Qui contrôle l’attention contrôle l’intelligence collective

Une question dérangeante se cache derrière l’essor de l’intelligence artificielle et la concentration des médias : qui possède les conditions dans lesquelles une société pense ensemble ?

On parle souvent de l’IA comme d’une technologie capable de produire des textes, des images ou des décisions. On parle aussi du rachat de médias comme d’une opération financière, d’un mouvement de consolidation ou d’une stratégie d’influence. Ces deux phénomènes semblent appartenir à des univers différents. L’un relève de l’informatique, l’autre du capital et de la politique.

Pourtant, ils touchent au même point sensible : la manière dont une collectivité sélectionne ce qui mérite son attention, organise ses connaissances et transforme des perceptions dispersées en jugement commun.

L’intelligence artificielle ne devient pas véritablement collective simplement parce qu’elle rassemble des données produites par des millions de personnes. Un média ne devient pas pluraliste simplement parce qu’il touche des millions d’abonnés. Dans les deux cas, la question décisive est ailleurs : qui règle le système de circulation, quels intérêts le financent, et quelles voix deviennent visibles ou invisibles ?

De l’information à l’infrastructure de la pensée

Une société ne pense pas seulement avec ses idées. Elle pense avec ses infrastructures. Les écoles, les bibliothèques, les journaux, les plateformes sociales, les moteurs de recherche et désormais les modèles d’intelligence artificielle déterminent ce qui peut être trouvé, comparé, mémorisé et discuté.

Cette infrastructure est rarement neutre. Une rédaction choisit ses sujets, ses invités et ses titres. Un réseau social hiérarchise les contenus selon des critères d’engagement. Un modèle d’IA répond à partir de données sélectionnées, de règles d’entraînement et de mécanismes de filtrage. À chaque étape, une multitude de voix est transformée en une représentation plus étroite du monde.

C’est là que se rejoignent l’IA et la concentration médiatique. Toutes deux promettent une forme de mise en commun. Toutes deux peuvent donner accès à une quantité extraordinaire de savoirs. Mais toutes deux peuvent aussi convertir cette promesse collective en centralisation du pouvoir de sélection.

Prenons le cas d’un grand groupe industriel qui possède des journaux régionaux, un quotidien économique, des chaînes de télévision, des radios et une plateforme numérique suivie par des millions de jeunes. La force d’un tel ensemble ne réside pas uniquement dans le nombre de titres détenus. Elle vient de la possibilité de faire circuler les mêmes priorités à travers plusieurs formats et plusieurs moments de la journée.

Une information peut apparaître dans une vidéo courte, être reprise par une chaîne d’information, commentée à la radio, approfondie dans un journal et associée à une campagne publicitaire commune. Même si chaque rédaction conserve officiellement son identité, le groupe dispose d’une capacité nouvelle : orchestrer l’environnement mental d’une population.

L’IA fonctionne selon une logique comparable. Elle ne se contente pas de restituer des informations. Elle les résume, les ordonne, les reformule et les rend plus ou moins accessibles. Elle devient progressivement une couche entre les individus et le monde. Le risque n’est donc pas seulement qu’elle produise une erreur. Le risque est qu’elle rende certaines erreurs, certains cadrages ou certaines absences particulièrement faciles à adopter.

Le pouvoir le plus important n’est pas toujours celui qui impose une opinion. C’est celui qui définit le menu des opinions disponibles.

Le paradoxe de la communauté authentique

L’histoire de Brut illustre un paradoxe central de l’économie de l’attention. Le média a conquis une large audience en se présentant comme plus proche, plus direct et plus en phase avec les aspirations d’une génération. Ses vidéos courtes, sous titrées et visuellement accessibles ont permis de toucher des publics qui se sentaient éloignés des médias traditionnels.

Son capital principal n’était pas une imprimerie, une fréquence ou un catalogue d’archives. C’était une relation. Une partie de son public avait le sentiment que le média comprenait ses préoccupations, notamment l’écologie, les discriminations, le féminisme et les inégalités. Cette confiance affective constituait une ressource économique aussi importante que les revenus publicitaires.

Mais une communauté n’est pas une propriété ordinaire. Elle peut être comptée, mesurée et monétisée, mais elle ne peut pas être transférée sans perte. Lorsqu’un média indépendant rejoint un vaste groupe détenu par un milliardaire, le changement ne porte pas seulement sur l’actionnariat. Il modifie la signification du lien entre le média et son public.

C’est comparable à un petit restaurant de quartier racheté par une chaîne nationale. Les recettes peuvent rester identiques, le personnel peut rester en place et la décoration peut même être conservée. Pourtant, les clients savent que quelque chose a changé. Le lieu n’est plus seulement un lieu de rencontre. Il appartient désormais à une architecture de rendement, de marque et de déploiement stratégique.

Le public de Brut a exprimé cette inquiétude en parlant d’une fin d’époque. Cette réaction ne doit pas être réduite à une nostalgie naïve. Elle révèle une intuition juste : la crédibilité d’un média dépend aussi de la distance qu’il semble maintenir avec les centres de pouvoir.

Bien sûr, cette indépendance était déjà imparfaite. Le média avait besoin d’investisseurs et reposait largement sur le contenu de marque, c’est à dire des contenus produits pour des annonceurs en utilisant la crédibilité éditoriale d’un média. La pureté initiale n’existait donc pas vraiment. Mais la visibilité d’une dépendance ne produit pas le même effet que sa banalisation.

Un financement ponctuel peut être perçu comme un compromis. L’intégration durable dans un ensemble qui cherche explicitement à étendre son influence peut être perçue comme une redéfinition de la mission.

Ce point est essentiel pour comprendre l’IA. Un assistant conversationnel peut sembler personnel, spontané et neutre, alors qu’il est le produit d’une organisation possédant ses propres contraintes commerciales, juridiques et politiques. Son ton de proximité crée une relation analogue à celle d’un média social. Plus l’utilisateur a l’impression d’échanger avec une intelligence indépendante, plus il risque d’oublier qu’il interagit avec une infrastructure gouvernée par d’autres.

L’illusion de proximité est donc devenue une forme avancée de pouvoir. Le système n’a plus besoin de se présenter comme une institution distante. Il peut parler comme un compagnon, un conseiller ou un membre de la communauté.

L’intelligence collective ne se mesure pas au nombre de participants

Il existe une confusion fréquente entre foule et intelligence collective. Une foule produit beaucoup de réactions. Une intelligence collective produit de meilleurs modèles du réel.

La différence tient à la structure de la coopération. Pour qu’un groupe pense mieux qu’un individu, il faut au moins quatre conditions : une diversité réelle des perspectives, une circulation des désaccords, des mécanismes de vérification et la possibilité de corriger les erreurs.

Une audience de treize millions de personnes n’est pas nécessairement une intelligence collective. Elle peut être une réserve de données, un marché publicitaire ou un ensemble de spectateurs exposés aux mêmes récits. De la même façon, un modèle entraîné sur une quantité gigantesque de textes n’est pas automatiquement sage. Il peut reproduire les biais dominants, lisser les contradictions et donner une apparence de cohérence à des informations incompatibles.

On peut représenter la qualité d’une intelligence collective par une équation simple :

Qualité collective = diversité des perspectives × qualité de la confrontation × capacité de correction

Si l’un de ces facteurs tend vers zéro, le résultat s’effondre. Une grande diversité sans vérification produit du bruit. Une excellente vérification sans diversité produit une orthodoxie efficace. Une discussion ouverte sans capacité de correction produit une répétition sophistiquée des mêmes erreurs.

La concentration médiatique fragilise cette équation en réduisant la diversité des propriétaires et donc, potentiellement, celle des cadrages. L’IA peut aggraver le problème si elle apprend principalement à partir de contenus déjà dominants, puis les reformule dans un style clair et convaincant. Elle risque alors de transformer une opinion majoritaire en évidence automatique.

L’effet est subtil. La censure directe est visible et suscite une résistance. La standardisation des angles est beaucoup plus difficile à détecter. Elle fonctionne par sélection, par répétition et par facilité. Ce qui est repris partout devient familier. Ce qui est familier semble raisonnable. Ce qui semble raisonnable est davantage recommandé, cité et demandé.

C’est ainsi qu’une boucle de rétroaction se crée :

1. Les médias et plateformes rendent certains sujets plus visibles.
2. Les utilisateurs réagissent davantage à ces sujets.
3. Les données d’audience confirment leur importance.
4. Les systèmes automatisés les recommandent encore plus.
5. Les autres sujets deviennent progressivement moins observables.

L’intelligence collective peut alors devenir une intelligence cumulative, qui accumule les mêmes signaux au lieu d’élargir le champ de compréhension.

Le vrai enjeu : la pluralité des médiations

Faut il en conclure qu’il faudrait empêcher les grands groupes d’acquérir des médias ou refuser les outils d’intelligence artificielle ? Ce serait une réponse trop simple à un problème plus profond.

Toute société a besoin de médiations. Aucun individu ne peut vérifier seul toutes les informations, lire tous les documents ou comprendre toutes les disciplines. Nous dépendons nécessairement d’institutions qui sélectionnent et organisent le savoir. La question n’est donc pas de supprimer les médiateurs, mais d’éviter qu’un seul type de médiateur devienne incontournable.

La pluralité utile ne consiste pas seulement à multiplier les marques. Elle exige une diversité de modèles économiques, de propriétaires, de méthodes et de temporalités. Une chaîne d’information en continu ne travaille pas comme un journal local. Une vidéo de trente secondes ne remplit pas la même fonction qu’une enquête de plusieurs mois. Un modèle d’IA ne doit pas être la seule porte d’entrée vers les connaissances.

On peut distinguer trois niveaux de pluralité :

La pluralité des voix : plusieurs personnes et groupes peuvent s’exprimer.

La pluralité des filtres : plusieurs institutions interprètent les mêmes faits selon des méthodes différentes.

La pluralité des infrastructures : aucune entreprise ou plateforme ne contrôle seule l’accès à l’ensemble des informations.

Le troisième niveau est le plus souvent oublié. On peut avoir de nombreuses voix publiées sur une plateforme unique, mais rester dépendant d’un seul système de classement. On peut avoir plusieurs journaux appartenant à des marques différentes, mais dépendre des mêmes régies publicitaires, des mêmes agences et des mêmes métriques d’audience.

La véritable autonomie commence lorsque les citoyens peuvent comparer les cartes, pas seulement choisir entre plusieurs couleurs sur la même carte.

Cela implique aussi de revoir notre conception de l’innovation. Nous célébrons souvent la capacité d’une technologie à produire davantage et plus vite. Mais une société intelligente doit également demander : produit elle davantage de compréhension, ou seulement davantage de contenu ?

Une vidéo courte peut rendre un sujet accessible. Elle peut aussi réduire un problème complexe à une réaction émotionnelle. Une IA peut synthétiser une documentation immense. Elle peut aussi donner à une conclusion fragile l’apparence d’un consensus. Le progrès ne se mesure pas à la quantité de médiation, mais à sa capacité à préserver les distinctions importantes.

Ce que chacun peut faire dès maintenant

La concentration des médias et l’essor de l’IA sont des phénomènes structurels. L’individu ne peut pas les résoudre seul. Mais il peut modifier sa position dans le système, en cessant d’être uniquement un consommateur de flux.

À retenir et à appliquer

1. Diversifiez vos points d’entrée. Pour un sujet important, consultez au moins un média local, un média spécialisé et une source qui n’appartient pas au même univers économique que les deux premiers.

2. Séparez l’accès de la confiance. Un contenu facile à comprendre n’est pas forcément plus fiable. Demandez qui le finance, quelles preuves sont citées et ce qui a été laissé de côté.

3. Utilisez l’IA comme contradicteur, pas comme oracle. Après lui avoir demandé une synthèse, demandez les hypothèses fragiles, les arguments opposés, les sources manquantes et les interprétations alternatives.

4. Protégez les formats lents. Réservez régulièrement du temps aux enquêtes longues, aux livres et aux conversations sans objectif immédiat. L’attention continue est une condition de la pensée critique.

5. Soutenez les mécanismes de transparence. Privilégiez les médias qui rendent visibles leur financement, leurs corrections, leurs propriétaires et la distinction entre contenu éditorial et contenu commercial.

Ces pratiques ont une valeur collective. Chaque fois qu’un lecteur demande plusieurs angles, chaque fois qu’un utilisateur vérifie une réponse générée, chaque fois qu’une communauté récompense la correction plutôt que la certitude, il augmente la qualité du signal qui circule dans le système.

La question que l’IA nous renvoie

L’intelligence artificielle ne crée pas la concentration du pouvoir informationnel. Elle la révèle et peut l’accélérer. Elle nous oblige à voir que l’intelligence collective n’est pas un stock de connaissances disponible dans le cloud. C’est une construction institutionnelle, fragile, qui dépend de la confiance, du désaccord et de la possibilité de changer d’avis.

De même, un média n’est pas seulement un producteur de contenus. C’est une relation organisée entre des faits, un public, des intérêts économiques et une certaine conception du monde. Lorsqu’il change de propriétaire, la question n’est pas uniquement de savoir si les vidéos resteront attractives. Il faut demander quelle capacité de cadrage vient d’être ajoutée à quel ensemble de pouvoirs.

Une société ne devient pas plus intelligente lorsqu’elle reçoit plus d’informations. Elle le devient lorsqu’elle conserve plusieurs chemins pour remettre ses informations en question.

Le défi des prochaines années ne sera donc pas simplement de rendre l’IA plus performante ou les médias plus rentables. Il sera de construire des systèmes capables de bénéficier de la coordination sans sacrifier la pluralité.

Car celui qui contrôle l’attention ne contrôle pas forcément ce que les gens pensent. Il contrôle quelque chose de plus fondamental : les conditions dans lesquelles ils peuvent encore penser autrement.