Un tiers du nouveau Web montre des signes d’écriture par l’IA, selon Pew
Pew Research a analysé environ un demi-million de pages Web et a trouvé des signaux de paternité IA dans 35 % de celles publiées après le lancement de ChatGPT. Les sites commerciaux obtiennent des résultats dix fois supérieurs à ceux des universités et du gouvernement.
Pew Research a publié le 20 août une étude qui chiffre quelque chose que la plupart d’entre nous soupçonnons seulement en lisant. Parmi les pages Web publiées depuis le lancement de ChatGPT en novembre 2022, environ 35 % montrent des signes significatifs d’avoir été écrites ou fortement éditées par l’IA. Dans un échantillon aléatoire simple de 10 000 pages collectées en juillet 2026, le chiffre était d’environ 10 %, mais cet échantillon comprenait inévitablement d’anciennes pages écrites avant l’existence des outils d’écriture de l’IA. Filtrez-les et la part passe à plus d’un tiers.
La méthode compte ici. Pew a extrait près d’un demi-million de pages en anglais de Common Crawl, une archive publique gratuite du Web, couvrant environ cinq ans et commençant quelques années avant l’existence de ChatGPT. Il les a ensuite fait passer par Open Pangram, un détecteur de texte IA. La répartition par domaine est la partie la plus frappante : les adresses .com présentent un taux de paternité de l’IA environ dix fois supérieur à celui des adresses .edu et .gov, qui se situent toutes deux autour de 1 %. Les domaines .org se situaient à 4,6 pour cent. Pew a également suivi les supposés tell sur lesquels les gens aiment se disputer et a découvert une utilisation croissante des tirets em, des virgules Oxford et de la construction « ce n’est pas X, c’est Y ».
Deux mises en garde appartiennent juste à côté de ce numéro de titre. Premièrement, la détection n’est pas une preuve. Pangram et tous les outils similaires signaleront parfois l’écriture humaine comme étant fabriquée par la machine, en particulier la prose formelle ou formulée, de sorte que le chiffre est utile d’un point de vue directionnel plutôt qu’exact. Deuxièmement, « écrit avec l’IA » couvre une gamme énorme, depuis une page marketing générée en gros en une seule invite jusqu’à un brouillon humain que quelqu’un a exécuté à travers un modèle de grammaire. Ce sont des choses très différentes et l’étude ne peut pas les séparer clairement. Ce que la répartition des domaines suggère, c’est que la pression est commerciale : les pages qui existent pour être classées dans les recherches et vendre quelque chose sont là où se trouve le volume, tandis que les universités et les organismes publics ont beaucoup moins de raisons de produire du texte.
Ce que cela signifie pour vous : si vous recherchez quelque chose et que les meilleurs résultats semblent tous étrangement interchangeables, vous ne l’imaginez pas. Traitez les pages de contenu génériques .com avec plus de prudence qu’auparavant et appuyez-vous davantage sur les sources auxquelles sont attachés un nom et un historique. Si vous écrivez vous-même pour le Web, la conclusion utile n’est pas de « ne jamais utiliser l’IA », mais que les signaux sont mesurables et que les détecteurs s’améliorent, donc faire passer une sortie non éditée pour la vôtre est un pari de plus en plus restreint. Et si vous êtes curieux de connaître vos propres habitudes, la trouvaille em dash est un bon rappel que les bizarreries de style voyagent : les mannequins les ont d’abord apprises de nous.
##Sources
Sources: https://www.pewresearch.org/data-labs/2026/08/20/how-much-of-the-internet-is-written-with-ai/
Rich Sutton, pionnier de l'apprentissage par renforcement, qualifie les données synthétiques de grosse erreur
Sutton soutient qu’un monde d’une complexité infinie ne peut pas être appris à partir des données qu’un modèle génère lui-même. Il s'agit d'un défi direct à l'un des raccourcis préférés de l'industrie.
