L’histoire n’est jamais seulement une accumulation de dates, de documents et de témoignages. Elle est aussi le résultat d’un travail de sélection, d’interprétation et de transmission. Pendant des siècles, historiens, archivistes, enseignants, journalistes et institutions culturelles ont joué un rôle essentiel dans cette construction de notre mémoire commune. Mais un nouvel acteur est désormais capable d’intervenir à une échelle considérable : l’intelligence artificielle.

Avec les modèles génératifs capables de produire des textes, des photographies, des vidéos et des voix artificielles, la relation entre IA et mémoire collective devient une question de société. Ces technologies peuvent faciliter l’exploration d’archives gigantesques, restaurer certains documents ou rendre le patrimoine plus accessible. Elles peuvent également produire des représentations parfaitement vraisemblables d’événements qui n’ont jamais existé.

Le véritable enjeu dépasse donc la simple question de savoir si une machine peut raconter l’histoire. Il consiste à déterminer comment nous continuerons à distinguer un document historique d’une reconstruction, une hypothèse d’un fait établi et une illustration d’une preuve.

Cette problématique, au cœur du mini-livre Comment l’IA réécrira-t-elle l’histoire ? de Léwis Verdun, nous conduit vers une interrogation plus large : à l’époque des contenus génératifs, comment protéger la fiabilité de notre mémoire collective sans renoncer aux possibilités offertes par l’intelligence artificielle ?

Quand les archives rencontrent l’intelligence artificielle

Les archives représentent une matière première considérable pour comprendre les sociétés passées. Bibliothèques, musées, administrations et centres de recherche conservent des millions de photographies, manuscrits, journaux, enregistrements et documents dont une partie seulement a été étudiée en profondeur.

Dans ce contexte, l’intelligence artificielle et l’histoire peuvent former une association particulièrement féconde. Des systèmes informatiques peuvent aider les chercheurs à classer de grandes quantités de documents, détecter des correspondances, transcrire des textes ou faciliter les recherches dans des fonds numérisés.

L’intérêt n’est pas nécessairement de remplacer l’historien, mais d’augmenter sa capacité d’exploration.

Une machine capable d’analyser rapidement plusieurs milliers de documents peut, par exemple, faire émerger des rapprochements qui auraient demandé un temps considérable à une équipe humaine. L’IA peut également contribuer à rendre certaines archives numériques plus accessibles au grand public en facilitant leur indexation, leur traduction ou leur contextualisation.

Cette évolution ouvre des perspectives intéressantes pour les musées et l’enseignement. Une exposition pourrait proposer différentes visualisations d’une époque à partir de sources authentifiées. Un enseignant pourrait accéder plus facilement à des documents provenant de plusieurs collections. Un chercheur pourrait interroger un corpus immense sans devoir consulter chaque document séparément.

Mais la rapidité d’analyse ne garantit pas la justesse de l’interprétation.

Un algorithme travaille à partir de données et de modèles. Si ses données contiennent des erreurs, des représentations anciennes ou des déséquilibres, ses résultats risquent de les reproduire. Une représentation générée d’un personnage ou d’une population historique peut ainsi sembler extrêmement réaliste tout en reposant sur des hypothèses contestables.

C’est précisément là que la vigilance humaine redevient indispensable.

Une image réaliste n’est pas nécessairement une preuve historique

Nous avons longtemps accordé une place particulière à la photographie et à la vidéo. Même si les manipulations d’images existent depuis bien avant l’intelligence artificielle, les outils génératifs modifient profondément leur ampleur et leur accessibilité.

Il est désormais possible de fabriquer une scène historiquement plausible sans qu’elle ait jamais été photographiée. Un personnage disparu peut sembler parler devant une caméra. Une rue ancienne peut être reconstruite dans ses moindres détails. Une voix synthétique peut donner l’impression qu’une personnalité prononce des paroles qu’elle n’a jamais dites.

Les deepfakes historiques rendent ainsi plus fragile une association mentale très répandue : « je le vois, donc cela a existé ».

Le danger vient notamment du réalisme. Une représentation médiocre invite naturellement à la prudence. Une image photoréaliste, accompagnée d’une légende crédible et diffusée des milliers de fois, peut au contraire acquérir une apparence documentaire.

La répétition renforce ensuite le phénomène. Lorsqu’une même image circule sur les réseaux sociaux, apparaît dans une vidéo puis est reprise sur différents sites, elle peut progressivement être perçue comme une référence, même lorsque son origine est artificielle.

Les générations futures pourraient donc rencontrer une difficulté nouvelle : leurs espaces numériques contiendront simultanément des documents authentiques, des restaurations, des reconstitutions pédagogiques, des œuvres créatives et des fabrications trompeuses.

La question ne sera plus seulement : « Que montre cette image ? », mais aussi : « D’où vient-elle, qui l’a créée, à partir de quelles sources et dans quel but ? »

Ce réflexe constitue l’une des bases de la littératie numérique dont citoyens et élèves auront de plus en plus besoin.

Les biais algorithmiques peuvent-ils modifier notre vision du passé ?

Une intelligence artificielle générative n’est pas une fenêtre neutre ouverte sur l’histoire. Ses productions dépendent des données utilisées pour son entraînement, de la conception du système et de la formulation des demandes qui lui sont adressées.

Or les archives humaines elles-mêmes sont incomplètes.

Certaines populations ont laissé énormément de traces écrites ou iconographiques tandis que d’autres ont été peu documentées. Certains récits ont dominé les institutions pendant des décennies. Des témoignages ont disparu, des langues ont été marginalisées et des représentations erronées ont parfois été répétées jusqu’à devenir familières.

Les biais algorithmiques peuvent donc amplifier des biais historiques déjà présents.

Imaginons qu’un système soit chargé de produire l’image d’une population ancienne à partir d’un ensemble de références déséquilibrées ou scientifiquement dépassées. Le résultat peut être visuellement spectaculaire et néanmoins donner au public une vision fausse de cette population.

Le problème devient particulièrement délicat lorsque l’IA comble automatiquement ce qu’elle ignore. Les modèles génératifs sont conçus pour produire une réponse cohérente, pas pour transformer chaque incertitude en silence. Une information inventée peut ainsi se glisser entre plusieurs faits exacts et bénéficier de leur crédibilité.

Dans le domaine historique, cette capacité à produire des « hallucinations » convaincantes impose une distinction essentielle entre exploration et validation.

L’IA peut suggérer une piste. Elle peut faciliter une recherche ou proposer une reconstitution hypothétique. Mais une affirmation historique nécessite toujours des sources identifiables, une contextualisation et, lorsque le sujet l’exige, une expertise humaine.

Les réflexions internationales consacrées à l’éthique de l’intelligence artificielle mettent d’ailleurs régulièrement en avant des principes tels que la transparence, la responsabilité, la supervision humaine et la sensibilisation du public.

Appliqués à la mémoire collective, ces principes deviennent particulièrement concrets : il faut savoir quand une représentation a été générée, pouvoir retrouver les sources dont elle s’inspire et éviter qu’une reconstruction ne soit présentée comme un document original.

Nos souvenirs personnels deviennent eux aussi génératifs

La question ne concerne pas uniquement les grandes archives nationales ou les événements historiques. L’intelligence artificielle commence également à intervenir dans la manière dont nous conservons et représentons nos souvenirs individuels.

À partir d’un récit, des outils peuvent créer une image d’un lieu d’enfance, représenter visuellement un rêve ou reconstruire une scène dont aucune photographie n’existe. Ces usages peuvent avoir une dimension artistique, pédagogique ou même thérapeutique.

Mais ils brouillent également une frontière fondamentale : celle qui sépare le souvenir de sa représentation.

La mémoire humaine n’est déjà pas une reproduction parfaite du passé. Elle évolue avec le temps, les émotions et les récits successifs que nous faisons d’un événement. Si une image générée vient ensuite donner une forme visuelle très convaincante à ce souvenir, elle pourrait à son tour influencer la manière dont celui-ci est raconté.

À l’échelle individuelle, le phénomène est fascinant. À l’échelle de millions d’utilisateurs, il pourrait modifier notre rapport collectif aux traces du passé.

C’est pourquoi l’IA et la mémoire collective ne doivent pas être envisagées uniquement sous l’angle de la désinformation. Elles posent une question plus profonde : comment une société construit-elle ses souvenirs lorsqu’une partie croissante des images qu’elle consulte peut être synthétique ?

Comment préserver une mémoire collective fiable à l’ère de l’IA ?

Interdire toute utilisation de l’intelligence artificielle dans le domaine historique serait à la fois difficile et contre-productif. Ces outils peuvent offrir de réelles possibilités aux chercheurs, enseignants, professionnels de la culture et citoyens. L’objectif est plutôt d’établir des pratiques permettant de profiter de leurs avantages sans confondre création et documentation.

Voici quelques réflexes utiles :

  • Identifier la provenance d’un contenu. Une image spectaculaire doit pouvoir être reliée à une source, un auteur, une institution ou une méthode de création clairement identifiée.
  • Distinguer document et reconstitution. Une représentation générée par IA devrait être signalée comme telle, particulièrement lorsqu’elle concerne un personnage ou un événement historique.
  • Croiser les sources. Une affirmation importante ne devrait pas reposer exclusivement sur une réponse produite par un modèle génératif.
  • Examiner les données utilisées. Lorsque cela est possible, il faut s’interroger sur la qualité, la diversité et l’ancienneté des références ayant servi à une reconstruction.
  • Enseigner la littératie numérique. Savoir rechercher l’origine d’une image, vérifier une information et identifier les signes d’une manipulation devient une compétence culturelle essentielle.
  • Conserver une supervision humaine. Historiens, archivistes, chercheurs et spécialistes restent indispensables pour interpréter les sources et leurs contextes.
  • Développer des règles de transparence. Institutions, médias et plateformes ont intérêt à préciser clairement lorsqu’un contenu historique a été généré ou substantiellement transformé par une IA.

Pour un lecteur confronté à un contenu historique étonnant, une méthode simple consiste à se poser quatre questions : quelle est la source originale ? Le contenu est-il authentique ou reconstitué ? Existe-t-il d’autres sources indépendantes qui le confirment ? Quelles informations manquent pour comprendre son contexte ?

Ces quelques secondes de vérification peuvent faire une différence considérable.

L’enjeu n’est donc pas de développer une méfiance systématique envers toute image ou tout texte numérique. Il s’agit plutôt d’acquérir une nouvelle culture de la preuve adaptée à l’époque des contenus génératifs.

La collaboration entre humains et machines pourrait aussi enrichir l’histoire

Les risques associés à l’IA ne doivent pas masquer son potentiel. Bien employée, elle peut devenir un formidable outil d’accès au patrimoine.

Elle pourrait faciliter l’exploration de collections auparavant difficiles à consulter, aider à comparer des corpus, favoriser la traduction de documents ou créer des dispositifs pédagogiques permettant au public de mieux comprendre une époque.

La condition essentielle consiste à préserver la distinction entre ce que nous savons, ce que nous déduisons et ce que nous reconstituons.

Dans cette perspective, l’avenir de l’intelligence artificielle et de l’histoire ne se résume pas à une compétition entre l’être humain et la machine. Il peut reposer sur une complémentarité : la puissance de traitement des systèmes informatiques d’un côté, l’esprit critique, la contextualisation, la responsabilité et l’expertise humaine de l’autre.

Notre mémoire collective a toujours évolué avec ses supports : traditions orales, manuscrits, imprimerie, photographie, cinéma, bases de données et réseaux numériques. L’intelligence artificielle constitue une nouvelle étape, mais avec une différence majeure : elle ne se contente plus de conserver ou de diffuser les traces du passé. Elle peut désormais en produire de nouvelles.

C’est précisément pour cette raison que l’esprit critique, la qualité des données, la transparence et l’éducation aux médias deviennent déterminants. L’objectif n’est pas de choisir entre innovation et mémoire, mais de faire en sorte que la première contribue à enrichir la seconde sans en effacer les repères.

Cette réflexion est au cœur de Comment l’IA réécrira-t-elle l’histoire ? de Léwis Verdun. À travers les enjeux des archives, des hallucinations algorithmiques, des deepfakes, des biais et de la reconstruction des souvenirs, ce mini-livre invite à réfléchir à ce que nous voulons préserver au moment où les machines deviennent capables de fabriquer des représentations crédibles du passé.

Découvrez Comment l’IA réécrira-t-elle l’histoire ? de Léwis Verdun dès maintenant dans la collection Nouveaux Horizons sur FIVE ÉDITIONS.