Méthode · Médias · Intelligence artificielle

Vérifier une info avec l’IA : enquête étape par étape

L’intelligence artificielle peut accélérer une vérification, repérer des incohérences et cartographier des sources. Elle ne remplace toutefois ni le doute méthodique ni la responsabilité éditoriale. Voici une procédure concrète pour passer d’un contenu viral à une information solidement étayée.

1. Définir précisément ce qui doit être vérifié

Une enquête fiable commence rarement par une question vague comme « est-ce vrai ? ». Il faut isoler l’affirmation vérifiable : une date, un chiffre, une citation, une décision politique ou une image présentée comme récente. Un même message peut contenir plusieurs éléments, dont certains sont exacts et d’autres trompeurs.

Avant d’interroger un outil d’IA, reformulez donc l’énoncé en une phrase courte et neutre. Notez également le contexte de découverte : auteur, plateforme, date de publication et formulation originale. Ces détails sont utiles pour repérer une reprise déformée ou une publication ancienne remise en circulation.

2. Utiliser l’IA comme assistant, pas comme arbitre

Un modèle conversationnel peut proposer des pistes, extraire les principales affirmations d’un article ou signaler une contradiction apparente. Il produit cependant des réponses plausibles, parfois fausses, et peut présenter une source inexistante avec une assurance déconcertante. Sa réponse constitue une hypothèse de travail, jamais une preuve.

Cette formulation limite l’effet d’autorité de la machine. Elle invite l’outil à distinguer les faits, les interprétations et les questions encore ouvertes. Dans une rédaction, cette séparation est essentielle : elle rend le raisonnement visible et facilite la relecture par un autre journaliste.

3. Remonter aux sources originales

La source la plus partagée n’est pas nécessairement la source la plus proche du fait. Pour une statistique, recherchez l’étude complète, sa méthodologie et sa date. Pour une annonce publique, consultez le texte officiel, le discours intégral ou le registre concerné. Pour une décision européenne, revenez au document institutionnel plutôt qu’au résumé publié sur un réseau social.

L’IA peut aider à identifier les mots-clés, les noms d’organismes ou les versions linguistiques pertinentes. Demandez-lui de lister les documents à retrouver, puis ouvrez vous-même les pages correspondantes. Vérifiez que les liens existent, que le contenu dit bien ce qui lui est attribué et que le passage n’a pas été sorti de son contexte.

La règle des trois niveaux

• Source primaire : document original, données publiques, déclaration enregistrée ou décision officielle.
• Source secondaire : média reconnu, chercheur ou organisme capable d’expliquer et de contextualiser.
• Source de circulation : capture d’écran, publication virale, résumé automatique ou commentaire.

Plus une affirmation est sensible, plus il faut remonter vers le premier niveau et confronter les interprétations au deuxième. Le troisième niveau sert à comprendre la diffusion du récit, non à l’établir.

4. Contrôler les dates, les chiffres et les images

Les erreurs les plus persistantes sont souvent des erreurs de temporalité. Une photographie réelle peut illustrer un événement différent, une statistique peut concerner une autre période et une citation peut être authentique mais ancienne. Demandez à l’IA de relever les dates mentionnées, puis vérifiez-les séparément dans les archives, les communiqués ou les bases de données.

Pour les chiffres, examinez l’unité, le périmètre et le dénominateur. « Une hausse de 30 % » ne signifie pas la même chose selon qu’elle porte sur un trimestre, une population entière ou un échantillon. Un modèle peut repérer une incohérence arithmétique, mais seul le document méthodologique permet de comprendre ce que mesure réellement le chiffre.

Pour une image, combinez recherche inversée, analyse des métadonnées quand elles existent et comparaison avec des photographies antérieures. Les outils génératifs peuvent décrire une scène ou détecter des artefacts, mais ils ne constituent pas une preuve d’authenticité. L’absence d’artefact ne prouve d’ailleurs pas qu’une image est réelle.

5. Examiner les intérêts et les angles morts

Vérifier un fait ne consiste pas seulement à opposer vrai et faux. Il faut aussi comprendre qui parle, à qui le message profite et ce que le récit laisse de côté. Une entreprise peut publier une donnée exacte dans un rapport conçu pour valoriser son activité. Un responsable politique peut citer un indicateur réel en omettant la période qui le rend moins favorable.

Demandez à l’IA de produire deux lectures contradictoires de l’affirmation : les arguments qui la soutiennent et ceux qui la fragilisent. Cette étape est utile pour débusquer le biais de confirmation, y compris chez le vérificateur. Elle doit ensuite être confrontée à des sources humaines identifiables, pas à une simple synthèse automatique.

6. Ne pas confondre droit, fait et interprétation

Dans les sujets économiques ou administratifs, une information peut mélanger une règle juridique, une pratique professionnelle et une conséquence supposée. Cette distinction mérite une attention particulière lorsqu’un lecteur s’informe sur l’occupation de locaux, les obligations contractuelles ou les échéances à respecter. La Fin de bail commercial illustre bien ce besoin de précision : le préavis, le congé triennal et les délais applicables ne se déduisent pas d’une formule générale, mais de la situation, du contrat et des textes pertinents.

Une IA peut résumer un document juridique, jamais garantir qu’il s’applique à un cas individuel. Il faut contrôler la version du texte, sa date, les exceptions et, si nécessaire, solliciter un professionnel compétent. Le bon journalisme consiste ici à exposer les limites de l’information plutôt qu’à promettre une certitude artificielle.

7. Documenter la conclusion

À la fin de l’enquête, rédigez une fiche de vérification concise. Elle doit contenir l’affirmation initiale, les sources consultées, les éléments confirmés, les réserves et la conclusion retenue. Classez cette dernière avec prudence : vrai, faux, trompeur, non démontré ou hors contexte ne recouvrent pas la même réalité.

Conservez les versions des pages, les captures datées et les requêtes importantes. Les contenus peuvent être modifiés ou supprimés, tandis que les modèles d’IA évoluent. Cette traçabilité protège le travail éditorial et permet de corriger rapidement une erreur. Découvrez d’autres décryptages sur notre page d’accueil.

Une méthode plus lente pour une information plus solide

L’IA réduit le temps consacré au tri, à la transcription et à la comparaison. Elle ne réduit pas la nécessité de vérifier. Dans un environnement saturé de contenus synthétiques, la valeur d’une enquête tient moins à la vitesse de sa première réponse qu’à la qualité de ses sources, à la transparence de son raisonnement et à sa capacité à reconnaître l’incertitude.

La bonne question n’est donc pas « l’IA a-t-elle trouvé la vérité ? », mais « quelles vérifications humaines cette piste permet-elle de mener plus efficacement ? ». C’est à cette condition que l’outil devient un instrument journalistique, et non une nouvelle machine à produire de la confiance sans preuve.