Le Los Angeles Times confie à l’IA des contre-arguments à ses éditoriaux

Les pages d’opinion d’un journal ont vocation à défendre une thèse, pas à mimer une impossible neutralité absolue. C’est précisément sur ce terrain que le Los Angeles Times entend expérimenter l’intelligence artificielle. Le quotidien californien veut faire produire par une IA des points de vue alternatifs en regard de ses éditoriaux et autres textes d’opinion, afin d’encourager les lecteurs à examiner un sujet sous plusieurs angles.

L’initiative, portée par le propriétaire du titre Patrick Soon-Shiong, s’accompagne d’un outil présenté comme un « bias meter », ou baromètre de la partialité. L’ambition affichée est forte : rendre les partis pris plus visibles, nourrir la discussion et répondre, au moins en partie, à la défiance qui frappe les médias dans un environnement saturé d’informations. Elle soulève aussi une question plus délicate : qui décide qu’un texte est biaisé, et sur quels critères une machine peut-elle le déterminer ?

Une IA placée à côté des opinions, non à la place des journalistes

Le projet du Los Angeles Times porte sur les articles d’opinion, c’est-à-dire les contenus qui assument un point de vue. Cette catégorie recouvre notamment les éditoriaux, qui expriment traditionnellement la position de la rédaction ou de sa direction, et les tribunes, rédigées par des auteurs extérieurs. Elle se distingue des articles d’information, dont l’objectif premier est de rapporter et de vérifier des faits.

Le journal prévoit d’utiliser une IA pour générer des réponses ou contre-arguments aux textes publiés. L’idée n’est donc pas, du moins dans la présentation de l’initiative, de déléguer l’écriture des éditoriaux à une machine. Il s’agit plutôt d’ajouter une couche de lecture : face à une argumentation, le lecteur pourrait voir émerger des objections, des nuances ou d’autres interprétations du sujet traité.

Cette distinction est essentielle. Un contre-argument utile ne consiste pas à dire mécaniquement l’inverse d’un éditorial. Il doit identifier la thèse centrale, comprendre les hypothèses qui la soutiennent, puis formuler une critique cohérente. Sur des sujets politiques, sociaux ou économiques, plusieurs raisonnements peuvent être légitimes tout en conduisant à des conclusions opposées.

L’IA générative peut produire ce type de texte parce qu’elle repère des régularités dans d’immenses ensembles de contenus linguistiques. Elle prédit les formulations les plus plausibles à partir d’une consigne et du contexte qui lui est fourni. Mais cette capacité à écrire une réponse convaincante ne garantit ni la justesse des faits mobilisés, ni l’équilibre de la sélection des arguments.

Le « bias meter », une promesse de transparence à préciser

Au cœur de l’annonce figure le « bias meter ». Instauré par Patrick Soon-Shiong, cet indicateur est censé évaluer la neutralité des contenus et signaler les formes de biais que pourraient comporter les textes des journalistes. Le terme anglais bias désigne ici un parti pris, conscient ou non, dans la manière de choisir un angle, de présenter des faits, de retenir certaines sources ou d’employer certains mots.

Le concept peut sembler séduisant : un lecteur disposerait d’un signal supplémentaire pour prendre du recul sur ce qu’il lit. Pourtant, mesurer la partialité n’a rien d’une opération purement objective. Dans le journalisme, l’équilibre dépend du sujet, des éléments disponibles, de la qualité des sources et du statut des affirmations. Donner la même place à une information établie et à une affirmation sans fondement au nom de la symétrie créerait, par exemple, une fausse impression d’équilibre.

Le tableau suivant résume la différence entre ce que peut viser un outil de ce type et ce qu’il ne permet pas d’établir à lui seul.

La valeur d’un baromètre dépendra donc de sa méthode. Quels critères sont retenus ? Le système analyse-t-il le vocabulaire, le choix des sources, le cadrage du sujet, la diversité des arguments ? Comment distingue-t-il un éditorial assumé d’un article d’information ? Les éléments rendus publics ne détaillent pas le modèle d’IA utilisé, ses données d’entraînement ni les modalités précises de contrôle des résultats.

Pourquoi les contre-arguments automatiques séduisent les médias

Pour un journal, l’intérêt est d’abord éditorial. Les espaces de commentaires traditionnels sont souvent difficiles à modérer et peuvent favoriser les réactions les plus rapides ou les plus polarisées. Une réponse générée par IA, placée dans un cadre éditorial défini, promet une alternative plus structurée : elle peut reformuler une objection sans invective et rappeler qu’un débat ne se limite pas à deux camps figés.

L’outil peut aussi répondre à une évolution des usages. Les lecteurs consultent l’information sur des plateformes où les contenus sont souvent isolés de leur contexte, commentés instantanément et confrontés à des opinions concurrentes. En intégrant ce dialogue directement à ses pages, le Los Angeles Times cherche à conserver une place active dans l’interprétation de l’actualité plutôt qu’à laisser cette fonction aux réseaux sociaux.

L’initiative intervient également dans un contexte de préoccupations croissantes autour de la désinformation. Les IA génératives peuvent faciliter la création rapide de textes trompeurs, mais elles sont aussi présentées comme des outils susceptibles d’aider à contextualiser des contenus ou à faire ressortir des désaccords argumentés. Cette double réalité impose une prudence particulière : un système conçu pour éclairer le débat peut, s’il est mal paramétré, produire des simplifications ou répéter des biais déjà présents dans les données qui l’ont nourri.

Une technologie qui peut reproduire les biais qu’elle prétend détecter

Les réserves exprimées par des experts et scientifiques portent d’abord sur les limites connues des systèmes d’IA. Un modèle de langage ne raisonne pas comme un comité de rédaction et ne possède pas, par lui-même, de méthode de vérification. Il génère une réponse à partir des structures apprises durant son entraînement et des instructions reçues. S’il a été exposé à des représentations déséquilibrées, il peut les reproduire.

Dans le cadre d’un éditorial, le risque ne se limite pas à une erreur factuelle. Une IA peut sélectionner un contre-argument faible, oublier une dimension essentielle du débat ou présenter comme équivalentes des positions qui ne reposent pas sur le même niveau de preuve. Elle peut également employer un ton d’assurance qui masque ses incertitudes. Or un lecteur pourrait attribuer à l’outil une autorité excessive, précisément parce qu’il est présenté comme un baromètre de biais.

Le choix des termes compte aussi. Qualifier un article de « biaisé » n’est pas anodin : cela peut être compris comme une accusation contre son auteur, alors qu’une opinion est parfois explicitement revendiquée. Une utilisation responsable suppose de distinguer plusieurs réalités : une prise de position assumée, une sélection éditoriale discutable, un oubli involontaire, une erreur et une manipulation ne relèvent pas du même problème.

Pour cette raison, l’IA ne peut pas être le seul arbitre de la qualité d’un débat public. Des journalistes, éditeurs et lecteurs doivent pouvoir examiner ses réponses, en comprendre les limites et, le cas échéant, les contester. La transparence sur les règles appliquées est particulièrement importante lorsqu’un outil intervient au sein d’une institution de presse reconnue.

Quel rôle pour les journalistes du Los Angeles Times ?

L’expérimentation ne fait pas disparaître le rôle des journalistes, elle le rend peut-être plus visible. L’information produite par une rédaction ne se réduit pas à l’assemblage de phrases : elle implique de choisir des sujets, de contacter des sources, de vérifier des documents, de contextualiser des déclarations et d’assumer une responsabilité en cas d’erreur.

Dans ce cadre, l’IA peut devenir un outil d’assistance éditoriale. Elle peut suggérer des angles contradictoires, aider à repérer des formulations qui méritent une relecture ou mettre en scène les principales lignes de désaccord autour d’un sujet. Mais c’est à la rédaction de décider si la réponse proposée est pertinente, factuellement défendable et adaptée à la portée d’un texte publié sous le nom du journal.

Le projet du Los Angeles Times pose aussi la question de l’autonomie éditoriale. Parce que le « bias meter » est associé à l’initiative du propriétaire Patrick Soon-Shiong, sa gouvernance sera observée avec attention. Un outil d’évaluation de la partialité n’est jamais neutre par simple nature technique : ses critères sont conçus par des personnes, ses résultats sont affichés selon des choix éditoriaux, et son influence dépend de la manière dont la rédaction et le public les interprètent.

Ce qu’il faut surveiller dans cette expérimentation

L’expérience du Los Angeles Times pourra constituer un test instructif pour l’ensemble du secteur des médias. Son intérêt ne se mesurera pas seulement au caractère innovant de l’interface, mais à la qualité concrète des contre-arguments produits. Sont-ils compréhensibles, sourcés lorsque nécessaire, réellement différents du texte initial et proportionnés au débat ? Signalent-ils leurs limites ?

Il faudra aussi observer la réception des lecteurs. Certains pourraient apprécier un outil qui les aide à sortir d’une lecture trop univoque. D’autres pourraient y voir une intervention artificielle dans un espace où les journaux assument traditionnellement une ligne éditoriale et où la contradiction s’exprime par des tribunes, des lettres de lecteurs ou des débats publics.

Plus largement, cette initiative illustre le défi qui attend les médias à l’ère de l’IA générative. Utiliser ces technologies pour enrichir l’accès à l’information peut avoir du sens, à condition de ne pas les présenter comme des juges infaillibles. La confiance ne naîtra pas d’un score ou d’un texte automatique, mais de méthodes explicites, d’une supervision humaine réelle et de la capacité du journal à corriger publiquement ce qui doit l’être.