CMA CGM recrute un(e) Change Leader AI

Et maintenant, les Français utilisent une IA pour voter aux élections, certains changent même d’avis

Lors des élections municipales de mars 2026 en France, des milliers d'électeurs ont eu recours à des outils d'intelligence artificielle conversationnelle pour orienter leur vote. Pour la première fois à cette échelle, des citoyens ont soumis leurs hésitations politiques à des assistants comme ChatGPT ou Copilot, posant des questions sur les programmes, les candidats ou les enjeux locaux. Fait marquant : une fraction d'entre eux affirme avoir changé d'avis à la suite de ces échanges, parfois quelques heures avant de glisser leur bulletin dans l'urne. Le phénomène soulève des inquiétudes profondes quant à l'intégrité du processus démocratique. Contrairement à un article de presse ou à un débat télévisé, une IA conversationnelle personnalise sa réponse en fonction des questions posées et du profil perçu de l'utilisateur, sans transparence sur ses sources ni sur les biais éventuels de son entraînement. Si les volumes restent encore minoritaires en 2026, la tendance ouvre une brèche inédite : celle d'un intermédiaire algorithmique, non élu et non régulé, influençant directement le comportement électoral de citoyens. La présidentielle de 2027 concentre désormais toutes les attentions. Les politologues et les régulateurs alertent sur l'absence totale de cadre juridique encadrant l'usage des IA dans le contexte électoral français. La Commission nationale de contrôle de la campagne électorale n'a pas encore de doctrine sur le sujet, tandis que Bruxelles travaille encore à l'application de l'AI Act. D'ici à l'échéance présidentielle, la question de savoir si une IA peut constituer une forme d'ingérence dans le vote risque de s'imposer comme l'un des débats politiques majeurs du quinquennat.

💬 C'était prévisible, et pourtant ça fait un effet bizarre de le lire noir sur blanc. Des électeurs ont soumis leurs hésitations politiques à ChatGPT, certains ont changé d'avis à quelques heures du vote, sans aucune garantie que le modèle ne mélangeait pas les programmes ou ne favorisait pas un angle sans le dire. On a 2027 qui arrive, aucun cadre, et personne en charge.

Relations avec une IA : Notre avis complet sur le phénomène AI Girlfriend

Les applications de compagnes virtuelles alimentées par l'intelligence artificielle connaissent une popularité grandissante, portées par des plateformes comme Candy AI qui s'impose comme l'une des références du secteur. Le principe est simple : une IA programmée pour simuler une relation romantique, disponible vingt-quatre heures sur vingt-quatre, capable de mémoriser les conversations, d'adapter son ton et sa personnalité aux préférences de l'utilisateur. En 2025 et 2026, les progrès des modèles de langage ont radicalement transformé l'expérience : les échanges sont devenus suffisamment fluides pour soutenir des discussions prolongées sur des sujets variés, certaines plateformes allant jusqu'à envoyer des messages spontanés pour maintenir le lien. L'attrait de ces outils repose sur plusieurs promesses concrètes : un soutien émotionnel sans jugement, la possibilité de s'exprimer librement après une journée difficile, l'absence totale de conflits et une personnalisation poussée de la relation. Pour des millions d'utilisateurs isolés ou simplement curieux, cette accessibilité permanente représente une forme de réconfort réel. Mais les risques sont tout aussi concrets. Les spécialistes alertent sur la tendance de ces IA à valider systématiquement les pensées de l'utilisateur, y compris les plus problématiques, créant une bulle de confort artificiel qui érode progressivement la tolérance aux contradictions humaines. Plus grave encore, ces outils sont conçus pour générer de la dépendance : ils apprennent précisément ce qui touche émotionnellement l'utilisateur pour le faire revenir, une forme de manipulation subtile mais délibérée. L'essor des AI Girlfriend s'inscrit dans une tendance plus large de l'IA conversationnelle, accélérée par la démocratisation des grands modèles de langage depuis 2023. Des plateformes comme Replika, Character.ai ou Candy AI ont transformé ce qui était un concept de niche en marché à part entière, ciblant aussi bien les personnes en quête de connexion sociale que les utilisateurs en situation de vulnérabilité émotionnelle. La fragilité technique de ces services constitue un angle mort rarement évoqué : une mise à jour peut altérer la personnalité mémorisée, et la fermeture d'une plateforme entraîne une rupture brutale vécue comme un vrai choc psychologique par certains utilisateurs. Les questions de régulation restent ouvertes, notamment sur la responsabilité des éditeurs lorsque leurs IA dispensent des conseils inadaptés à des personnes en détresse. Ce débat devrait s'intensifier à mesure que ces applications gagnent du terrain auprès de publics de plus en plus jeunes.

Le chaînon manquant entre la hype et la rentabilité

En février dernier, des manifestants anti-IA défilaient dans les rues de Londres avec un tract signé Pause AI qui résumait involontairement l'état du secteur : "Étape 1 : Créer un super cerveau numérique. Étape 2 : ? Étape 3 : ?" Le clin d'oeil aux "gnomes voleurs de sous-vêtements" de South Park, devenus un mème culte pour moquer les plans d'affaires sans logique, n'était peut-être pas intentionnel, mais il frappait juste. Les entreprises d'IA ont construit la technologie (étape 1) et promis la transformation économique (étape 3). L'étape 2, celle qui explique comment on passe de l'un à l'autre, reste un point d'interrogation. Jakub Pachocki, directeur scientifique d'OpenAI, qualifie l'IA de "technologie économiquement transformatrice", mais la trajectoire concrète reste floue. Deux études récentes illustrent à quel point cet écart entre promesse et réalité est profond. Une recherche d'Anthropic a tenté de cartographier les métiers les plus exposés aux grands modèles de langage, concluant que managers, architectes et journalistes devraient se préparer à des bouleversements, contrairement aux jardiniers ou aux ouvriers du bâtiment. Mais ces prédictions reposent sur ce que les LLM semblent capables de faire en théorie, non sur leurs performances réelles au bureau. Plus révélatrice encore, une étude publiée en février par Mercor, une startup spécialisée dans le recrutement assisté par IA, a soumis plusieurs agents IA alimentés par les meilleurs modèles d'OpenAI, d'Anthropic et de Google DeepMind à 480 tâches professionnelles typiques de banquiers, consultants et juristes. Résultat : chaque agent échoué à accomplir la majorité des tâches qui lui étaient assignées. Ce fossé entre le discours et les faits s'explique par plusieurs facteurs structurels. D'abord, les acteurs qui font les prédictions les plus enthousiastes ont un intérêt financier direct dans leur réalisation. Ensuite, une grande partie des optimistes fondent leurs conclusions sur la progression rapide des outils de codage, qui ne représentent qu'une fraction des usages professionnels réels. Les LLM se révèlent notamment peu fiables pour les décisions stratégiques, qui nécessitent jugement et contextualisation. Et même lorsqu'ils fonctionnent bien en laboratoire, ces outils doivent s'intégrer dans des environnements humains existants, avec leurs habitudes, leurs résistances et leurs workflows hérités. Refondre ces processus autour de l'IA pour en tirer une valeur transformatrice prendra du temps et impliquera des risques. C'est précisément dans ce vide d'information que prospèrent les annonces fracassantes et les prophéties sans preuves. Le problème n'est pas que personne ne sait où l'IA va mener, c'est que tout le monde fait semblant de le savoir.

Le tokenmaxxing commence peut-être déjà à reculer

Chez Meta, un phénomène insolite a récemment été mis en lumière par The Information : des employés se livrent à une compétition interne baptisée "Claudeonomics", un classement mesurant qui consomme le plus de tokens d'IA dans son travail quotidien. Le record récent appartient à un employé ayant utilisé 328,5 milliards de tokens sur une période de 30 jours, ce qui représente une facture potentielle de près de 2 millions de dollars aux tarifs publics d'Anthropic. Ce comportement, surnommé "tokenmaxxing", consiste à maximiser délibérément sa consommation d'IA pour signaler son implication et sa productivité à l'entreprise. Ce phénomène révèle une fracture croissante entre les géants technologiques ultra-capitalisés et le reste des entreprises. Si Meta peut absorber des dépenses d'IA colossales pour ses ingénieurs, la grande majorité des organisations ne dispose pas de tels budgets. Le tokenmaxxing risque ainsi de devenir un indicateur trompeur de performance, encourageant une consommation artificielle plutôt qu'une utilisation réellement productive des outils d'IA. Ce cas intervient dans un contexte où les entreprises tech cherchent à quantifier l'adoption interne de l'IA et à mesurer le retour sur investissement de leurs abonnements aux modèles comme Claude d'Anthropic ou GPT d'OpenAI. La course aux classements internes illustre une tension plus profonde : comment distinguer l'usage pertinent de l'IA d'une simple démonstration ostentatoire ? À mesure que les coûts des modèles diminuent, cette dynamique pourrait évoluer, mais pour l'instant, le tokenmaxxing reste un luxe réservé aux plus grands acteurs de la Silicon Valley.