Le grand bulletin annuel de Stanford sur l’IA est publié, et le fossé de confiance se creuse

Une fois par an, l’Institute for Human-Centered AI de Stanford publie ce qui ressemble le plus à un bulletin scolaire pour le monde de l’IA : l’AI Index. L’édition 2026 est sortie cette semaine. L’information principale n’est pas que l’IA s’est améliorée, c’est manifestement le cas, mais que la confiance du public n’a pas progressé au même rythme et a même reculé sur certains aspects.

Commençons par les bonnes nouvelles : les modèles deviennent toujours plus performants, moins chers à utiliser et davantage déployés dans tous les secteurs. Mais certains chiffres ressortent de l’autre côté du bilan. Les incidents documentés liés à l’IA, dommages ou défaillances réels associés à des systèmes d’IA, sont passés à 362 en 2025, contre 233 l’année précédente. Sur un nouveau test de précision plus exigeant portant sur 26 modèles de premier plan, le taux d’hallucination, lorsqu’un modèle affirme avec assurance quelque chose de faux, allait de 22 % jusqu’au chiffre saisissant de 94 %, selon le modèle et la tâche. Certains modèles jusque-là performants ont fortement chuté : dans des conditions plus difficiles et plus réalistes, la précision d’un modèle très répandu est passée de plus de 90 % à seulement 14,4 %.

La transparence s’est également détériorée, c’est-à-dire le niveau d’information que les laboratoires communiquent réellement sur leurs données d’entraînement, leur puissance de calcul et le comportement d’un modèle une fois déployé. Après deux années d’amélioration, le score moyen du Foundation Model Transparency Index est tombé de 58 à 40 en 2025. Le rapport relève une tendance dérangeante : les modèles les plus performants sont souvent ceux qui en révèlent le moins.

Reste le public. Aux États-Unis, seules 31 % des personnes interrogées disent faire confiance à leur propre gouvernement pour bien réglementer l’IA, le taux le plus bas de tous les pays étudiés, l’Union européenne inspirant davantage confiance que les États-Unis ou la Chine. Le fossé entre les experts et le reste de la population est également frappant : 73 % des spécialistes américains de l’IA pensent que celle-ci aura un effet positif sur l’emploi, contre seulement 23 % du grand public.

Ce qui se passe réellement : Les performances et la confiance se sont dissociées. Chaque année, les modèles obtiennent objectivement de meilleurs résultats dans les tests, mais ces évaluations mesurent des tâches étroites et clairement définies. L’utilisation dans le monde réel est plus désordonnée, et c’est précisément là que les problèmes d’hallucination et de fiabilité persistent. Dans le même temps, alors que les entreprises d’IA rivalisent pour lancer leurs produits plus rapidement, la transparence sur le fonctionnement réel de ces systèmes a discrètement reculé dans leur liste de priorités, tandis que le scepticisme du public augmente pour de bonnes raisons.

Ce que cela signifie pour vous : Si vous découvrez les outils d’IA, ce rapport offre un utile retour à la réalité face au battage médiatique. Même les meilleurs modèles se trompent avec assurance plus souvent que ne le laisse entendre la plupart des discours commerciaux, surtout en dehors d’usages restreints et testés. Si vous vous appuyez déjà sur l’IA dans votre travail, traitez les réponses à des questions ouvertes et lourdes de conséquences, médicales, juridiques ou financières, avec un véritable scepticisme et vérifiez-les de façon indépendante. Les chiffres mêmes du rapport justifient de contrôler deux fois plutôt que de faire confiance par défaut.

Sources

• Le rapport AI Index 2026 (Stanford HAI)
• Dans les coulisses de l’AI Index : 12 enseignements du rapport 2026 (Stanford HAI)
• L’AI Index 2026 de Stanford révèle des progrès rapides, des préoccupations croissantes en matière de sécurité et un recul de la confiance du public (The Decoder)