B. LA PRÉVALENCE PERSISTANTE DE LA DÉSINFORMATION ET DE LA MALINFORMATION À L'ÈRE DES PLATEFORMES NUMÉRIQUES
Le problème de la désinformation et de la mésinformation en ligne a été abordé en profondeur par les États généraux de l'information, par la commission Bronner ainsi que par les rapports de l'Arcom. De nouveaux éléments sont venus, depuis, préciser et confirmer ces constats.
1. Des prétentions réitérées de toutes les plateformes à lutter efficacement contre la désinformation
Lors des auditions des représentants de TikTok, YouTube, Snapchat, X et des fournisseurs de modèles d'IA, ceux-ci ont tous fait valoir leurs efforts pour lutter contre la désinformation.
L'ensemble des acteurs auditionnés distinguent la désinformation susceptible de causer un préjudice grave, qui entraîne une suppression, des contenus inexacts mais peu dangereux, qui font l'objet d'une simple réduction de visibilité. YouTube identifie trois catégories supprimées : désinformation à impact grave dans le monde réel (deepfakes, images détournées), désinformation médicale et désinformation électorale. Les fournisseurs d'IA intègreraient quant à eux ces distinctions dès la phase d'entraînement de leurs modèles, en filtrant les données illicites et en configurant des refus ciblés.
Par ailleurs, toutes les plateformes combinent détection automatisée et modération humaine. TikTok soumettrait ainsi 100 % des vidéos à un filtre automatique dès leur mise en ligne et afficherait un taux de suppression proactive de 99,3 % ; 80 % des contenus signalés seraient traités en moins de deux heures. YouTube déclare avoir retiré 8,5 millions de contenus au dernier trimestre 2025, dont 85 % avant dix vues, avec 20 000 modérateurs humains dans le monde. Les acteurs de l'IA (Google, OpenAI, Anthropic) appliquent une logique équivalente en amont : filtrage des données d'entraînement, tests d'intrusion éthique avant déploiement et filtres d'entrée-sortie permanents, documentés dans des rapports de transparence publics.
TikTok et YouTube s'appuient en outre sur des réseaux de vérificateurs de faits et de signaleurs de confiance disposant d'un accès privilégié : TikTok collabore avec l'AFP et sept organisations partenaires en France. YouTube travaille notamment avec e-Enfance, Viginum et le Conseil représentatif des institutions juives de France (CRIF). Les fournisseurs d'IA ont conclu des accords avec des médias (Le Monde, Financial Times, Axel Springer pour OpenAI ; plus de 500 publications pour Google) afin d'améliorer la fiabilité des informations restituées et, selon eux, de soutenir le travail journalistique. Face à l'essor de l'IA générative, les acteurs ont développé des outils de marquage et de traçabilité : SynthID chez Google (tatouage numérique invisible dans images, textes et audio), détection automatique des contenus synthétiques et outil « Likeness ID » chez YouTube, intégration de métadonnées d'identification chez OpenAI. Google, OpenAI et Anthropic sont tous trois membres de la C2PA23(*), qui vise à établir des standards universels de traçabilité des contenus en ligne.
La commission a particulièrement interrogé les représentants des plateformes sur leur gestion des risques en période électorale. Tous les acteurs disent disposer d'équipes dédiées à la détection des opérations d'influence coordonnées et coopèrent avec les autorités françaises (Viginum, Arcom, Pharos). TikTok déclare avoir déjoué 80 tentatives de manipulation coordonnées en Europe en 2025. Le « Threat Intelligence Group » de Google se réunit régulièrement avec Viginum et partage ses informations entre plateformes. Anthropic et OpenAI publient des rapports sur les détournements constatés afin que l'écosystème puisse en tirer des enseignements. En période électorale, TikTok participe au Réseau de coordination et de protection des élections (RCPE) piloté par l'Arcom, YouTube renforce ses sections d'information certifiée, et OpenAI comme Anthropic déploient des bandeaux orientant les utilisateurs vers des sources officielles. La commission salue cette volonté de coopération en période électorale dès lors qu'elle se concrétise par une véritable transmission d'informations aux autorités.
Cependant, les représentants des plateformes admettent tout le même plusieurs limites structurelles. Selon eux, le fait que l'article 8 du RSN interdit la surveillance généralisée des contenus laisse subsister des contenus problématiques non encore signalés. Les acteurs malveillants développent en permanence des techniques d'évitement. Les hallucinations des modèles d'IA, bien qu'en diminution, demeurent également un risque en matière d'information.
Par ailleurs, le premier rapport d'évaluation des risques systémiques au titre du RSN, attendu pour la mi-2026 et qui rendra compte de manière harmonisée des mesures mises en oeuvre par les plateformes pour lutter contre la désinformation, permettra de réellement comparer les ressources mises par chacune d'entre elles sur la modération et ainsi d'évaluer plus objectivement leurs affirmations.
2. Des prétentions qui ne sont pas corroborées par les analyses indépendantes
a) Les analyses inquiétantes de Science Feedback et du réseau européen des fact-checkeurs (EFCSN)
(1) Les résultats de l'étude de Science Feedback
Les éléments présentés par les plateformes à la commission témoignent qu'elles estiment avoir à justifier qu'elles déploient des moyens importants pour lutter contre la désinformation. Mais ils ne disent finalement pas grand-chose de l'efficacité de ces moyens : que signifie que TikTok traite 80 % des contenus signalés en 2 heures si beaucoup ne sont pas signalés ou si les 20 % restants ne sont jamais traités ?
Ainsi, un consortium mené par Science Feedback, regroupant Newtral, Demagog SK, Pravda, Check First et l'Universitat Oberta de Catalunya (UOC), a récemment réalisé une évaluation scientifique des indicateurs structurels de la désinformation sur les très grandes plateformes (Facebook, Instagram, LinkedIn, TikTok, X/Twitter, YouTube) dans quatre États membres de l'UE (France, Pologne, Slovaquie, Espagne), sur le premier semestre de 2025, puis à nouveau en octobre 2025, ce qui permet d'effectuer des comparaisons dans un contexte post-Trump où plusieurs plateformes ont annoncé avoir diminué leur niveau de modération. Ces indicateurs évaluent la perméabilité des Très grandes plateformes en ligne (VLOP) à la mésinformation et à la désinformation en Europe, l'influence des désinformateurs récurrents par rapport aux sources crédibles, ainsi que le degré de monétisation de ces contenus. L'originalité de la démarche est qu'elle ne se fonde pas sur les chiffres des décisions de modération fournies par les plateformes mais sur une évaluation objective de la désinformation présente sur celles-ci.
Quatre indicateurs structurels ont ainsi été examinés : la prévalence de la mésinformation et de la désinformation, la qualité des sources (influence relative des désinformateurs récurrents par rapport aux acteurs crédibles), la présence multi-plateforme et la monétisation.
Ce rapport dresse un état des lieux alarmant sur la circulation des fausses informations en ligne. Loin d'être un phénomène accidentel, la désinformation apparaît comme un élément structurel des grandes plateformes sociales.
Le rapport souligne en particulier une défaillance majeure des mécanismes de régulation financière. Malgré les promesses des plateformes, les désinformateurs récurrents continuent de percevoir des revenus.
Par ailleurs, l'émergence de l'intelligence artificielle transforme encore la production de « fake news ». Sur les plateformes vidéo (TikTok et YouTube), environ un cinquième à un quart de la désinformation identifiée est désormais générée par IA. Le danger est accentué par un manque de transparence critique : 83,5 % de ces contenus ne portent aucune mention indiquant qu'ils sont synthétiques.
Les résultats de l'étude de Science Feedback sur la désinformation sur les réseaux sociaux
- TikTok présente la prévalence la plus élevée de mésinformation et désinformation (environ 20 % des publications pondérées par l'exposition). Suivent Facebook (~13 %) et X/Twitter (~11 %) ; YouTube et Instagram se situent à environ 8 %, tandis que LinkedIn est à ~2 %. Lors de la deuxième campagne de mesure, TikTok affichait toujours la prévalence la plus élevée de mésinformation et désinformation (environ 25 % des publications pondérées par l'exposition), contre ~20 % lors de la première période de mesure. YouTube a également connu une augmentation notable, passant de ~8,5 % à ~12 %. Facebook (~15 %), X/Twitter (~11 %) et Instagram (~8 %) sont restés globalement stables. LinkedIn continue d'afficher la prévalence la plus faible, à environ 1 %.
- Lorsque l'on inclut les contenus abusifs (ex. : discours de haine) et les contenus « borderline » (contenus soutenant un récit de désinformation sans faire d'affirmation vérifiablement fausse) -- qui contribuent tous deux à un débat public moins informé -- la prévalence grimpe à environ 34 % sur TikTok, 32 % sur X/Twitter, 27 % sur Facebook, 22 % sur YouTube, 19 % sur Instagram et 8 % sur LinkedIn. Lors de la deuxième mesure, TikTok atteint 43 % de contenus problématiques, Facebook ~34 %, X/Twitter ~32 %, YouTube ~27 %, Instagram ~16 % et LinkedIn ~4 %. Fait notable, trois plateformes (TikTok, X/Twitter et YouTube) présentent désormais plus de contenus problématiques que de contenus crédibles dans les échantillons, contre une seule (X/Twitter) lors de la première période de mesure.
-La désinformation sur la santé reste la catégorie dominante sur toutes les plateformes (~43 % de toutes les publications de mésinformation/désinformation).
-La prime à la mésinformation : les comptes qui partagent de manière répétée de la mésinformation (faible crédibilité) génèrent plus d'engagement par publication pour 1 000 abonnés que les comptes crédibles (haute crédibilité) sur toutes les plateformes, à l'exception de LinkedIn.
- Le ratio (faible/haute crédibilité) est plus marqué sur YouTube (environ 8×) et Facebook (~7×) ; il est de ~5× sur Instagram et X/Twitter, et de ~2× sur TikTok. Cela indique des avantages d'amplification systématiques pour les désinformateurs récurrents. Ce « bonus » est absent uniquement sur LinkedIn, ce qui signifie que le partage de mésinformation n'y est pas récompensé par une visibilité supplémentaire. Sur la plupart des plateformes, cette prime a persisté ou s'est aggravée lors de la deuxième mesure par rapport à la première mesure : sur X/Twitter, elle est passée de ~4 à ~10, et sur YouTube de ~8,5 à ~11. Cela signifie que sur X/Twitter, un compte publiant de manière répétée des informations fausses ou trompeuses reçoit désormais environ 10 fois plus d'engagement par publication qu'une source crédible ayant un nombre d'abonnés comparable.
- Empreinte multi-plateforme : les acteurs à faible crédibilité sont plus susceptibles que les acteurs crédibles de maintenir des comptes sur X/Twitter (+ 34 %), Facebook (+ 23 %) et TikTok (+ 17 %) ; l'inverse est vrai pour LinkedIn (- 80 %) et Instagram (- 33 %).
- Monétisation : aucun des services évalués n'empêche totalement la monétisation par les désinformateurs récurrents. Sur YouTube, environ 76 % des chaînes à faible crédibilité éligibles sont monétisées (contre ~79 % pour celles à haute crédibilité). Sur Facebook, environ 20 % des pages éligibles à faible crédibilité semblent monétisées (contre ~60 % pour la haute crédibilité). Les publicités Google Display apparaissent sur 27 % des sites web à faible crédibilité (contre ~70 % pour la haute crédibilité). Les limites de transparence ont empêché un audit équivalent sur X/Twitter, TikTok, LinkedIn et Instagram. Lors de la deuxième mesure, les données de monétisation sont restées entièrement inaccessibles pour quatre des six plateformes. Sur YouTube, 81 % des chaînes à faible crédibilité éligibles semblent bénéficier de la monétisation, contre 90 % des chaînes à haute crédibilité. Sur Facebook, l'écart est plus large (22 % contre 51 %). Dans les deux cas, le fait qu'une proportion élevée de comptes à faible crédibilité soit monétisée indique que les politiques de démonétisation ne fonctionnent pas comme prévu. Ces résultats sont cohérents avec ceux de la première période : les plateformes profitent, dans une mesure significative, des comptes qui diffusent de manière répétée des contenus trompeurs et les soutiennent financièrement.
La deuxième mesure apporte par ailleurs les enseignements complémentaires suivants :
- La cohérence globale des résultats entre les deux vagues est une conclusion clé en soi. Les estimations de prévalence, la prime à la mésinformation et les modèles de monétisation sont conformes à ceux observés lors de la première vague. Cette reproductibilité confirme la solidité de la méthodologie et le fait que les phénomènes mesurés sont structurels et non accidentels.
- Désinformation générée par l'IA : la seconde analyse introduit un nouvel indicateur mesurant la part de mésinformation/désinformation générée par l'IA. Sur les plateformes vidéo, les contenus générés par l'IA représentent environ un quart de toute la désinformation identifiée sur TikTok (24 %) et environ un cinquième sur YouTube (19 %). Pour un phénomène qui existait à peine il y a quelques années, ces chiffres indiquent une croissance rapide et un risque croissant pour la qualité de l'information publique. La désinformation en santé représente la plus grande part des contenus générés par l'IA sur les deux plateformes.
La grande majorité de ces contenus ne porte aucune mention : sur l'ensemble des plateformes, seuls 16,5 % de la désinformation générée par l'IA étaient visiblement marqués comme synthétiques.
Croissance de l'audience : cette seconde analyse introduit également un indicateur mesurant le taux de croissance relatif des audiences pour les comptes à haute et faible crédibilité. Sur la plupart des plateformes, aucune différence statistiquement significative n'a été observée. L'exception notable est X/Twitter, où les comptes à faible crédibilité voient leur audience croître environ 3,5 fois plus vite que les comptes crédibles. X/Twitter semble donc favoriser l'expansion des comptes qui partagent de manière répétée des contenus trompeurs.
Au total, l'étude montre que, malgré les dispositions du RSN relatives aux risques systémiques, selon lesquelles les plateformes doivent réduire la propagation et l'impact des contenus trompeurs et éviter de les encourager financièrement, les contenus trompeurs sont prévalents sur toutes les plateformes, que les désinformateurs récurrents bénéficient d'une prime d'engagement persistante et que la démonétisation n'est pas pleinement opérationnelle, en particulier sur YouTube.
Manque de transparence : par ailleurs, l'étude note que malgré les demandes formulées au titre de l'article 40.12 du RSN, seul LinkedIn a fourni l'échantillon aléatoire de publications demandé. TikTok et YouTube ont autorisé un accès via API, ce qui a nécessité des efforts supplémentaires pour produire des résultats comparables. Ceci concerne des données accessibles au public : les obstacles que les plateformes dressent devant les chercheurs indépendants n'ont aucune justification technique. Concernant les données non publiques, notamment les registres de monétisation, aucune plateforme n'a coopéré. Cette opacité rend pratiquement impossible l'étude permanente des risques systémiques que ces plateformes font peser sur la société, contrairement aux exigences du RSN.
(2) Le rapport de l'EFCSN24(*)
Le rapport de l'EFCSN rappelle que certaines très grandes plateformes, qui ont ignoré leurs engagements pendant des années, les ont officiellement abandonnés en 2025 lors du processus d'intégration du Code de bonnes pratiques au RSN.
Ainsi, malgré une volonté initiale de collaborer avec la communauté des fact-checkeurs, Google (Google Search et YouTube) s'est désengagé de la section du Code consacrée au fact-checking. YouTube ne propose aucune solution concrète pour intégrer le fact-checking à ses plateformes, tandis que Google a également supprimé son répertoire de fact-checking, pourtant efficace, ClaimReview.
TikTok dispose bien d'un programme de fact-checking et reste signataire de la section du Code correspondante. Toutefois son contrat d'abonnement de janvier 2025 comportait une note conditionnant les engagements à l'abonnement des autres plateformes. La vérification des faits de TikTok est liée à la modération, plutôt qu'à l'interaction avec les utilisateurs.
Enfin, pour Meta (Facebook et Instagram), le programme de fact-checking par des tiers demeure le meilleur. Toutefois l'EFCSN se dit préoccupé par son avenir du fait de l'annonce début 2025 d'y mettre fin aux États-Unis dans un premier temps et la volonté de Meta de mettre en place un modèle de « community notes » qui a déjà montré ses premiers signes de faiblesse sur X.
b) L'inquiétude des régulateurs européens
Dans le cadre de leurs missions au sein du « Media Board » européen et de la taskforce au sein du Code de bonnes pratiques, les régulateurs français, belge, allemand et slovaque ont analysé en profondeur les évolutions de l'engagement des grandes plateformes au sein du code de bonnes pratiques contre la désinformation. Cette analyse a clairement montré une tendance générale au désengagement des très grandes plateformes et moteurs de recherche, alors même que le Code revêt désormais une importance centrale dans la lutte contre la désinformation dans le cadre du RSN.
Les domaines de désengagement les plus touchés concernent ainsi le fact-checking, l'accès aux données pour les chercheurs ainsi que les mesures pour encadrer la publicité à caractère politique (cette dernière étant dorénavant l'objet d'une législation spécifique avec le Règlement sur le ciblage et la transparence de la publicité à caractère politique.). On constate également un certain niveau de désengagement au niveau de la démonétisation des contenus jugés non fiables.
3. Des éléments de mise en perspective par le rapport de la commission Bronner
Le rapport de la commission dirigée par Gérard Bronner25(*), entendu par la commission, fournit des clefs pour comprendre la persistance structurelle de ce phénomène et le remettre en perspective. Il rappelle que les causes de cette « prime à la désinformation » sont bien connues :
· l'éditorialisation algorithmique visant la captation de l'attention ;
· le biais de popularité et le calibrage social (le système valorise les contenus les plus partagés ou commentés plutôt que les plus fiables, réduisant ainsi la qualité globale de l'information disponible) ;
· la valorisation de la conflictualité ;
· l'influence des minorités très motivées qui occupent une place dominante et acquièrent une visibilité disproportionnée par rapport à leur représentativité réelle ;
· le modèle économique avec la publicité programmatique (la désinformation est alimentée par un marché publicitaire automatisé où des publicités de grandes marques se retrouvent involontairement sur des sites toxiques, générant des revenus substantiels pour les diffuseurs de fausses nouvelles, cf. supra).
Cependant, le rapport apporte aussi quelques éléments de relativisation de cette menace en soulignant qu'à côté de ces contenus de désinformation, la majorité des utilisateurs continuent aussi de s'informer via des sources fiables. En outre, il fait valoir que la désinformation en ligne est souvent le révélateur et le catalyseur de maux sociaux préexistants, comme la défiance envers les institutions, plutôt que leur cause. Enfin, comme Gérald Bronner l'a souligné lors de son audition par la commission, l'influence réelle des algorithmes sur les comportements politiques n'est pas encore totalement établie et les recherches font parfois état de données contradictoires (par exemple sur l'existence réelle des « chambres d'écho »).
4. Sous la pression des plateformes, une transformation de la manière de faire et de diffuser l'information
De nombreuses études universitaires et rapports d'instituts de recherche (comme le Reuters Institute ou le Pew Research Center) ont analysé la mutation provoquée par les plateformes numériques et en particulier les réseaux sociaux. L'expansion de ceux-ci a en effet provoqué un véritable séisme pour les médias traditionnels (presse écrite, TV, radio), modifiant non seulement leur modèle économique, mais aussi leurs pratiques journalistiques et jusqu'à la notion même d'information.
Ainsi, la pression des réseaux sociaux pousse à la précipitation. Une étude de 2019 a montré que sur le web, près de 25 % des news sont reproduites en moins de 4 minutes, et 62 % incluant une part de plagiat ou de copier-coller pour ne pas « perdre l'audience ». Le mode de consommation a radicalement changé. L'information est consommée de manière fragmentée (un tweet, une vidéo TikTok). Les plateformes privilégient les contenus qui suscitent des réactions émotionnelles (colère, indignation).
L'influence des réseaux sociaux a en partie transformé l'exercice du métier de journaliste au sein des grands médias : on observe notamment le passage d'un journalisme « de publication », avec la diffusion d'une information finie, à un journalisme « de flux », consistant à actualiser les informations en permanence. La plupart des grands sites de presse (Le Monde, BBC) entretiennent des fils d'actualité en direct. En outre, la vérification d'images et de vidéos amateur (« User generated content (UGC) ») est devenue une compétence importante. Certains journaux ont créé des unités spécialisées qui se consacrent exclusivement à l'authentification de ces sources.
Face à l'immédiateté des réseaux, les médias ont dû réorganiser leurs formats pour apporter une valeur ajoutée que l'algorithme ne fournit pas. Puisque les réseaux sociaux propagent massivement des infox, certains journaux ont adopté un rôle de vérificateurs, avec des rubriques de fact-checking. Toutefois, cette tendance est plutôt en recul du fait de la démonstration de la relative inefficacité du fact-checking pour influencer les croyances des citoyens.
L'influence des réseaux se fait ressentir jusque dans la structure même des articles et des reportages. Les journalistes produisent désormais souvent des versions en plusieurs déclinaisons d'une même enquête : un article long pour le site, un « thread » pour X, une « story » pour Instagram et une vidéo courte (format Brut/Konbini) pour TikTok. Pour exister dans le fil d'actualité, les journalistes sont également incités à mettre en avant l'humain et l'émotionnel dès l'accroche de leurs productions. Par ailleurs, le journaliste devient souvent, comme pour les influenceurs, une sorte de « marque » personnelle. De nombreux journalistes interviennent sous leur nom sur X et doivent désormais gérer leur communauté, répondre aux commentaires et parfois se mettre en scène. Certaines rédactions ont dû instaurer des chartes pour encadrer ce que les journalistes peuvent dire sur leurs comptes personnels sur les réseaux sociaux, afin de ne pas entacher l'impartialité perçue du média.
Cette évolution répond à une transformation profonde des ressorts de l'adhésion du public aux informations : comme dans le cas des influenceurs, c'est désormais la confiance en la personne de l'émetteur de l'information, plus que le fait qu'elle soit publiée par un média reconnu, qui fait qu'une information est ressentie comme fiable, comme l'illustre le Digital news report du Reuters Institute for the Study of Journalism (2025).
* 23 Coalition for content provenance and authenticity
* 24 European fact-checking standards network (efcsn) : https://efcsn.com/policy/report-released-the-moment-of-truth-for-the-code-of-conduct-on-disinformation/
* 25 Les lumières à l'ère numérique, 2022.