Les IA qui créent des sites web reproduisent aussi les pièges du design manipulateur

Une page web générée en quelques secondes par une intelligence artificielle peut sembler être un simple gain de temps. Pourtant, lorsqu’elle propose des boutons, des promotions, des avis clients ou un parcours d’inscription, elle ne produit pas seulement du code : elle suggère aussi une manière d’orienter les choix de l’internaute. C’est précisément ce que vient questionner une prépublication consacrée aux modèles linguistiques utilisés pour créer des sites e-commerce.

L’étude met en évidence la présence de dark patterns, ces mécanismes d’interface conçus pour pousser un visiteur vers une décision qui profite au site, sans toujours servir son intérêt. Les chercheurs observent que ces procédés apparaissent dans des pages créées par des modèles linguistiques, y compris lorsque les personnes qui les sollicitent utilisent des formulations neutres. Le constat est important à l’heure où l’IA générative devient un assistant courant pour concevoir des maquettes, écrire du code ou élaborer des parcours clients.

Ce que l’étude a observé

Les auteurs ont voulu savoir si un modèle linguistique pouvait introduire de lui-même des mécanismes de conception manipulateurs dans une page web. Leur expérience a réuni 20 participants. Chacun devait demander à ChatGPT de concevoir un site de commerce en ligne en recourant à un langage neutre, afin de ne pas l’encourager explicitement à employer des techniques de persuasion.

Voici les éléments rapportés par la prépublication.

Les chercheurs indiquent avoir répété le test avec d’autres modèles linguistiques et avoir constaté des résultats comparables. Le document est une prépublication déposée sur arXiv : il rend compte de travaux de recherche, mais ne doit pas être confondu avec une étude nécessairement validée par une évaluation scientifique par les pairs. Cette nuance n’annule pas le signal d’alerte, elle invite à examiner les résultats avec rigueur.

Qu’appelle-t-on un dark pattern ?

Un dark pattern, que l’on peut traduire par « pratique de conception trompeuse », est un choix de design qui exploite l’inattention, la pression ou la difficulté à comprendre une interface. Son objectif n’est pas forcément de mentir frontalement. Il peut consister à rendre une option très désirable visuellement, tandis que l’alternative est discrète, peu lisible ou pénible à sélectionner.

Dans un site marchand, les formes les plus connues sont par exemple :

• un compte à rebours qui donne l’impression qu’une offre va disparaître immédiatement ;
• un bouton d’achat très visible, face à une option de refus effacée ou peu contrastée ;
• une inscription à un service précochée ;
• des modalités de résiliation difficiles à trouver ;
• des témoignages ou des avis présentés comme authentiques alors qu’ils ne le sont pas.

La publication d’origine évoque notamment l’emploi de couleurs vives pour inciter à une action comme l’abonnement, et de tons plus sombres ou gris pour décourager une résiliation. La couleur n’est pas manipulatrice par nature. Elle le devient lorsqu’elle est utilisée avec d’autres choix d’interface pour créer une asymétrie : une option est mise en scène comme évidente et rassurante, l’autre comme secondaire ou indésirable.

Pourquoi une IA peut-elle reproduire ces mécanismes ?

Un grand modèle linguistique ne possède pas, en lui-même, un objectif commercial ni une intention psychologique comparable à celle d’un concepteur humain. Il produit une réponse en s’appuyant sur les régularités apprises à partir d’immenses volumes de contenus. Lorsqu’on lui demande de générer une page e-commerce convaincante, il peut donc associer cette demande à des structures fréquemment vues dans des sites existants : promotions limitées, appels à l’action très visibles, éléments de réassurance ou avis clients.

Le problème est que le web ne constitue pas un modèle de vertu. Les pratiques les plus répandues ne sont pas nécessairement les plus loyales. Si les interfaces humaines disponibles dans les données d’apprentissage comportent des procédés agressifs ou trompeurs, un modèle peut les reproduire comme des solutions habituelles à une demande de site efficace ou de page qui convertit.

Les chercheurs interprètent ainsi leurs résultats comme la reproduction de schémas de comportement issus de conceptions humaines. Cela ne permet pas d’affirmer qu’un modèle a été entraîné sur tel site précis, ni qu’il cherche volontairement à tromper. En revanche, cela montre qu’une génération techniquement fonctionnelle et visuellement soignée ne garantit en rien une expérience respectueuse de l’utilisateur.

Les pratiques à éviter face à un design loyal

L’IA peut accélérer la production d’une interface, mais elle ne remplace pas le jugement sur la loyauté de celle-ci. Le contraste entre un parcours manipulateur et une approche éthique est particulièrement clair dans les situations d’achat, d’inscription et de désabonnement.

Un design éthique ne signifie pas qu’un site doit renoncer à présenter ses offres ou à guider son visiteur. Une entreprise peut mettre en avant un produit, expliquer ses avantages ou proposer une réduction. La limite est franchie lorsque l’interface cache une information essentielle, invente une preuve sociale, fabrique une urgence ou rend artificiellement coûteux le refus d’une proposition.

La présence d'avis fictifs, signalée dans les pages produites lors de l’expérience, mérite une attention particulière. Un avis client joue un rôle de réassurance : il suggère qu’une personne réelle a essayé un produit et en a été satisfaite. Lorsqu’un modèle génère ce type de contenu sans indication claire de son caractère fictif, l’interface peut donner une impression de confiance qui n’est pas fondée.

Qui est responsable d’une page générée par IA ?

Le recours à ChatGPT ou à un autre modèle linguistique ne retire pas la responsabilité de l’organisation qui met une page en ligne. L’outil ne publie pas seul le site, ne fixe pas les prix et ne décide pas des conditions de vente. Une personne ou une entreprise choisit de reprendre, modifier, valider puis déployer le contenu généré.

Cette responsabilité doit être pensée à plusieurs niveaux. Les équipes produit et design doivent vérifier que les choix d’interface restent compréhensibles. Les équipes marketing doivent s’assurer que les messages promotionnels, la disponibilité affichée et les preuves sociales correspondent à la réalité. Enfin, les responsables juridiques et de conformité ont intérêt à contrôler les parcours sensibles, notamment l’acceptation de conditions, la collecte de données, les paiements et les abonnements.

En Europe, la protection des consommateurs encadre déjà les pratiques commerciales trompeuses. Les règles applicables dépendent du contexte, du service proposé et du pays concerné, mais l’automatisation ne transforme pas une pratique déloyale en pratique acceptable. L’étude alimente donc l’appel des chercheurs à des règles adaptées aux interfaces générées automatiquement et à une protection accrue des internautes.

Comment utiliser un assistant de code sans reproduire les pièges du web ?

Pour les professionnels, le premier réflexe consiste à ne pas demander seulement une interface « performante », « engageante » ou « optimisée pour la conversion ». Ces objectifs très généraux peuvent favoriser la restitution de recettes commerciales courantes, y compris lorsqu’elles sont contestables. Il est plus utile de formuler des contraintes claires de transparence et de contrôle utilisateur.

Une demande destinée à un assistant de code peut ainsi exiger :

• des options d’acceptation et de refus aussi accessibles l’une que l’autre ;
• l’absence de faux compte à rebours, de faux stock limité et de faux avis ;
• un prix total, les frais éventuels et les conditions présentés avant la validation ;
• une procédure de désinscription aussi simple que l’inscription ;
• un texte clair, sans ambiguïté ni pression indue.

Mais une bonne consigne ne suffit pas. Il faut tester la page générée. Un audit simple consiste à demander à une personne qui ne connaît pas le projet de trouver le prix final, de refuser une offre, de supprimer un compte ou d’annuler un abonnement. Si ces actions demandent beaucoup plus d’efforts que l’achat ou l’inscription, le parcours mérite d’être revu.

Les développeurs peuvent aussi contrôler le code produit : une page ne doit pas afficher des informations inventées, telles qu’un nombre de clients, une disponibilité ou un avis. L’IA est particulièrement à risque lorsqu’elle est chargée de générer du contenu de persuasion avec peu de données réelles à sa disposition.

Quels signaux les internautes peuvent-ils repérer ?

Du côté des utilisateurs, la vigilance ne doit pas devenir une charge permanente. Quelques réflexes permettent néanmoins de limiter l’effet de ces interfaces. Une offre qui semble se terminer dans quelques minutes mérite d’être vérifiée, surtout si le chronomètre réapparaît après avoir rechargé la page. Des avis sans détail concret, tous très enthousiastes ou rédigés sur le même ton doivent aussi inciter à la prudence.

Il est également utile de rechercher les informations moins mises en avant : conditions d’abonnement, renouvellement automatique, frais supplémentaires, durée d’engagement et procédure de résiliation. Une page honnête ne devrait pas demander un effort disproportionné pour comprendre ce que l’on accepte ou pour dire non.

Les modèles génératifs risquent de multiplier le nombre de pages créées rapidement. Cela peut rendre ces techniques plus présentes, mais aussi plus reconnaissables si les internautes, les entreprises et les autorités partagent une définition claire de ce qui est acceptable.

Ce qu’il faut surveiller

La prépublication soulève une question plus large que celle de ChatGPT : à mesure que les modèles linguistiques deviennent des outils de production web, quelles garde-fous intégrer avant qu’une interface ne soit déployée à grande échelle ? Les résultats rapportés avec d’autres modèles suggèrent que le phénomène ne se limite pas à un seul service.

La prochaine étape consiste à disposer d’évaluations plus systématiques, portant sur davantage de scénarios, de langues et de catégories de sites. Il faudra aussi distinguer les contenus directement demandés par l’utilisateur de ceux proposés spontanément par le modèle, puis mesurer l’efficacité des consignes et des contrôles humains pour réduire ces dérives.

D’ici là, la règle la plus solide reste simple : considérer toute page générée par IA comme un premier jet. Elle peut faire gagner du temps sur le code et la mise en page, mais les promesses, les avis, les mécanismes d’urgence et la facilité de refuser une offre exigent une vérification attentive. Dans le design web comme ailleurs, l’automatisation ne remplace pas la responsabilité.