L’IA est en train de dévorer le web… et de se dévorer elle-même
Non, les IA ne sont pas en train de s’effondrer. Oui, elles fragilisent les sources humaines dont elles dépendent. Le « model collapse » est un risque réel, mais évitable dans les protocoles étudiés. Le vrai danger se joue ailleurs : moins de clics pour les éditeurs, moins de contributions publiques, un web qui se referme. Personne n’a encore mesuré la boucle complète de bout en bout. La question utile n’est pas « l’IA va-t-elle mourir ? » mais « qui financera le savoir humain qu’elle consomme ? ».
Chaque semaine, un titre annonce que l’IA va s’effondrer sur elle-même, comme un soufflé qui aurait lu trop de ses propres communiqués. C’est vendeur, c’est partageable, et c’est à peu près aussi précis qu’une prévision météo à trois mois. Chez DeepDive, nous accompagnons des entreprises qui utilisent l’IA tous les jours : elles ont besoin de savoir ce qui est établi, ce qui est plausible et ce qui relève du frisson marketing. Nous avons donc épluché 14 publications (articles scientifiques, enquêtes, analyses institutionnelles, essais) pour séparer les trois.
Le soufflé qui retombe : ce que « model collapse » veut vraiment dire
En juillet 2024, une équipe emmenée par Ilia Shumailov publie dans Nature un résultat qui a fait le tour des rédactions. Quand un modèle est réentraîné, génération après génération, sur ce que produisent ses prédécesseurs, il perd peu à peu de l’information. Les cas rares disparaissent en premier. Ensuite, les productions s’éloignent du corpus d’origine, avec moins de diversité et plus d’erreurs. Les auteurs relient cette perte des « queues de distribution » à la qualité et à l’équité des modèles : ce sont les situations atypiques et les représentations minoritaires qui s’évaporent d’abord.
C’est la fameuse « photocopie de photocopie ». L’image est parlante. Elle est aussi trompeuse si on l’érige en loi de la nature.
À garder en tête : le volet « langage » de l’étude repose sur des réentraînements successifs d’OPT-125m avec WikiText-2. Ce n’est pas une observation de ChatGPT ou de Claude. L’article établit un risque dans des conditions définies, pas une fatalité universelle.
MAD, le trouble de l’autophagie
Avant Nature, Sina Alemohammad et ses coauteurs avaient étudié les modèles génératifs d’images et baptisé le phénomène Model Autophagy Disorder, ou MAD. Leur constat : sans apport suffisant de données réelles fraîches, la qualité ou la diversité se dégrade au fil des générations. Un modèle peut continuer à produire des images séduisantes tout en couvrant un éventail de situations de plus en plus étroit. Joli ne veut pas dire varié.
Bonne nouvelle : l’effondrement n’est pas une fatalité
C’est ici que les titres catastrophistes décrochent de la littérature. Trois familles de travaux nuancent fortement le récit.
Accumuler plutôt que remplacer. Matthias Gerstgrasser, Rylan Schaeffer et leurs coauteurs comparent deux stratégies. Remplacer les anciennes données par les nouvelles productions synthétiques conduit à la dégradation. Accumuler les données synthétiques tout en conservant le corpus réel initial permet d’éviter l’effondrement dans leurs expériences, avec une erreur bornée dans leur cadre mathématique.
Un mélange maîtrisé peut tenir. Les recherches de Quentin Bertrand et de ses coauteurs, présentées par l’Inria, montrent qu’un entraînement mixte reste stable si le modèle de départ est suffisamment bon et si les données réelles restent assez présentes. Dans l’expérience décrite, un mélange moitié réel, moitié synthétique conserve une qualité comparable au réentraînement sur données réelles. Attention : ce « 50 % » illustre une expérience, pas une règle à graver dans le marbre.
Un mot, huit définitions. Dans Position: Model Collapse Does Not Mean What You Think, Schaeffer, Kazdan, Arulandu et Koyejo relèvent que le terme recouvre huit définitions distinctes, parfois contradictoires. Leur conclusion : plusieurs scénarios spectaculaires reposent sur des hypothèses éloignées des conditions réelles d’entraînement.
Le réflexe à adopter : devant une annonce d’« effondrement », posez trois questions. Quelle mesure se dégrade ? Dans quel protocole ? Avec quelle conservation des données réelles ? Si l’article ne répond à aucune, c’est du bruit.
Le vrai sujet : un stock fini, un flux qui s’assèche
Les archives humaines existent déjà. On peut les conserver. Ce qui est plus fragile, c’est la production de savoir neuf et l’accès à ce savoir. Trois mécanismes distincts se cumulent, et les confondre sous l’étiquette « épuisement des données » empêche de les traiter correctement.
Quantité : la projection d’Epoch AI
Epoch AI estime le stock de textes humains publics effectivement exploitables à environ 300 000 milliards de tokens. Si les tendances se poursuivent, les besoins d’entraînement pourraient le rejoindre entre 2026 et 2032, avec un intervalle de confiance de 80 %. Les auteurs ne prédisent pas la fin du progrès : ils envisagent les données synthétiques, d’autres modalités et de meilleurs rendements d’apprentissage. Et ils rappellent que leur estimation antérieure a déjà été révisée.
Accès : le web ferme ses portes
L’audit Consent in Crisis, mené sur 14 000 domaines web, observe une croissance rapide des restrictions entre 2023 et 2024. Dans C4, plus de 5 % des tokens sont concernés par les restrictions complètes étudiées, et les restrictions de collecte inscrites dans les conditions d’utilisation couvrent 45 % du corpus. Une restriction déclarée n’est pas forcément juridiquement tranchée ni techniquement effective, mais la tendance est nette : le « commun » réellement accessible rétrécit plus vite que le web.
Renouvellement : Stack Overflow, le canari
Del Rio-Chanona, Laurentsyeva et Wachs comparent Stack Overflow à des plateformes où ChatGPT est peu accessible. Résultat : environ 25 % d’activité en moins dans les six mois suivant son arrivée. Les questions migrent d’un espace public, réutilisable par tous, vers des conversations privées. La qualité des contributions restantes ne baisse pas significativement. C’est la pièce la plus directe du dossier « tarissement », mais Stack Overflow reste un environnement très spécialisé : on ne l’applique pas mécaniquement à la presse ou aux forums de santé.
L’IA a besoin de contenus humains neufs, et elle réduit l’envie d’en publier. Voilà la vraie boucle.
Les éditeurs en première ligne : des clics en moins, des questions en plus
Le Pew Research Center a suivi 900 adultes américains sur 68 879 recherches Google effectuées en mars 2025. Les écarts sont parlants.
| Indicateur (Pew, 2025) | Avec résumé IA | Sans résumé IA |
|---|---|---|
| Visites avec clic sur un résultat classique | 8 % | 15 % |
| Visites avec clic sur une source du résumé IA | 1 % | Sans objet |
| Fin de session après la page de résultats | 26 % | 16 % |
Être cité par une IA ne signifie donc pas être visité. Côté éditeurs, le Reuters Institute rapporte, d’après le Publisher Playbook de Chartbeat, une baisse de 40 % des visites issues de Google Search vers des centaines d’éditeurs entre juillet 2025 et juillet 2026. Et, selon Reuters, des documents judiciaires cités par les médias plaignants montrent un responsable de ChatGPT évoquant une « menace existentielle » pour les éditeurs, tandis que Microsoft précise que certains commentaires individuels ne représentent pas sa position.
Ce qu’on ne peut pas dire : « les résumés IA font perdre 47 % de trafic à tous les sites ». L’écart de 15 % à 8 % est une différence entre deux taux de clic observés, dans une étude non randomisée. Quant aux −40 % de Chartbeat, ils concernent le trafic Google d’un échantillon, sans isoler la part des seuls résumés IA.
Forêt sombre et marché de citrons
Deux essais donnent un cadre à ces chiffres. Maggie Appleton décrit une « forêt sombre » : noyés sous le bruit de contenus générés, les humains se replient vers des communautés restreintes et des espaces privés. Lars Doucet applique la logique du « marché des citrons » : quand l’authentique ne se distingue plus du synthétique, les producteurs sérieux quittent le marché ouvert.
Ce sont des essais, pas des mesures. Mais ils expliquent pourquoi une surabondance de texte pourrait paradoxalement raréfier les contenus humains fiables et publics.
Ce que personne n’a démontré (et pourquoi c’est important)
Voici la chaîne qui circule dans les conversations de machine à café :
Réponses IA → moins de visites → moins de revenus ou de contributions → moins de connaissances humaines accessibles → corpus plus pauvres → modèles moins performants.
Chaque maillon est partiellement documenté. Aucun travail n’a mesuré la chaîne de bout en bout jusqu’à une dégradation des modèles commerciaux. La chaîne est plausible, cohérente, inquiétante, et non démontrée. Dans un débat saturé d’affirmations péremptoires, cette distinction est ce qu’il y a de plus utile à retenir.
| Question | Ce que les sources permettent d’affirmer | Ce qui reste ouvert |
|---|---|---|
| Les données synthétiques dégradent-elles les modèles ? | Oui, dans de nombreux cadres expérimentaux | Gravité et conditions très variables |
| Est-ce inévitable ? | Non : accumulation et mélanges maîtrisés stabilisent | Aucune proportion universelle |
| Les contributions publiques baissent-elles ? | Oui sur Stack Overflow (≈ 25 %) | Généralisation à d’autres communautés |
| Les clics baissent-ils ? | Association nette (Pew, Chartbeat) | Effet causal par site, part de l’IA |
Quatre phrases à bannir de vos contenus
- « Toute donnée synthétique fait s’effondrer les IA » : contredit par les résultats sur l’accumulation et les mélanges.
- « Il n’y aura plus de textes en 2028 » : une projection conditionnelle sur l’entraînement n’est pas une annonce de disparition des contenus.
- « Les résumés IA font perdre 47 % de trafic à tous les sites » : voir plus haut.
- « Les modèles commerciaux sont déjà en train de s’effondrer » : ce n’est pas ce que démontrent les travaux examinés.
Et maintenant, que fait-on ?
Éditeurs et médias
Traiter visibilité dans les réponses IA et trafic vers le site comme deux objectifs distincts. Investir dans la relation directe : newsletters, événements, communauté.
PME et indépendants
Publier ce qu’aucun modèle ne peut inventer : retours de terrain, chiffres maison, études de cas signées. Le contenu authentique devient un actif rare.
Utilisateurs d’IA
Vérifier les sources, relire, garder un humain dans la boucle. Un modèle qui cite n’est pas un modèle qui a raison.
Questions fréquentes
Qu’est-ce que le model collapse ?
C’est la dégradation progressive de modèles réentraînés, génération après génération, sur des contenus produits par d’autres modèles. Les informations rares disparaissent d’abord, puis la diversité diminue. L’ampleur dépend du protocole d’entraînement.
Les IA vont-elles s’effondrer à cause des données synthétiques ?
Aucune étude examinée ne le démontre pour les modèles commerciaux actuels. Conserver et accumuler les données humaines d’origine, ou maîtriser les mélanges, évite l’effondrement dans les protocoles testés.
Les résumés IA de Google font-ils vraiment baisser les clics ?
Chez Pew, 8 % des visites donnent un clic classique avec un résumé IA, contre 15 % sans. C’est une association observée, pas un effet causal identique pour tous les sites.
Que peuvent faire les éditeurs et les entreprises ?
Miser sur la relation directe, produire des contenus ancrés dans l’expérience et les données propres, et distinguer visibilité dans les réponses IA et trafic réel.
Le point de vue de DeepDive
En résumé : l’IA ne décline pas, elle fragilise ses propres racines. Le risque technique d’effondrement est réel mais maîtrisable ; le risque économique pour les sources humaines est, lui, bien observé. Chez DeepDive, nous formons et conseillons des entreprises sur l’IA depuis des années, et notre lecture est simple : l’IA est un excellent outil à condition de ne pas lui laisser éroder ce qui lui donne de la valeur. Nous le voyons sur le terrain : les structures qui s’en sortent le mieux gardent un humain dans la boucle et publient des contenus que personne d’autre ne peut écrire à leur place. Transparence oblige, nous vendons de l’accompagnement en IA, ce qui ne nous empêche pas de vous dire que l’IA a besoin de vous au moins autant que vous avez besoin d’elle.
Pour aller plus loin : la vraie question n’est plus « les IA vont-elles s’effondrer ? » mais « qui paiera pour que le savoir humain continue d’exister ? ». Rémunération des sources, accès aux données, nouveaux modèles économiques : le sujet est ouvert, et il concernera tous ceux qui publient. Si vous voulez savoir comment adapter votre stratégie de contenu à cette réalité, c’est précisément le genre de sujet que nous traitons avec André Gentit et l’équipe DeepDive en accompagnement et en formation.
Sources
- Shumailov et al., AI models collapse when trained on recursively generated data, Nature (2024)
- Alemohammad et al., Self-Consuming Generative Models Go MAD
- Gerstgrasser et al., Is Model Collapse Inevitable?
- Schaeffer et al., Position: Model Collapse Does Not Mean What You Think
- Inria, Vers un risque d’effondrement des IA génératives ?
- Epoch AI, Will we run out of data?
- Longpre et al., Consent in Crisis
- INET Oxford, étude sur Stack Overflow (PNAS Nexus)
- Pew Research Center, clics et résumés IA (22 juillet 2025)
- Reuters Institute, Life after SEO (13 octobre 2026)
- Reuters, documents judiciaires OpenAI/Microsoft (17 septembre 2026)
- Blog du Modérateur, Les IA risquent-elles de se dévorer elles-mêmes ?
- Maggie Appleton, The Dark Forest and Generative AI
- Lars Doucet, AI: Markets for Lemons, and the Great Logging Off
André Gentit Formateur & Consultant en Stratégie Web et IA générative
Vous souhaitez bâtir une stratégie de communication efficace, booster la performance de votre site internet ou mieux comprendre les dynamiques des réseaux sociaux ?
👉 Avec DeepDive, je vous accompagne grâce à une expertise terrain (ex-dirigeant d’agence digitale depuis 2011) et une veille continue sur les nouvelles pratiques numériques.
👉 J’interviens auprès de TPE, PME et collectivités, mais aussi en écoles et organismes (CNAM, CCI, écoles de commerce) pour rendre le numérique accessible et opérationnel.
👉 Mes formations couvrent le webmarketing, l’e-commerce, l’IA générative appliquée et incluent également une sensibilisation aux risques liés aux usages du web en général, sans oublier les bonnes pratiques à mettre en œuvre avec l’intelligence artificielle.
Mon objectif : transmettre des savoirs concrets pour que chaque apprenant — étudiant, salarié, entrepreneur ou institution — puisse transformer le numérique et l’IA en véritable levier de réussite.
Découvrez mon petit robot PromptyBot qui vous propose des centaines de prompts optimisés
Un commentaire
C’est toujours intéressant de découvrir de nouvelles idées et d’en apprendre davantage sur des sujets variés. Merci pour cet article qui apporte des informations utiles et encourage la curiosité.