AI Usage Scale
FR

L'étiquette dont un créateur dispose aujourd'hui

Six niveaux. Montrez-en un.

Il n'existe pas de niveau honteux.
Il n'existe qu'un niveau non déclaré.

Une échelle libre et ouverte pour dire comment une œuvre a été faite — de qui est le savoir qu'elle porte, et qui se tient derrière. Six niveaux. Trente secondes. Aucun comité à consulter.

Trouvez votre niveau ou lisez les six


Préambule

Nous ne sommes pas là pour ralentir cette technologie.

Nous sommes là parce que celui qui l’a utilisée honnêtement, et l’a dit, est puni de l’avoir dit — et que celui qui l’a utilisée et s’est tu ne l’est pas. C’est une incitation cassée, et les incitations cassées ne se réparent pas toutes seules. Elles s’accumulent.

Toutes les batailles sur l’IA et la paternité d’une œuvre passent aujourd’hui par une étiquette à deux positions. C’est cette étiquette, le problème. Pas les modèles. Pas les gens qui s’en servent. L’étiquette.

Voici ce qu’elle coûte, et voici ce qui la remplace.


L’IA n’est pas le problème. Se cacher est le problème.

Rien dans ce document ne demande à quiconque d’utiliser moins d’IA. Il demande de dire ce qu’on a fait.

Le public a déjà un potentiomètre. Le créateur n’a toujours qu’un interrupteur.

TikTok vous laisse choisir la quantité de contenu généré par IA qui apparaît dans votre fil.1 Pinterest vous laisse en demander moins.2 À ceux qui consomment les œuvres, on tend un dégradé. À celui qui les a faites, une seule case à cocher : coupable, ou non coupable.

« Fait avec de l’IA » n’est pas un fait. C’est un verdict.

Cette étiquette écrase dans les mêmes trois mots le chirurgien qui a dicté trente ans de pratique à un modèle et corrigé chaque ligne, et le script qui a craché dix mille pages cette nuit pendant que son propriétaire dormait. Une étiquette incapable de distinguer ces deux-là n’est pas une information. C’est une accusation avec un correcteur orthographique en pièce jointe.

Nous avons construit un binaire là où la réalité est un spectre, et nous avons accroché la honte à l’un de ses côtés.

Tous les échecs qui suivent découlent de cette seule erreur de conception.

Quand l’honnêteté est punie et que le silence est gratuit, c’est le silence qui gagne.

Ce n’est pas une faillite morale des créateurs. C’est de l’arithmétique.

On l’a mesuré, et cela porte un nom : le paradoxe de la divulgation. Dans une étude préenregistrée, les gens ont déclaré que la divulgation de l’usage de l’IA était importante — puis ont moins bien noté l’œuvre lorsqu’elle était divulguée. Conclusion des auteurs eux-mêmes : cela « risque de créer des incitations perverses à la non-divulgation ».3

Nous menons une expérience où nous punissons les sincères et récompensons les silencieux — puis nous nous étonnons des résultats.

La sanction ne porte pas sur la qualité. Elle porte sur l’effort.

Quand on leur disait qu’une nouvelle avait été écrite par un humain, les lecteurs estimaient qu’elle avait demandé 148 minutes. Quand on leur disait que la même nouvelle avait été écrite par une IA, ils estimaient six. L’étiquette ne changeait rien à la qualité qu’ils lui prêtaient — ni sa créativité, ni son originalité, ni le plaisir qu’ils y prenaient. Elle changeait seulement ce qu’ils croyaient qu’elle avait coûté. Et c’est cette estimation du coût qui prédisait tout le reste.4

C’est là tout le résultat, et c’est la raison d’être de cette échelle. Un interrupteur ne peut pas communiquer l’effort. Une échelle, si. C’est peut-être la seule forme de divulgation qui ne punit pas celui qui divulgue.

Ne marquez que la machine, et tout ce qui n’est pas marqué se met à paraître humain.

Signalez une partie des titres mensongers, et ceux qui ne le sont pas deviennent plus crédibles — un effet établi dans Management Science et baptisé effet de vérité implicite. Le remède trouvé par les mêmes chercheurs : vérifier aussi les vrais.5

Un système qui n’étiquette que l’IA fait donc passer pour humain, par défaut, tout ce qui n’est pas étiqueté — y compris toute l’IA qui lui a échappé.

C’est pourquoi l’échelle commence à zéro. Ceux qui n’utilisent aucune IA ont eux aussi besoin d’un chiffre. Pas par politesse. Comme structure porteuse.

Il n’existe pas de niveau honteux. Il n’existe qu’un niveau non déclaré.

Le Level 5 est la déclaration honnête d’un rapport de marché automatisé. Le Level 0 est la déclaration honnête d’une autobiographie. Aucun ne surclasse l’autre.

Une échelle qui classe ses propres niveaux est une échelle de la honte en blouse blanche, et chacun mentira pour en descendre. Le jour où le Level 4 devient une insulte, tout le monde devient un 2, et nous avons reconstruit le binaire avec des marches en plus.

La provenance se prouve. La contribution ne peut que se déclarer.

La cryptographie est bien réelle. Et elle ne suffit pas.

C2PA peut joindre à un actif un historique infalsifiable et signé cryptographiquement. Sa propre FAQ précise que la spécification de base « ne prend pas en charge l’attribution d’un contenu à des individus ou à des organisations ».6 N’importe qui peut mettre en œuvre la spécification ouverte, mais l’accès au modèle de confiance officiel de C2PA exige un produit conforme et un certificat de signature ancré dans sa liste de confiance.7 Ses principaux déploiements concernent les actifs multimédias et les documents, pas la prose ordinaire du Web.

Il répond à qu’est-ce qui a touché ceci. Il ne peut pas répondre à de qui est la pensée qu’il y a là-dedans. Rien ne le peut, sauf la personne qui le sait.

Une déclaration n’est pas une preuve faible. C’est tout autre chose.

Une signature d’auteur est une déclaration. Une étiquette nutritionnelle est une déclaration. La déclaration de conflits d’intérêts à la fin d’un article scientifique est une déclaration. Aucune n’est une preuve — et la civilisation tourne sur elles quand même.

Elles fonctionnent parce qu’elles sont bon marché à faire et coûteuses à trahir.

La détection n’est pas le filet de sécurité, et elle ne l’a jamais été.

Sept détecteurs d’IA commerciaux ont signalé comme générés par une machine 61% de véritables essais d’admission à l’université rédigés par des personnes dont l’anglais n’est pas la langue maternelle. Quatre-vingt-dix-huit pour cent ont été signalés par au moins l’un d’entre eux.8

Un standard imposé par la détection est une machine à accuser les innocents : l’immigré, le dyslexique, celui qui écrit simplement. Tout système qui a besoin d’un détecteur pour fonctionner ne fonctionne pas.

La divulgation n’est pas un aveu. C’est une ligne au générique.

Les imprimeurs signent leurs colophons depuis cinq cents ans — le caractère, le papier, la presse, le tirage. Les films déroulent leur générique jusqu’au dernier assistant. L’ébéniste signe le dessous du tiroir.

Personne n’a jamais eu honte du générique. Les outils n’ont jamais été le secret.

Le coût de la dissimulation s’accumule — et ce n’est pas celui qui se cache qui le paie.

Il est payé par le créateur honnête que plus personne ne croit. Par l’entreprise accusée de ce qu’elle n’a pas fait. Par le lecteur qui s’est mis à supposer que tout est faux — et qui a de plus en plus souvent raison.

Merriam-Webster a fait de « slop » son mot de l’année 2025 : « contenu numérique de faible qualité, produit généralement en quantité au moyen de l’intelligence artificielle ».9 Voilà la réputation qui colle désormais à tout, sans distinction — aux négligents comme aux méticuleux.

Les organisations qui produisent ces contenus ont déjà conscience des enjeux. Dans une enquête menée en 2026 auprès de 27 marques multinationales, 82 % ont déclaré que la transparence sur l’IA était essentielle à la réputation de la marque et 79 % à la confiance des consommateurs. La même étude a pourtant constaté des règles fragmentées et une incertitude quant aux attentes.10 Cette incertitude n’est pas une excuse pour se taire. C’est précisément ce qui rend utile un vocabulaire commun.

Une autre dette s’accumule sous celle qui est visible. Des modèles génèrent du contenu ; ce contenu est aspiré dans des jeux de données d’entraînement ultérieurs ; les modèles suivants en reproduisent une version plus étroite ; et le cycle recommence. Une étude publiée dans Nature appelle ce mode de défaillance effondrement du modèle : un entraînement récursif et indiscriminé sur des données générées peut effacer les extrémités de la distribution d’origine et aggraver les erreurs au fil des générations.11 Les données synthétiques ne sont pas mauvaises en soi, et des mélanges soigneusement composés peuvent rester utiles. Le danger est de perdre la capacité de savoir quel type de matériau est entré dans le corpus.

Une déclaration ne peut pas décider si un robot d’indexation est autorisé à entraîner un modèle sur une œuvre — les licences, les conditions d’utilisation et les contrôles d’accès s’en chargent. Elle peut fournir aux concepteurs de modèles un signal qui leur manque : le matériau a-t-il été créé par un humain, assisté par IA, dirigé, produit à partir d’un prompt ou publié sans relecture ? Préserver cette distinction n’est pas seulement une marque de considération envers les lecteurs. Cela aide à préserver la diversité des données dont apprendront les futurs modèles.

La réponse de la loi à la nuance est une exemption. La nôtre est une échelle.

À partir du 2 août 2026, l’article 50 de l’AI Act européen impose de divulguer tout texte généré par IA publié dans le but d’informer le public sur des questions d’intérêt général — sauf s’il a été relu par un humain assumant une responsabilité éditoriale, auquel cas aucune divulgation n’est requise.12

Relisez cela. La loi voit la différence entre un travail relu et un travail non relu. Simplement, elle n’a aucun vocabulaire pour l’exprimer — alors elle règle la nuance en désactivant l’obligation.

La distinction que la loi cherche à saisir sans parvenir à la nommer est celle entre le Level 4 et le Level 5. Nous la nommons.

La transparence sera étrange pendant environ un an. Ensuite, on ne la sentira plus du tout.

Personne aujourd’hui n’imagine un emballage alimentaire sans tableau au dos, et personne n’a honte des calories qui y sont imprimées. L’étiquette n’a pas tué la nourriture.

Elle a mis fin aux devinettes.


Ce que nous demandons

Déclarez votre niveau. Apposez-le sur l’œuvre. Reliez-le à la définition.

C’est tout. C’est gratuit, cela prend trente secondes, et il n’y a aucun comité à consulter.

L’échelle compte six niveaux et commence à zéro. Elle mesure le rôle que l’IA a joué dans la fabrication — de qui est la substance que l’œuvre porte, et qui se tient derrière — pas le nombre de caractères qu’un modèle a produits. Elle est en CC0. Elle n’appartient à personne. Forkez-la si nous nous sommes trompés.

Si nous sommes assez nombreux à le faire avant que l’habitude de se cacher ne durcisse, la divulgation cessera d’être un aveu pour devenir ce qu’elle aurait toujours dû être : une ligne au générique.


Ce document déclare son propre niveau

Ce manifeste est de Level 3 — Dirigé.

Le diagnostic, l’argumentation, la décision de construire ceci et chacun des choix de conception de l’échelle sont ceux de l’auteur. La recherche et la prose ont été produites avec un grand modèle de langage, puis lues, corrigées et signées ligne à ligne. Sans l’auteur, ce document n’existe pas. Sans le modèle, il existe — plus lentement, et moins bien écrit.

C’est exactement le cas que ce manifeste défend. Il serait absurde de le plaider et de le cacher.

Les traductions sont produites automatiquement à partir de ce texte anglais et signalées comme telles, selon la règle énoncée au § Traduction.


Sources

Footnotes

  1. TikTok a introduit un réglage du fil permettant aux utilisateurs de choisir la quantité de contenu généré par IA qu’ils voient, novembre 2025. https://techcrunch.com/2025/11/18/tiktok-now-lets-you-choose-how-much-ai-generated-content-you-want-to-see/

  2. Pinterest, commandes « voir moins » de contenu génératif par catégorie, octobre 2025. https://newsroom.pinterest.com/news/pinterest-rolls-out-new-tools-to-give-users-more-control-over-gen-ai-content/

  3. « The AI penalty and disclosure paradox », 2026, préenregistrée, N=547. https://www.sciencedirect.com/science/article/pii/S2949882126000551

  4. « Know Your Author: Does the AI Penalty Hold in Short Fiction? », 2026. Les étiquettes de paternité n’ont eu aucun effet fiable sur la créativité, le plaisir ou l’originalité perçus — seulement sur l’effort supposé, qui à son tour prédisait le plaisir. https://arxiv.org/pdf/2606.00006

  5. Pennycook, Bear, Collins & Rand, « The Implied Truth Effect », Management Science 66(11). https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3035384

  6. FAQ du C2PA. https://c2pa.org/faqs/

  7. C2PA Conformance Program. https://c2pa.org/conformance/

  8. Liang et al., « GPT detectors are biased against non-native English writers », Stanford, 2023. https://arxiv.org/pdf/2304.02819

  9. Merriam-Webster, mot de l’année 2025 : « slop ». https://www.merriam-webster.com/wordplay/word-of-the-year

  10. World Federation of Advertisers, enquête auprès de 27 marques multinationales, 2026. https://wfanet.org/knowledge/item/2026/04/02/global-brands-call-for-clearer-consensus-on-ai-labelling-as-usage-accelerates-wfa-research

  11. Shumailov et al., « AI models collapse when trained on recursively generated data », Nature 631, 2024. https://doi.org/10.1038/s41586-024-07566-y

  12. EU AI Act, article 50(4). Applicable à partir du 2 août 2026. https://artificialintelligenceact.eu/article/50/