Festival JournalismAI : Comment les rédactions apprennent à intégrer l’IA générative
Comment intégrer efficacement l’intelligence artificielle générative dans les rédactions ? Les 11 et 12 novembre, le festival JournalismAI organisé par Polis (LSE) a rassemblé journalistes, responsables techniques et dirigeants de médias venus partager leurs expérimentations concrètes. Partout, la même tension : l’enthousiasme pour les opportunités offertes par l’IA cohabite avec une lucidité sur ses limites et la nécessité d’une montée en compétences dans les rédactions. Revue des points principaux
Par Alexandra Klinnik, MediaLab de l’Information de France Télévisions
Une méconnaissance persistante de l’IA dans les rédactions
Un constat : certaines notions basiques autour de l’IA générative ne sont pas comprises. Dans les rédactions, la méconnaissance des notions basiques de l’intelligence artificielle reste frappante. Chris Moran s’alarme de la manière dont certains journalistes transforment l’IA en simple matière à anecdotes, une expérimentation au lieu d’en saisir les mécanismes essentiels. Selon le responsable de l’innovation et de l’IA de Guardian News & Media, cette approche traduit « une profonde incompréhension de ce à quoi nous avons réellement affaire ». Il observe une prolifération d’articles où un journaliste interroge un modèle, relève une erreur, puis se lance dans une longue interaction pour tenter de comprendre ce dysfonctionnement. Le récit se transforme ensuite en chronique où l’auteur se présente comme ayant été « manipulé » par l’IA, une mise en scène qui détourne l’attention de l’enjeu véritable : comprendre comment ces systèmes fonctionnent. Pour Chris Moran, il est urgent d’élever le niveau de réflexion autour de l’innovation journalistique et de mieux former les équipes : « C’est notre responsabilité de dire combien de temps nous leur demandons d’y consacrer si cela en vaut la peine, et aussi de vérifier si nous leur donnons la possibilité de s’éloigner du desk d’actualité ».
Partenariats avec les géants de la tech : une nécessité stratégique ?
Pour Liz Lohn, directrice produit IA du Financial Times, la question ne se pose plus. Les médias doivent désormais arbitrer clairement ce qu’ils choisissent de construire en interne et ce qu’ils préfèrent développer en partenariat avec les entreprises technologiques. Cette réflexion touche directement à la capacité d’innovation des rédactions. « Avons-nous vraiment besoin de développer certaines fonctionnalités sur nos propres sites ? Nous sommes tellement plus lents que les entreprises tech. Il est probable que nous devions simplement nouer de véritables partenariats avec elles sur certains aspects », reconnaît-elle. Le Financial Times a d’ailleurs franchi le pas en avril 2024 en signant un accord stratégique et de licence avec OpenAI. Pour Liz Lohn, ce choix répond aussi à un enjeu d’audience. Les plateformes d’IA deviennent un passage obligé pour toucher les publics émergents : « Notre lectorat vieillit et disparaît, et ce n’est un secret pour personne. Comme l’ensemble du secteur, nous devons conquérir de nouveaux lecteurs plus jeunes. Oui, l’IA hallucine – mais les réseaux sociaux aussi ».
« Notre lectorat vieillit et disparaît, et ce n’est un secret pour personne. Comme l’ensemble du secteur, nous devons conquérir de nouveaux lecteurs plus jeunes. Oui, l’IA hallucine – mais les réseaux sociaux aussi ».
Elle estime même que les partenariats avec l’IA peuvent être mieux encadrés que ceux noués autrefois avec les réseaux sociaux : « Nous pouvons gérer ces technologies à travers un accord réellement bien conçu, mieux que ce que nous avons fait avec certaines plateformes sociales. L’enjeu est de les engager avec un contenu réellement pertinent, puis de les amener à valoriser notre marque, notre travail de curation et l’autorité de nos journalistes ». Une réflexion que partage Agnes Stenbom de Schibsted : « La question n’est pas de savoir si nous voulons collaborer avec les entreprises d’IA, mais comment nous collaborons ».
Faut-il utiliser l’IA pour écrire ?
Au Guardian, l’IA accompagne mais ne dirige pas. « Nous avons approuvé l’utilisation de Gemini en interne », explique Chris Moran. Mais le quotidien refuse de produire ses propres outils d’écriture : « Ces fonctionnalités seront bien plus efficaces directement dans Google Docs que dans des solutions maison ».
Pour lui, l’écriture reste un terrain profondément personnel : « C’est à chacun de décider quelle place l’IA peut prendre dans son flux de travail. Il ne s’agit pas de dire aux journalistes : “Voici comment vous devez utiliser cet outil. »
Cas d’usages concrets
1. S’adapter au style du média – BBC
La BBC, qui dispose d’une équipe dédiée à l’IA de six personnes, a mis en place un pilote, un CMS alimenté par un LLM pour les 150 reporters locaux, visant à améliorer le style rédactionnel et l’efficacité. « Grâce à un LLM BBC, nous leur avons donné la possibilité d’envoyer leurs textes directement dans le CMS. Le modèle effectue une première mise en forme selon le style BBC ; propose des suggestions ou signale des problèmes. Cela a été très concluant et les taux de précisions élevés » a expliqué Nathalie Malinarich, Executive News Editor, Digital Development, de BBC News. « Nous avons aussi réalisé un autre test autour de la création de résumés avec un outil commercial. Ce fut moins réussi, en partie à cause de la friction liée à une mauvaise intégration », a-t-elle poursuivi.
2. Stimuler l’engagement des lecteurs – Financial Times
Au Financial Times, l’IA est utilisée pour générer des suggestions de discussion à partir des articles, ce qui a entraîné une hausse de 3,5 % du taux de commentaires. Les lecteurs qui commentent sont en moyenne six fois plus engagés, mais seulement 60 % d’entre eux savent que la section commentaires existe. Pour y remédier, l’équipe d’engagement du public insère dans les articles des questions générées par un LLM, incitant les lecteurs à rejoindre la discussion. Cette approche, transparente et ciblée, a permis d’augmenter significativement l’interaction. Comme le souligne Liz Lohn : « L’équipe examine une question générée par un LLM à partir de l’article, destinée à lancer une discussion. Cette question est ensuite insérée dans l’article et redirige vers la section commentaires. Cela a augmenté le taux de commentaires de 3,5 %, ce qui est assez significatif étant donné à quel point ces lecteurs sont plus engagés ».
3. Servir d’éditeur – The European Correspondent
The European Correspondent est une rédaction paneuropéenne indépendante, couvrant l’actualité sur tout le continent. Cette ambition pose des défis : comment rendre chaque histoire pertinente pour des lecteurs situés dans différents pays, avec des ressources limitées ? Comme le souligne Philippe Kramer, cofondateur : « Pourquoi quelqu’un d’Estonie aurait-il besoin de savoir ce qui se passe au Portugal ? Comment raconter une histoire de Norvège qui soit importante pour quelqu’un en Italie ? Nous n’avons pas les ressources éditoriales nécessaires pour gérer autant d’histoires, donc très souvent, il faut faire le travail seul ». Pour répondre à ces défis et améliorer la qualité éditoriale, la rédaction a développé Vika, un éditeur-compagnon intégré à leur CMS : il propose des modifications et des commentaires sur les brouillons. Philippe Kramer précise que l’objectif de Vika est d’« augmenter le nombre de décisions conscientes que les journalistes prennent », en conservant l’expertise humaine tout en intégrant une assistance IA contextuelle.
4. Accélérer la production journalistique – Gubbi Labs
Gubbi Labs, organisation indienne de presse fondée sur la recherche et spécialisée dans la communication scientifique depuis 2014, s’appuie au quotidien sur l’analyse d’articles de recherche dans tous les domaines – sciences, ingénierie, sciences humaines – pour produire des articles d’actualité. Jusqu’à récemment, identifier les pistes pertinentes, comprendre les travaux et rédiger un premier brouillon prenait à leur petite équipe de six personnes entre une et deux semaines. « Aujourd’hui, nous avons réussi à réduire ce processus à 3 ou 4 heures », explique HS Sudhira, directeur de l’organisation. Ce gain de temps considérable repose sur la création de Babbler, un outil d’IA conçu pour automatiser les parties les plus chronophages du flux de travail. Le principal obstacle tenait en effet au temps passé à parcourir des milliers d’articles de recherche pour repérer ceux qui méritaient une couverture journalistique. Babbler s’appuie notamment sur un indice de valeur journalistique permettant de filtrer et classer rapidement les travaux les plus prometteurs.
« Nous avons créé notre propre matrice d’analyse pour attribuer à chaque publication un indice indiquant son potentiel journalistique. Ainsi, au lieu de parcourir des milliers d’articles chaque mois – rien qu’en Inde, cela représente entre 2 500 et 3 500 publications – nous nous concentrons désormais sur les 50 meilleurs pour chaque thématique », détaille HS Sudhira. Il poursuit : « Certaines des meilleures institutions, comme l’Indian Institute of Science, publient environ 2 000 articles par an. Comment choisir si un article de recherche n’est qu’une avancée incrémentale, quelque chose d’ésotérique, ou au contraire, une découverte qui mérite vraiment d’être racontée ? Nous avons donc mis en place un indice de ‘newsworthiness’ pour filtrer et classer les sujets ». L’utilisation d’outils d’IA dans ce cas a considérablement réduit le temps et l’effort nécessaires pour sélectionner les articles scientifiques à lire. « Ce dont nous avons toujours été très conscients, c’est que, à différents points de contact, nous incluons un human-in-the-loop. Nous avons des diplômés en sciences ou en ingénierie », rappelle HS Sudhira, soulignant que l’IA accélère le travail, mais ne remplace pas l’expertise éditoriale.
« Certaines des meilleures institutions, comme l’Indian Institute of Science, publient environ 2 000 articles par an. Comment choisir si un article de recherche n’est qu’une avancée incrémentale, quelque chose d’ésotérique, ou au contraire, une découverte qui mérite vraiment d’être racontée ? Nous avons donc mis en place un indice de ‘newsworthiness’ pour filtrer et classer les sujets »
5. Mutualiser contenus et données pour enrichir les outils – Bayerischer Rundfunk
Bayerischer Rundfunk (BR) explore les bénéfices de la mutualisation des contenus pour renforcer la fiabilité des produits d’IA. Avec le groupe privé Ippen et la ville de Munich (Munich.de), le diffuseur public a déployé un chatbot pendant trois semaines pour l’Oktoberfest, nourri d’un pool partagé d’informations culturelles et pratiques. « Notre intuition était que la qualité des réponses pourrait changer si nous combinions différents réservoirs de contenus. Et c’est exactement ce qui s’est produit : lorsque nous nourrissions le chatbot uniquement avec notre contenu, certaines questions restaient sans réponse », explique Uli Köppen, Chief AI Officer du BR. En combinant contenus publics et privés, le système a gagné en pertinence : « Nous pouvions ainsi garantir que les informations fournies étaient fiables (…) et répondre à des questions pratiques : “Comment s’y rendre ?” “Combien ça coûte ?” ». L’expérience confirme, selon Uli Köppen, que ce modèle pourrait s’avérer viable pour l’ensemble du secteur, même si « le problème des hallucinations (…) ne disparaît pas complètement » et que l’information doit rester vérifiée : « Cela pourrait être une offre complémentaire pour tous ceux qui utilisent ChatGPT : nous pouvons garantir que les informations supplémentaires fournies sont vraiment fiables. C’est également un point très intéressant pour la collaboration au sein de l’industrie médiatique. Tout le monde parle de collaboration, mais honnêtement, je n’en vois pas beaucoup pour le moment ».
Au terme de ces deux jours, un optimisme prudent se dégage : l’IA générative peut enrichir le journalisme, mais à condition d’être maniée avec discernement et de rester sous contrôle humain. Comme le souligne Chris Moran : « Alors que l’IA générale pourrait nous tuer, créer un produit d’IA générative ne va pas nous sauver. J’espère voir des gens dans notre situation passer de l’expérimentation initiale de la technologie pour essayer de la comprendre à quelque chose de plus réfléchi, comme ce que pourrait être l’innovation en journalisme. » L’enjeu est clair : ne pas se laisser séduire par la nouveauté pour elle-même, mais transformer curiosité et expérimentation en usages réellement réfléchis et utiles.
