IA générative : le journalisme canadien pillé sans attribution
Les chiffres qui confirment le problème
Le Centre pour les médias, la technologie et la démocratie de McGill a analysé quatre modèles dominants : ChatGPT, Gemini, Claude et Grok. La méthodologie est directe — interroger ces systèmes sur des événements d'actualité canadiens et mesurer le taux d'attribution.
Le verdict : 82 % des réponses ne citent aucune source. Les utilisateurs obtiennent l'information sans jamais savoir d'où elle provient, ni avoir l'occasion de consulter le média original.
Pour les salles de rédaction québécoises et canadiennes, déjà fragilisées par la migration des revenus publicitaires vers les plateformes numériques, ce constat ajoute une pression supplémentaire.
Un modèle économique qui se mord la queue
Les chercheurs de McGill décrivent un cycle problématique en deux temps.
Premier temps : l'entraînement. Les modèles ingèrent des archives massives d'articles de presse. Ce corpus journalistique — vérifié, structuré, contextualisé — constitue une part significative de leur capacité à produire des réponses cohérentes sur l'actualité.
Deuxième temps : la substitution. Quand un utilisateur pose une question, le modèle génère une réponse suffisamment complète pour éliminer le besoin de cliquer vers l'article source. Le trafic ne se rend jamais au média. Les revenus publicitaires et les abonnements potentiels s'évaporent.
Le paradoxe est évident : ces systèmes dépendent d'un journalisme de qualité pour fonctionner, mais leur fonctionnement même accélère le déclin économique de ce journalisme.
La réponse européenne : une coalition pour l'information
Face à cette situation, des entreprises médiatiques européennes ont annoncé la création d'une coalition décrite comme une « OTAN de l'information ». L'objectif : établir des règles contraignantes sur l'utilisation du contenu journalistique par les systèmes d'IA.
Cette initiative reconnaît que les négociations individuelles entre médias et géants technologiques produisent des résultats inégaux. Un front commun pourrait rééquilibrer le rapport de force.
Au Canada, la question reste ouverte. La Loi sur les nouvelles en ligne (C-18) a forcé des ententes avec les plateformes de réseaux sociaux, mais les modèles d'IA générative opèrent dans une zone grise réglementaire.
Au-delà du journalisme : un enjeu transversal
Le cas des médias est visible parce que l'impact économique est mesurable et que les acteurs concernés ont une voix publique. Mais la question de l'attribution et de la transparence touche bien d'autres secteurs.
Les créateurs de contenu éducatif, les analystes de marché, les rédacteurs techniques — tous produisent de l'information qui alimente potentiellement ces modèles sans mécanisme de reconnaissance ou de compensation.
Pour les organisations québécoises qui intègrent l'IA dans leurs opérations, cette réalité soulève des questions pratiques :
- Fiabilité des réponses : sans source identifiable, comment valider l'exactitude d'une information générée?
- Responsabilité : si une décision d'affaires repose sur une réponse d'IA erronée, qui assume les conséquences?
- Éthique d'utilisation : utiliser ces outils, c'est participer indirectement à un système qui fragilise des industries locales.
Ce que ça signifie pour les PME et OBNL du Québec
Les organisations qui adoptent l'IA générative gagnent à comprendre ces dynamiques. Non pas pour rejeter ces outils — leur utilité est réelle — mais pour les utiliser avec discernement.
Vérifier les sources manuellement. Quand un modèle génère une information factuelle, prendre le temps de la corroborer. Les hallucinations restent fréquentes, particulièrement sur des sujets locaux ou récents.
Soutenir les médias locaux. Les abonnements aux médias québécois ne sont pas qu'un geste civique. Ils maintiennent l'écosystème d'information qui alimente, entre autres, la capacité de ces modèles à traiter l'actualité locale.
Documenter les usages internes. Pour les organisations qui utilisent l'IA dans leur production de contenu, établir des lignes directrices claires sur l'attribution et la vérification.
La gouvernance de l'IA en question
L'étude de McGill alimente un débat plus large sur les règles du jeu. Qui bénéficie de la valeur créée par ces systèmes? Comment répartir équitablement les gains entre ceux qui produisent l'information originale et ceux qui la transforment?
Les réponses ne viendront probablement pas d'une seule source. Elles émergeront d'un mélange de réglementation gouvernementale, d'initiatives sectorielles comme la coalition européenne, et de choix individuels des utilisateurs et des organisations.
Pour les entreprises québécoises, rester informées de ces évolutions n'est pas optionnel. Les règles qui encadreront l'IA dans les prochaines années affecteront directement la façon dont ces outils pourront être utilisés — et à quel coût.
Sources consultées
Cette analyse s'appuie sur les travaux du Centre pour les médias, la technologie et la démocratie de l'Université McGill, rapportés par La Presse et Le Devoir en mars 2026.
Passez de la réflexion à l'action
Nos services visent à vous donner les clés pour agir. Découvrez comment nous pouvons accompagner votre organisation :
- Évaluez votre niveau de préparation avec le diagnostic de maturité IA, Posture IA™.
- Structurez votre démarche avec un accompagnement en développement d'un plan d'adoption de l'IA.
- Assurez un déploiement éthique grâce à notre expertise en gouvernance IA responsable.
- Renforcez les compétences de vos équipes via nos ateliers de formation et de vulgarisation en IA.
Questions fréquemment posées
Quel pourcentage des réponses générées par les IA comme ChatGPT, Gemini, Claude et Grok ne citent aucune source journalistique?
Selon l'étude du Centre pour les médias, la technologie et la démocratie de McGill, 82 % des réponses générées par ces modèles d'IA ne citent aucune source. Les utilisateurs obtiennent donc l'information sans jamais connaître son origine ni pouvoir consulter le média original.
Comment l'IA générative affecte-t-elle les revenus des médias canadiens et québécois?
L'IA générative crée un cycle problématique : elle s'entraîne sur des archives d'articles de presse, puis génère des réponses suffisamment complètes pour éliminer le besoin de visiter le site source. Le trafic ne se rend jamais aux médias, ce qui fait s'évaporer les revenus publicitaires et les abonnements potentiels pour des salles de rédaction déjà fragilisées.
La Loi sur les nouvelles en ligne (C-18) protège-t-elle les médias canadiens contre l'utilisation de leur contenu par l'IA?
La Loi C-18 a permis de forcer des ententes avec les plateformes de réseaux sociaux, mais les modèles d'IA générative opèrent actuellement dans une zone grise réglementaire. Au Canada, la question de l'encadrement de l'utilisation du contenu journalistique par l'IA reste donc ouverte.
Qu'est-ce que la coalition européenne surnommée « OTAN de l'information »?
Il s'agit d'une initiative d'entreprises médiatiques européennes visant à établir des règles contraignantes sur l'utilisation du contenu journalistique par les systèmes d'IA. Cette coalition reconnaît que les négociations individuelles avec les géants technologiques produisent des résultats inégaux et qu'un front commun pourrait rééquilibrer le rapport de force.
Quels risques l'absence d'attribution des sources par l'IA pose-t-elle pour les PME québécoises?
Sans source identifiable, il devient difficile de valider l'exactitude d'une information générée par l'IA. Cela soulève aussi des questions de responsabilité en cas d'erreur et de dépendance envers des systèmes dont la base de connaissances pourrait se dégrader si le journalisme de qualité décline.
Le problème d'attribution touche-t-il uniquement le secteur journalistique?
Non, la question de l'attribution et de la transparence touche bien d'autres secteurs. Les créateurs de contenu éducatif, les analystes de marché et les rédacteurs techniques produisent tous de l'information qui alimente potentiellement ces modèles sans mécanisme de reconnaissance ou de compensation.
