Votre IA ne veut plus seulement vos données : elle veut apprendre qui vous êtes

Introduction

Demandez à votre intelligence artificielle préférée d’organiser un week-end. Elle peut déjà savoir que vous préférez le train, les hôtels calmes et les journées peu chargées. Elle se souvient aussi que vous voyagez avec deux enfants et aimez recevoir trois options plutôt qu’une liste interminable. Pour vous répondre, l’assistant IA mobilise désormais ce qu’il croit savoir de vous.

À la clé, un gain de temps, moins de frustration et le sentiment que l’IA vous « comprend » sans plus avoir à répéter inlassablement les mêmes informations, vos préférences et envies. Cependant, est-ce vraiment pour notre bien ?

De la mémoire au modèle utilisateur

ChatGPT synthétise des informations issues des échanges passés, de fichiers et d’applications connectées. Gemini déploie en France une fonction « Mémoire » qui apprend au fil des conversations et permet d’importer le contexte accumulé ailleurs. Microsoft 365 Copilot retient notamment le style de communication et les objectifs professionnels, tout en effectuant des inférences à partir de l’historique des discussions.

La rupture tient moins à la quantité de données qu’à leur interprétation. Une plateforme enregistre que vous avez réservé trois billets de train. Un assistant peut en déduire que vous privilégiez le rail, écarter les vols d’une future recherche et présenter ses suggestions sous la forme qui vous convainc le mieux. Aux informations déclarées s’ajoutent des hypothèses sur vos goûts, votre expertise ou votre manière de décider. C’est le « modèle utilisateur ».

Une personnalité déduite sans questionnaire

Plus besoin de remplir un test psychologique pour livrer des indices sur sa personnalité. Une étude publiée en janvier 2026 dans Nature Human Behaviour montre que sept modèles d’IA générative disponibles dans le commerce peuvent estimer les cinq grands traits de personnalité à partir de récits libres : flux de pensées spontanées ou journaux vidéo. Leurs évaluations concordent avec celles des participants et permettent aussi de prévoir certains comportements quotidiens. Elles égalent, voire dépassent selon les critères, plusieurs méthodes traditionnelles d’analyse du langage.

La modélisation peut aller plus loin. Des chercheurs de Stanford ont créé des agents représentant 1 052 personnes à partir d’entretiens de deux heures consacrés à leur vie. Les agents ont reproduit leurs réponses avec une fidélité atteignant 85 % de celle observée lorsque les participants répondaient eux-mêmes au même questionnaire deux semaines plus tard. Ils ont également obtenu des résultats comparables pour prédire certains traits de personnalité et comportements expérimentaux. Ces agents ne sont pas ceux déployés dans les assistants grand public, mais ils montrent qu’un récit personnel suffisamment riche peut alimenter une simulation crédible d’un individu.

Pour les entreprises, ce portrait devient un actif stratégique. Un assistant qui connaît vos habitudes peut adapter son style, hiérarchiser vos messages et tenir compte de contraintes récurrentes. Plus il accumule de contexte, plus il gagne en utilité… et plus changer de service devient coûteux en temps et laborieux pour retrouver le même niveau de qualité des réponses. En permettant d’importer dans Gemini les souvenirs, préférences et relations enregistrés par d’autres assistants, Google reconnaît déjà la valeur de ce capital personnel et cherche à faciliter son transfert.

Le portrait invisible

Cette représentation peut pourtant être erronée. Une préférence ponctuelle peut être intégrée comme une règle durable par l’IA, une contrainte professionnelle être prise pour un trait de caractère. La personnalisation crée alors une boucle : l’IA propose ce qu’elle pense que vous aimez, vos choix confirment son hypothèse, puis le système réduit encore le champ des possibles.

À force de renforcer certaines préférences et d’en invisibiliser d’autres, l’IA ne se contente plus de personnaliser l’expérience : elle risque de déformer l’image qu’elle construit de nous. C’est souvent pour cela qu’après quelques mois d’utilisation d’un assistant, on aimerait pouvoir faire un « reset », repartir de zéro. Même chose pour son compte Netflix qui finit par vous enfermer dans une bulle un peu oppressante.

Peut-on voir et corriger ce que l’assistant a déduit ? OpenAI précise que le résumé de mémoire présenté à l’utilisateur ne contient pas nécessairement tout le contexte mobilisé. Pour supprimer complètement une information, il peut être nécessaire d’effacer les sources où elle apparaît, notamment les conversations, fichiers ou applications connectées. Toutefois, cela prend du temps et se révèle fastidieux.

L’IA vous dessine sans vous montrer

Le RGPD encadre déjà le profilage, soit l’analyse automatisée de données personnelles destinée à évaluer ou prédire des préférences, des intérêts ou un comportement. Cependant, les assistants conversationnels rendent ce profil plus mouvant et moins visible qu’un fichier client. Le véritable enjeu n’est donc plus seulement de savoir quelles données l’IA conserve, mais quel portrait elle compose à partir de celles-ci. Ce modèle invisible influence déjà les réponses proposées. Demain, il pourra aussi déterminer les messages jugés prioritaires, les produits recommandés… et les décisions prises en notre nom.

Le confort promis repose sur un paradoxe : pour ne plus avoir à nous répéter, nous devons accepter d’être continuellement interprétés. Encore faudrait-il pouvoir consulter ce portrait, le corriger et l’emporter avec soi. Car à force de vouloir anticiper nos besoins, l’IA ne risque pas seulement de confondre nos habitudes avec notre identité, mais aussi de déformer le portrait qu’elle fabrique de nous, et de nous enfermer dans une version de nous-mêmes que nous n’avons jamais choisie.