ChatGPT bloque désormais les demandes directes de copier le style d'un auteur

Meta AI : un vrai pot de colle, vous ne pouvez pas le bloquer sur Threads

Meta a annoncé mardi le lancement d'un test de sa fonctionnalité Meta AI directement intégrée à Threads, son réseau social concurrent de X. Le principe reprend le modèle de Grok chez xAI : les utilisateurs peuvent mentionner le compte @Meta AI dans n'importe quelle conversation pour déclencher une réponse automatique de l'assistant. Le déploiement reste pour l'instant limité à cinq pays : l'Argentine, la Malaisie, le Mexique, l'Arabie saoudite et Singapour. L'IA peut répondre à des questions du quotidien, comme expliquer la tendance du matcha ou indiquer la prononciation du mot "Cannes", selon une vidéo de démonstration publiée par Meta elle-même. Le problème central qui a enflammé la plateforme tient en un mot : le blocage est impossible. Contrairement à n'importe quel autre compte sur Threads, Meta AI ne peut pas être bloqué par les utilisateurs. L'option habituelle, accessible via les trois points du profil, disparaît purement et simplement du menu. Certains utilisateurs ont signalé avoir brièvement aperçu le bouton avant de recevoir un message d'erreur en tentant de l'utiliser. La grogne a rapidement pris de l'ampleur : le sujet "Impossible de bloquer Meta AI" est devenu viral avec plus d'un million de publications sur la plateforme, avant de disparaître mystérieusement des tendances, ce qui n'a fait qu'amplifier la méfiance. Face à la pression, Meta a répondu via sa porte-parole Christine Pai, qui assure que les utilisateurs peuvent "gérer leur expérience" en masquant certaines réponses, en les désactivant dans leur fil ou en sélectionnant l'option "Pas intéressé(e)". Le blocage direct, lui, reste indisponible. Cette situation illustre une tension de fond qui traverse toute l'industrie des réseaux sociaux : l'intégration forcée d'assistants IA dans des espaces de conversation que les utilisateurs considèrent comme les leurs. Meta, qui cherche à monétiser et valoriser ses investissements massifs dans l'IA, a tout intérêt à maximiser l'exposition de Meta AI à travers ses milliards d'utilisateurs sur Facebook, Instagram et Threads. Mais l'absence d'option de blocage soulève des questions légitimes sur le consentement et le contrôle des utilisateurs, particulièrement en Europe où le cadre réglementaire du RGPD impose des obligations strictes en la matière. Si le test se conclut par un déploiement mondial, Meta devra probablement trancher : soit introduire une vraie option de blocage pour respecter les attentes des utilisateurs et les réglementations, soit assumer pleinement le choix de rendre son IA incontournable sur la plateforme.

💬 C'est pas un oubli, c'est assumé. Proposer "masquer la réponse" à la place du blocage, c'est la fausse alternative typique de Meta : l'IA reste dans ton fil, elle répond, elle collecte, tu n'as juste plus à la voir. Le RGPD va adorer ça.

France Travail veut confier à l’IA le tri des demandeurs d’emploi, et les tests sont déjà en cours

Après la Caisse d'allocations familiales, c'est au tour de France Travail de s'appuyer sur l'intelligence artificielle pour cibler ses contrôles. Selon des documents révélés par La Quadrature du Net en partenariat avec Radio France, l'opérateur public de l'emploi expérimente depuis fin 2025 un projet baptisé « Ciblage du contrôle de la recherche d'emploi », présenté à cette date devant son comité d'éthique dédié à l'IA. Le système repose sur un modèle statistique entraîné à partir de 60 000 contrôles réalisés par le passé. Il croise 26 variables issues des dossiers des demandeurs d'emploi : ancienneté d'inscription, visibilité du CV, métier recherché, niveau de formation, entretiens récents ou activités déclarées. L'algorithme classe ensuite les profils selon leur probabilité d'être contrôlés et transmet une liste priorisée aux agents, qui restent seuls décisionnaires sur la suite à donner. Une première campagne a déjà porté sur 7 000 contrôles visant des personnes inscrites après une rupture conventionnelle : elle a débouché sur une sanction ou un accompagnement renforcé dans 50,4 % des cas, contre 33,2 % avec les méthodes traditionnelles. Une seconde expérimentation de même ampleur était en cours au moment de la présentation du projet. Cette évolution change concrètement la manière dont les demandeurs d'emploi peuvent être surveillés au quotidien. L'IA ne prononce aucune sanction elle-même, mais elle détermine qui sera examiné en priorité, ce qui revient à orienter fortement le sort administratif de milliers de personnes sans qu'elles en aient toujours conscience. Pour France Travail, l'intérêt est clair : selon ses propres chiffres, cibler via l'algorithme rend les contrôles nettement plus « rentables » que le tirage traditionnel. Mais pour les associations et observateurs qui suivent le dossier, ce gain d'efficacité repose sur un raisonnement fragile, puisqu'aucune des 26 variables utilisées ne prouve en elle-même qu'une personne ne cherche pas activement du travail. Un CV peu visible en ligne, par exemple, peut simplement traduire des difficultés d'usage du numérique plutôt qu'un manque d'implication dans la recherche d'emploi. Ce type d'outil s'inscrit dans une tendance plus large de numérisation des contrôles sociaux en France, après les algorithmes de notation déjà utilisés par la CAF pour détecter des fraudes présumées, qui avaient eux-mêmes suscité de vives critiques sur les biais qu'ils pouvaient introduire contre certaines catégories d'allocataires. Avec France Travail, le débat se déplace vers le monde du chômage, où plusieurs acteurs redoutent qu'un système entraîné sur des données historiques ne reproduise, voire n'amplifie, des inégalités déjà présentes dans les pratiques de contrôle passées, sans offrir de garanties claires de transparence ou de recours pour les personnes concernées.

L'IA est plus susceptible que les humains de développer des biais dans le recrutement

Des chercheurs de l'université de Princeton et de l'université de Chicago ont soumis plusieurs grands modèles de langage, dont ChatGPT, Claude et Gemini, à un jeu de simulation de recrutement inspiré d'une étude de psychologie sur la formation des stéréotypes humains. Chaque modèle jouait le rôle d'un consultant engagé par le maire d'une ville fictive pour pourvoir 20 postes, allant de médecin et avocat à aide à domicile et agent d'entretien. Les candidats appartenaient à quatre groupes ethniques fictifs baptisés Tufa, Aima, Reku et Weki. À chaque tour, l'IA embauchait un candidat parmi quatre puis apprenait s'il avait réussi dans son poste, sur un total de 40 tours, sans savoir que tous les candidats avaient en réalité des chances égales de succès. Résultat : les modèles ont rapidement cantonné certains groupes à certains métiers sur la base de quelques échecs isolés. Par exemple, après l'échec d'un candidat Aima comme médecin, un poste jugé exiger chaleur humaine et compétence, le modèle a cessé d'embaucher des Aimas à ce poste pour les orienter vers des emplois moins valorisés comme agent d'entretien. Sur une échelle de ségrégation où 2 représente un cantonnement total par groupe, les participants humains de l'étude originale obtenaient en moyenne 0,84, contre environ 65 % de plus pour les IA, le modèle o3 d'OpenAI atteignant 1,83, proche du maximum. L'étude a été publiée en juillet lors de la conférence ICML à Séoul. Cette découverte prend une importance particulière alors que les entreprises d'IA développent des modèles agentiques dotés d'une mémoire toujours plus fine des utilisateurs. Selon Angelina Wang, chercheuse en informatique à l'université Cornell qui n'a pas participé à l'étude, un chatbot capable de se souvenir de ses échanges précédents risque de "sur-indexer" sur des comportements déjà rencontrés, renforçant ainsi ses biais au fil du temps. Réduire simplement la mémoire des IA n'est pas une solution viable, les utilisateurs souhaitant au contraire que les assistants se souviennent de ce qu'ils leur confient. Ryan Liu, doctorant à Princeton et coauteur de l'étude, explique que les modèles de langage sont particulièrement enclins à généraliser à partir de données limitées, car c'est précisément ce pour quoi ils sont optimisés lors de leur entraînement sur des tâches mathématiques, de programmation et scientifiques qui récompensent l'induction rapide. Ce constat illustre l'arbitrage classique entre exploration et exploitation, ce dilemme qui pousse à choisir entre s'en tenir à une solution qui a fonctionné par le passé ou tenter une approche différente potentiellement meilleure. Or les modèles les plus récents et les plus performants en raisonnement, comme o3 d'OpenAI ou R1 de DeepSeek, se sont révélés encore plus sujets à ces biais que leurs prédécesseurs. Demander explicitement au modèle de se montrer équitable n'a par ailleurs guère modifié son comportement. OpenAI et Anthropic n'ont pas répondu aux sollicitations des chercheurs, et Angelina Wang souligne que la communauté scientifique cherche encore le juste équilibre entre une mémoire trop développée, propice aux biais, et une mémoire trop limitée, qui priverait les utilisateurs des bénéfices de la personnalisation.

arXiv suspend un an les auteurs qui soumettent du contenu IA médiocre

Le serveur de prépublication arXiv, référence mondiale pour la physique, l'astronomie et d'autres disciplines scientifiques, annonce des sanctions sévères contre les soumissions contenant du contenu généré par intelligence artificielle de manière inappropriée. Thomas Dietterich, professeur émérite à l'Oregon State University et membre du conseil consultatif éditorial ainsi que de l'équipe de modération d'arXiv, a révélé la mesure sur les réseaux sociaux : tout auteur reconnu coupable d'avoir soumis du contenu IA non conforme se verra interdit de soumission pendant un an, et toutes ses publications futures devront passer par un processus de révision par les pairs avant d'être hébergées sur la plateforme, et ce de façon permanente. Cette décision répond à une dégradation visible de la qualité des soumissions scientifiques depuis la généralisation des grands modèles de langage. Des citations inventées, des réponses de prompts copiées sans modification et des diagrammes incohérents ont réussi à franchir les filtres des éditeurs et des relecteurs dans plusieurs revues, souvent sans conséquences claires pour leurs auteurs. En ciblant la diffusion avant même la publication formelle, arXiv cherche à endiguer la contamination à la source, protégeant ainsi la crédibilité d'un outil utilisé quotidiennement par des milliers de chercheurs pour partager leurs travaux en amont de la validation officielle. arXiv occupe une place centrale dans l'écosystème scientifique mondial : fondé en 1991, il héberge plus de deux millions de prépublications et constitue souvent le premier point de contact entre chercheurs et nouvelles découvertes. La plateforme n'est pas la seule à durcir le ton : plusieurs revues académiques ont déjà introduit des restrictions explicites sur l'usage de l'IA dans la rédaction scientifique. La mesure annoncée par Dietterich reste à confirmer officiellement par la direction d'arXiv, qui n'avait pas encore répondu aux demandes de précision au moment de la publication. Si elle est validée, elle pourrait faire jurisprudence pour d'autres serveurs de prépublication.

💬 C'est la mesure qu'on attendait depuis qu'on a commencé à voir des prompts bruts copiés-collés dans des papiers de physique. Un an de suspension plus revue permanente obligatoire, ça fait mal, et c'est probablement la seule chose qui fera vraiment réfléchir avant de laisser GPT finir la section "méthodes". Reste à voir si arXiv valide officiellement, parce que pour l'instant c'est un tweet d'un membre du conseil.