MIL Submissions Engine

Source: The Conversation – in French – By Christian Ben Lakhdar, Professeur d’économie, spé, Université de Lille

Les quantités de drogue saisies par les forces de l’ordre françaises sont toujours plus importantes. Pourtant, ces saisies ne signifient pas que la lutte contre le narcotrafic est un succès. En effet, la consommation est, elle aussi, en forte croissance.

---

Chaque année, les autorités françaises annoncent des saisies record de drogues. Cannabis, cocaïne, ecstasy : les volumes interceptés atteignent année après année des niveaux historiques. Pour 2024, ce sont ainsi près de 84 tonnes de cocaïne qui ont été saisies : un niveau jamais égalé ! Ces chiffres sont souvent présentés comme la preuve de l’efficacité de la lutte contre les trafics. Ainsi, président de la République, ministres de l’intérieur et de la justice se félicitent souvent des opérations mêlant interpellations et saisies de stupéfiants.

De fait, ces saisies témoignent d’un travail considérable des forces de l’ordre. Police, gendarmerie et douanes interceptent des flux massifs, parfois au prix d’opérations complexes, notamment sur les routes internationales du trafic.

Mais une question essentielle reste rarement posée : que nous disent ces chiffres de l’état et de la dynamique des marchés des drogues ?

Nos travaux récents invitent à penser qu’ils en disent très peu.

Des saisies impressionnantes… face à des marchés encore plus vastes

Pour comprendre ce que représentent les saisies, il faut les comparer à l’ampleur réelle des marchés.

Nous avons fait un travail de reconstitution des volumes consommés en France à partir d’enquêtes en population générale, pour trois années : 2010, 2017 et 2023. Pour cette dernière année, nous estimons par exemple que ce sont environ 400 tonnes de cannabis qui ont été consommées, 47 tonnes de cocaïne, 8 tonnes d’héroïne, ainsi que des dizaines de millions de comprimés d’ecstasy.

Ces estimations, périodiquement réalisées à la demande de la Mission interministérielle de lutte contre les conduites addictives (Mildeca) et de l’Observatoire français des drogues et tendances addictives (OFDT), reposent sur un cadre théorique relativement simple où l’on cherche à reconstituer, pour une année donnée, les quantités consommées et les dépenses engagées par les usagers de stupéfiants pour assouvir leur consommation. Nous nous appuyons pour cela sur les réponses obtenues dans une série d’enquêtes, l’Enquête sur les représentations, opinions et perceptions sur les psychotropes (Eropp) de l’OFDT et le Baromètre de Santé publique France, permettant de documenter différents indicateurs de consommation (fréquence, intensité, prix, mode de consommation, etc.).

De fortes hypothèses sont toutefois nécessaires pour pouvoir travailler nos estimations. Par exemple, les traitements de substitution aux opiacés diminuent certainement la consommation d’héroïne des usagers, reste à savoir de combien ? Ou encore, à ce jour, on ne sait que peu de choses sur les fréquences et l’intensité de consommation des personnes utilisant du crack.

Malgré ces difficultés méthodologiques, ces estimations sont intégrées dans le calcul du produit intérieur brut (PIB) par les services de l’Insee, comme le recommande Eurostat.

Lorsque l’on rapporte les saisies opérées aux estimations de consommation, elles représentent, selon les années, de 20 à 30 % du marché pour le cannabis, de 13 à 16 % pour l’héroïne et souvent moins de 10 % pour l’ecstasy.

Autrement dit, la majorité des produits circule malgré les efforts d’interception.

Le paradoxe de la cocaïne : quand les saisies dépassent le marché

Le cas de la cocaïne est particulièrement révélateur. En 2017 et en 2023, les quantités saisies en France ont pu dépasser les volumes estimés comme consommés dans le pays. Dit autrement, nous avons estimé que les saisies de cocaïne pourraient représenter plus de 100 % du marché de la cocaïne en France pour ces deux années (c’est notamment ce qu’indique la borne supérieure d’estimation sur le graphique ci-dessus). Ce résultat peut sembler contre-intuitif, mais s’explique par au moins deux facteurs. D’une part, les trafiquants anticipent les saisies et leur production est en mesure de compenser les pertes, sans impacter les quantités consommées. D’autre part, la France tient un rôle particulier dans les routes du trafic international impliquant qu’une partie importante de la cocaïne saisie sur le territoire n’était pas destinée au marché français.

Du fait de sa position géographique – notamment via les Antilles et la Guyane –, la France constitue une porte d’entrée vers l’Europe. Les forces de l’ordre françaises interceptent ainsi des flux destinés à d’autres pays européens. Une part des saisies réalisées en France bénéficie en réalité à l’ensemble de notre continent.

Des marchés qui s’adaptent en permanence

Si les saisies avaient un effet durable sur les marchés, on devrait observer des signes de tension : hausse des prix de détail, baisse de la pureté, raréfaction des produits. Or, les résultats issus de nos travaux et d’autres montrent l’inverse.

Entre 2010 et 2023, les prix de détail tels que monitorés par l’Ofast ou l’OFDT sont restés globalement stables, voire ils ont baissé. Dans le même temps, la pureté des produits, entendue comme la concentration en molécule psychoactive pure retrouvée dans les saisies, a augmenté. Combinées à une forte inflation au cours de la période, ces évolutions conduisent finalement à constater une diminution des prix relatifs du gramme pur de stupéfiants.

Ces éléments suggèrent non seulement que les volumes de production agricole ou synthétique sont énormes, mais également que l’offre s’adapte rapidement aux pertes liées aux saisies. Les organisations criminelles diversifient leurs routes, multiplient les points d’entrée et ajustent leurs stratégies logistiques. Lorsqu’un flux est intercepté, d’autres prennent le relais.

Repenser les indicateurs de la politique antidrogue

Dans ce contexte, les saisies apparaissent comme un indicateur ambigu. Elles témoignent sans nul doute de l’intensité de l’action des forces de l’ordre. Mais elles renseignent beaucoup moins sur la disponibilité réelle des drogues. Dit autrement, des saisies élevées peuvent coexister avec des marchés en expansion, comme c’est le cas pour la cocaïne.

Ce décalage tient à la nature même des marchés illicites, qui fonctionnent comme des systèmes adaptatifs. Les pertes liées aux interceptions sont intégrées comme un coût du trafic, au même titre que les risques judiciaires. Les organisations criminelles anticipent les risques, diversifient leurs stratégies et exploitent les opportunités logistiques à l’échelle européenne (bien sûr les ports, mais pas uniquement).

En se focalisant sur les volumes saisis, on peut donner l’impression d’un contrôle croissant, alors même que les indicateurs de marché racontent une autre histoire : disponibilité élevée, prix stables, qualité en hausse.

Il ne s’agit pas de dire que les saisies sont inutiles. Elles doivent en effet jouer un rôle important, notamment pour perturber certains réseaux ou intercepter des flux massifs. Mais elles ne suffisent pas, à elles seules, à réduire durablement l’offre.

Ces résultats invitent à élargir la manière dont on évalue les politiques publiques. Plutôt que de s’appuyer principalement sur les saisies, il serait nécessaire de considérer conjointement une batterie d’indicateurs composée des prix, de la pureté des produits circulant en France, de leur disponibilité et finalement des dynamiques de consommation.

Enfin, ces résultats rappellent que les marchés des drogues dépassent largement les frontières nationales. Les saisies réalisées par les forces de l’ordre françaises – en particulier pour la cocaïne – s’inscrivent dans une dynamique européenne. Elles contribuent à limiter l’approvisionnement de plusieurs pays, même si leur impact sur le marché français reste limité. Cela souligne l’importance d’une approche coordonnée à l’échelle européenne, plutôt que strictement nationale. La récente création d’une Agence de l’Union européenne sur les drogues et de la future Autorité douanière de l’Union européenne sont le signe d’une évolution nécessaire – mais peut-être pas suffisante.

Christian Ben Lakhdar a reçu des financements issus du programme PIRALAD de la MILDECA.

Sophie Massin a reçu des financements issus du programme PIRALAD de la MILDECA.

– ref. Drogues : malgré des saisies record, un trafic et une consommation en forte croissance – https://theconversation.com/drogues-malgre-des-saisies-record-un-trafic-et-une-consommation-en-forte-croissance-281814

Source: The Conversation – in French – By Clémentine Fauconnier, Maîtresse de conférences, Université de Haute-Alsace (UHA)

Si la Fédération de Russie est aujourd’hui l’État le plus étendu de la planète, c’est parce que, des siècles durant, l’empire russe dont elle est la descendante directe n’a cessé de s’agrandir à force de conquêtes vers l’Est et vers le Sud. Pour autant, si cette dimension impériale est bien connue et documentée, l’aspect colonial de l’État russe est longtemps demeuré un impensé. Or, impérialisme et colonialisme ne sont pas synonymes. Dans son ouvrage la Russie de Poutine. Du tournant autoritaire à la guerre, qui vient de paraître aux éditions Le Cavalier Bleu, la politiste Clémentine Fauconnier, maîtresse de conférences à l’Université de Haute-Alsace, chercheuse à l’UMR Sociétés, acteurs, gouvernement en Europe et cofondatrice du Collectif de recherche sur la Russie contemporaine pour l’analyse de ses nouvelles trajectoires, CORUSCANT, met en lumière les tensions internes à la Russie – où vivent de nombreux peuples non russes qui, souvent, conservent un sentiment national spécifique – et participe au débat en cours sur le caractère colonial de la guerre que le Kremlin livre actuellement à l’Ukraine. Extraits.

---

« Nous, les représentants des peuples autochtones et des régions colonisées de la Fédération de Russie, déclarons ouvert le processus de décolonisation complète et générale de la Russie. » Déclaration du Forum des peuples libres de la post-Russie, le 17 juillet 2022.

Fondé le 8 mai 2022 quelques semaines après l’invasion à grande échelle de l’Ukraine par la Russie, le Forum des peuples libres de la post-Russie s’est fait connaître par la diffusion d’une carte intitulée « L’Eurasie du nord en 2030 » représentant le territoire actuel de la Fédération de Russie morcelé en 41 États.

Aussi radicale dans ses aspirations que controversée dans sa réception, l’initiative a cependant bénéficié d’un certain écho en multipliant les interventions en Europe, y compris au Parlement européen, en Amérique du Nord mais aussi au Japon ou encore à Taiwan. Fondé par l’entrepreneur ukrainien Oleg Magaletskyi, fervent soutien des révolutions orange et du Maïdan, les activités de ce forum sont emblématiques des enjeux de la mise à l’agenda de la dimension coloniale de la politique conduite par l’État russe, aussi bien à l’intérieur qu’à l’extérieur de ses frontières.

Un processus constitutif de la construction de l’État russe : de la grille impériale à la grille coloniale

S’il y a aujourd’hui consensus pour considérer le poids de l’histoire impériale de la Russie dans sa politique intérieure et extérieure actuelle, la dimension coloniale fait en revanche l’objet de débats bien plus marqués (Colin Lebedev, 2022).

Fondé en 1721 par le tsar Pierre le Grand, l’État russe a officiellement été un Empire pendant près de deux siècles, jusqu’à la révolution bolchévique. Pour autant, les siècles précédents ont été très fortement marqués par la politique d’expansion territoriale des dirigeants de la Grande principauté de Moscou (1263-1547). De même, la création du Tsarat de Russie (1547-1721) fait explicitement référence aux empereurs romains et byzantins : le terme de tsar constituant une version russifiée de César – titre des empereurs romains – tandis que la qualification par Ivan le Terrible de Moscou comme une « troisième Rome » marque la continuité avec les centres impériaux de Rome et de Constantinople. Officiellement anti-impérialiste, l’État soviétique n’en présente pas moins un certain nombre de caractéristiques impériales : expansion territoriale, centralisation du pouvoir et reconnaissance du caractère plurinational de sa population tout en octroyant une prééminence à la langue et la culture russes.

Auto-désignée comme « État multinational » selon la Constitution de 1993, la Fédération de Russie a conservé une structuration du territoire reconnaissant un petit degré d’autonomie aux régions historiquement peuplées de minorités – dites « nationalités » dans la terminologie russe : les républiques, les okroug et oblast autonomes. De même, elle a introduit la distinction entre citoyenneté et nationalité russe. L’adjectif rossiiskiï – parfois traduit « russien » en français – désigne, en effet l’ensemble des citoyens de la Fédération, là où celui de rousskiï désigne les Russes au sens ethnique du terme. S’il n’y a pas de discrimination formelle entre les différentes composantes de la population, il y a bien la mise en place d’un processus de différenciation et de hiérarchisation associé à un statut particulier accordé à la langue russe, dont la réforme constitutionnelle de 2020 précise qu’elle est « la langue du peuple constitutif de l’État » (art. 68).

Alimentée par les tentatives plus ou moins fructueuses de la Fédération de Russie de maintenir une emprise sur les anciennes républiques soviétiques devenues États indépendants, l’apposition d’une grille de lecture coloniale à l’histoire de la Russie émerge à partir des années 2000 sans cependant réellement pénétrer le champ intellectuel russe lui-même. L’invasion à grande échelle de l’Ukraine a modifié la donne. L’envoi massif de représentants des minorités ethniques, demeurant bien souvent dans les régions les plus éloignées et les plus pauvres, sur le front ukrainien agit comme un révélateur et suscite un mouvement de protestation d’une vigueur significative dans un paysage par ailleurs fortement marqué par la répression et le musellement de toute voix dissidente. En parallèle, on note l’apparition de différents médias en ligne – académiques, politiques ou culturels – et chaînes Telegram à destination du lectorat russe qui abordent désormais frontalement les enjeux liés au colonialisme (Vokuev, 2024).

Nier l’existence de la nation ukrainienne : l’invasion russe au prisme de la domination coloniale

Ne se recoupant que partiellement, les logiques impériale et coloniale supposent toutes les deux des processus de contrôle de la part d’un État sur un territoire et une population qui ne sont jamais totalement assimilés en restant dans une situation d’infériorité et d’altérité.

Si la domination impériale peut passer par la force et la conquête militaire, elle suppose néanmoins une certaine tolérance vis-à-vis des minorités, ainsi que des échanges entre cultures majoritaire et subordonnées. L’empire désigne un processus de formation de l’État, où le pouvoir est centralisé de façon autoritaire, bien souvent personnelle, mais où cette autorité s’exerce de façon hétérogène en incluant, de façon certes hiérarchique et différentielle, l’ensemble de ses composantes.

L’entreprise coloniale est, à l’inverse, davantage le fait d’une unité stabilisée – dont le régime politique interne peut-être autoritaire ou démocratique – qui s’engage dans une démarche de peuplement et d’exploitation unilatérale d’un territoire, éventuellement situé outre-mer, ainsi que de ses ressources. La frontière entre colons et colonisés est bien plus grande, la domination des premiers sur les seconds bien plus violente et systématique.

Comme le notent Adam Lenton et ses co-auteurs, le terme russe d’osvoienie (appropriation) utilisé par les autorités de la Grande principauté de Moscou au sujet de la conquête de la Sibérie au XVIᵉ siècle présente quelques points communs avec celui de colonisation tout en indiquant bien la volonté des dirigeants de se démarquer, en tout cas dans la terminologie, des entreprises menées en parallèle par les puissances européennes. C’est en revanche lors de la conquête de la Transcaucasie et de l’Asie centrale au XIXᵉ siècle que les vocables de koloniia et kolonizatsia font leur apparition, avec une connotation positive avant que le pouvoir soviétique n’inverse la donne en se réclamant anti-impérial et anti-colonial, deux syndromes alors exclusivement associés au bloc de l’Ouest (Lenton et al., 2025).

Néo-impériale, irrédentiste, coloniale : les différentes approches visant à mettre en perspective la guerre que la Russie fait à l’Ukraine ne sont pas mutuellement exclusives, mais elles permettent, chacune, d’insister sur des enjeux et des aspects particuliers. En affirmant que la guerre en Ukraine est coloniale, l’historien Timothy Snyder insiste particulièrement sur la volonté manifestée par Vladimir Poutine de nier l’existence même d’une nation ukrainienne et de qualifier son État d’artificiel. De même, la référence au colonialisme lui permet de dénoncer le peu de cas fait du droit des peuples à disposer d’eux-mêmes dans les échanges russo-américains depuis le début du second mandat de Donald Trump qui évoquent un possible découpage pérenne du territoire sans associer de représentants ukrainiens.

De la violence impériale à la violence coloniale, il n’y a pas qu’une différence de degré mais aussi de nature. Qu’il soit tsariste, soviétique ou post-soviétique, l’appropriation brutale par l’État russe de territoires, accompagnée de l’exploitation de leurs ressources et leur population avait fait l’objet d’un retour réflexif et donné lieu à l’émergence d’une grille de lecture coloniale de l’histoire du pays.

L’invasion de l’Ukraine a considérablement accru et politisé des critiques venant aussi bien du peuple ukrainien que des minorités vivant sur le sol de la Fédération de Russie et qui dénoncent autant le pillage des ressources naturelles pratiquées par l’État central sur leur territoire que la sur-représentation de leurs ressortissants parmi les combattants envoyés au front parfois contre leur gré. Dans ce contexte, le prisme de la décolonisation permet d’inscrire les préoccupations liées à l’espace historiquement dominé par la Russie dans le cadre comparatif plus large des études et des revendications décoloniales ou postcoloniales, même si cela suppose un travail d’adaptation et de redéfinition dans la mesure où ces théories ont, pour l’essentiel, visé à comprendre la domination historique et multiforme des pays du Nord vis-à-vis des Suds.

Clémentine Fauconnier ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d’une organisation qui pourrait tirer profit de cet article, et n’a déclaré aucune autre affiliation que son organisme de recherche.

– ref. La Russie est-elle un État colonial  ? – https://theconversation.com/la-russie-est-elle-un-etat-colonial-283996

Source: The Conversation – in French – By Erik D Reichle, Professor of cognitive psychology, Macquarie University

La lecture est l’une des compétences les plus difficiles à acquérir. Les supports numériques rendent-ils ce processus encore plus complexe ? Que nous dit la recherche des différences entre lecture sur écran et lecture sur papier ?

---

Le gouvernement suédois a récemment annoncé qu’il renonçait à l’utilisation d’appareils numériques en classe pour revenir aux livres papier. Il a évoqué des inquiétudes liées à la baisse des résultats scolaires et à l’augmentation du temps passé devant les écrans.

Ces inquiétudes sont-elles fondées ? Et que dit la science des conséquences possibles des appareils numériques sur la lecture, en comparaison de la lecture sur papier ?

Pour répondre à ces questions, il convient de rappeler que, même si la lecture peut sembler une tâche facile, cette impression est trompeuse. La lecture est sans doute la compétence la plus difficile à acquérir : elle nécessite des années d’éducation formelle et de pratique pour être maîtrisée. Contrairement au langage oral, il s’agit d’une compétence à laquelle nous ne sommes pas biologiquement prédisposés.

Pourquoi lire est-il si difficile ?

Il faut d’abord en comprendre la physiologie de la lecture pour comprendre pourquoi cette tâche est si complexe.

Pendant que vous lisez cette phrase, vos yeux effectuent une série de mouvements rapides, appelés saccades, d’un mot à l’autre. Pendant ces saccades, le traitement de l’information visuelle est suspendu et n’est possible que pendant de brefs intervalles, appelés fixations, lorsque les yeux sont immobiles.

Des expériences visant à mesurer les mouvements oculaires pendant la lecture ont montré que nous fixons la plupart des mots, car notre capacité à extraire des informations visuelles lors de chaque fixation est extrêmement limitée.

Dans les langues, comme l’anglais ou le français, qui se lisent de gauche à droite, notre capacité à percevoir les caractéristiques qui distinguent les lettres est limitée à une petite zone du champ visuel appelée « champ de perception ». Ce champ s’étend de 2 à 3 espaces de lettres à gauche du point de fixation à 8 à 12 espaces de lettres à droite de celui-ci.

L’asymétrie de cette zone reflète le parcours du regard à travers le texte. Elle s’étend vers la gauche dans les langues comme l’arabe, qui se lisent de droite à gauche. La taille de cette zone est plus réduite pour les systèmes d’écriture denses, comme le chinois.

Nous savons également, grâce à des expériences d’oculométrie et d’imagerie cérébrale, que l’identification des mots prend du temps. Selon nos meilleures estimations, les informations visuelles mettent 60 millisecondes pour se propager des yeux au cerveau, et l’identification des mots nécessite ensuite 100 à 300 millisecondes supplémentaires (une milliseconde équivaut à un millième de seconde).

Ces contraintes limitent la vitesse maximale de lecture à 300-400 mots par minute, selon la difficulté du texte et le niveau de compréhension de chacun.

Les promoteurs de la lecture rapide, qui promettent à tort des vitesses de lecture plus élevées, vous apprennent à parcourir un texte en diagonale. La compréhension diminue dans une mesure inversement proportionnelle au gain de vitesse.

Il est important de noter que la vitesse de lecture maximale ne s’acquiert qu’au bout de plusieurs années de pratique, car elle exige que les systèmes cérébraux chargés de la vision, de l’attention, de la reconnaissance des mots, du traitement du langage et des mouvements oculaires fonctionnent de manière parfaitement coordonnée. Tout ce qui entrave cette coordination réduit donc la compréhension.

Les conséquences de la lecture sur écran

Quelles sont donc les conséquences probables de la lecture numérique ?

Avec certains appareils, comme les liseuses électroniques, il n’y a guère de raisons de penser que la lecture numérique diffère de la lecture sur papier, car ces deux formats favorisent les processus mentaux nécessaires à une lecture efficace.

Les dispositifs les plus discutables sont ceux qui introduisent des distractions (comme les sites d’actualités parsemés de publicités) ou qui présentent une mise en page peu optimale, comme un texte justifié au centre avec des espaces importants ou inégaux entre les mots. Ce dernier cas est rarement le fait des textes sur papier.

Bien que les conséquences de ces deux facteurs aient été peu étudiées, nos connaissances sur la cognition humaine sont désormais suffisantes pour formuler des prévisions éclairées.

Par exemple, des images et des sons sans rapport avec un texte, comme les publicités intempestives, peuvent capter l’attention. Si la plupart des adultes ont développé un niveau de contrôle exécutif suffisant pour ignorer de telles distractions, ce n’est pas le cas des jeunes enfants.

Les conséquences pour un enfant qui a du mal à saisir le sens d’un texte sont évidentes. Sa compréhension s’en trouvera affectée dans la mesure où il devra fournir un effort supplémentaire pour faire fi des distractions, ou s’il ne dispose pas encore de la coordination mentale nécessaire pour se rendre compte que la lecture du texte a été interrompue.

Des études fondées sur l’oculométrie montrent également que de nombreux environnements numériques, tels que les pages web, peuvent inciter à adopter des stratégies de lecture spécifiques, comme la lecture rapide, pour saisir l’essentiel ou la recherche d’informations.

Même si de telles stratégies peuvent s’avérer adaptées dans certains contextes, elles nuisent à la compréhension globale. Cette situation devrait être particulièrement préoccupante pour les enfants, car il faut des années de pratique pour coordonner les processus mentaux qui permettent d’atteindre un niveau de lecture équivalent à celui des adultes.

Ces préoccupations ont récemment fait l’objet d’une attention accrue, car le début de la pandémie de Covid-19 a entraîné un passage à l’enseignement en ligne et une augmentation sensible de la lecture numérique. Bien que ces changements aient été motivés par des impératifs pratiques, leurs conséquences à long terme restent incertaines.

Jusqu’à présent, les recherches sur l’oculométrie ont été menées sur des écrans d’ordinateur. De nouvelles technologies font leur apparition, qui nous permettront de comparer directement les mouvements oculaires et la compréhension entre les appareils numériques et le papier. Cela devrait nous aider à mieux cerner les avantages et les inconvénients des appareils numériques.

Étant donné que la capacité de lecture est un indicateur prédictif du niveau d’éducation, du statut socioéconomique et du bien-être d’une personne, on ne saurait trop insister sur l’importance d’évaluer les conséquences à long terme de la lecture numérique.

Erik D Reichle a reçu des financements de l’US National Institute of Health, l’US Institute of Education Sciences, le UK Economic and Social Research Council, et l’Australian Research Council.

Lili Yu ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d’une organisation qui pourrait tirer profit de cet article, et n’a déclaré aucune autre affiliation que son organisme de recherche.

– ref. Lire sur papier permet-il de mieux assimiler des informations que la lecture sur écran ? – https://theconversation.com/lire-sur-papier-permet-il-de-mieux-assimiler-des-informations-que-la-lecture-sur-ecran-284166

Source: The Conversation – in French – By Rossana De Angelis, Maîtresse de conférences en sciences du langage, Université Paris-Est Créteil Val de Marne (UPEC)

Vous en avez peut-être déjà fait l’expérience : les intelligences artificielles, ou IA, génératives de texte inventent régulièrement des éléments de réponses, d’autant plus difficiles à détecter qu’ils s’intègrent à un ensemble qui paraît cohérent et se mêlent à des faits avérés. C’est en se penchant sur la manière dont ces IA recherchent des informations, sur leur façon d’analyser les textes « crawlés », ou scannés, que l’on peut comprendre pourquoi elles se trompent aussi régulièrement.

---

Cela fait déjà plus de trois ans que nous pouvons utiliser des intelligences artificielles (IA) génératives de textes et d’images. ChatGPT a été lancé en novembre 2022 dans une version gratuite, ouvrant la porte à un accès massif aux IA génératives, mais il n’avait pas encore accès au Web comme source d’informations. C’est à partir de janvier 2023 qu’il est devenu possible de poser toutes sortes de questions, soumettre des « prompts » ou « invites », car désormais, une large part de ce qui se trouve sur le Net peut être exploré par la machine.

Et c’est à partir de cette « présomption d’omniscience », autrement dit la capacité que nous attribuons à la machine de connaître toute chose, que nous avons commencé à faire l’expérience des « hallucinations » de l’IA : terme dérivant du latin hallucinatio, signifiant « méprise », construit à partir du verbe hallucinari qui veut dire « se tromper », « divaguer », mais aussi « tromper l’interlocuteur ».

J’ai été moi-même confrontée aux hallucinations de ChatGPT quand, à l’occasion de la préparation d’une conférence scientifique, j’ai demandé sur l’interface d’interaction : « Qui suis-je ? », pour tester les limites de l’interaction humain-machine dans le cadre d’un dialogue. Cette simple question a généré une expérience linguistique qui m’a permis de mieux comprendre comment naissent certaines hallucinations.

Cette expérience, qui a donné lieu à un article scientifique, me permet d’ébaucher de premières réponses aux questions : quand et pourquoi les IA génératives rédactionnelles se trompent-elles ?

Ce qui n’existe pas sur le Net n’existe pas pour l’IA générative

La présomption d’omniscience tombe si nous prenons en compte les critères qui permettent à une information d’être traitée par la machine. Premièrement, ces informations doivent être enregistrées sous forme de données numériques. Deuxièmement, elles doivent être disponibles à tout moment, car les machines fonctionnent seulement lorsqu’elles sont connectées aux serveurs qui assurent l’accès aux données porteuses d’informations. Troisièmement, ces informations doivent êtes repérables dans la masse considérable d’informations disponibles.

Les deux premières raisons permettent d’expliquer certains types d’hallucinations, car ce qui n’existe pas sur le Net n’existe pas pour les machines. Lorsque j’ai demandé à une IA générative rédactionnelle de répondre à la question : « Qui est ma grand-mère », en sachant que la grand-mère en question n’a pas de compte Instagram ni de blog ou de page institutionnelle, elle me répond : « Je ne peux pas savoir qui est ta grand-mère sans informations de ta part. Si tu me donnes son nom, le contexte, ou ce que tu veux savoir à son sujet, je pourrai t’aider au mieux. » J’ai alors donné « un nom », une étiquette valable pour que l’information soit repérée, ce qui a poussé la machine à proposer des descriptions incorrectes pour ne pas rester sans réponse.

La question du référencement

La troisième raison permet d’expliquer d’autres types d’hallucinations, car ce qui existe sur le Net mais n’est pas visible par les machines ne peut pas être immédiatement repéré par les IA génératives. Cette dimension est propre à l’écriture numérique : elle est liée au référencement des documents numériques à travers des étiquettes (les « tags ») qui indiquent ce qu’ils contiennent et ce à quoi ils renvoient, car les documents sont liés entre eux en formant un réseau de documents (le « Web »), les uns plus ou moins visibles par rapport aux autres. Il y a deux niveaux de référencement : le premier consistant à placer des mots clés et des liens utiles à la mise en avant des textes, et le deuxième consistant à acheter du trafic et des liens pour augmenter la visibilité des textes sur le Web.

Lorsque j’ai demandé à ChatGPT de me dire « Qui est Rossana De Angelis ? », la machine m’a proposé par erreur une définition de moi en tant qu’artiste, en raison de la présence sur le Net d’une artiste dont l’identité correspond partiellement à mon nom, avant de m’identifier comme chercheuse. Ceci s’explique par le fait que les documents dont se compose un site de vente d’objets d’art, où se trouvait la description de l’artiste en question, sont mieux référencés (et donc plus « visibles ») que les documents d’un site institutionnel, en raison de leurs enjeux commerciaux.

Les algorithmes qui dirigent les machines vers les données suivent les directions les plus visibles : les documents les mieux référencés, les mieux étiquetés sortent du lot en premier. Et si les documents les mieux référencés sont ceux qui ont une valeur commerciale, il en découle que les données les plus visibles sont celles liées à des enjeux commerciaux. Et cela, indépendamment de la qualité et de la véracité des contenus.

Les LLM, un fonctionnement complexe

Les trois critères de présence, de disponibilité et de visibilité n’expliquent pas toutes les hallucinations possibles, loin de là. La plus grande difficulté consiste à saisir la complexité propre au fonctionnement des IA génératives de textes et d’images qui utilisent des grands modèles de langage (LLM) pour traiter et générer du contenu.

---

À lire aussi :
Comment fonctionne ChatGPT ? Décrypter son nom pour comprendre les modèles de langage

---

Par exemple, pour la reconnaissance des images, les premiers traitements capturent des aspects fondamentaux, tels que les contrastes, les bords, les lignes, leurs orientations, etc. Les traitements qui suivent combinent ces données avec d’autres données concernant, par exemple, les textures ou les matières. Enfin, à partir de cet ensemble, les traitements ultérieurs permettent de construire des représentations numériques d’images, comme des objets ou des visages, en enregistrant en tant que « valeurs » les différences et les similarités entre les données. Le traitement des données fonctionne ainsi par couches superposées (deep learning) : plus cette superposition est profonde, plus la capacité d’analyse augmente.

Les IA organisent leurs données dans un « espace vectoriel » : un ensemble d’objets qui occupent chacun un lieu précis. Prenons le jeu de ficelles : c’est comme multiplier à souhait le nombre de fils, leur longueur, leur épaisseur sans changer les règles du jeu, et ensuite pouvoir identifier un nœud. Dans cet espace, la position de chaque objet est déterminée par les relations qu’il entretient avec les autres. L’ensemble de ces relations détermine ce qu’on appelle leur « valeur vectorielle » : une combinaison de nombres qui définit un lieu dans un espace. Ces valeurs permettent d’identifier les données en tant que positions tout comme les nœuds d’un jeu de ficelles.

---

À lire aussi :
De Cambridge Analytica à ChatGPT, comprendre comment l’IA donne un sens aux mots

---

Les valeurs vectorielles permettent d’identifier des régularités : les données proches (par exemple, les noms de fruits : fraises, cerises, abricots, etc.) portent des informations similaires (par exemple, ils peuvent être cueillis, coupés, cuisinés, mangés, etc.) Elles peuvent donc être repérées par leur proximité (par exemple, fruits similaires, actions similaires).

Pour repérer des données, et donc pour demander des informations, nous devons soumettre une demande (un « prompt » ou « invite ») à la machine qui va chercher ces régularités dans ces espaces vectoriels à l’aide de mots (par exemple, « recette du clafoutis aux cerises »). C’est la raison pour laquelle une IA générative rédactionnelle peut nous donner la bonne recette du « clafoutis aux cerises » d’abord en identifiant, puis en reproduisant la régularité des données à l’aide des mots « clafoutis, cerises, recette » (mots similaires, contextes similaires, actions similaires). La relation que les données entretiennent dans ces espaces dirige la reproduction plus ou moins correcte des informations, en complétant automatiquement des séquences de mots dans l’espace d’interaction.

---

À lire aussi :
Les « world models », lorsque l’intelligence artificielle apprend à comprendre le monde

---

De l’importance du contexte

Ce qui permet l’usage des mots réside dans leur valeur. C’est un principe qui se trouve à la base de la linguistique générale. Plus précisément, la valeur d’un mot est une valeur différentielle : au sein d’une langue, le mot « chien » se différencie du mot « chat », comme le mot « bleu » du mot « vert », et ils veulent dire ce qu’ils veulent dire justement en raison de cette différence. Or, cette valeur se définit par rapport aux autres mots présents dans le texte (contexte sémantique : ce qu’on dit avec les mots) et par rapport au contexte dans lequel le texte est intégré (contexte pragmatique : ce qu’on fait avec les mots).

Prenons un exemple. Tout mot écrit sur un panneau routier fonctionne seulement dans un contexte précis (une route) et dans une pratique précise (conduire). La plupart des textes que nous produisons ou interprétons au quotidien fonctionnent de cette manière.

Comment une machine peut-elle extraire le contexte d’un texte ? Elle le fait justement à travers le processus évoqué plus haut : en définissant la valeur des mots en fonction de leurs positions vectorielles. De cette manière, la machine reproduit la valeur sémantique des mots. Mais, n’ayant pas toujours accès au contexte, la valeur pragmatique n’est pas toujours définissable. En reprenant l’exemple du panneau routier, « tourner à droite » ou « tourner à gauche » ne veut rien dire sans contexte. Dans ces conditions, si on demande à une IA générative s’il faut « tourner à droite ou à gauche », elle sera incapable de répondre correctement.

Autrement dit, quand la valeur pragmatique ne peut pas être définie, la machine peut se tromper. Il se produit alors ce qu’on peut appeler une « rupture pragmatique » : les contextes et les pratiques d’usages des mots étant inaccessibles, leur valeur pragmatique devient insaisissable.

Pourquoi est-il difficile de comprendre le fonctionnement des IA génératives ?

Ce qui empêche de comprendre le fonctionnement de l’IA générative est sa complexité. Par exemple, une difficulté consiste à imaginer que les données occupent des lieux dans des espaces qui ne sont pas bidimensionnels, mais vectoriels à n dimensions, car nous ne savons pas envisager et imaginer des espaces de plus de quatre dimensions (largeur, hauteur, profondeur, temps). Comme si on devait augmenter de n fois le nombre de fils du jeu de ficelles.

C’est un changement d’échelle démesuré dont la complexité nous dépasse, ce qui nous oblige soit à réduire la complexité du phénomène, soit à nous rendre à son incompréhensibilité. Ceci explique l’attitude de divinisation ou diabolisation que nous adoptons souvent face aux IA génératives.

Je me suis demandé plusieurs fois si, oui ou non, les IA génératives rédactionnelles pourront un jour remplacer l’humain dans les pratiques d’écriture. Ma position reste la même : non, l’IA ne va pas faire disparaître toutes nos pratiques d’écriture, car de manière évidente tout un ensemble d’écrits fortement situés, c’est-à-dire liés à un contexte, comme les échanges impromptus, les écritures sauvages ou les pancartes improvisées, ne peuvent pas être (re)produites dans un environnement numérique. Il y a donc des pans entiers d’expression écrite auxquelles les IA génératives rédactionnelles n’ont pas (encore) accès.

Rossana De Angelis ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d’une organisation qui pourrait tirer profit de cet article, et n’a déclaré aucune autre affiliation que son organisme de recherche.

– ref. Pourquoi les IA génératives hallucinent-elles ? – https://theconversation.com/pourquoi-les-ia-generatives-hallucinent-elles-270493

Source: The Conversation – France in French (2) – By Rémi Vaucher, Enseignant-chercheur, EPITA

Le temps est l’ennemi des statisticiens. Même à l’ère des systèmes d’IA, un modèle météorologique qui serait uniquement fondé sur des données passées et des principes statistiques peut avoir des difficultés à prévoir correctement les quantités de pluie futures, dans le contexte du changement climatique – tout simplement parce que la situation évolue.

---

Nous avons toutes et tous vu passer les images terribles des inondations espagnoles d’octobre 2024. Avec plus de 200 morts, cet évènement est passé directement au statut d’incident le plus meurtrier survenu en Espagne depuis les inondations de 1962.

D’aucuns pourraient s’étonner du manque de préparation alors que les méthodes d’intelligence artificielle (IA) se répandent. À titre d’exemple, le modèle européen ECMFW, utilisé par Météo France, a récemment intégré un modèle d’IA (nommé AIFS) pour améliorer ses performances.

Avec toutes les méthodes récentes en météorologie et en climatologie, liées au déploiement de l’IA, pourquoi les inondations de Valence n’ont-elles pas pu être anticipées ?

Les statistiques au service de la climatologie

Avant d’entrer dans le vif du sujet, je voudrais clarifier un point crucial : je ne suis pas climatologue et ne me revendique pas tel. Je ne vais donc pas m’étendre en détail sur des phénomènes météorologiques que je ne maîtrise pas assez.

Par contre, je connais bien l’étude des données temporelles. Et la question de la prédictibilité de ce phénomène météorologique va me permettre de vous expliquer un problème de statistiques sur lequel la recherche travaille toujours : la dérive des données (en anglais, data drift).

Tout d’abord, il faut formaliser un peu cet évènement climatique.

Premièrement, ce n’est pas un événement qui arrive tous les quatre matins. Ce genre d’occurrence reste statistiquement rare : on utilisera donc l’appellation « événement rare » ou « événement extrême ».

Deuxièmement, les inondations espagnoles de 2024 sont un événement rare parmi des événements rares. Explication : les habitants des Cévennes connaissent bien ces fortes pluies sous le nom d’« épisodes cévenols ». Ces épisodes cévenols font partie de ce que l’on appelle les épisodes méditerranéens. La « DANA » espagnole de 2024 est un exemple typique d’épisode méditerranéen : c’est exactement le même phénomène que les épisodes cévenols, et donc aussi « rare », mais non localisé aux Cévennes.

Finalement, parlons un peu de ce que nous appelons la « distribution des données ». La distribution des données, tout du moins dans ce cas-ci, c’est la probabilité qu’un évènement (un épisode pluvieux en ce qui nous concerne) arrive, qu’il soit d’une intensité donnée, qu’il ait une durée donnée, etc. Par exemple :

• Si nous sommes le 15 septembre, il est beaucoup plus probable que, demain, il pleuve à Brest (Finistère) qu’à Nice (Alpes-Maritimes) : la probabilité de l’événement « pluie » à Brest est bien plus élevée que celle du même événement à Nice.

• Si toutefois il pleut demain à Brest, il est fort peu probable que cette pluie soit d’intensité très élevée. En parallèle, s’il pleut demain à Nice, la possibilité que ce soit un épisode méditerranéen est plus élevée qu’à Brest. Il est donc plus probable d’avoir de fortes pluies à Nice, « sachant qu’il pleuvra demain », qu’à Brest.

Il est impossible de connaître parfaitement cette distribution, c’est-à-dire la probabilité qu’il pleuve une quantité donnée à tel endroit donnée à tel instant précis. Par contre, les scientifiques disposent d’un certain nombre d’outils permettant d’apprendre à prédire les évènements.

Apprendre à prédire les évènements

Ces outils, ce sont majoritairement les statisticiens qui les inventent. Ils vont regarder les données passées et tenter d’en reproduire le comportement pour pouvoir prédire les données futures.

Par exemple, pour le sujet qui nous intéresse : les villes du pourtour méditerranéen ont besoin de pouvoir prédire les épisodes extrêmes et notamment la quantité d’eau (en millimètres) pour prévoir la mise en place de dispositifs exceptionnels (par exemple, des SMS alertant les habitants d’un risque de pluie ou d’inondation).

Pour cela, on va disposer de tous les relevés météorologiques (température, pression atmosphérique, vitesse du vent, orientation du vent, etc.) en plusieurs points géographiques autour de la zone concernée.

En apprenant à un algorithme à utiliser les données de la journée actuelle pour prédire la probabilité d’occurrence d’un épisode méditerranéen pour les deux ou trois jours à venir – et, si un épisode est envisagé, la quantité de précipitation prévue –, l’administration peut utiliser d’autres modèles (physique, statistique) pour prévoir les risques d’inondation dans telle ou telle zone de la localité.

Glissement de distribution et changement climatique

Malheureusement, avec le changement climatique, le climat change. Pour un statisticien, cette phrase signifie : « Un modèle entraîné sur le passé peut-il encore prévoir correctement la quantité de pluie de demain ? »

La figure ci-dessous nous montre mois par mois, depuis 2008, comment évolue le maximum de pluie dans une station météorologique proche de Valence (Espagne). Nous pouvons observer des valeurs maximales fluctuantes, mais dont les maximums restent sous 200 millimètres cumulés pendant deux jours.

Maintenant, admettons que nous entraînons un modèle à prédire les précipitations cumulées des deux prochains jours en utilisant ces données : nous lui donnons plein d’indicateurs au jour J, et nous souhaitons les précipitations cumulées des jours J+1 et J+2. Il est intuitif de penser que le modèle ne dépassera jamais la valeur de 200 millimètres, et cette intuition est réaliste : après tout, pourquoi le ferait-il ? Les modèles statistiques ne sont pas faits pour réfléchir à de nouvelles choses, ils sont faits pour reproduire un comportement appris, présent dans les données, qui aurait déjà pu (statistiquement) survenir dans le passé.

Analysons maintenant la suite des données.

Si nous avions utilisé notre modèle entraîné sur les données 2007-2023 pour prédire les précipitations des 16 et 17 octobre 2024, nous nous serions… certainement lamentablement plantés. Plus précisément, le modèle aurait sous-estimé la quantité de pluie (ce qui peut conduire des communes à avoir un faux sentiment de sécurité).

Ces dernières figures montrent bien que les inondations de Valence en 2024 étaient un évènement tellement extrême qu’il en devenait imprévisible. Pour mieux illustrer ce propos, la figure suivante montre, autour d’une ville où les épisodes cévenols sont plus fréquents, l’augmentation progressive de l’intensité de ces évènements. C’est ce que l’on appelle un « glissement de la distribution ».

Le temps : l’ennemi ancestral du statisticien

Ce phénomène de glissement dans le temps ne s’applique pas qu’en climatologie, mais il y est particulièrement crucial au vu des victimes causées ces dernières années. En santé, beaucoup de facteurs influencent les données. Sont susceptibles d’évoluer dans le temps par exemple : les sources de pollution, le nombre de personnes vaccinées, le nombre de fumeurs, etc. Dans le numérique, les systèmes de recommandations sur les plateformes de contenus doivent réussir à s’adapter aux phénomènes de mode.

Enfin, le glissement de distribution ne concerne pas que les évolutions temporelles. Par exemple, les résultats d’une étude neuroscientifique sur des étudiants aux États-Unis restent-ils valides lorsqu’on l’applique à des quadragénaires en Inde ?

En somme, l’évolution (temporelle) de certains facteurs, comme les populations ou le climat, représente de vrais défis pour les statisticiens. Pour ce qui est de la météorologie, il existe des systèmes dits « hybrides », c’est-à-dire qui combinent une compréhension de la physique du système et des statistiques sur les données passées. Cette hybridation améliore les performances de prévision, mais les modèles restent encore, pour l’instant, en difficulté sur les évènements climatiques extrêmes.

Rémi Vaucher ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d’une organisation qui pourrait tirer profit de cet article, et n’a déclaré aucune autre affiliation que son organisme de recherche.

– ref. Pouvait-on prédire les inondations espagnoles de 2024 ? Le problème de la dérive des données illustrée par la climatologie – https://theconversation.com/pouvait-on-predire-les-inondations-espagnoles-de-2024-le-probleme-de-la-derive-des-donnees-illustree-par-la-climatologie-280312