Scandale de citations générées par IA & IA militaire: Maven devient standard - Actualités IA (22 mars 2026)

On commence par une affaire qui fait mal à la crédibilité du métier. Le groupe Mediahuis a suspendu Peter Vandermeersch, journaliste senior, après qu’il a reconnu avoir publié des citations générées par IA et attribuées à tort à des personnes réelles. D’après une enquête du journal NRC, il y aurait eu des dizaines de citations fausses, et plusieurs personnes citées affirment ne jamais avoir prononcé ces phrases. Vandermeersch explique avoir utilisé des outils comme ChatGPT, Perplexity et Google NotebookLM pour résumer des rapports pour sa newsletter Substack, mais sans vérifier si les passages présentés comme des “verbatims” étaient exacts. Pourquoi c’est important: ce n’est pas un débat théorique sur l’IA, c’est une démonstration très concrète que le moindre raccourci dans la vérification peut casser la confiance — et que l’IA, quand elle “complète”, peut inventer avec aplomb.

Dans un tout autre registre, l’IA s’institutionnalise côté défense. Selon Reuters, le Pentagone aurait désigné le système Maven de Palantir comme « program of record », un statut qui, en clair, l’inscrit dans la durée: financement, standardisation, déploiement à grande échelle. Maven agrège des données venant de capteurs et de rapports pour accélérer l’identification de cibles potentielles. Les partisans mettent en avant le gain de temps; les critiques rappellent un point clé: à mesure que ces outils s’étendent, les erreurs — et leurs conséquences — peuvent aussi s’étendre. Et quand il s’agit de décisions liées au ciblage, la question de l’accountability ne peut pas être une simple note de bas de page.

Revenons au marché du travail, avec un signal visible par tout le monde: LinkedIn déborde de développeurs de jeux « open to work », y compris des profils très expérimentés. Une analyse y voit l’effet d’un cycle boom-and-bust: sur-embauche pendant la pandémie, afflux d’investissements, puis retour de bâton quand les attentes se sont retournées, entre lassitude autour de certains paris comme le “metaverse” et normalisation des licenciements dans la tech. L’arrivée de ChatGPT aurait aussi déplacé l’attention — et une partie des budgets — vers l’IA. Le point intéressant, c’est l’idée d’un “remplacement” indirect: si une personne, outillée par l’IA, produit ce qui demandait auparavant plusieurs spécialistes, certaines embauches ne se font tout simplement plus. Mais l’auteur souligne aussi un frein: il reste un goulot d’étranglement humain — l’attention du public, la valeur de contenus authentiques, et les limites des plateformes à absorber une production infinie.

Et justement, côté développeurs logiciel, deux lectures se complètent. D’abord, un témoignage de terrain: les outils de code assistés par IA ne rendent pas le métier inutile, mais ils déplacent la valeur vers le jugement, la vérification, et la responsabilité. Les assistants peuvent aider à clarifier un besoin, accélérer une implémentation ou automatiser des tâches. En revanche, sur de vrais produits — avec des dépendances qui bougent, des contraintes de sécurité, de performance, et des équipes multiples — “accepter ce que l’IA propose” sans comprendre devient un risque professionnel. L’idée qui revient: garder la propriété mentale du code important, et réserver le “vibe coding” aux prototypes jetables.

Deuxième lecture, plus organisationnelle: l’IA ne casserait pas seulement l’écriture du code, elle casserait la manière dont certaines entreprises évaluent les compétences. Parce que “savoir produire du code” devient un signal moins discriminant quand une machine peut en générer beaucoup, vite. Le danger, c’est de confondre activité et impact: plus de lignes, plus de pull requests, plus de commits… sans amélioration tangible pour les utilisateurs, ni progression de la fiabilité. Des travaux cités vont même jusqu’à montrer que des développeurs expérimentés peuvent se sentir plus rapides avec l’IA tout en étant, en pratique, plus lents sur certaines tâches. Conclusion pragmatique: si les entreprises investissent dans des générateurs de code, elles doivent investir autant dans la revue, la gouvernance, l’architecture, et des seniors capables de dire non.

Côté open source, une autre tendance gagne du terrain: reprendre le contrôle de la “mémoire” des assistants. Le projet context-use, sur GitHub, propose une mémoire portable et possédée par l’utilisateur, en s’intercalant comme un proxy compatible OpenAI entre vos outils et un fournisseur de modèles. L’intérêt, c’est la promesse d’une personnalisation durable — se souvenir de vos préférences, de votre contexte — sans être prisonnier d’une plateforme unique. Et, au passage, ça met sur la table une question sensible: où vit votre historique, qui y accède, et comment vous l’exportez si vous changez d’écosystème.

Enfin, une piqûre de rappel juridique venue d’OpenBSD. Theo de Raadt a réaffirmé une position stricte: le projet ne peut pas importer du code d’origine ambiguë, y compris du code potentiellement généré par IA, sans droits de redistribution clairs et attribuables à un auteur légalement reconnu. Derrière ce choix, il y a une réalité: le droit d’auteur est construit autour de l’humain, et l’IA complique la chaîne de provenance. Même si le code “a l’air” nouveau, il peut être dérivé d’œuvres protégées. Pourquoi c’est intéressant: l’IA accélère la production, mais le logiciel durable — surtout en open source — repose encore sur quelque chose de moins glamour: la traçabilité et la permission.