Philippe Masseron, ancien Directeur Général du CFC et Directeur Général du gf2i, partage son expertise sur les grandes problématiques liées au droit d’auteur à l’ère de l’intelligence artificielle générative

Les contentieux liés au droit d’auteur et à l’IA se multiplient à travers le monde. Les fournisseurs de services d’IA générative (SIAG) entendent s’opposer à une application contraignante des règles du droit d’auteur dans l’univers juridique anglo-saxon de common law comme dans l’univers juridique européen.

Globalement, la question centrale de ces contentieux est celle de savoir si l’entraînement des modèles d’IA met en cause la reproduction d’œuvres protégées relevant du monopole d’auteur (à savoir le droit exclusif de reproduction et de représentation couvert par le droit d’auteur) ou une opération d’analyse technique susceptible d’être couverte par une exception, soit le TDM ( text and datamining ) en Europe ou le fair use aux États-Unis ?

Gérer ses emails peut vite devenir chronophage, mais des applications intelligentes comme Spark, SaneBox ou Mailbutler peuvent tout changer. Elles permettent de trier, organiser et répondre plus vite, pour une boîte mail enfin sous contrôle.

On connaît tous ce moment où l’on ouvre notre boîte mail, qui affiche… 347 messages non lus. Entre les newsletters , les spams, les relances et les messages importants, gérer ses emails peut rapidement devenir stressant et très prenant. Heureusement, l’intelligence artificielle arrive à la rescousse pour nous aider à organiser, trier et répondre à nos messages sans effort.

Voici les meilleures applications IA pour dompter votre boîte mail et retrouver un peu de tranquillité numérique - en ayant bien conscience que, dès qu’une application tierce accède à vos emails, la confidentialité absolue n’est plus garantie. Il est donc essentiel de vérifier les conditions d’utilisation et la politique de confidentialité de chaque service avant de leur confier vos données personnelles.

Depuis 2023, les grands modèles de langage sont intégrés dans les workflows quotidiens (recherche, synthèse, rédaction, relation client, développement, formation). Leur diffusion massive fait de l’ alignement éthique * une variable opérationnelle : ce que le modèle accepte ou refuse selon des principes précis. Par exemple, un modèle « équilibrant » les perspectives peut réduire la visibilité de positions minoritaires, sans que l’utilisateur s’en rende compte. L’alignement agit comme un «cadrage» implicite de l’information.

Deux évolutions rendent ces choix lisibles : la publication de documents de gouvernance par plusieurs LLM, et l’affaire Grok de janvier 2026 - plus de 3 millions d’images sexualisées générées en deux semaines, dont environ 23 000 impliquant des mineurs. Ces documents et ces incidents permettent désormais de mesurer l’écart entre les principes affichés et les effets réels.

* L’expression, issue de l’anglais alignment _, désigne la conception d’un système d’IA pour qu’il soit conforme aux valeurs humaines.

Trois logiques d’alignement

Anthropic a structuré son approche autour de la Constitutional AI (CAI). Les principes sont intégrés dès l’entraînement par renforcement (RLAIF) : ils ne filtrent pas seulement les réponses, ils façonnent le modèle . La Constitution publiée en 2026 hiérarchise les priorités - sécurité, éthique, conformité interne, utilité - et pose des interdits absolus (armes de destruction massive, exploitation sexuelle de mineurs, concentration illégitime du pouvoir).

L’Intelligence artificielle générative investit toujours plus de secteurs. Celui des brevets n’y échappe pas.

L’annonce inattendue par PERPLEXITY d’une recherche spécifique brevet nous a incité à explorer le paysage. Nous pensions que cela serait rapide avec une offre limitée. En réalité, nous avons constaté l’inverse : il existe plus d’une quinzaine d’outils et de services à travers le monde qui proposent de réaliser des recherches de brevets en ligne, assistées par l’intelligence artificielle censée les rendre plus efficaces.

Ces outils offrent la possibilité de sélectionner réellement des documents pertinents en réponse à une requête en langage libre, constituant ainsi un état de l’art partiel. Ils ne se limitent pas à l’établissement d’un classement par pertinence sur la base d’une recherche booléenne classique, comme le propose PubMed, ni à l’extraction automatisée de codes CPC à partir d’un document, telle que réalisée par Espacenet.

Pendant longtemps, la prise de notes en réunion nécessitait de faire plusieurs choses à la fois, et cela pouvait rendre la tâche plus difficile : écouter, écrire, lire, ne rien oublier… au risque de passer à côté de l’essentiel. Aujourd’hui, l’intelligence artificielle s’impose comme un véritable assistant, capable de capturer, structurer et synthétiser automatiquement les échanges. Résultat : des réunions plus efficaces et une information mieux exploitée.

Ainsi, il existe plusieurs outils pour faciliter la prise de note. Ces derniers reposent sur trois grandes étapes : la première est l’enregistrement audio et vidéo de la réunion , la deuxième se traduit par la transcription automatique de la parole en texte grâce à la reconnaissance vocale, et la troisième est la synthèse intelligente des échanges avec les points clés, les décisions, les actions à suivre ou encore les horodatages précis.

Depuis plusieurs siècles les publications scientifiques sont un des fondements de l’évolution de la science. En effet, le plus ancien périodique scientifique le Journal des sçavans  est paru à Paris le 5 janvier 1665.

Aujourd’hui plusieurs signes inquiétants viennent mettre en doute la possibilité pour ce système de poursuivre son évolution de façon harmonieuse et de continuer à accompagner l’avancement de la science comme il l’a fait jusqu’à présent.

Une illustration en est la journée 2025 Science ouverte du CNRS sur le thème « La mort annoncée des publications scientifiques ? .

Une croissance incontrôlée

Le nombre de publications scientifiques croît nettement plus rapidement que le nombre de chercheurs. Par exemple, entre 2016 et 2020 les principales bases de données bibliographiques ont grossi de 50 % alors que le nombre de scientifiques n’augmentait que de 16 %. C’est ce qu’on lit dans le BlogCNRS du 16 décembre 2025 intitulé « Publications scientifiques : une surproduction fatale ? ».

La recherche sur les valeurs d’une grandeur physique à l’intérieur d’un texte, qu’il s’agisse d’un article ou d’un brevet, ne s’utilise a priori pas tous les jours.

En revanche, quand il est utile de l’employer cela apporte une plus-value certaine, car cela rajoute une possibilité de recherche de nature différente permettant de répondre à une autre série de questions.

Plusieurs systèmes proposent aujourd’hui ce type de recherche d’une façon développée. Nous en avons identifié chez trois des grands serveurs et une banque de données qui fait partie des classiques.

Le serveur STN : une offre depuis 2013 avec sa « Numerical property search » (NPS)

Elle est disponible dans 15 banques de données offrant le texte intégral des brevets (EP et PCT plus12 pays) ainsi que dans Derwent World Patent Index et RDisclosure, la base des publications défensives (voir l’article sur les publications défensives dans BASES N° 325, avril 2015).

Le serveur STN vient de mettre en ligne la banque de données CAS BIOACTIVITY (label CASBIOACTIVI). Elle vient enrichir la collection de bases de données de Chemical Abstracts liées au numéro de registre (RN) des produits chimiques, créé et maintenu par CAS et disponible sur STN dans la banque de données Registry.

Elle est présentée comme la plus grande collection de contenus normalisés et standardisés dans le domaine des sciences de la vie, disponible sur le marché.

La nouvelle base est positionnée comme une référence pour les données structurées de relations structure-activité (SAR), de pharmacocinétique (ADME) et de toxicité.

Elle offre plus de 5,5 millions de documents contenant des informations issues de brevets et de plus de 7 000 publications.

Une de ses plus-values par rapport aux banques publiques (CheMBL et PubChem) est la présence de codes de rôles de Chemical Abstracts (BAC pour Biological Activity, PAC pour Pharmacological Activity ou ADV pour Adverse Effect, etc.) Une autre est sa mise à jour bi-hebdomadaire.

Vous pensez encore cliquer librement sur Internet ? Que vos choix sont rationnels, réfléchis, volontaires ? Désolée de vous décevoir, mais derrière votre écran, une intelligence artificielle a peut-être déjà décidé à votre place. Pas en vous forçant. Juste en vous influençant, doucement, sans que vous vous en rendiez vraiment compte. Bienvenue dans l’ère des dark patterns 2.0, version intelligence artificielle.

D’abord, c’est quoi un dark pattern ?

Les dark patterns, ce sont des techniques de design utilisées pour vous pousser à faire quelque chose contre votre réel intérêt. Cela peut être un abonnement “gratuit” qui se renouvelle automatiquement, un bouton “Accepter tout” bien visible, et un “Refuser” caché au fond de la page ou encore une notification qui vous fait paniquer : “Plus que 2 places disponibles !”. Jusqu’ici, c’était déjà limite. Mais maintenant, avec l’IA, ces techniques sont devenues personnalisées, plus subtiles, et surtout… invisibles.

La guerre de l’info franchit un seuil critique. Avec l’irruption de Perplexity Discover et l’intégration des AI Overviews dans la sphère Google, nous ne parlons plus seulement d’indexation ou de diffusion : ici, l’IA franchit le Rubicon et endosse le rôle d’éditorialiste.

Ce passage d’un Web « clic-centrique » à un Web « IA-centrique » offre un gain de temps immense, mais pose une question vitale : quel sera le prix de cette commodité si, à force d’être résumée par des algorithmes, l’information indépendante finit par ne plus être produite ? Pour les éditeurs, c’est un combat pour la survie.

L’arrivée de Perplexity AI est l’une des bonnes surprises de l’IA dans notre sphère informationnelle. Grâce à son positionnement « Search + IA », elle apporte une diversité bienvenue face au moteur de recherche Google.

La domination de Google est également, pour la première fois, sérieusement contestée sur un nouveau terrain, celui de l’actualité, par l’approche disruptive de Perplexity qui vient challenger le puissant écosystème structuré par Google depuis les années 1990 autour de Google News.

L’intelligence artificielle s’intègre dans nos activités quotidiennes. À l'ère de la taylorisation rampante dans la zone «col blanc» de l’entreprise, les métiers de la donnée et de la connaissance se polarisent : exécution automatisée d›un côté, compétences de cadrage vitales de l›autre.

Netsources est une boussole dans cette mutation. Nous identifions les compétences qui résistent à l’automatisation, celles qui maintiennent l’humain aux commandes. Car la vraie question n’est pas «que peut faire l’IA ?», mais « que devons-nous savoir faire pour rester pilotes ? »

Sans questions, pas de valeur

Comme Christian Vigne l’avait souligné fin 2024 dans sa chronique «Mon premier paper : Answers in abundance, questions in scarcity», que nous publions ici pour la première fois : le problème n’est pas la machine avec son offre infinie de réponses, mais la question, souvent rare et mal formulée.

Le domaine de l’IA générative évolue à un rythme effréné. Début 2023, le terme « prompt engineering » entrait dans le vocabulaire courant. La presse annonçait alors des salaires à six chiffres pour les spécialistes de la formulation de requêtes aux modèles de langage1.

Deux ans plus tard, c’est un nouveau terme qui apparaît : le « context engineering ». Entre-temps, les modèles de langage ont évolué. Leurs fenêtres de contexte se sont élargies (jusqu’à un million de tokens pour Gemini). Les premiers agents IA sont apparus, capables de simuler un raisonnement à plusieurs étapes, de rechercher des informations sur le web, d’exécuter du code ou encore d’utiliser des outils.

Le prompt engineering reste primordial. Le dossier publié par Véronique Mesguich dans les deux numéros précédents de NETSOURCES (Le prompt, un art pour la veille stratégique et la recherche d’information . Netsources , no 178 & 179 ) en présente les fondamentaux : savoir structurer une requête, guider le raisonnement du modèle, fournir des exemples pour orienter les réponses2. Ces techniques constituent la base de toute interaction efficace avec un modèle de langage.

Avec Gemini 3 et ses concurrents, l’IA générative entre dans une phase de consolidation stratégique

Après l’annonce de Gemini3 Pro le mois dernier, Gemini 3 Flash est devenu depuis la mi-décembre le modèle par défaut de Google. Ce nouveau modèle puissant et rapide est en effet intégré désormais dans l’application Gemini, l’API et les outils pour développeurs.

L’arrivée de Gemini 3 marque moins une rupture spectaculaire qu’un changement d’échelle et de maturité dans la compétition entre grands modèles d’IA. Elle illustre la volonté de Google de reprendre l’initiative face à OpenAI, non seulement sur le plan des performances, mais surtout sur celui de l’écosystème et des usages. Après la phase d’expérimentation de ces trois dernières années, le marché entre dans un cycle où non seulement la robustesse, mais aussi l’intégration dans des usages professionnels complexes deviennent déterminantes. La différenciation ne passe plus uniquement par la puissance brute, mais par la capacité à s’insérer dans des workflows réels. Commençons par préciser les avancées apportées par cette nouvelle version, avant d’étudier la réaction des concurrents et les recompositions à venir pour le marché de l’IA générative.

Depuis quelques années, les réseaux sociaux connaissent une nouvelle révolution. Après les filtres, les stories et les vidéos courtes, c’est désormais l’intelligence artificielle générative (IAG) qui s’impose comme le nouvel outil incontournable des créateurs de contenu. Fini le temps où elle faisait peur : aujourd’hui, elle inspire, elle assiste, et surtout, elle crée.

Les réseaux sociaux restent aujourd’hui les principales plateformes de création et de diffusion de contenus, avec des chiffres impressionnants qui montrent l’ampleur de cette production. Instagram publie chaque jour près de 100 millions de photos et vidéos, TikTok diffuse environ 34 millions de vidéos, YouTube enregistre 720 000 heures de visionnage quotidien, et Snapchat voit circuler pas moins de 5 milliards de snaps.

Chroniques amusées sur l’intelligence artificielle par Christian Vigne

Christian Vigne (Narra), anciennement Product Manager chez Google, s’amuse dans ses chroniques à explorer l’impact de l’IA sur nos vies. Il est amené à conseiller les entreprises sur leurs stratégies IA (cadrage, priorisation, formation, conduite du changement).

Je suis archi nul en maths. C’est pas grave, j’en ai fait mon deuil à quarante et un ans. Mais cet aprem, j’ai écrit une équation et je n’en suis pas peu fier ! 

À l’ère des réseaux sociaux, les images circulent à une vitesse folle, souvent sans contexte ni source fiable. Mais grâce à l’OSINT et ses outils accessibles à tous, il devient possible de localiser avec une précision étonnante presque n’importe quelle image diffusée sur Internet.

D’une simple photo de coucher de soleil à une vidéo TikTok, en passant par le décor furtif d’un vlog YouTube, il est aujourd’hui possible de remonter jusqu’à l’endroit exact où l’image a été prise. Cela peut sembler surprenant, voire irréalisable, et pourtant, c’est précisément le rôle et l’objectif des techniques d’OSINT. Pour ceux ou celles qui ne connaissent pas, l’OSINT (Open Source Intelligence) désigne l’ensemble des techniques qui exploitent des données accessibles publiquement : photos, vidéos, bases cartographiques, archives, réseaux sociaux… Parmi ses branches, on retrouve tout simplement la géolocalisation visuelle.

Nous avons présenté dans le numéro 440 de BASES (octobre 2025) PubMed.ai et une série d’autres outils situés ou non dans l’écosystème de PubMed, proposant des recherches améliorées à base d’IA, de recherche sémantique ou d’autres outils.

Notre présentation de PubMed.ai reposait sur une analyse précise de son utilisation et de ses fonctionnalités, tout en considérant l’appartenance manifeste de ce produit à l’écosystème PubMed, conformément aux informations obtenues via les informations collectées lors de la préparation de l’article. Cette évidence nous a conduits à ne pas approfondir davantage cet aspect.

À notre décharge, PubMed.ai utilisait la marque PubMed, s’appuyait sur les documents de PubMed et leur indexation (MeSH) pour élaborer les résultats.

Un lecteur de BASES particulièrement attentif nous a alertés, et nous l’en remercions vivement, sur le fait que PubMed.ai n’était pas lié à la NLM et que sa structure était très mystérieuse.

Cela nous a conduits à effectuer une série de recherches complémentaires et également à interroger plusieurs IA.

L’intelligence artificielle ne fait plus débat, elle s’installe. Sans fracas, sans résistance visible, elle glisse dans nos flux de travail, nos navigateurs, nos processus d’écriture et d’analyse.

Paradoxalement, l’utilisateur a le sentiment de gagner en puissance et en autonomie, de piloter ou du moins « co-piloter ». Mais cette maîtrise apparente cache peut-être une délégation subtile, où l’humain croit piloter un système qui, déjà, oriente ses choix. L’IA générative n’obéit plus, elle anticipe. Elle résume, organise, « génère », discrètement. Et si, ce faisant, elle prenait le contrôle ?

Dans ce nouveau Netsources, à travers l’analyse rigoureuse du prompting, des navigateurs agentiques, de la détection de contenu généré par IA et des obstacles culturels à son adoption, émerge en toile de fond, plus que jamais, la mutation profonde du rôle de l’humain dans un environnement « de plus en plus infusé par l’IA ».

Dans la première partie de cet article, parue dans le numéro de juillet-août de Netsources, nous avons évoqué les fondamentaux et bonnes pratiques de prompt. Cette deuxième partie apporte un éclairage sur plusieurs notions complémentaires (méta-prompt, prompt injection…). Nous distinguerons des approches différenciées du prompt selon les principaux modèles, et conclurons par une réflexion sur les évolutions à l’ère de l’IA agentique.

Ne pas confondre méta-prompt et méga-prompt

Nous avons évoqué dans l’article précédent le principe du méga-prompt, c’est-à-dire un prompt de grande taille sous forme de texte long, structuré, comportant de nombreuses instructions, contextes, contraintes, rôles ou exemples.

Un méta-prompt est un prompt qui décrit la manière dont un modèle doit générer, améliorer ou analyser d’autres prompts. Le préfixe « méta » indique en effet qu’il s’agit d’une méta-instruction : ce méta-prompt est destiné à créer des instructions précises, sous forme de prompt.

En tant qu’utilisateur de longue date du navigateur Arc, l’annonce de The Browser Company de cesser son développement au profit d’un nouveau navigateur IA payant, nommé Dia, m’a laissé face à un choix. Devais-je revenir vers la familiarité d’un navigateur traditionnel comme Chrome, ou était-ce l’occasion d’adopter l’un de ces nouveaux navigateurs web dopés à l’intelligence artificielle ?

Ces navigateurs IA font actuellement la une. OpenAI vient d’annoncer Atlas, son propre navigateur IA (disponible sur Mac uniquement à ce jour). De son côté, le navigateur de Perplexity, Comet, est maintenant accessible gratuitement. Une opportunité parfaite pour tester cette nouvelle génération d’outils. Peut-il véritablement remplacer mon navigateur habituel ? Booster ma productivité au quotidien ? J’ai décidé de le découvrir par moi-même.

I. Qu’est-ce que Comet ?

Comet est le nouveau navigateur web développé par Perplexity. Initialement réservé aux abonnés de son offre «Perplexity Max» (à 200 $ par mois), il est désormais accessible gratuitement à tous les utilisateurs1. Contrairement aux navigateurs traditionnels auxquels on greffe une extension IA, Comet intègre l’intelligence artificielle au cœur même de l’expérience de navigation.

À l’heure où l’intelligence artificielle inonde le web de contenus, les moteurs de recherche redoublent d’efforts pour protéger la fiabilité de leurs résultats. Mais quels indices leur permettent vraiment de distinguer un article authentique d’un texte généré par l’IA ?

L’intelligence artificielle bouleverse la création de contenus en ligne. Articles, vidéos, posts sur les réseaux sociaux : jamais il n’a été aussi simple de générer du texte ou des images en quelques secondes. Mais cette abondance d’informations pose une question cruciale : comment les moteurs de recherche, Google en tête, parviennent-ils à différencier le contenu authentique du contenu produit artificiellement ?

Une priorité : préserver la fiabilité de l’information

Les géants du web savent que leur crédibilité repose sur la pertinence de leurs résultats. Si un moteur de recherche inonde ses utilisateurs d’articles approximatifs ou mensongers, sa réputation s’effondre. C’est pourquoi Google, Bing ou encore Baidu investissent massivement dans des systèmes capables de détecter les textes et images générés par IA.

Leur objectif n’est pas de bannir l’IA, mais de s’assurer que le contenu réponde à des critères de qualité : exactitude, originalité, et surtout valeur ajoutée pour l’internaute.

Chroniques amusées sur l’intelligence artificielle par Christian Vigne

Christian Vigne (Narra Conseil), anciennement Product Manager chez Google, s’amuse dans ses chroniques à explorer l’impact de l’IA sur nos vies. Il est amené à conseiller les entreprises sur leurs stratégies IA (cadrage, priorisation, formation, conduite du changement).

Celui qui a inventé cette formule mnémotechnique pour rassembler en une seule expression les conjonctions de coordination, terme barbare de grammairien, reçoit ce jour la gratitude de celui qui s’en souvient de nombreuses années après son apprentissage initial. Sortes de mots-ponts entre deux éléments de phrase, les conjonctions de coordination associent dans la parole et l’écriture des noms : « Michel et Augustin » ; des objets : « la peste ou le choléra » ; une causalité : « il n’y a pas école donc j’ai droit aux dessins animés » ; une explication : « j’ai droit aux dessins animés car il n’y a pas d’école » ; une justification : « j’ai regardé beaucoup de dessins animés, mais pas de film » ; le désarroi : « je n’ai vu ni Sam le pompier ni les Enquêtes sauvages » ; etc., ad lib. »

Quand les professionnels de l’information doivent réinventer leur métier à l’aune de l’intelligence artificielle

Nous avons convié Mathieu Andro à nous partager son parcours et ses perspectives sur l’intégration de l’intelligence artificielle générative dans les pratiques professionnelles, en particulier dans le domaine de la veille informationnelle.

CHRISTEL RONSIN : Mathieu, depuis quand utilisez-vous l’intelligence artificielle générative dans votre métier ?

MATHIEU ANDRO : Avant de parler de l’« IA générative », si l’on inclut des technologies comme l’OCR (Reconnaissance Optique de Caractères) ou la structuration de corpus à partir de langage naturel, alors j’en utilise depuis mes premières expériences de numérisation à la Bibliothèque Sainte-Geneviève. Pour moi, la constitution de corpus numériques a constitué une première étape vers l’IA générative, en préparant le terrain à des traitements automatisés du langage.