Le Basculement
L’infrastructure informationnelle a changé de régime.
Pour la première fois depuis vingt ans, le trafic des moteurs de recherche vers les éditeurs recule structurellement — moins 33 % en un an selon le Reuters Institute. Les LLMs captent une part croissante des requêtes d’information. Ce premier Baromètre Observia documente six signaux de ce basculement, ses mécanismes réglementaires, ses effets démocratiques et sanitaires.
Nous avons changé
d’infrastructure informationnelle.
Ce n’est pas une mise à jour d’algorithme. C’est un changement de régime. Et comme tous les changements de régime, il se fait pendant que nous regardons ailleurs.
Il y a quelque chose de vertigineux dans ce que nous observons depuis dix-huit mois. Non pas la vitesse des transformations — nous en avons l’habitude. Non pas la nature technique des outils qui émergent — les grands modèles de langage occupent les colonnes spécialisées depuis 2020. Ce qui est vertigineux, c’est l’ampleur du déni collectif face à ce qui se passe réellement.
La question n’est plus « les LLMs vont-ils changer le Search ? » Ils l’ont déjà changé. Le Reuters Institute for the Study of Journalism l’a documenté en janvier 2026 avec une netteté implacable : le trafic des moteurs de recherche vers les éditeurs a diminué de 33 % à l’échelle mondiale entre novembre 2024 et novembre 2025. En France, le baromètre de confiance des médias La Croix / Kantar 2026 mesure que 41 % des Français utilisent des chatbots pour s’informer — dont 13 % quotidiennement. Ce n’est plus une tendance. C’est une bascule structurelle.
Le Search traditionnel était une infrastructure de pointage : il dirigeait l’attention vers des sources. Les LLMs sont une infrastructure de synthèse : ils constituent la réponse eux-mêmes. Dans le premier cas, la visibilité dépendait de votre position dans une liste. Dans le second, elle dépend de votre présence dans la mémoire d’entraînement d’un modèle. Ce sont deux économies de l’attention radicalement différentes — et presque personne dans les institutions françaises n’a commencé à en tirer les conséquences.
Ce premier Baromètre Observia a été conçu pour documenter ce basculement trimestre après trimestre, avec la rigueur d’un observatoire et le point de vue d’un laboratoire indépendant. Chaque chiffre cité est sourcé. Chaque citation est vérifiée. Nous distinguons le signal du bruit, le documenté de l’inféré, le mesuré du projeté.
Le Search traditionnel était une infrastructure de pointage. Les LLMs sont une infrastructure de synthèse. Ce sont deux économies de l’attention radicalement différentes — et presque personne en France n’en a tiré les conséquences.
Observia — Baromètre #01 · Janvier 2026Observia est un laboratoire indépendant. Il ne reçoit pas de financement des plateformes dont il analyse les pratiques. Ce Baromètre est gratuit — non par générosité, mais par stratégie : la diffusion large d’une pensée rigoureuse est la seule forme de contre-pouvoir disponible face à des infrastructures qui, elles, ne sont pas gratuites du tout.
Six mutations
à surveiller.
L’effondrement du CTR éditorial en présence d’AI Overviews, le déplacement des bulles de filtre vers les LLMs, la sous-représentation structurelle du français dans les modèles, l’oligopole ChatGPT-Gemini à 84 % du marché conversationnel, la réouverture de l’AI Act seize mois après son adoption, et la bascule de la désinformation virale vers la désinformation structurelle. Six faits documentés. Six trajectoires.
Le CTR de la position 1 sur Google s’effondre de 34,5 % en présence d’un AI Overview. La France reste exclue du déploiement — exception européenne à durée indéterminée.
Ahrefs (2026) documente une chute du taux de clic en première position de 34,5 % en présence d’un AI Overview. L’étude Pew Research Center (68 000 requêtes analysées) mesure une baisse de 46,7 % des clics quand un résumé IA apparaît. Define Media Group, sur un panel de 64 sites éditeurs, observe une chute de 42 % du trafic sur les contenus « evergreen » entre novembre 2024 et février 2026. Le cas Digital Trends est extrême : passage de 8,5 millions de visites mensuelles en mars 2024 à 264 861 en janvier 2026, soit −97 % (Growtika, mars 2026). La France fait exception : Nick Fox (SVP Google) a confirmé en octobre 2025 que les incertitudes réglementaires françaises — droits voisins, amende de 250 M€ infligée à Google en mars 2024 — bloquent le déploiement. La Belgique et la Suisse ont les AI Overviews en français depuis mars 2025 ; la langue n’est pas le problème, c’est le droit.
Sources : Ahrefs « AI Overviews CTR Impact 2026 » · Pew Research Center n=68 000 requêtes · Define Media Group n=64 éditeurs (Almcorp, mars 2026) · Growtika « AI Overviews Tech Media Decline » mars 2026 · Reuters Institute, janvier 2026 · Abondance, fév. 2026 · TheMediaLeader FR · WeBurst octobre 202557 % des contenus en ligne créés ou traduits par IA selon Amazon. Le Reuters Institute prévoit une généralisation de la confusion vrai/faux en 2026.
Le Reuters Institute « Journalism, Media and Technology Trends and Predictions 2026 » (janvier 2026) qualifie 2026 d’année où « the amount of low-quality AI automated content, including so-called ‘pink slime’ sites, looks set to explode« . Selon une étude Amazon citée par le Reuters Institute, 57 % des contenus en ligne seraient déjà créés ou traduits par IA. Le mécanisme épistémique des bulles de filtre se déplace : un moteur de recherche listait dix sources contradictoires — l’utilisateur percevait la pluralité. Un LLM produit une synthèse avec une autorité épistémique unifiée. En France, le Digital News Report 2025 documentait déjà une défiance persistante envers les médias ; l’arrivée massive des LLMs dans ce paysage déjà fragilisé constitue un facteur aggravant majeur.
Sources : Reuters Institute, « Trends & Predictions 2026 », janvier 2026 · Reuters Institute, « AI and the Future of News 2026 », mars 2026 · Digital News Report 2025, RISJ · Baromètre Croix / Kantar 2026Le français représente 0,16 % du corpus d’entraînement de Llama 2. L’État français a lancé compar:IA pour collecter 600 000 prompts francophones — déséquilibre structurel reconnu institutionnellement.
La recherche du gouvernement français (DINUM / beta.gouv.fr) sur la plateforme compar:IA, publiée en préprint ArXiv en février 2026, documente le problème avec rigueur : selon le rapport technique de Llama 2 (Touvron et al., 2023), le français ne représente que 0,16 % du corpus d’entraînement. Cette sous-représentation produit « une fluidité dégradée, des réponses culturellement inappropriées et des garanties de sécurité plus faibles dans les langues non-anglophones« . Au 7 février 2026, compar:IA a collecté plus de 600 000 prompts francophones et 250 000 votes de préférence pour construire un corpus français destiné à l’entraînement futur. La sous-représentation française n’est plus contestée — elle est désormais documentée par l’État français lui-même.
Sources : compar:IA / beta.gouv.fr — ArXiv preprint 2602.06669, février 2026 · Touvron et al., « Llama 2 technical report », 2023 · DINUM, plateforme comparia.beta.gouv.frChatGPT et Gemini détiennent 84 % du marché conversationnel mondial en février 2026. La concentration LLM est plus forte que celle du Search à son apogée.
AIM Multiple (avril 2026) documente la structure du marché des interfaces LLM : dans la catégorie Chat, ChatGPT et Gemini détiennent environ 84 % des parts de marché en février 2026. Sur le segment du trafic web IA, les États-Unis représentent 85,5 % à 90,5 % des visites — concentration géographique massive. Le marché des LLMs est évalué à 9,25 milliards de dollars en 2026 selon Business Research Insights, avec un TCAC projeté de 79,8 % à horizon 2035. Cette concentration est plus sévère que celle de Google Search à son apogée : Google détenait ~92 % en France, mais sur un marché où Bing, DuckDuckGo et Yahoo représentaient des alternatives techniquement équivalentes. Sur le segment conversationnel, l’écart de qualité entre les leaders et les challengers est substantiellement plus marqué.
Sources : AIM Multiple « LLM Market Share », avril 2026 · Wix Studio « AI Search vs. Google », novembre 2025 (cité par Journal du Net) · Business Research Insights « LLM Market 2026 » · Fortune Business Insights, rapport 2026L’AI Act sera applicable le 2 août 2026 — mais l’UE l’a rouvert seize mois après son adoption. Premier règlement structurant fragilisé avant même son entrée en vigueur.
Le 7 mai 2026, les institutions européennes ont trouvé un accord politique sur l’AI Act Omnibus — révision partielle du règlement adopté en 2024 (Latham & Watkins, 13 mai 2026). Aucun règlement structurant de l’UE n’avait connu une révision aussi rapide. Selon Brief IA, la pression industrielle a été décisive : en juillet 2025, 45 grandes entreprises (Airbus, Axa, etc.) demandent une pause ; en septembre 2025, 56 acteurs IA emmenés par Mistral réclament une simplification ; le rapport Draghi chiffre à 500 milliards d’euros annuels le coût de la conformité réglementaire européenne. Les obligations de transparence (Art. 50) restent applicables au 2 août 2026, mais les délais pour les systèmes à haut risque (Annexe III) sont potentiellement repoussés à décembre 2027 via le Digital Omnibus en négociation. Le DSA, conçu pour le Search classique, ne couvre pas les LLMs conversationnels — angle mort réglementaire documenté.
Sources : Latham & Watkins « AI Act Update », 13 mai 2026 · Brief IA, mai 2026 · Regolo.ai « AI Privacy and Compliance 2026 » · Help Net Security, « EU AI Act Annex III obligations », avril 2026 · Rapport Draghi 202416 % des claims fact-checkés par Aos Fatos en 2025 impliquaient du contenu IA-généré — contre 7 % un an plus tôt. La désinformation devient structurelle, plus seulement virale.
Tai Nalon, fondatrice du fact-checker brésilien Aos Fatos et Journalist Fellow du Reuters Institute, présentait en mars 2026 ce chiffre devant le Reuters Institute : 16 % des 619 claims vérifiés en 2025 impliquaient du contenu généré par IA, contre 7 % en 2024 (Reuters Institute « AI and the Future of News 2026« ). Le mécanisme nouveau : une information incorrecte présente dans les sources d’entraînement d’un LLM devient une « hallucination structurelle » — reproduite avec assurance, sans lien source vérifiable. Le fact-checking traditionnel y est partiellement aveugle. La perspective de model collapse — où les LLMs s’entraînent sur du contenu LLM — est désormais un risque épistémique documenté par les chercheurs (notamment Shumailov et al., Nature, 2024).
Sources : Reuters Institute « AI and the Future of News 2026 », mars 2026 · Aos Fatos / Tai Nalon (RISJ, présentation 2026) · Shumailov et al., « The Curse of Recursion » / Model Collapse, Nature, 2024Nous sommes en danger d’arriver à un endroit où plus personne ne croit ce qu’il lit, voit ou entend, où que ce soit. Mais cette technologie peut aussi nous permettre d’adresser ce problème à une échelle qu’une rédaction de 100 personnes ne pourrait jamais atteindre.
En 2026, les médias d’information sont probablement davantage pressés par ces deux forces puissantes.
Quand le chatbot devient
le premier avis médical.
Ce que révèle l’étude Mount Sinai publiée dans Nature Medicine le 23 février 2026 — et ce qu’elle signifie pour les 40 millions d’utilisateurs qui sollicitent ChatGPT chaque jour pour des questions de santé.
Le LLM comme premier interlocuteur médical : ampleur, risques, et angle mort réglementaire
En janvier 2026, OpenAI lance ChatGPT Health, un agent conversationnel dédié à l’orientation médicale. La société indique alors que 40 millions de personnes par jour, soit environ 5 % de l’usage total de ChatGPT, sollicitent déjà le modèle pour des questions de santé. Plus largement, OpenAI affirme que 230 millions de personnes par semaine consultent ChatGPT pour des conseils médicaux — vérification d’aliments, gestion d’allergies, interprétation de symptômes (OpenAI, communiqué officiel cité par Euronews, mars 2026).
Le 23 février 2026, l’Icahn School of Medicine at Mount Sinai publie dans Nature Medicine la première évaluation indépendante de sécurité de ChatGPT Health. L’étude — « ChatGPT Health performance in a structured test of triage recommendations » (DOI 10.1038/s41591-026-04297-7) — repose sur un protocole inattaquable : 60 scénarios cliniques structurés couvrant 21 spécialités médicales, testés dans 16 variantes contextuelles (genre, ethnie, présence d’un proche minimisant les symptômes, obstacles à l’accès aux soins), soit 960 interactions analysées. Chaque cas est comparé au consensus de trois médecins indépendants s’appuyant sur les recommandations de 56 sociétés savantes.
Les résultats sont sans appel : ChatGPT Health a sous-évalué la gravité de 51,6 % des cas d’urgence vitale. Concrètement, face à un scénario d’asthme sévère ou de complication diabétique grave, l’outil reconnaissait les signes d’alerte tout en recommandant d’attendre — au lieu d’orienter vers les urgences. Plus inquiétant encore : les alertes de crise suicidaire (orientation vers le 988 Lifeline aux États-Unis) s’activaient davantage pour les scénarios à faible risque que dans les cas où l’utilisateur décrivait un plan concret d’automutilation. Le Dr Girish Nadkarni, Chief AI Officer de Mount Sinai et co-auteur principal, qualifie ce phénomène d' »alertes inversées par rapport au risque clinique« .
Une seconde étude publiée également dans Nature Medicine en février 2026, menée par l’Université d’Oxford sur 1 300 participants britanniques, confirme le constat à plus large échelle : ChatGPT, Llama de Meta et Command R+ ne font pas mieux qu’une simple recherche internet lorsqu’un patient tente d’interpréter ses symptômes. La chercheuse Rebecca Payne (Oxford) résume : « Il y a un véritable emballement autour des IA, mais elles ne sont tout simplement pas prêtes à remplacer un médecin.«
En France, le cadre s’est structuré pour les professionnels — pas pour le grand public. La Haute Autorité de Santé a publié le 30 octobre 2025, avec la CNIL, ses « Premières clefs d’usage de l’IA générative en santé« . Un guide complet de 60 pages, « Accompagner le bon usage des systèmes d’intelligence artificielle en contexte de soins » (version du 16 février 2026), a été soumis à consultation publique jusqu’au 16 avril 2026 et est désormais le document de référence. Il structure les recommandations en 12 sections couvrant le cycle de vie complet d’un système d’IA en soins : gouvernance, acquisition, vérification d’adéquation locale, formation des professionnels, information du patient, contrôle humain, traçabilité, vigilance, désinstallation, et spécificités de l’IA générative. Selon la Fédération hospitalière de France (juillet 2025), 65 % des établissements de santé publics utilisaient déjà des technologies d’IA en production sur 110 établissements interrogés. Le document HAS/CNIL pose un principe clair : « le professionnel de santé reste entièrement responsable, même lorsque l’acte est accompli avec l’assistance d’un SIA« . Mais ce cadre vise exclusivement les professionnels et établissements de santé — il n’encadre pas l’usage grand public, précisément celui que documente l’étude Mount Sinai. L’angle mort reste entier.
Le DSA ne s’applique pas aux LLMs conversationnels. L’AI Act classe comme « à haut risque » les systèmes d’IA destinés aux diagnostics médicaux — mais ChatGPT généraliste, qui répond de facto à des questions médicales sans en être le but explicite, échappe à cette classification. Le décalage entre la rapidité de l’usage et la lenteur du cadre est documenté, structurel, et durable.
Ce résultat va au-delà de la simple inconsistance. Les alertes du système étaient inversées par rapport au risque clinique : elles apparaissaient plus fiablement pour les scénarios à faible risque que dans les cas où l’utilisateur exprimait un plan concret d’automutilation.
Il y a un véritable emballement autour des IA, mais elles ne sont tout simplement pas prêtes à remplacer un médecin.
Méthodologie. Ce Baromètre compile exclusivement des données publiées et datées. Chaque source est citée inline avec date de publication et titre exact. Les projections Q2 sont des extrapolations fondées sur les tendances vérifiées et étiquetées comme telles — elles n’engagent pas Observia au-delà de leur valeur indicative. Les citations d’experts ont été vérifiées dans leur source originale ; en cas d’impossibilité de vérification, la citation n’apparaît pas.
Erreurs et corrections. Observia s’engage à publier toute correction substantielle dans le numéro suivant et sur apollo-lab.fr/observia. Pour signaler une erreur : contact@apollo-lab.fr
Citation recommandée. Observia, Baromètre des Mutations Algorithmiques #01 — Q1 2026, Apollo Lab, mai 2026. Reproduction libre avec mention de la source — licence Creative Commons BY-NC.
21 rue du Soleil, 75020 Paris · contact@apollo-lab.fr · apollo-lab.fr/observia
Licence Creative Commons BY-NC