Les centres de calcul et de données sont des infrastructures critiques dans notre monde numérique. Leurs tailles et leurs capacités de calcul explosent, en lien avec l’essor de l’intelligence artificielle générative. De nombreux projets de constructions sont en cours, en France et à l’étranger. Mais à l’heure où leur rentabilité est questionnée, et où certains peinent à être alimentés avec suffisamment d’électricité, se posent des questions simples et néanmoins cruciales : que sont ces centres de données et de calculs, au juste ? De quoi dépendent-ils ?

Le développement des usages du numérique s’appuie sur des centres de données ou data centers qui constituent le socle physique principal du monde numérique et de l’IA. Ils permettent, par exemple, le stockage sécurisé des transactions et des données des clients des banques, la diffusion de films et de séries en streaming, les jeux en ligne avec les questions de latence des temps de réponse, la gestion des interactions des réseaux sociaux en temps réel, l’archivage de photos ou de vidéos, les services numérisés de l’État et les enjeux de souveraineté, etc.

Le terme data center se traduit en français par « centre de données » ou « centre de traitement des données » ou encore historiquement « centre informatique ». Mais, avec l’essor de l’IA (intelligence artificielle) et des besoins croissants en calcul haute performance, les infrastructures modernes ne se limitent plus au stockage de données : elles peuvent aussi intégrer des capacités massives de traitement et de calculs intensifs.

À strictement parler, il faudrait donc appeler ces infrastructures critiques « centres de données et de calcul » (CDC), ou bien en anglais, Compute and Data Center. Celles-ci sont ancrées dans le réel, ce qui contraste avec une perception quelque peu « éthérée » du numérique, donnée en partie par son ubiquité, et aussi par le vocabulaire utilisés (cloud computing, fog computing).

Visite guidée d’un centre de données et de calcul

Un CDC est une installation industrielle conçue pour des opérations de stockage et de traitement de données qu’on peut décomposer en plusieurs zones :

• salles des machines abritant des serveurs, c’est-à-dire des machines physiques ou virtuelles qui exécutent des applications et stockent des données, des baies de stockage de données (cartes mémoire, disques) et des équipements de réseaux de communications (routeurs, commutateurs, câbles et équipements pour interconnecter les serveurs et assurer la connectivité externe) ;

• zones de refroidissement : climatisation, ventilation ou systèmes de refroidissement liquide pour maintenir une température optimale ;

• infrastructures électriques : pour éviter les coupures et assurer un service sans interruption 24 heures sur 24, 7 jours sur 7, des systèmes dits « redondants » assurent l’alimentation électrique (onduleurs, générateurs, batteries). La consommation d’énergie électrique s’explique par des serveurs informatiques énergivores, le refroidissement et le fonctionnement sans interruption avec des lignes électriques redondantes pour assurer une qualité de service qui peut être pondérée en fonction des usages ;

• zones des systèmes d’information, sécurité informatique (cyberattaques, fuites de données, pannes), logiciels (systèmes d’exploitation, virtualisation, gestion des données, outils de monitoring, sauvegardes et archivages…) ;

• zones logistiques : sécurité physique, contrôle d’accès, caméras, détecteurs d’incendie, etc. (logiciels, systèmes d’exploitation, virtualisation, gestion des données, outils de monitoring…) ;

• zones de vie et de travail.

Avant de pouvoir installer un CDC quelque part, tous ces sous-ensembles doivent être caractérisés avec précision, en fonction des spécificités des territoires les accueillant, car la nature des équipements, les techniques de calcul et celles de refroidissement auront un impact sur les ressources nécessaires (énergie électrique et eau) et les populations concernées.

Une taille en expansion explosive

Résumons le chemin parcouru. Notre point de départ est en 1946 : le premier ordinateur électronique, l’ENIAC, composé de relais et de tubes électroniques, d’une puissance électrique de 150 kilowatts, en gros l’équivalent de 150 aspirateurs allumés, d’un poids de 30 tonnes, pour une performance de calcul de 5 000 additions par seconde.

Dans les années 1970, les ordinateurs IBM dépassent le million d’opérations par seconde grâce aux progrès technologiques (les transistors, puis les circuits intégrés qui possèdent quelques dizaines puis quelques milliers de transistors sur un substrat de silicium).

Aujourd’hui, les progrès spectaculaires en microélectronique permettent de fabriquer des processeurs intégrant plus de 100 milliards de transistors sur des surfaces de silicium de quelques centimètres carrés, et de produire industriellement des supercalculateurs dont la complexité dépasse aujourd’hui un milliard de milliards (10¹⁸) d’opérations par seconde pour moins de 20 mégawatts de puissance électrique (soit 20 000 aspirateurs !).

Autrement dit, en huit décennies, les performances d’un supercalculateur ont été multipliées par un facteur de l’ordre de 200 000 milliards ! Ceci a permis la miniaturisation des fonctions de calcul (apparition du premier PC, des ordinateurs portables avec batteries intégrées, des tablettes, des smartphones…) et la naissance d’un monde numérique interconnecté.

Les architectures informatiques

Il est à noter que les principes d’architectures des Central Processing Unit (CPU), énoncés au siècle dernier par John von Neumann et inspirés des travaux d’Alan Turing, s’appliquent toujours.

Ils reposent sur une unité arithmétique et logique, une unité de contrôle, une zone mémoire pour stocker les données et les instructions, et enfin les entrées/sorties pour assurer la communication avec le monde extérieur. Bien entendu, les technologies et les fonctionnalités sont aujourd’hui plus performantes et conduisent à cinq niveaux superposés : les circuits intégrés englobant des unités de traitement indépendantes (les « cœurs ») ; les MCM (pour Multi Chips Module ou intégration 3D de puces silicium CPU, GPU, mémoire) ; les calculateurs et serveurs ; et, enfin, les CDC.

Les goulots d’étranglement et les limites physiques sont les mêmes pour ces différents niveaux d’intégration : gestion des espaces mémoire, communications – en particulier calculs et mémoires, parallélisme, performances en vitesse et consommation d’énergie…

Il existe plusieurs modèles de CDC, adaptés aux différents besoins en matière de sécurité, de souveraineté et de sobriété :

• les CDC gérés en interne pour ses propres besoins ;

• les CDC externalisés, en louant de l’espace dans un data center tiers pour y installer ses propres équipements ;

• les CDC cloud d’opérateurs, où les ressources sont virtualisées et accessibles à la demande ;

• les CDC dits « hyperscale » pour gérer des volumes de données massifs et, plus récemment, des baies de calculs GPU adaptés aux intelligences artificielles génératives.

Le développement massif des IA génératives bouleverse ces organisations

Les accélérateurs GPU distribuent les calculs matriciels sur des milliers d’unités (cœurs), contrairement aux CPU, limités à quelques cœurs plus complexes et aux traitements séquentiels. Dotés de mémoires intégrées très rapides, mais limitées en capacité, ils offrent ainsi un gain de performance pour les apprentissages et les inférences des IA génératives, au prix de puissances électriques de plus en plus élevées de plusieurs centaines de watts.

La dimension des matrices (ou des paramètres) dans les modèles de langage joue un rôle clé dans leurs performances et dans leurs besoins en ressources. Pour un LLM (Large Language Models) conçu pour traiter des tâches complexes de compréhension et de génération de langage, la taille est généralement mesurée en milliards de paramètres sollicitant plusieurs dizaines de milliers de GPU. Pour donner un ordre de grandeur, la multiplication de deux matrices de dimension 4096×4096, nécessite un nombre d’opérations arithmétiques de l’ordre de 68 milliards (sans optimisation).

Cette augmentation rapide du nombre de GPU pour les apprentissages et les inférences, liée à une augmentation de la densité et de la puissance électrique des circuits intégrés a pour conséquence la multiplication de projets de CDC dépassant aujourd’hui un milliard de watts de puissance électrique.

Les impacts environnementaux et sociétaux des centres de données et de calculs

Les CDC s’ajoutent ainsi aux centrales électriques, aux réseaux de transport et de communications, aux chaînes de production, et ils en dépendent.

Leur fonctionnement a des impacts environnementaux et sociétaux : ressources nécessaires pour les équipements et le fonctionnement (énergie électrique, eau), artificialisation des sols, émissions (bruit, îlots de chaleur) et rejets (groupes électrogènes diesel, gaz réfrigérants), enfin, gestion de l’obsolescence des matériels…

Les défis sont donc nombreux (sobriété énergétique, sécurité, suivi des impacts) et nécessiteront des efforts d’adaptation, de créativité, de régulation et de transparence.

Cette expansion fulgurante se heurte ainsi à des limites économiques et physiques. Comme le soulignent les actualités récentes, l’infrastructure IA progresse à un rythme que le marché peine à suivre. Selon le PDG d’IBM, équiper plus de 100 gigwatts (GW) de capacité des CDC pourrait coûter entre 6 000 milliards et 8 000 milliards de dollars. Pour rentabiliser un tel investissement, il faudrait générer des revenus à une échelle sans précédent.

À Loughton, à moins de 30 kilomètres de Londres, un autre défi se pose : trouver suffisamment d’électricité pour alimenter le méga data center IA de Nscale, d’une puissance de 90 mégawatts (MW). Le projet, déjà retardé, bute sur une contrainte simple mais critique : l’insuffisance des capacités du réseau électrique local !

Michel Robert, Professeur des Universités, Université de Montpellier

Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.

La visite du pape en France du 25 au 28 septembre 2026 déplace les foules, et les fidèles souhaitant « voir » Léon XIV sont très nombreux. Mais le séjour papal va surtout rassembler des dizaines de millions de téléspectateurs, qui « communieront » derrière leurs écrans. Cette visite et sa retransmission sont l’occasion de se replonger dans un ouvrage devenu un classique des sciences sociales, la Télévision cérémonielle, de Daniel Dayan et Elihu Katz, paru au début des années 1990.

Dès sa parution en 1992, Media Events. The Livre Broadcasting of History (La Télévision cérémonielle. Anthropologie et histoire en direct, Presses universitaires de France, 1996), de Daniel Dayan et Elihu Katz, a ouvert un domaine de recherche fécond. Leur livre posait des concepts sur une dimension cruciale de la vie des communautés (nationales, religieuses, politiques, etc.) se rassemblant pour « communier » médiatiquement, autour d’un événement à portée historique. Or, « le pape en voyageur » relève bien de cet événement total, tout à la fois religieux, politique et médiatique.

D’ailleurs, les « médias cérémoniels » ne sont pas qu’audiovisuels : les deux instances (rites et médias) entretiennent depuis toujours un rapport mettant en jeu leurs effets symboliques, politiques et institutionnels. Et dans le contexte contemporain, les médias jouent un rôle de légitimation, mais aussi de « monumentalisation » des cérémonies qu’ils diffusent, en créant une image officielle et collective magnifiée.

« Mass-médias » et communauté émotionnelle

Événement majeur que la visite d’un pape, certes, mais Histoire en direct, aussi, et « avec un grand H », si on peut dire. Les historiens d’ailleurs, s’accordent à dater du couronnement de la reine Elizabeth II, le 2 juin 1953, la véritable naissance de la télévision comme « mass-média ».

Les « médias cérémoniels » sont moins les simples courroies de transmission technique que les cérémoniaires, véritablement, en permettant aux téléspectateurs de vivre une expérience rituelle à distance. Le fait que le rite soit médiatisé n’est pas une concession faite au monde contemporain qui dévaluerait la cérémonie par une désacralisation technique. Au contraire, le rite s’en trouve démultiplié, et fait advenir la possibilité d’une cérémonie universelle à laquelle participent « des spect-acteurs » : en effet, les témoins d’un rite communautaire en sont aussi les acteurs par leurs regards, nécessaires pour que la performance rituelle ait lieu par la légitimation qu’ils confèrent à la cérémonie.

Surtout, les téléspectateurs – catholiques prioritairement concernant cette visite de Léon XIV – se constituent en « communautés diasporiques », communiant devant l’événement, avec la personnalité historique qui en est l’acteur principal, et les valeurs partagées par ceux qui regardent, ensemble.

Cette notion de « communauté diasporique », dans le prolongement des travaux de Daniel Dayan, définit ces publics épars qui se trouvent réunis devant un événement historique télévisé. Et qui ont l’intuition et même la conscience de « vivre cela ensemble », même si pas rassemblés physiquement. Il s’agit d’une communauté en quelque sorte émotionnelle, ses membres sachant qu’ils vivent ceci en direct, et ensemble.

Un temps suspendu

Avec Media Events, D. Dayan et E. Katz se sont attachés aux rituels médiatisés, jusqu’à définir un genre télévisuel spécifique. Celui-ci est envisagé par les deux sociologues comme une sorte de « trêve médiatique », puisque ces émissions, et là est l’un de leurs traits définitoires, interrompent le cours habituel des programmes télévisés, par la retransmission en direct des moments historiques, en même temps qu’elles stoppent la routine de ceux qui les regardent.

Oui, le média rituel suspend le cours ordinaire des programmes, les bouleversent pour imposer son événement comme priorité, souvent pendant de longues heures, avec une temporalité lente qui est véritablement celle du rite in situ. Ainsi en va-t-il des investitures, couronnements, funérailles, ouvertures et clôtures de Jeux olympiques et de Coupes du monde… Disparité de ces événements (religieux, politiques, sportifs…), mais unité de leur caractère rituel.

Et puis ces cérémonies sont organisées en dehors des studios de télévision – cet « extérieur » pouvant être de nature très diverse : un stade, une cathédrale, un palais ou une place emblématique, voire plusieurs lieux simultanément, dans le cas d’une cérémonie intégrant un défilé (ce qui est le cas pour Léon XIV). Les journalistes sont alors « transformés en prêtres, en « photographes de noces », en convives », ce qui les conduit à adopter « une révérence qui touche à la componction ». Et, en règle générale, l’ironie ou les discours critiques ne sont pas de mise dans les commentaires de l’événement historique médiatisé.

D’ailleurs, autre événement papal, aux antipodes d’une visite officielle télévisée : le conclave. En aucun cas, les caméras ne peuvent entrer dans le Vatican (sauf celle, fictionnelle, d’un réalisateur, cf. le film du même nom, d’Edward Berger, en 2024). Et ce conclave est vécu depuis l’extérieur, de seconde source. C’est essentiellement un événement commenté, par experts et spécialistes. Et seul le moment « de la fumée blanche » – crescendo dramaturgique ! – lui permettra d’accéder au statut d’événement médiatique ritualisé : alors, bouleversement des programmes, constitution instantanée de la « communauté diasporique » des catholiques vivant, on y revient, « l’Histoire en direct » : Habemus papam…

Caractériser les « Media Events »

Dans un article publié dans le contexte des Jeux olympiques de Pékin, en 2008, Daniel Dayan reformulait quatre facteurs principaux (déjà présents dans la publication de 1992) et observait trois éléments distinctifs par rapport à la première proposition, imputés à des changements de contexte pendant les seize années qui séparent ces deux publications.

Les éléments qu’il relève comme essentiels et stables pour définir les Media Events sont :

• « l’emphase », c’est-à-dire l’omniprésence de l’événement diffusé sur tous les écrans ; et désormais sur les tablettes, téléphones, ordinateurs. La dissémination numérique n’entrave en rien la participation médiatique en direct, pouvons-nous ajouter ;

• « le caractère performatif » des cérémonies retransmises, qui ne sont pas des spectacles ou des reconstitutions, mais font l’histoire en direct ;

• « la loyauté » de la part des diffuseurs à l’égard du récit proposé par les organisateurs ;

• « l’expérience partagée », qui dépasse le simple fait pour une large audience de regarder le même programme de façon mais contribue à « la construction ou la reconstruction du “nous” ».

Une lecture possible en « fonctions » attribuées aux « médias rituels » nous a amené à en repérer cinq :

D’abord, une fonction testimoniale : les images des médias rituels témoignant de quelque chose qui est advenu, en le montrant, comme pour en assurer la véracité, l’authenticité.

De même, les médias rituels « monumentalisent » l’événement, en en construisant une image officielle que la mémoire collective gardera ; en le restituant, surtout, à travers le prisme idéalisé qui fonde le principe rituel. Et puis à travers, ensuite, les ouvrages de commémoration, les numéros spéciaux, etc.

Ensuite, les médias rituels légitiment les événements qu’ils retransmettent. Accéder à la médiatisation rituelle, c’est de facto, pour une personnalité, être reconnue comme légitime. Et déjà par les institutions organisant la réception, et co-actrices du rite. On perçoit autour de la visite de Léon XIV, les tensions ou « tractations » avec l’Élysée, qui concernaient le programme « officiel » souhaité par les uns, et accepté – ou pas – par les autres.

Les médias rituels « vectorisent » de même les événements rituels, leur offrant une audience parfois planétaire.

Enfin, les médias rituels procèdent à une dramatisation des événements qu’ils retransmettent, par leur solennité, et les séquences historiques diffusées : discours, réceptions officielles, messes et bénédictions pour le pape.

La singulière inversion, de l’actualité à l’histoire

Les médias rituels inversent radicalement les critiques parfois faites aux médias, de diffuser un flot amnésique d’actualités, remplaçant chaque jour, chaque heure, celles de la veille. Avec la diffusion de rites télévisuels, ils font taire ces reproches. Car l’événement retransmis met les téléspectateurs en prise directe avec « l’Histoire en train de se faire ». Le premier adjectif caractérisant la visite de Léon XIV est précisément « historique ».

Plus largement, les changements politiques et institutionnels apportés par ces visites voient l’invité reçu rituellement – souverain, président, pape – venir donner du sens, clarifier des positions, rappeler des « choses importantes » (principes, valeurs…). Et souvent produire des transformations qui agissent par cette cérémonialité dramatisant des propos performatifs. Histoire déjà lointaine, on pense aux évocations historiques de Charles de Gaulle, « Vive le Québec libre ! », ou « Je vous ai compris » à propos de l’Algérie française.

Il est peu probable pour que le voyage de Léon XIV cette semaine en France échappe à cette règle de « l’Histoire produite en direct », à travers sa retransmission télévisuelle durant quatre jours. Et il est possible que ses propos officiels concernant l’actualité politique et législative française trouvent une résonance particulière, à portée historique, en rappelant aussi la position de l’Église.

Pour le reste, les millions de catholiques aussi rassemblés devant leurs postes de télévision contribueront à retremper leur foi, ainsi que leur sentiment d’appartenance à l’Église, par l’intensité de la séquence médiatique « vécue ensemble ». Miracle, sans doute, de la « télévision cérémonielle »…

Pascal Lardellier, Professeur, chercheur au laboratoire CIMEOS et à IGENSIA-Education, Université Bourgogne Europe et Olivier Mathonat, Enseignant chercheur à l'Ircom - Docteur en communication, Université Bourgogne Europe

Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.

Une étude souligne que les consommateurs discriminés sont plus enclins à se tourner vers des recommandations basées sur l’IA plutôt que vers des conseils humains. La peur d’être jugé ou de vivre un sentiment de gêne peut conduire à utiliser l’IA Si les systèmes d’IA sont eux-mêmes biaisés, ils risquent d’amplifier la discrimination à laquelle les consommateurs tentaient d’échapper.

Que préparer pour le dîner avec un budget de 20 euros et un invité intolérant au gluten ? Un consommateur peut demander conseil à un employé de magasin ou interroger, par exemple, Hopla, l’assistant d’achat basé sur l’intelligence artificielle lancé par Carrefour. Derrière ce choix très quotidien se pose une question plus large : face à une recommandation, faisons-nous davantage confiance à un être humain ou à une IA ?

Des travaux récents – sur les processus de décision, l’impact des erreurs, etc. – ont mis en évidence une tendance claire et bien établie : les individus ont tendance à préférer les êtres humains. Ce phénomène, connu sous le nom d’« aversion pour les algorithmes », a été largement documenté, même lorsque les algorithmes affichent objectivement de meilleures performances.

Cependant, cette préférence n’est pas universelle. Nos recherches soulignent qu’elle peut s’inverser dans un contexte répandu : la discrimination sur les plateformes et marchés, c’est-à-dire lors d’un acte de consommation d’un produit ou d’un service. Plus précisément, les consommateurs victimes de discrimination – en particulier dans des lieux publics – sont nettement plus enclins à se tourner vers des recommandations basées sur l’IA plutôt que vers des conseils humains.

Le mécanisme émotionnel à l’origine de ce changement ? La gêne. Lorsque les personnes se sentent jugées socialement ou traitées injustement en raison d’un attribut personnel non pertinent, elles cherchent refuge dans des systèmes perçus comme neutres et exempts de préjugés.

Comment ce mécanisme fonctionne-t-il ? Qu’est-ce que cela signifie pour les organisations concernées ? Et que révèle-t-il sur les moteurs cachés de l’adoption de l’IA ?

La discrimination implicite

La discrimination dans les contextes de consommation est loin d’être rare. Des études montrent que certains groupes bénéficient de conditions moins favorables que d’autres pour des services similaires, par exemple en matière d’accès au crédit ou à l’assurance. Au-delà de leurs conséquences économiques, ces expériences ont de fortes répercussions psychologiques. Elles augmentent le stress, sapent le sentiment d’équité et influencent les comportements futurs.

Il est important de clarifier ce que signifie la discrimination dans un contexte de marché. Un marché, au sens large, désigne tout espace où les consommateurs interagissent avec des prestataires de services, qu’il s’agisse d’un concessionnaire automobile, d’un restaurant, d’une banque ou d’une plateforme de santé. Au sein de ces espaces, un traitement différencié n’est pas intrinsèquement discriminatoire. Par exemple, un client VIP bénéficiant d’un service haut de gamme est traité différemment sur la base d’un critère commercial pertinent.

La discrimination survient lorsque le facteur de différenciation est non pertinent et illégitime, comme la couleur de peau, l’origine ethnique ou le genre. Ce qui la rend particulièrement insidieuse, c’est qu’elle peut être cachée, implicite, voire involontaire, tout en causant un préjudice psychologique réel à ceux qui en sont victimes.

Un système d’IA dépourvu d’émotions

Dans le cadre d’une étude de terrain que nous avons menée en conditions réelles, des « agents » – en réalité des personnes impliquées dans le dispositif de recherche – ont évalué des demandes de prêt sur un campus universitaire à l’aide de questionnaires quasi identiques, dont l’un comportait une question supplémentaire sur l’auto-évaluation de la couleur de peau.

Tous les candidats ont ensuite été refusés ; ceux qui avaient été confrontés à la question sur la couleur de peau ont déclaré s’être sentis victimes de discrimination (phase 1). Lors de la collecte de données de suivi, réalisée ultérieurement, tous les participants se sont vu proposer le choix entre un évaluateur humain et un évaluateur IA (phase 2).

Une proportion significativement plus élevée de ceux ayant eu l’impression d’avoir subi une discrimination lors de la première phase (par rapport à ceux n’ayant pas eu l’impression d’avoir subi de discrimination lors de cette même phase) a choisi, lors de la deuxième phase, d’être évaluée par le système d’IA décrit comme « dépourvu d’émotions ».

Sentiment de gêne

Les consommateurs discriminés semblent nettement plus enclins à se fier à des recommandations basées sur l’IA plutôt qu’à des conseils humains. En d’autres termes, l’aversion pour les algorithmes peut se transformer en préférence pour les algorithmes, également appelée « appréciation des algorithmes ».

Ce revirement s’explique par un mécanisme psychologique spécifique : la gêne. Cette émotion sociale survient lorsque les individus se sentent jugés négativement par les autres. Dans nos expériences, les participants exposés à des situations discriminatoires font état de niveaux de gêne plus élevés, et cette émotion influence directement leurs choix ultérieurs. Plus ils se sentent gênés, plus ils cherchent à limiter les interactions humaines.

Dans ce contexte, l’IA apparaît comme une alternative plus sûre.

L’IA perçue comme plus neutre

Par rapport aux êtres humains, les systèmes algorithmiques sont perçus comme plus neutres, plus objectifs et moins enclins aux biais ou aux préjugés.

La réalité est plus complexe. Les algorithmes peuvent être biaisés, en fonction des données et de l’entraînement dont ils bénéficient. Pourtant, nombreux sont ceux qui continuent à les considérer comme neutres et objectifs. Dans ce contexte, ce sont ces perceptions qui importent le plus. Opter pour l’IA permet aux consommateurs de réduire le risque d’avoir l’impression d’être à nouveau jugés ou traités de manière injuste.

Cet effet dépend du contexte dans lequel les décisions sont prises. Nous constatons qu’il est particulièrement marqué dans les situations publiques, lorsque les choix sont visibles par les autres. En revanche, lorsque les décisions sont privées, cet effet s’affaiblit considérablement.

Les expériences sociales antérieures

Ces résultats apportent un nouvel éclairage sur l’adoption de l’IA. Ils suggèrent que l’utilisation de systèmes automatisés n’est pas uniquement motivée par des considérations d’efficacité ou de performance, mais également par des besoins psychologiques façonnés par des expériences sociales antérieures.

Pour les entreprises, les implications sont considérables. Dans les secteurs où les interactions peuvent être perçues comme sensibles, telles que la banque, la santé ou les services client en général, proposer des alternatives basées sur l’IA peut aider certains consommateurs à se sentir plus à l’aise. Pour ces personnes, l’IA n’est pas seulement un outil technologique ; elle devient un moyen d’échapper au jugement social et de reprendre le contrôle après des expériences négatives.

Dans le même temps, ces résultats s’accompagnent d’une mise en garde importante : si les systèmes d’IA sont eux-mêmes biaisés – entraînés sur des données biaisées ou conçus sans tenir compte de l’équité –, ils risquent de reproduire, voire d’amplifier, la discrimination même à laquelle les consommateurs tentaient d’échapper. Plus grave encore, ce type de discrimination passe souvent inaperçu car il est caché et difficile à détecter. Le déploiement de l’IA en tant qu’alternative « sûre » n’a de sens que si cette sécurité est réelle, et non simplement perçue.

À mesure que l’IA s’intègre de plus en plus dans la vie quotidienne, la compréhension de ces mécanismes sera essentielle pour concevoir des expériences client plus inclusives et adaptatives.

Arash Talebi, Professeur assistant, EDHEC Business School et Sylvain Riffe-Stern

Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.

Les visages générés par IA offrent aux publicitaires un moyen de créer une impression de proximité avec le consommateur.Une étude souligne que, au-delà de 57 % de similarité faciale, de telles publicités seraient contre-productives. Jusqu’où personnaliser la publicité grâce à l’IA ?

En apparence, l’intelligence artificielle générative offre aux publicitaires un outil idéal : créer une annonce qui ressemble à chaque consommateur. Plus une publicité paraît personnelle, plus elle devrait convaincre.

La réalité est plus nuancée. Notre étude souligne que les visages générés par IA peuvent augmenter l’efficacité d’une publicité. Mais seulement jusqu’à un certain point. Lorsque le visage présenté ressemble trop à la personne qui regarde l’annonce, l’intention d’achat diminue.

Le résultat principal est simple : la ressemblance aide tant qu’elle reste modérée. Dans notre échantillon, l’effet positif est maximal autour de 57 % de similarité faciale. Au-delà, la publicité devient moins persuasive.

La personnalisation par IA fonctionne comme une arme à double tranchant : elle peut à la fois créer de la proximité et donner l’impression d’une intrusion.

Promesse d’une publicité sur mesure

Depuis l’essor de l’IA générative, les marques testent de nouvelles formes de personnalisation. Ces outils ne servent plus seulement à produire des textes ou des images plus vite. Ils adaptent également un contenu à une personne précise.

Dans la publicité, ce changement est important. Pendant longtemps, la personnalisation consistait surtout à cibler des groupes : jeunes parents, amateurs de sport, voyageurs fréquents ou cadres urbains. L’IA générative permet désormais d’aller plus loin. Elle peut modifier une image, un décor, un produit ou un visage pour un particulier. Cette évolution s’inscrit dans l’émergence de la « publicité synthétique », pour laquelle proposent un cadre théorique destiné à comprendre les réactions des consommateurs aux contenus publicitaires créés ou manipulés par l’IA.

Les entreprises Samsung et Glance ont par exemple annoncé une expérience où des publicités sur écran verrouillé peuvent intégrer la ressemblance de l’utilisateur. Concrètement, l’utilisateur peut volontairement fournir un selfie à partir duquel l’IA génère des images hyperréalistes de lui portant différentes tenues, qui peuvent ensuite être affichées sur son écran verrouillé. Dans le secteur de la mode, une publicité Guess utilisant des mannequins générés par IA dans Vogue a suscité un débat sur l’authenticité et les standards de beauté.

Ces exemples illustrent une évolution plus large. La publicité ne cherche plus seulement à parler à une cible. Elle cherche à se rapprocher du consommateur lui-même. Le visage rend cette évolution particulièrement sensible.

Tester la limite de la ressemblance

La question n’est pas seulement de savoir si la ressemblance fonctionne. Elle est de savoir jusqu’où elle peut aller.

Pour étudier cette question, nous avons d’abord mesuré automatiquement la similarité entre deux visages. Leur méthode utilise une technologie issue de la reconnaissance faciale. Chaque visage est transformé en représentation numérique. L’algorithme compare ensuite deux représentations et attribue un score compris entre 0 et 1.

Un score proche de 0 indique deux visages très différents. Un score proche de 1 indique deux visages très similaires.

Dans une étude de validation, l’algorithme et les participants sont parvenus à des conclusions très similaires. Pour cent comparaisons, les participants devaient indiquer lequel de deux visages ressemblait le plus à un visage de référence. L’algorithme a ensuite effectué la même tâche. L’accord entre ses choix et ceux des participants était élevé (kappa de Cohen = 0,88).

L’algorithme peut donc évaluer la ressemblance faciale d’une manière largement comparable à la perception humaine, sans devoir solliciter de nouveaux participants pour chaque image.

Point optimal : 57,6 % de similarité faciale

Nous avons ensuite mené deux expériences.

Dans la première, les participants voyaient une publicité pour une assurance automobile. Cette publicité contenait un visage généré par IA. Ce visage était plus ou moins proche de la photo de profil du participant sur un réseau social, utilisée avec son accord.

Conclusion : la relation entre la similarité faciale et l’intention d’achat n’est pas linéaire. Lorsque la similarité part d’un niveau faible et augmente, l’intention d’achat progresse. Toutefois, lorsqu’elle devient très élevée, l’intention d’achat diminue.

Une seconde expérience, portant sur dix niveaux de ressemblance allant d’une similarité très faible à une similarité très élevée, confirme cette relation en forme de « U inversé ». Comme l’illustre le graphique ci-dessus, une ressemblance modérée améliore l’efficacité de la publicité, tandis qu’une ressemblance excessive la pénalise. Cela veut dire, lorsque le visage ne ressemble presque pas au consommateur, l’intention d’achat est relativement faible.

Cette ressemblance excessive peut paraître étrange, intrusive ou donner l’impression que la publicité cherche trop manifestement à manipuler le consommateur.

Le point optimal estimé est de 57,6 % de similarité faciale. L’intervalle de confiance se situe entre environ 52 % et 63 %.

Pourquoi un visage familier peut convaincre

La ressemblance joue un rôle connu dans la persuasion. Les individus sont souvent plus réceptifs aux personnes qu’ils perçoivent comme proches d’eux. En publicité, ce mécanisme est décrit comme un effet de similarité. Celui-ci s’inscrit notamment dans la théorie de la comparaison sociale du psychologue Leon Festinger, selon laquelle les individus tendent à se comparer à des personnes qu’ils perçoivent comme similaires.

Cette proximité peut venir de l’âge, du style, du genre ou du langage. Elle peut aussi venir du visage. Des travaux antérieurs montrent que la ressemblance faciale peut influencer la confiance ou l’attitude envers une marque.

L’IA générative change l’échelle de ce mécanisme. Il ne s’agit plus seulement de choisir un mannequin proche d’une catégorie de consommateurs. Il devient possible de générer un visage qui ressemble à une personne donnée.

Quand la proximité devient intrusion

Pourquoi une publicité trop ressemblante convainc-t-elle moins ? Une première explication tient au sentiment d’intrusion. Une publicité très personnalisée peut donner l’impression que la marque en sait trop sur le consommateur. Des recherches montrent que l’utilisation d’éléments personnels, comme le nom ou la photographie peut renforcer cette impression et réduire l’intention d’achat.

Une deuxième explication renvoie à la « vallée de l’étrange ». Cette théorie suggère qu’un visage presque humain, mais pas totalement naturel, peut provoquer un malaise. Dans une publicité, un visage qui ressemble beaucoup au consommateur sans le représenter exactement peut produire un effet similaire.

Une troisième explication concerne la persuasion elle-même. Lorsqu’un consommateur comprend trop clairement qu’une marque cherche à l’influencer, il peut devenir plus méfiant. Une personnalisation trop visible peut donc rendre la stratégie publicitaire trop évidente.

La vraie limite de l’IA publicitaire

Notre étude ne conclut pas que les visages générés par IA doivent être évités. Elle montre qu’ils doivent être calibrés.

Pour les annonceurs, l’objectif ne devrait pas être de créer le visage le plus ressemblant possible. Il devrait être de créer une impression de proximité sans franchir le seuil où cette proximité devient gênante.

La technologie permet d’aller très loin dans la personnalisation. Mais l’efficacité publicitaire dépend aussi de ce que les consommateurs acceptent.

La bonne question n’est donc pas seulement : jusqu’où peut-on personnaliser une publicité ? Elle est plutôt : à partir de quand la personnalisation cesse-t-elle d’être utile et commence-t-elle à devenir intrusive ?

Arno De Caigny, Full Professor of Marketing Analytics, IÉSEG School of Management et Gudrun Roose, Assistant Professor in Marketing Communication and Digital Marketing, Ghent University

Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.