ChatGPT a remplacé Google dans la tête des élèves. Et maintenant ?
Quand l'outil de recherche devient oracle, l'éducation aux médias doit repenser ses fondamentaux.
La recherche d'informations s'impose comme le principal usage des IA génératives chez les 18-25 ans : 89 % du panel interrogé par l'agence Heaven dans son rapport Born AI 2025 déclare les utiliser "souvent" et "occasionnellement" à cette fin. Ce basculement n'indique pas simplement d'un changement d'outil. C'est un changement de rapport à l'information et à la connaissance.
Quand les IA génératives simulent la vérité
Quand un moteur de recherche renvoie une liste de sources certes imparfaites mais visibles, l'utilisateur peut naviguer, comparer, douter.
Un chatbot, lui, produit une réponse. Une seule. Formulée avec l'assurance tranquille d'un expert, sans signaler ses propres limites. Dans le meilleur des cas, il citera des sources... issues de ses calculs de moyennes et de probabilités. En conséquence : l'outil se trompe souvent, mais ne le dit presque jamais.
Nos biais cognitifs entrent également en jeu : le biais d'automatisation — cette tendance à surestimer la fiabilité des sources automatisées — et l'effet de simple exposition — qui accroît notre confiance envers ce qui nous paraît familier — opèrent de concert face à un chatbot. La réponse est structurée, bien rédigée, cohérente. Elle ressemble à de la vérité. Et cette ressemblance suffit souvent à convaincre.
L'EMI face à un impensé pédagogique
Face à cela, faut-il encore enseigner aux élèves à "vérifier leurs sources" comme si Google était leur porte d'entrée dans l'information ? Bien sûr, identifier l'auteur d'un article, vérifier la date d'une publication, croiser plusieurs sources... Tout cela reste valable. Mais cela présuppose un écosystème informationnel où les sources sont visibles. Et donc de changer d'outil, ce qui rend la vérification plus fastidieuse.
Avec les IA génératives, les sources disparaissent ou se fondent dans la réponse. On perd tout traçabilité (non, les sources citées ne sont pas forcément celles utilisées). Certains outils comme Perplexity ou le mode recherche de ChatGPT citent bien quelques sources, mais leur sélection reste opaque et leur pertinence moindre par rapport à une version de l'outil qui calcule dans une base de données.
À la vérification d'information, il faut donc ajouter une forme de prévention informationnelle, qui alimente le doute en amont de toute consultation. D'après une intervention au Printemps de l'EMI (2025) de Laurent Petit, responsable du Master "Ingénierie de la formation et Médias numériques" à l'Université de la Sorbonne, il est aujourd'hui nécessaire d'enseigner l'IA en tant qu'objet de recherche, pas seulement comme outil. La question n'est plus seulement "qui a écrit ça ?" mais aussi "comment cette réponse a-t-elle été construite ?"
Ce déplacement est fondamental. Il ne s'agit plus d'évaluer une source humaine, mais de comprendre un système statistique — Faire et réfléchir à ce qu'on a fait.
5 exercices à tester en classe
1. Comparer la réponse d'une IA générative* avec une recherche Google sur le même sujet.
Les sources sont-elles visibles ? Sont-elles les mêmes ? pourquoi ? D'où proviennent-elles ?
Outre l'observation des résultats, cela permet de revenir sur le langage de consultation (mots-clés/requêtes booléennes versus langage naturel/prompts).
*Préférez une IA générative qui ne nécessite pas d'inscription afin protéger les données personnelles des élèves : Euria (Infomaniak), Vittascience ou Duck.ai.
2. Comparer les écarts entre deux réponses générées par une IA
Choisir une question d'actualité simple comme Qui a gagné les dernières élections en X ? avec un outil comme compar.ia (il ne nécessite pas d'inscription).
S'interroger sur les différences entre les deux réponses.
Cet exercice permet de comprendre les limites des probabilités pour formuler des réponses. Il permet in fine de prendre un recul indispensable et de déjouer nos biais cognitifs face au leurre de vérité. C'est un réflexe essentiel à acquérir, surtout si l'on interroge l'IA sur un sujet que l'on ne maîtrise pas.
3. Poser la même question à deux outils différents
Choisir une question d'actualité simple — Qui a gagné les dernières élections en X ? Quelle est la cause du réchauffement climatique ? Quel est le meilleur joueur de foot en 2026 ?— et la soumettre simultanément à ChatGPT et à un moteur de recherche classique.
Observer : les réponses concordent-elles ? L'une cite-t-elle des sources, l'autre non ? L'une exprime-t-elle un doute là où l'autre est catégorique ?
C'est une invitation à voir que deux outils peuvent produire deux réalités différentes à partir de la même question.
4. le prompt — et s'étonner de l'écart
Poser une question à une IA générative, noter la réponse. Puis reformuler la même question différemment — en changeant le point de vue, le ton, ou le cadre — et comparer.
"Quels sont les bienfaits des réseaux sociaux pour les jeunes ?" ne produira pas la même réponse que "Quels sont les risques des réseaux sociaux pour les jeunes ?" — même si la réalité, elle, n't a pas changé.
Ce glissement révèle que l'IA ne cherche pas la vérité. Elle anticipe ce qu'on attend d'elle.
- Demander à l'IA d'où elle tient ses informations
Après une réponse, poser simplement : "Sur quelles sources tu t'appuies pour dire ça ?"
Observer la réponse. Est-elle précise ? Vague ? L'outil admet-il qu'il ne sait pas ? Invente-t-il une référence qui semble crédible — ce qu'on appelle une hallucination ?
Cet exercice rend visible ce que l'outil tend à dissimuler : il ne sait pas vraiment. Il génère du vraisemblable.