L'intelligence artificielle dans le journalisme financier : Bloomberg aux prises avec des résumés d'IA erronés
Version préliminaire d'Xpert
Sélection de voix 📢
Publié le : 6 avril 2025 / Mis à jour le : 6 avril 2025 – Auteur : Konrad Wolfenstein
L'intelligence artificielle dans le journalisme financier : Bloomberg aux prises avec des résumés d'IA erronés – Image : Xpert.Digital
Les limites de l'IA en journalisme ont-elles été atteintes ?
Les implémentations d'IA sont-elles adaptées à un usage quotidien ? Les débuts difficiles de Bloomberg avec les résumés automatisés
L'intégration de l'intelligence artificielle au journalisme pose des défis complexes aux entreprises de médias, comme le démontre le cas récent de Bloomberg. Ce service d'information financière expérimente des résumés d'articles générés par l'IA depuis janvier 2025, mais a déjà dû corriger au moins 36 résumés erronés. Cette situation met en lumière les difficultés d'intégration des systèmes d'IA dans les processus éditoriaux, notamment en ce qui concerne l'exactitude, la fiabilité et la confiance accordée aux contenus automatisés. Les sections suivantes examinent les problèmes spécifiques rencontrés par Bloomberg, les replacent dans le contexte des enjeux généraux de l'IA et proposent des solutions pour une intégration réussie de l'IA au journalisme.
Convient à:
L'entrée problématique de Bloomberg dans le domaine du contenu généré par l'IA
La propension aux erreurs des résumés générés par l'IA
Bloomberg, l'un des principaux groupes d'information financière internationaux, a commencé à utiliser des résumés à puces générés par l'IA en début d'article début 2025. Cependant, depuis ce lancement le 15 janvier, l'entreprise a dû corriger au moins trois douzaines de ces résumés automatisés, révélant d'importants problèmes de fiabilité. Ces problèmes sont particulièrement préoccupants pour une entreprise comme Bloomberg, reconnue pour la précision de ses reportages financiers et dont les informations peuvent souvent influencer directement les décisions d'investissement. La nécessité de nombreuses corrections compromet la confiance dans la fiabilité de cette nouvelle technologie et soulève des questions quant à l'opportunité d'intégrer prématurément l'IA au journalisme.
Une erreur particulièrement importante s'est produite lors de la publication d'un article de Bloomberg sur les droits de douane envisagés par le président Trump sur les automobiles. Si l'article original indiquait correctement que Trump pourrait annoncer ces droits de douane le jour même, le résumé généré par l'IA contenait des informations erronées concernant le calendrier d'une mesure tarifaire plus globale. Dans un autre cas, un résumé généré par l'IA affirmait à tort que le président Trump imposerait des droits de douane au Canada dès 2024. De telles erreurs illustrent les limites de l'IA dans l'interprétation d'informations complexes et les risques liés à la publication de contenu automatisé et non vérifié.
Outre des dates erronées, les erreurs comprenaient également des chiffres inexacts et des attributions erronées d'actions ou de déclarations à des personnes ou des organisations. Ces types d'erreurs, souvent qualifiées d'« hallucinations », représentent un défi particulier pour les systèmes d'IA, car elles peuvent paraître plausibles et sont donc difficiles à détecter sans un examen humain approfondi. La fréquence de ces erreurs chez Bloomberg souligne la nécessité de processus de vérification rigoureux et soulève des questions quant à la maturité de la technologie d'IA utilisée.
La réaction de Bloomberg aux problèmes liés à l'IA
Dans un communiqué officiel, Bloomberg a souligné que 99 % de ses résumés générés par l'IA respectent les normes éditoriales. L'entreprise affirme publier des milliers d'articles par jour et considère donc le taux d'erreur comme relativement faible. Bloomberg indique privilégier la transparence et corriger ou mettre à jour les articles selon les besoins. Elle a également insisté sur le fait que les journalistes ont toute latitude pour décider de la publication ou non d'un résumé généré par l'IA.
Dans un essai du 10 janvier, basé sur une conférence donnée à City St. George's University de Londres, John Micklethwait, rédacteur en chef de Bloomberg, a exposé les raisons d'être des résumés générés par l'IA. Il a expliqué que les clients les apprécient car ils permettent de saisir rapidement l'essentiel d'un article, tandis que les journalistes se montrent plus sceptiques. Il a reconnu que les journalistes craignent que les lecteurs ne se fient uniquement aux résumés et négligent le fond de l'article. Néanmoins, Micklethwait a souligné que la valeur d'un résumé généré par l'IA dépend entièrement de la qualité de l'article original – et que, pour cela, l'expertise humaine demeure essentielle.
Un porte-parole de Bloomberg a déclaré au New York Times que les retours sur les résumés étaient globalement positifs et que l'entreprise continuait d'œuvrer à l'amélioration de l'expérience utilisateur. Cette déclaration laisse entendre que, malgré les difficultés rencontrées, Bloomberg entend maintenir sa stratégie d'utilisation de l'IA pour les résumés, tout en accordant une plus grande importance à l'assurance qualité et au perfectionnement de la technologie employée.
L'IA dans le journalisme : un sujet d'actualité pour l'ensemble du secteur
Expériences d'autres entreprises médiatiques avec l'IA
Bloomberg n'est pas la seule entreprise médiatique à expérimenter l'intégration de l'IA dans ses processus journalistiques. De nombreux médias cherchent à optimiser l'utilisation de cette nouvelle technologie dans leurs reportages et leur travail éditorial. Le groupe de presse Gannett utilise des résumés similaires générés par l'IA pour ses articles, et le Washington Post a développé un outil appelé « Ask the Post » qui génère des réponses aux questions posées à partir des articles publiés. Cette adoption généralisée témoigne du vif intérêt du secteur des médias pour les technologies d'IA, malgré les risques et les défis associés.
D'autres entreprises médiatiques ont également rencontré des problèmes avec les outils d'IA. Début mars, le Los Angeles Times a retiré son outil d'IA d'une tribune après que la technologie a décrit le Ku Klux Klan autrement que comme une organisation raciste. Cet incident illustre que les difficultés rencontrées par Bloomberg ne sont pas un cas isolé, mais symptomatiques de problèmes plus généraux liés à l'intégration de l'IA dans le journalisme. Un constat se dessine : la technologie n'est pas encore suffisamment mature pour fonctionner de manière fiable sans supervision humaine, notamment lorsqu'il s'agit de sujets sensibles ou complexes.
Ces exemples illustrent la tension entre, d'une part, la volonté d'innovation et d'efficacité grâce à l'IA, et d'autre part, la nécessité de préserver les normes journalistiques et l'exactitude de l'information. Les entreprises de médias doivent trouver un juste équilibre : elles souhaitent tirer profit des avantages de l'IA sans risquer de perdre la confiance de leurs lecteurs ni compromettre les principes fondamentaux du journalisme. L'expérience de Bloomberg et d'autres organes de presse offre des enseignements précieux à l'ensemble du secteur quant aux opportunités et aux limites de l'IA dans le journalisme.
Convient à:
Le défi particulier du journalisme financier
Dans le secteur financier, où Bloomberg figure parmi les principaux services d'information, les exigences en matière d'exactitude et de fiabilité sont particulièrement élevées. L'impact des fausses informations peut avoir des conséquences financières importantes, car les investisseurs et les experts financiers fondent leurs décisions sur ces informations. Cette responsabilité particulière rend l'intégration des technologies d'intelligence artificielle dans le journalisme financier encore plus complexe que dans d'autres domaines de l'information.
Il est intéressant de noter que l'IA généraliste a surpassé l'IA spécialisée de Bloomberg précisément dans son domaine : l'analyse des rapports financiers. Bloomberg aurait investi au moins 2,5 millions de dollars dans le développement de sa propre IA financière, mais moins d'un an après son lancement fin mars 2023, il est devenu évident que les modèles d'IA généralistes comme ChatGPT et GPT-4 offraient de meilleurs résultats dans ce domaine. Ceci illustre le rythme rapide du développement de l'intelligence artificielle et la difficulté pour les entreprises de suivre le rythme des solutions spécialisées, à mesure que les modèles généralistes deviennent de plus en plus performants.
Bénéficiez de la vaste expertise quintuple de Xpert.Digital dans un package de services complet | BD, R&D, XR, PR & Optimisation de la visibilité numérique
Bénéficiez de la vaste expertise de Xpert.Digital, quintuple, dans une offre de services complète | R&D, XR, RP et optimisation de la visibilité numérique - Image : Xpert.Digital
Xpert.Digital possède une connaissance approfondie de diverses industries. Cela nous permet de développer des stratégies sur mesure, adaptées précisément aux exigences et aux défis de votre segment de marché spécifique. En analysant continuellement les tendances du marché et en suivant les évolutions du secteur, nous pouvons agir avec clairvoyance et proposer des solutions innovantes. En combinant expérience et connaissances, nous générons de la valeur ajoutée et donnons à nos clients un avantage concurrentiel décisif.
En savoir plus ici :
Qualité des données et modèles d'IA : les obstacles invisibles de la technologie moderne
Défis fondamentaux de l'IA générative
Le problème des hallucinations dans les modèles d'IA
L'un des défis fondamentaux posés par les systèmes d'IA, également souligné dans les analyses de Bloomberg, est le problème des « hallucinations » : la tendance des modèles d'IA à générer des informations plausibles en apparence, mais factuellement erronées. Ce problème survient lorsque les systèmes d'IA produisent un contenu qui dépasse les informations qui leur sont fournies ou lorsqu'ils interprètent mal les données. Ces hallucinations sont particulièrement problématiques en journalisme, où l'exactitude et la fiabilité des faits sont primordiales.
Les problèmes rencontrés par Bloomberg sont précisément de ce type d'hallucinations : l'IA a « inventé » des dates comme celle de la mise en œuvre des droits de douane sur les automobiles de Trump ou a faussement affirmé que Trump avait déjà imposé des droits de douane au Canada en 2024. Ces erreurs mettent en évidence les limites de la technologie d'IA actuelle, notamment en ce qui concerne l'interprétation précise d'informations complexes.
Les experts soulignent que les hallucinations peuvent être déclenchées par divers facteurs, notamment la manière dont les consignes et les textes d'entraînement sont encodés. Les grands modèles de langage (LLM) associent les concepts à une série de nombres, appelée encodage vectoriel. Pour les mots ambigus comme « banque » (qui peut désigner à la fois un établissement financier et un siège), il peut exister un encodage par signification afin d'éviter toute ambiguïté. Toute erreur d'encodage ou de décodage des représentations et des textes peut provoquer des hallucinations chez l'IA générative.
Transparence et traçabilité des décisions de l'IA
Un autre problème fondamental des systèmes d'IA réside dans le manque de transparence et de traçabilité de leurs processus décisionnels. Avec certaines méthodes d'IA, il devient impossible de comprendre comment une prédiction ou un résultat particulier est généré, ni pourquoi un système d'IA est parvenu à une réponse spécifique à une question donnée. Ce manque de transparence, souvent qualifié de « problème de la boîte noire », rend difficile l'identification et la correction des erreurs avant qu'elles ne soient rendues publiques.
La traçabilité est particulièrement importante dans des domaines comme le journalisme, où les décisions relatives au contenu doivent être transparentes et justifiées. Si Bloomberg et d'autres entreprises médiatiques ne parviennent pas à comprendre pourquoi leur IA génère des résumés erronés, il leur sera difficile de mettre en œuvre des améliorations systémiques. Elles devront alors se contenter de corrections a posteriori, une fois les erreurs commises.
Ce défi est également jugé important par des experts du monde des affaires et du milieu universitaire. Bien qu'il s'agisse principalement d'un défi technique, il peut aussi engendrer des problèmes sociétaux ou juridiques dans certains domaines d'application. Dans le cas de Bloomberg, cela pourrait entraîner une perte de confiance des lecteurs ou, dans le pire des cas, des décisions financières fondées sur des informations erronées.
Dépendance à l'égard de la qualité et de l'étendue des données
De plus, les applications basées sur l'IA dépendent de la qualité des données et des algorithmes. Compte tenu du volume et de la complexité des données utilisées, les erreurs systématiques dans les données ou les algorithmes passent souvent inaperçues. Il s'agit là d'un autre défi fondamental que Bloomberg et d'autres entreprises doivent relever lors de la mise en œuvre de systèmes d'IA.
Le problème du volume de données – l'IA ne pouvant véritablement considérer que des « fenêtres de contexte » relativement restreintes lors du traitement des commandes ou des invites – s'est considérablement atténué ces dernières années, mais demeure un défi. Le modèle d'IA de Google, « Gemini 1.5 Pro 1M », peut déjà traiter une invite de 700 000 mots ou une heure de vidéo, soit plus de sept fois la capacité du meilleur modèle GPT actuel d'OpenAI. Néanmoins, les tests montrent que si l'intelligence artificielle est capable de rechercher des données, elle peine à en saisir les relations internes.
Convient à:
Solutions et développements futurs
processus de surveillance humaine et d'édition
Une solution évidente aux problèmes rencontrés par Bloomberg réside dans un contrôle humain accru des contenus générés par l'IA. Bloomberg a déjà souligné que les journalistes ont toute latitude pour décider de la publication ou non d'un résumé généré par l'IA. Toutefois, ce contrôle doit être exercé efficacement, ce qui implique que les rédacteurs en chef disposent de suffisamment de temps pour examiner les résumés avant leur publication.
La mise en place de processus éditoriaux rigoureux pour la révision des contenus générés par l'IA est essentielle pour minimiser les erreurs. Cela pourrait impliquer d'exiger que tous les résumés produits par l'IA soient relus par au moins un correcteur humain avant publication, ou de soumettre certains types d'informations (comme les données, les figures ou les attributions) à des contrôles particulièrement approfondis. Bien que ces processus augmentent la charge de travail et réduisent ainsi certains gains d'efficacité liés à l'IA, ils sont indispensables pour garantir l'exactitude et la crédibilité des informations.
Améliorations techniques apportées aux modèles d'IA
Le développement technologique continu des modèles d'IA constitue une autre approche importante pour résoudre les problèmes actuels. Les hallucinations ont déjà considérablement diminué avec GPT-4 par rapport à son prédécesseur, GPT-3.5. Le dernier modèle d'Anthropic, « Claude 3 Opus », présente encore moins d'hallucinations lors des premiers tests. Le taux d'erreur des modèles vocaux devrait bientôt être inférieur à celui de l'être humain moyen. Néanmoins, contrairement à ce à quoi nous sommes habitués avec les ordinateurs, les modèles vocaux d'IA ne seront probablement pas exempts d'erreurs dans un avenir proche.
Une approche technique prometteuse est celle du « mélange d'experts » : plusieurs petits modèles spécialisés sont connectés à un réseau de portes logiques. Les données d'entrée du système sont analysées par la porte logique, puis, si nécessaire, transmises à un ou plusieurs experts. Enfin, les réponses sont combinées pour former une réponse unique et complète. Ceci évite d'avoir à activer systématiquement l'intégralité du modèle dans toute sa complexité. Ce type d'architecture pourrait potentiellement améliorer la précision en utilisant des modèles spécialisés pour des types d'informations ou des domaines spécifiques.
Des attentes réalistes et une communication transparente
Enfin, il est important d'avoir des attentes réalistes vis-à-vis des systèmes d'IA et de communiquer de manière transparente sur leurs capacités et leurs limites. Les systèmes d'IA actuels sont spécifiquement conçus pour un contexte d'application particulier et ne sont en aucun cas comparables à l'intelligence humaine. Cette compréhension devrait guider la mise en œuvre de l'IA dans le journalisme et d'autres domaines.
Bloomberg et les autres entreprises médiatiques devraient communiquer de manière transparente sur leur utilisation de l'IA et indiquer clairement que le contenu généré par cette technologie peut comporter des erreurs. Cela pourrait se faire par un étiquetage explicite du contenu généré par l'IA, des processus de correction des erreurs transparents et une communication ouverte sur les limites de la technologie utilisée. Une telle transparence contribuerait à maintenir la confiance des lecteurs, même en cas d'erreurs.
Pourquoi l'intégration de l'IA dans le journalisme échoue sans intervention humaine
L'expérience de Bloomberg avec les résumés générés par l'IA met en lumière la complexité de l'intégration de l'intelligence artificielle au journalisme. Les 36 erreurs au moins qui ont nécessité une correction depuis janvier démontrent que, malgré son potentiel, cette technologie n'est pas encore suffisamment mature pour être utilisée de manière fiable sans une supervision humaine rigoureuse. Les problèmes rencontrés par Bloomberg ne sont pas isolés ; ils reflètent des défis fondamentaux liés à l'IA, tels que les erreurs d'interprétation, le manque de transparence et la nécessité de disposer de données de haute qualité.
L'intégration réussie de l'IA dans le journalisme exige plusieurs approches : des processus éditoriaux rigoureux pour la vérification des contenus générés par l'IA, des améliorations techniques continues des modèles d'IA eux-mêmes et une communication transparente sur les capacités et les limites de la technologie utilisée. L'expérience de Bloomberg peut constituer un enseignement précieux pour d'autres entreprises médiatiques envisageant des déploiements similaires de l'IA.
L'avenir du journalisme assisté par l'IA repose sur notre capacité à exploiter les gains d'efficacité et les capacités d'innovation de l'IA sans compromettre les normes journalistiques. La clé réside dans une approche équilibrée qui considère la technologie comme un outil au service des journalistes, et non comme un substitut. Comme l'a judicieusement observé John Micklethwait de Bloomberg : « Un résumé généré par l'IA ne vaut que par l'article sur lequel il se fonde. Et pour ces articles, l'humain reste indispensable. »
Nous sommes là pour vous - conseil - planification - mise en œuvre - gestion de projet
☑️ Accompagnement des PME en stratégie, conseil, planification et mise en œuvre
☑️ Création ou réalignement de la stratégie digitale et digitalisation
☑️ Expansion et optimisation des processus de vente à l'international
☑️ Plateformes de trading B2B mondiales et numériques
☑️ Développement commercial pionnier
Konrad Wolfenstein
Je serais heureux de vous servir de conseiller personnel.
Vous pouvez me contacter en remplissant le formulaire de contact ci-dessous ou simplement m'appeler au +49 89 89 674 804 (Munich) .
J'attends avec impatience notre projet commun.
Écris moi
Xpert.Digital - Konrad Wolfenstein
Xpert.Digital est une plateforme industrielle axée sur la numérisation, la construction mécanique, la logistique/intralogistique et le photovoltaïque.
Avec notre solution de développement commercial à 360°, nous accompagnons des entreprises de renom depuis les nouvelles affaires jusqu'à l'après-vente.
L'intelligence de marché, le smarketing, l'automatisation du marketing, le développement de contenu, les relations publiques, les campagnes de courrier électronique, les médias sociaux personnalisés et le lead nurturing font partie de nos outils numériques.
Vous pouvez en savoir plus sur : www.xpert.digital - www.xpert.solar - www.xpert.plus
Rester en contact
