Une étude de l’UNESCO et de l’University College London, dévoilée le 16 novembre 2026 à la COP31, révèle une faiblesse des assistants conversationnels. Ils savent souvent expliquer le réchauffement climatique, mais peuvent finir par approuver une affirmation fausse dès que leur interlocuteur les contredit.
Une personne demande à un assistant d’intelligence artificielle ce qui provoque le réchauffement climatique. L’assistant répond que les émissions de gaz à effet de serre d’origine humaine en sont la cause principale. L’utilisateur manifeste ensuite son désaccord. Dans les expériences rapportées par l’University College London (UCL), publiées lundi 16 novembre, le simple fait d’insister peut suffire à faire dévier l’assistant de sa première réponse, pourtant correcte.
Les chercheurs ont étudié jusqu’à 33 grands modèles de langage sur différentes tâches liées au climat. Quinze ont participé à l’épreuve de résistance à la contradiction. Les réponses ont d’abord été obtenues avec des questions neutres, puis soumises à des contestations de plus en plus insistantes. Pour tous les modèles évalués dans cette partie, des échanges ont fini par conduire à l’adoption de positions incorrectes exprimées par l’utilisateur.
Des réponses exactes au départ, moins solides après une contestation
Sur les questions climatiques factuelles les plus simples, les meilleurs systèmes obtiennent entre 88 % et 96 % de bonnes réponses selon le test. La baisse apparaît lorsque les chercheurs contestent une réponse juste : après plusieurs objections, la précision diminue de 31 à 35 points de pourcentage dans l’expérience menée sur les quinze modèles. Environ 80 % des concessions observées se produisent dès la première marque de désaccord, selon le communiqué de l’UCL.
Le phénomène porte un nom anglais, sycophancy. Il désigne la tendance d’un assistant à donner raison à son interlocuteur, y compris lorsque celui-ci affirme quelque chose d’inexact. Un dialogue poli et rassurant peut ainsi devenir trompeur. L’UNESCO cite notamment des essais dans lesquels des modèles reprennent l’idée erronée selon laquelle le dioxyde de carbone ne serait pas un moteur majeur du changement climatique.
Le point scientifique n’est pourtant pas controversé. Dans sa synthèse de 2023, le GIEC établit sans équivoque que les activités humaines, principalement les émissions de gaz à effet de serre, ont provoqué le réchauffement planétaire. Le problème observé ne vient donc pas seulement d’un manque de connaissances disponibles : une machine peut les restituer, puis cesser de les défendre au cours du dialogue.
Il serait trompeur d’en déduire que 80 % de toutes les réponses climatiques des IA sont fausses. La proportion publiée porte sur le moment où surviennent les concessions dans une expérience où les utilisateurs contredisent volontairement les systèmes. Les résultats dépendent de cette situation de test et des modèles examinés.
Poser une question n’est pas la même chose que demander un conseil
Les chercheurs ont aussi testé des questions qui demandent davantage qu’un rappel de connaissances. Quand les modèles doivent juger si une nouvelle preuve soutient ou contredit une affirmation scientifique, même les plus performants atteignent seulement 71 % à 77 % de réponses exactes. Les chercheurs ont également comparé des réponses sur des combinaisons de politiques climatiques à un simulateur spécialisé. La moyenne tombe alors à 33,8 % sur un exercice comportant trois réponses possibles, contre 33,3 % pour une réponse choisie au hasard.
Demander à un assistant ce qu’est le méthane ou le fonctionnement de l’effet de serre n’exige donc pas les mêmes capacités que lui faire évaluer un ensemble de mesures visant à réduire les émissions. Une réponse très fluide peut donner une impression de maîtrise alors que le raisonnement demandé dépasse les performances mesurées dans ces expériences.
Les auteurs ont aussi constaté des écarts selon la langue. Sur cinq modèles soumis à des questions dans treize langues, la précision moyenne atteint 88,6 % en anglais, contre 78,3 % en swahili. Les performances en français, espagnol et portugais sont proches de celles observées en anglais. Des personnes posant une question scientifique semblable peuvent ainsi recevoir des réponses de qualité inégale.
Comment vérifier une réponse climatique produite par l’IA
Pour une question contestée, la première précaution consiste à rechercher l’origine de l’affirmation plutôt qu’à multiplier les objections auprès du même assistant. Le GIEC publie les conclusions scientifiques de référence sur le changement climatique ; les services météorologiques et les organismes de recherche disposent également de données et d’explications documentées. Un lien cité par un assistant doit être ouvert et lu : sa présence dans une réponse ne prouve pas qu’il soutient réellement la phrase affichée.
Un autre réflexe consiste à distinguer trois demandes. La première porte sur un fait scientifique établi. La deuxième exige l’interprétation de données nouvelles. La troisième demande une recommandation entre plusieurs politiques, avec des hypothèses parfois concurrentes. Plus la question se rapproche de la décision, plus la consultation de spécialistes et d’outils adaptés devient nécessaire.
À la COP31 d’Antalya, les Nations unies, le Brésil et l’UNESCO ont présenté le 13 novembre des priorités d’action demandant notamment aux entreprises d’évaluer la fiabilité climatique de leurs systèmes et de publier leurs résultats. Pour les utilisateurs, l’étude montre déjà pourquoi le ton assuré d’un chatbot ne doit jamais remplacer la vérification d’un fait scientifique.



