L’intelligence artificielle menace-t-elle le libre arbitre des utilisateurs de plateformes ?

Choisir une vidéo, accepter une notification, liker un post, et recommencer. Derrière ces gestes ordinaires, les plateformes affinent des modèles d’intelligence artificielle capables de prédire, puis d’influencer, nos comportements à grande échelle. La question n’est plus seulement technologique, elle devient politique et intime : que reste-t-il du libre arbitre lorsque les recommandations se personnalisent en temps réel, et que l’économie de l’attention récompense la captation plutôt que la nuance ?

Nos choix sont-ils encore les nôtres ?

On se croit maître à bord, pourtant l’interface décide souvent de la route. Les plateformes n’imposent pas un ordre explicite, elles orchestrent un environnement de choix, ce que les chercheurs appellent l’« architecture de la décision » : l’ordre des contenus, l’emplacement d’un bouton, la couleur d’un appel à l’action, et surtout, la recommandation suivante. Cela paraît anodin, mais à l’échelle de milliards d’utilisateurs, l’effet statistique devient massif, car l’IA n’a pas besoin de convaincre tout le monde, elle doit seulement orienter une fraction des comportements, au bon moment, pour produire des résultats mesurables.

Des données publiques donnent la mesure de cette mécanique. Netflix a longtemps indiqué qu’environ 80 % des heures visionnées provenaient de ses recommandations, un chiffre souvent cité pour montrer à quel point la découverte est pilotée par l’algorithme plutôt que par la recherche volontaire. Sur YouTube, la recommandation est aussi centrale : l’entreprise a expliqué à plusieurs reprises que l’immense majorité des vues venait de suggestions, de la page d’accueil, ou de l’enchaînement automatique, plus que d’une intention de départ clairement formulée. Autrement dit, l’utilisateur commence quelque part, puis l’IA fait le reste, et la « volonté » se confond avec un parcours optimisé.

Ce glissement ne prouve pas à lui seul une disparition du libre arbitre, il montre plutôt une asymétrie. L’utilisateur a une intention générale, se divertir, s’informer, passer le temps, et la machine transforme cette intention vague en micro-décisions successives, chacune guidée par des signaux calculés : probabilité de clic, temps d’arrêt, risque de départ, sensibilité au contenu. Dans cette logique, la liberté ne disparaît pas, elle se fragmente, et plus elle se fragmente, plus elle devient manipulable, car les plateformes ne discutent pas nos convictions, elles pilotent nos réflexes.

La question devient alors : qui fixe les objectifs ? Les systèmes modernes n’optimisent pas le bien-être de l’utilisateur, ils optimisent une fonction. Le plus souvent, cette fonction s’appelle « engagement » : durée, fréquence, interactions, rétention. Et lorsque l’objectif est l’engagement, la machine apprend mécaniquement ce qui retient, parfois au détriment de ce qui éclaire. Ce n’est pas une théorie abstraite, c’est une conséquence directe de l’apprentissage par renforcement et des tests A/B permanents, ces expérimentations où l’on compare deux versions d’un contenu ou d’une interface pour maximiser la performance. Le libre arbitre se joue alors dans un environnement où chaque détail a été mesuré, comparé, et ajusté pour infléchir la décision.

La recommandation, arme douce de l’attention

Pas besoin de contrainte, l’algorithme préfère l’incitation. La recommandation personnalisée est une « arme douce » parce qu’elle agit sans violence apparente : elle réduit le coût cognitif, elle élimine la friction, elle présente l’option « idéale » au moment exact où l’utilisateur hésite. Plus la plateforme connaît l’utilisateur, plus elle peut anticiper ses failles, ses moments de fatigue, son attrait pour la controverse ou le divertissement, et plus la recommandation ressemble à une évidence plutôt qu’à une suggestion.

Le nerf de la guerre, c’est le temps. Selon Datareportal (We Are Social et Meltwater), le temps quotidien passé sur les réseaux sociaux dans le monde se compte en heures, avec une moyenne globale qui tourne autour de deux heures par jour, selon les éditions récentes des rapports, même si l’indicateur varie selon les pays, les âges, et les méthodes de mesure. Cette masse de temps n’est pas seulement « consommée » : elle est organisée. Les plateformes découpent l’expérience en séquences courtes, optimisées pour enchaîner, et l’IA apprend en continu à retarder l’instant de fermeture.

Dans cette économie, l’attention devient une monnaie et l’IA, un trader ultra-rapide. Elle teste des formats, ajuste les notifications, priorise des contenus, et explore ce qui déclenche une réaction. Les biais humains, eux, sont bien documentés : préférence pour le sensationnel, effet de nouveauté, attrait pour la validation sociale. Le système n’a pas besoin de « comprendre » l’humain comme un psychologue, il lui suffit de repérer les corrélations, puis de les exploiter. C’est là que se loge le risque : lorsque la recommandation se cale sur ce qui capte, elle peut amplifier des contenus polarisants, des rumeurs, ou des narrations simplistes, parce qu’ils performent souvent mieux dans les métriques d’engagement.

La réponse des plateformes existe, mais elle reste ambivalente. D’un côté, elles affirment réduire la visibilité de contenus problématiques, renforcer la modération, et donner plus de contrôle à l’utilisateur. De l’autre, leurs modèles économiques reposent encore largement sur la publicité ciblée, donc sur l’optimisation de l’attention. Le dilemme est structurel : une IA de recommandation peut être « responsable », mais tant que l’indicateur roi est le temps passé, les incitations restent alignées sur la captation, pas sur l’autonomie. Et plus la recommandation devient fluide, plus l’utilisateur oublie qu’il est guidé.

Quand l’IA s’invite dans l’opinion

Une timeline n’est pas un journal, mais elle peut façonner une vision du monde. L’information y arrive en fragments, mélangée à des contenus de divertissement, et filtrée par un système qui privilégie ce qui déclenche une réaction. Dans ce contexte, l’enjeu n’est pas seulement de « se faire influencer », c’est de perdre la capacité de hiérarchiser, de contextualiser, et de confronter des points de vue, car l’IA tend à donner plus de place à ce qui ressemble à l’utilisateur, ou à ce qui l’énerve suffisamment pour le retenir.

Les autorités publiques s’en préoccupent de plus en plus. Dans l’Union européenne, le Digital Services Act (DSA) impose des obligations nouvelles aux très grandes plateformes, notamment sur la transparence publicitaire, l’accès des chercheurs à certaines données, et l’évaluation des risques systémiques, comme la désinformation ou les atteintes aux processus démocratiques. Ce cadre ne règle pas tout, mais il entérine une réalité : l’IA de recommandation est devenue un sujet de régulation, parce qu’elle a un impact collectif, pas seulement individuel.

Le débat s’est aussi intensifié avec l’émergence d’outils génératifs capables de produire du texte, de l’image, et de la vidéo à bas coût. La menace n’est plus uniquement le tri algorithmique des contenus existants, c’est la fabrication industrielle de contenus persuasifs, adaptés à des publics spécifiques, et potentiellement automatisés à grande échelle. Les deepfakes et les campagnes coordonnées ne sont pas nouvelles, mais l’IA abaisse les barrières : produire, tester, cibler, recommencer. Or l’influence devient d’autant plus efficace qu’elle se personnalise, et qu’elle se confond avec le bruit ordinaire de la plateforme.

Dans les médias, l’enjeu est double. D’une part, il faut résister au « pilotage par les métriques », cette tentation d’écrire uniquement pour ce qui performe, parce que l’algorithme récompense certains formats, certains angles, et certaines émotions. D’autre part, il faut redonner au public des repères fiables, des explications sourcées, et des contextes, y compris sur la technologie elle-même. Sur ces sujets, des pages spécialisées, comme celles réunies par Le Jour Guinée, participent à la compréhension d’un phénomène global qui dépasse largement les capitales occidentales, et qui touche aussi les usages numériques en Afrique, entre croissance rapide des réseaux, bataille de l’information, et inégalités d’accès à des sources vérifiées.

Reprendre la main sans quitter les plateformes

La bonne nouvelle, c’est qu’on n’est pas condamné à subir. La moins bonne, c’est que reprendre la main demande un effort, parce que l’IA travaille précisément à rendre l’effort inutile. Le premier levier est simple : réintroduire de la friction. Désactiver l’autoplay quand c’est possible, limiter les notifications aux messages essentiels, et reconfigurer les paramètres de recommandation, même si ces options sont parfois enfouies, réduit déjà l’emprise des enchaînements automatiques. Ce sont des gestes banals, mais ils recréent un espace où la décision redevient consciente.

Le deuxième levier consiste à diversifier activement ses sources. Les flux personnalisés enferment, non par complot, mais par optimisation : ils donnent davantage de ce qui a déjà marché. S’abonner volontairement à des médias aux lignes différentes, consulter des sites en accès direct plutôt que via la homepage d’une application, et utiliser des alertes thématiques ou des newsletters, change la dynamique. On repasse d’une logique de « consommation guidée » à une logique de « recherche choisie ». Ce n’est pas nostalgique, c’est stratégique, car l’intention explicite est l’antidote le plus efficace à la suggestion permanente.

Enfin, le troisième levier est collectif, et il dépasse l’utilisateur. Transparence sur les systèmes de recommandation, audits indépendants, accès des chercheurs aux données, et régulation des publicités ciblées : ces chantiers pèsent lourd sur la capacité des sociétés à préserver une sphère publique saine. Les plateformes rétorquent qu’elles ne peuvent pas tout dévoiler, au nom du secret industriel et de la lutte contre les manipulations, mais la tendance mondiale est claire : l’opacité n’est plus tenable. Sur le long terme, le libre arbitre ne dépend pas seulement de la volonté individuelle, il dépend des règles du jeu, et de la possibilité de comprendre ce qui nous est présenté, pourquoi, et avec quels effets.

Des choix concrets, dès maintenant

Pour agir sans attendre, fixez un budget-temps hebdomadaire, puis paramétrez l’autoplay et les notifications, et prévoyez une « réservation » de 20 minutes par jour pour lire hors des flux, via des favoris ou des newsletters. Côté aides, explorez les outils de bien-être numérique intégrés à iOS et Android, ils offrent des limites et des bilans clairs, et soutiennent une discipline qui, face à l’IA, fait toute la différence.