurs mois et une contre-proposition simplifiée par LD.

Cependant, établir une recommandation présente plusieurs contraintes car elle a vocation à établir des lignes directrices à suivre dans la contribution. LD nous rappelle qu'elles doivent donc « répondre aux attentes et interrogations les plus courantes, tout en véhiculant un « savoir-faire » concret ».

Le plus complexe est de produire une recommandation « claire, non contradictoire avec les autres normes (principes, règles, recommandations) et permettre un ajustement progressif ». Ce dernier élément est nécessaire afin de pouvoir répondre aux éventuelles évolutions législatives. En effet, l'IA générative pose la question de la propriété intellectuelle, dans la mesure où « les textes générés [peuvent provenir] de textes régis par le droit d'auteur et [où] ces générations [pourraient être] considérées comme également soumises au droit d'auteur (et/ou sont considérées comme des œuvres dérivées ou collectives) ».

Cette future recommandation ne supplantera donc pas les recommandations déjà existantes. LD évoque le propos de @Cosmophilus à ce sujet en soulignant que « le mauvais usage de l'IA se caractérise par la violation d'un principe ou d'une norme déjà définie, telle que WP:DA, WP:V, WP:STYLE, etc. ». Aussi le but n'est-il pas de répéter le corpus réglementaire mais de donner des indications pour « se concentrer sur l'application de ces normes dans le cadre de l'IA ».

Si la communauté démontre une certaine hostilité à l'égard des contenus générés par IA et le démontre au travers de précédents sondages, il ne semble pas que l'on se dirige vers une interdiction stricte de son usage. Il est d'ores et déjà complexe de le démontrer.

Face à ces nouvelles pratiques, comme l'écrit LD, le mot d'ordre pourrait bien être de « rester guidé par le bon sens et le discernement ».

▲ L'édito — Les réflexions sur la modernisation de cette wikilettre se poursuivent. Dans ce cadre, nous aimerions créer de nouvelles rubriques. Vos suggestions sont les bienvenues en salle de rédaction : dites-nous ce que vous aimeriez lire dans les RAW, ou ce que vous voudriez y écrire !

C'est dans cette perspective que nous lançons un premier appel à commentaires afin de co-rédiger un futur dossier relatif à la possibilité de modifier Wikipédia sans créer de compte (actuellement sous IP, prochainement sous compte temporaire).

Bonne lecture !

RAW encourage les membres de la communauté à s'exprimer sur différents enjeux liés à l'écosystème Wikimedia. N'hésitez pas à proposer vos textes pour cette section. N'hésitez pas non plus à réagir dans la section du courrier du lectorat.

Certains articles de Wikipédia sont déréférencés par Google. Combien ? Les déréférencements sont-ils légitimes ? C'est le grand flou.

Le Canard enchaîné publie une enquête qui vous déplaît ? Oubliez le communiqué de presse et la plainte pour diffamation. Le problème, ce n'est pas l'article : c'est le fait qu'il soit lu ! Et s'il était possible de le faire disparaître de Google ? Improbable ? C'est pourtant ce qui s'est passé, nous raconte Thibaut Schepman dans un article paru en janvier dernier dans La Revue des médias, éditée par l'Institut national de l'audiovisuel (INA)^[10]. La méthode employée par les malandrins est la suivante : signaler à Google une violation des droits d'auteurs en affirmant que l'article de presse est un plagiat d'une page web, antidatée. Derrière la mésaventure vécue par une journaliste du Canard enchaîné se cache une véritable industrie du déréférencement indu, nous apprend Thibaut Schepman.

Si Google a rétabli le référencement de l'article du Canard enchaîné, est-il possible que Wikipédia soit également victime de telles manœuvres ? La question n'est pas anodine. La plupart des consultations de Wikipédia proviennent des moteurs de recherche, et parmi ceux-ci, Google est en position de quasi-monopole^[11]. Un article Wikipédia déréférencé de Google, c'est donc probablement un article qui ne sera quasiment plus lu.

De la lumière mais pas trop

Pour savoir ce qu'il en est, première étape, la plateforme Lumen. Elle permet de consulter les demandes de déréférencement adressées à Google pour divers motifs : violation des droits d'auteurs, diffamation, droit à l'oubli... Mais les notices, dont la consultation n'est pas aisée, n'indiquent pas l'issue de ces demandes. Nous ne sommes guère éclairés.

De son côté, la Fondation Wikimédia (WMF) a commencé en 2014 à publier les notifications de déréférencement qu'elle recevait de Google (dont plusieurs dizaines pour Wikipédia en français). À l'époque, la WMF s'est émue de cette censure, motivée par le droit à l'oubli, dans un billet de blog en anglais^[12].

Récemment, l'auteur de ces lignes a eu vent du déréférencement d'un article de Wikipédia en français par Google. Le déréférencement a-t-il été effectué au nom du droit à l'oubli ? Ou bien par une méthode retorse comme celle mise en lumière par La Revue des médias ? Aucune idée : aucun résultat sur Lumen avec le titre de l'article, et pas de notice relative sur la page tenue à jour par la WMF.

RGPD à la suédoise

Renseignement pris auprès du service juridique de la WMF, Google envoie depuis quelques années des notifications de déréférencement dépourvues de l'URL du contenu déréférencé (exemple) et donc parfaitement inutiles. Surprenant. Ce changement découle en fait d'une décision prise en 2020 par l'Autorité suédoise pour la protection de la vie privée, sur le fondement du règlement général sur la protection des données (RGPD). Elle a estimé qu'en fournissant l'URL du contenu déréférencé dans ses notifications, Google permettait à leur destinataire de republier les contenus litigieux sous une autre URL, et donc de bafouer le droit à l'oubli^[13]. Exit les URL.

Tout au plus la WMF continue-t-elle de recevoir des notifications précises quand le requérant est situé hors Union européenne ; on sait ainsi que l'article Fusillade de l'université d'Eskişehir Osmangazi a disparu de certaines recherches Google en raison de la législation turque — sans plus de précision.

On ignore d'ailleurs si la WMF reçoit systématiquement une notification de Google en cas de déréférencement. En tout état de cause, la liste des notifications relatives à Wikipédia en français n'évoque aucun déréférencement pour violation des droits d'auteurs — c'est en revanche le cas pour Wikipédia en anglais, comme le relèvent nos confrères du Signpost.

S'agissant du droit à l'oubli, s'il est légitime de chercher un équilibre entre droit à l'information et droit au respect de la vie privée, il apparaît contestable qu'une entreprise privée, en l'espèce Google, puisse opérer sans aucune transparence le déréférencement d'articles.

Dans cette section, le magazine aborde un sujet qui a fait beaucoup réagir à l'intérieur de la communauté, voire à l'extérieur.

Cet article repose sur quatre interviews que vous pouvez consulter dans leur version complète.

Lors de précédentes éditions, nous avons régulièrement abordé le sujet de l'IA générative (genAI), ses implications et conséquences pour Wikipédia. Nous aimerions prendre le temps, au travers d'un dossier et d'interventions de quatre contributeurs, d'approfondir le sujet. Pa2chant.bis, LD, Aelxen et (:Julien:) analysent les usages de l'IA et les problèmes qu'ils engendrent ; ils discutent aussi de l'élaboration d'un texte pour les encadrer.

Ils fleurissent sur l'encyclopédie et le printemps n'y est pour rien. Les textes générés par IA sont de plus en plus nombreux sur les articles de Wikipédia à mesure que l'usage de l'IA générative se démocratise. Pour Pa2chant.bis, cet usage wikipédien se fait « en l'absence de recommandation », ce qui a pour conséquence de rendre « très lourd et coûteux en temps de démontrer des abus » et risque de démotiver les contributeurs qui se consacrent à ces vérifications.

Julien indique à ce propos qu'il est « difficile d'anticiper les usages qui seront faits des LLM. Mais c'est potentiellement un game changer pour WP », qui peut au choix « devenir un dépôt de connaissances approximatives via des masses de textes mal comprises ou un facilitateur de rédaction ».

Pa2chant.bis n'y va pas par quatre chemins : « C'est l'avenir de Wikipédia qui se joue. » Les enjeux et les risques de ces nouvelles pratiques sont déjà connus : « outre les potentielles atteintes au droit d'auteur, on peut citer les problèmes de fiabilité de l'information de type absence ou détournement de source, les TI et les problèmes de style. »

La majorité des usages observés ne résistent pas aux vérifications et affichent différents problèmes qui pourraient être évités si la contribution était 100 % humaine. C'est notamment le cas des traductions automatiques, des synthèses de sources multiples, de l'identification de sources, etc.

Des usages problématiques, Pa2chant.bis en a vu quelques exemples surprenants. Par exemple, dans une page Wikipédia sur une maladie, indiquer aux parents que même traitée, elle peut être mortelle, alors qu'aucune source n'a été trouvée dans ce sens. Dans l'article 'Ndrangheta (la mafia calabraise), une famille dont le nom est parfaitement inconnu des sources a été désignée comme étant influente. Dans un autre article étaient indiqués des liens familiaux entre deux personnes, liens imaginaires sourcés avec un blog généré par IA. Les abus peuvent d'une envergure encore supérieure, comme les interventions mêlant TI, IA et vandalismes sur une profusion d'articles dédiés aux quasars : alors que le projet:Astronomie compte peu de membres, et encore moins de spécialistes de ce sous-domaine, cela va exiger d'utiliser WP:TNT.

Julien rappelle que les traductions automatiques relèvent de l'IA, et plus récemment de l'introduction des LLM. Or, « la communauté semble ok avec cette utilisation de l'IA », quand bien même Julien en est lui-même critique. Concernant les LLM, « des utilisateurs ont développé et rendu compte de pratiques plus avancées (Projet:Observatoire des IA/Documentation, Utilisateur:Global Donald/Création d'article via ChatGPT 4o et comparaison des prompts, Utilisateur:Nanoyo88/testIA…) ». La question revient dès lors à se demander si la relecture et la vérification sont bien effectuées, et c'est là que ça coince. Comme pour les traductions automatiques à la chaîne, les textes générés par IA augmentent la quantité de travail de vérification pour la communauté.

Il y a également des usages de LLM qui pourraient être utiles à l'automatisation de certaines opérations de maintenance sur Wikipédia. « Sur les projets sportifs (basket, foot, foot US), c'est toujours relou quand un joueur change de club : il faut rajouter des catégories, changer des palettes, mettre à jour l'infobox… Not fun. J'ai dans ma todo list le développement d'un outil automatique de mise à jour quand un joueur change de club, avec l'usage d'un LLM. » Les LLM pourraient également être utilisés afin de lutter contre le vandalisme, voire même contre les mésusages de LLM !

Dernièrement, un tracker a été mis en place par Julien sur la base du signalement, par Pa2chant.bis, de sources comportant un paramètre UTM lié à ChatGPT. Cette longue liste n'est que la partie émergée d'une analyse en profondeur nécessaire et dans laquelle il faut comparer les sources présentées et les informations ajoutées.

Afin de pouvoir rapidement identifier ce type d'ajout, un filtre anti-abus a été créé par Aelxen. « Le filtre consiste à détecter les insertions d'URL contenant un paramètre UTM provenant de ChatGPT. Actuellement, il est uniquement utilisé pour récupérer des statistiques. À terme, il pourrait permettre d'insérer un message d'avertissement lors de la publication des modifications. »

Actuellement, on peut difficilement s'appuyer uniquement sur des outils de détection et éléments techniques pour identifier les usages de textes générés par IA avec fiabilité. « Ces outils sont imparfaits, explique Julien : les LLM sont des machines probabilistes donc il y a des risques de faux-positifs. Les études qui essaient de mesurer les faux positifs divergent pas mal et s'appuient sur des textes en anglais, donc il faut prévoir une décote pour le français. »

Aelxen et Pa2chant.bis jugent également la fiabilité de ces détecteurs insuffisante. Pour Pa2chant.bis, « le plus performant détecteur trouve en français un nombre impressionnant de probables faux-positifs » et Julien souligne une observation surprenante d'Esprit Fugace : il y a des faux positifs lorsque le contenu est rédigé « par des personnes neuroatypiques dont le style rédactionnel diffère » de la norme.

Sur les possibilités techniques, Aelxen suggère que « des outils semi-automatiques pourraient être envisagés pour aider à l'analyse, par exemple en signalant des passages suspects ou en identifiant des modèles d'écriture caractéristiques de l'IA ». Mais Julien considère que c'est « sans issue parce que les LLM s'aguerrissent et les méthodes de détection sont toujours en retard. Il est possible que le contenu genAI devienne rapidement indiscernable par un œil humain comme par un détecteur ».

Identifier les textes générés par IA et leurs problèmes n'est pas chose aisée. Pa2chant.bis témoigne de sa pratique, indiquant que cela se fait « au hasard des analyses de créations d'articles, des relectures et de la patrouille ». Les mauvais usages possèdent plusieurs marqueurs tels que le style stéréotypé et souvent laudatif, le plan caractéristique et les détournements de sources par hallucination — « et là, c'est beaucoup plus long à identifier ».

Le second problème est qu'il est particulièrement complexe de faire comprendre aux utilisateurs d'IA, novices ou expérimentés, les problèmes de leurs contributions. Pa2chant.bis a l'impression « qu'ils voient surtout le verre à moitié plein (leurs prompts sont de plus en plus précis et performants, et le niveau de réponse des IA s'améliore) sans voir le verre à moitié vide (les erreurs, le langage stéréotypé et les traductions parfaites en mot à mot, mais porteuses de contresens, non-sens ou inventions) ».

Malheureusement, l'utilisation abusive de l'IA reste très tentante car elle est en mesure de produire des textes d'apparence robuste, auxquels il est aisé pour les contributeurs de faire confiance, en ayant la fausse impression d'avoir maitrisé un sujet. À cela s'ajoute la culture historique de Wikipédia « selon laquelle l'encyclopédie est en construction, les erreurs ne sont pas trop graves et finiront bien par être corrigées un jour » ainsi que le sentiment que refuser l'usage de l'IA relève « d'une forme de passéisme, ou d'une attitude rétrograde vis-à-vis des progrès technologiques ».

Le 1^er mars 2025, Pa2chant.bis tirait une nouvelle fois la sonnette d'alarme, soulevant une nouvelle pratique consistant à sourcer des contenus, ou générer des contenus sourcés, par le biais de l'IA. Cette situation le pousse alors à inviter la communauté à se pencher sur un passage à l'état de recommandation d'un texte encadrant l'usage des IA. L'idée a été très bien accueillie et un sondage est en préparation. Deux versions existent actuellement, un essai élaboré depuis plusieurs mois et une contre-proposition simplifiée par LD.

Cependant, établir une recommandation présente plusieurs contraintes car elle a vocation à établir des lignes directrices à suivre dans la contribution. LD nous rappelle qu'elles doivent donc « répondre aux attentes et interrogations les plus courantes, tout en véhiculant un « savoir-faire » concret ».

Le plus complexe est de produire une recommandation « claire, non contradictoire avec les autres normes (principes, règles, recommandations) et permettre un ajustement progressif ». Ce dernier élément est nécessaire afin de pouvoir répondre aux éventuelles évolutions législatives. En effet, l'IA générative pose la question de la propriété intellectuelle, dans la mesure où « les textes générés [peuvent provenir] de textes régis par le droit d'auteur et [où] ces générations [pourraient être] considérées comme également soumises au droit d'auteur (et/ou sont considérées comme des œuvres dérivées ou collectives) ».

Cette future recommandation ne supplantera donc pas les recommandations déjà existantes. LD évoque le propos de @Cosmophilus à ce sujet en soulignant que « le mauvais usage de l'IA se caractérise par la violation d'un principe ou d'une norme déjà définie, telle que WP:DA, WP:V, WP:STYLE, etc. ». Aussi le but n'est-il pas de répéter le corpus réglementaire mais de donner des indications pour « se concentrer sur l'application de ces normes dans le cadre de l'IA ».

Si la communauté démontre une certaine hostilité à l'égard des contenus générés par IA et le démontre au travers de précédents sondages, il ne semble pas que l'on se dirige vers une interdiction stricte de son usage. Il est d'ores et déjà complexe de le démontrer.

Face à ces nouvelles pratiques, comme l'écrit LD, le mot d'ordre pourrait bien être de « rester guidé par le bon sens et le discernement ».