Comment l’IA change-t-elle radicalement notre façon de trouver l’information ?

Introduction

Si Internet est une source quasi inépuisable d’informations, encore faut-il les trouver. Le problème s’est posé depuis la création du World Wide Web. En 1991, et alors qu’il est en train de mettre en place les premières briques techniques du Web, Tim Berners-Lee, génial créateur du langage HTML, du protocole HTTP et des URL (les adresses des « choses » sur Internet) répertorie à la main ce qui se trouve sur la « toile d’araignée » naissante.

Une courte histoire de la recherche sur Internet

Avec l’augmentation exponentielle du contenu disponible sur le Web, le besoin de trouver de l’information est vite devenu primordial. Il faut attendre avril 1994 et la publication de WebCrawler par Brian Pinkerton pour avoir le premier robot « indexeur » de contenu. Le succès est instantané et, en novembre de la même année, le moteur gère déjà un million de requêtes.

L’indexation du contenu sur Internet est la clé qui rend possible la recherche. Mais, avant l’indexation et la recherche, il faut d’abord crawler le Web, c’est-à-dire parcourir la toile à la recherche du contenu disponible. Le succès est immédiat et les années qui suivent vont être le théâtre d’une explosion de moteurs de recherche. Parmi les plus célèbres, on retiendra l’annuaire Yahoo! qui indexait manuellement (avec une armée d’humains) les sites dans différentes catégories. Une méthode qui montrera rapidement ses limites avec la croissance vertigineuse du Web. L’autre grand moteur de recherche, qui a marqué le début des années 1990, n’est autre que AltaVista. Géant de la recherche de l’époque, il fut l’un des premiers à pouvoir indexer une bonne partie du Web de l’époque. Il est également le premier à proposer la recherche d’images, de fichiers audio et de vidéos.

Impossible d’évoquer les prémisses de la recherche sans évoquer Google. Les algorithmes de Larry Page et Sergey Brin ont tout changé en introduisant une approche mathématique de la pertinence, avec le fameux PageRank. Pour schématiser, le PageRank traitait les liens entre les sites comme des votes. Si un site important pointe vers vous, votre site devient important.

Le crawl encore et toujours

Les robots n’ont jamais arrêté de crawler le Web et l’avènement des intelligences artificielles (IA) n’a fait qu’augmenter la demande. Car, pour fonctionner sur des systèmes statistiques à très grandes échelles, il faut beaucoup, beaucoup, beaucoup de données pour entraîner les modèles d’IA génératives, notamment les LLM ou Large Language Model.

S’il existe des corpus d’entraînement parfaitement connus, de grands noms des IA se sont également servis librement sur Internet pour engranger d’immenses collections de données en parcourant (crawlant) Internet massivement, parfois sans vraiment demander les autorisations. De manière générale, d’ailleurs, il est intéressant de noter que certains grands éditeurs d’IA générative n’indiquent pas sur quelles données leurs modèles sont entraînés, ce qui peut poser quelques questions (sans réponse).

Des questions et des réponses en langage naturel

Ce qui a le plus profondément « choqué » les utilisateurs de ChatGPT en 2022, c’est la facilité des échanges avec l’agent conversationnel. On pouvait discuter avec le chatbot comme s’il s’agissait d’un ami ou d’un collègue dans un langage tout à fait naturel, et les réponses l’étaient tout autant. Même s’il était déjà possible de poser une question « naturelle » à Google, les réponses se bornaient à une succession de liens, de vidéos ou de citation d’un réseau social. Désormais, c’est une conversation qui se met en place avec les chatbots comme ChatGPT, Claude, Le Chat (qui devient Vibe) ou Perplexity. Désormais, les principaux moteurs de recherche classiques comme Google, Bing ou Qwant proposent une réponse générée par un LLM aux côtés d’une liste « classique » de réponses. S’il peut paraître évident que cette réponse écrite est un résumé des liens présentés dessous, il n’en est généralement rien.

Des réponses “prémâchées” par les LLM

Questionner un LLM présente plusieurs avantages. Le premier, évident, est que vous pouvez poser votre question avec un degré de paramétrage important. Ainsi, vous pouvez demander une réponse dans une langue particulière ou en prenant en compte tel ou tel élément, en exclure certains ou comparer deux idées ou deux produits. L’IA vous repondra en tenant compte de vos remarques.

Notez déjà que l’IA va déjà interpréter votre demande pour effectuer ses recherches et donc potentiellement introduire des biais. Au-delà de la ribambelle de liens pouvant contenir des réponses, le LLM lui, va formuler une seule réponse. Et l’on peut légitimement se questionner sur la « légitimité » de cette réponse. Comment l’IA a-t-elle choisi la « bonne » réponse ? Bien sûr, vous pouvez demander à l’IA qu’elle vous donne les sources de ses informations (il le faut). Mais sachez qu’il est fort probable que les IA se servent de différentes sources pour formuler une seule réponse. Le plus inquiétant est que la réponse de l’IA est souvent la première présentée à l’internaute qui considérera probablement que c’est la bonne réponse sans chercher plus loin (dans son esprit et dans la page de résultats). C’est le fameux biais de l’avare cognitif.

Le poids des algorithmes

Avec les réponses IA, la recherche sur Internet ne se contente plus de classer l’information, elle exerce un nouveau « pouvoir informationnel » en sélectionnant les sources et en affichant sa réponse. Au-delà du corpus d’entraînement toujours important, c’est bien l’algorithme qui décide et oriente les résultats. Si vous posez une même question à Grok (SpaceX), Gemini (Google), LeChat (Mistral) ou Qwen (Alibaba), les réponses seront différentes. Cela peut donc amplifier la désinformation, mais surtout concentrer les pouvoirs entre les mains d’une poignée de grosses sociétés dont la transparence de fonctionnement n’est pas vraiment le point fort.

Adoptez une position critique

Dans ce contexte de convergence générale vers la recherche IA et de concentration du savoir entre quelques mains, il convient de rester d’autant plus vigilant et de ne pas subir les réponses des LLM, mais de les confronter en permanence. Rester en éveil et adopter une posture critique est plus que jamais essentiel