Le 11 février 2026, la France a adopté sa première Stratégie nationale de lutte contre les manipulations de l’information. Élaborée sous l’égide du Secrétariat général de la défense et de la sécurité nationale, nourrie de contributions d’experts, de chercheurs et de parlementaires, elle franchit un pas que peu de textes publics avaient osé : elle inscrit explicitement, parmi ses quatre priorités, la nécessité d’encadrer non seulement les plateformes en ligne mais aussi les services d’intelligence artificielle générative. L’État reconnaît ainsi, noir sur blanc, que les IA génératives sont devenues une architecture qui façonne la circulation de l’information publique, au même titre que les médias et les réseaux. Mais cette reconnaissance ouvre une question que personne, à ce jour, ne mesure : quand une intelligence artificielle répond à un citoyen qui l’interroge sur son pays, sur quelles sources s’appuie-t-elle ? Françaises ? Européennes ? Venues d’ailleurs ? Nul ne le sait, parce que nul ne le compte. C’est précisément ce vide que l’Observatoire de la Part de Voix Souveraine entreprend de combler, avec une donnée mesurée, une méthode publiée et des hypothèses énoncées avant la collecte.
Ce que la stratégie nationale reconnaît, et ce qu’elle ne mesure pas
La Stratégie nationale 2026-2030 est, sur le plan informationnel, un texte lucide. Son deuxième pilier porte sur la régulation des plateformes et des services d’intelligence artificielle générative, partant du constat que le débat démocratique ne peut être préservé sans une action sur les architectures numériques qui structurent la circulation de l’information. Elle prévoit de renforcer la capacité d’analyse des risques systémiques liés à l’IA, et de promouvoir la transparence algorithmique. Sur tous ces points, l’État voit juste et agit.
Mais il y a une chose que la stratégie ne nomme pas, et que personne ne mesure : la souveraineté des sources que ces intelligences artificielles citent. La transparence algorithmique concerne le fonctionnement interne des systèmes. Les risques systémiques concernent les effets de masse. Ni l’un ni l’autre ne répond à la question concrète de l’origine des sources : quand un modèle, interrogé sur une politique publique française, sur une question de société ou sur un sujet économique national, compose sa réponse, quelle proportion des sources qu’il convoque relève d’un contrôle éditorial français, européen, ou extérieur à l’Europe ? On régule l’architecture, on ne mesure pas l’origine de ce qui est servi. Cet angle mort n’est pas un détail technique. Il touche à la manière dont un pays se voit décrit, dans les outils par lesquels une part croissante de ses citoyens s’informe.
Le besoin de mesure est d’ailleurs reconnu par l’État lui-même. Dans son rapport de février 2025 sur la menace informationnelle liée à l’IA, le service de vigilance et de protection contre les ingérences numériques étrangères, Viginum, constatait qu’il n’existe à ce jour aucun consensus dans le monde académique sur la façon de mesurer l’impact d’une campagne de manipulation de l’information. L’analyse demeure largement empirique, faute d’instruments partagés. Le manque d’outils de mesure rigoureux est donc un problème nommé au plus haut niveau. L’Observatoire de la Part de Voix Souveraine ne prétend pas le résoudre en totalité, mais il propose une mesure précise sur un point précis : l’origine des sources mobilisées par les IA sur les questions françaises.
Souveraineté sémantique et Part de Voix Souveraine : une distinction nécessaire
Il faut ici éviter une confusion. Au mois de mai, nous avons publié une étude sur la souveraineté sémantique, qui posait une question voisine mais distincte : dans quels termes, avec quelles références et quels cadrages un modèle décrit-il la France ? La souveraineté sémantique porte sur la qualité et l’orientation du discours, sur la façon de dire. La Part de Voix Souveraine porte sur tout autre chose : l’origine des sources citées, sur le d’où ça vient. Un modèle peut parfaitement employer un vocabulaire neutre et équilibré tout en s’appuyant majoritairement sur des sources non françaises, et inversement. Les deux mesures sont complémentaires, elles ne se substituent pas. L’Observatoire que nous lançons aujourd’hui mesure la seconde : non pas comment l’IA parle de la France, mais quelles sources elle cite quand elle en parle.
Ce que mesure l’Observatoire
L’Observatoire produit une batterie d’indicateurs, conçus pour être lisibles, comparables dans le temps et reproductibles par un tiers. Les principaux sont les suivants.
La Part de Voix Souveraine française, ou PVS-FR, est l’indicateur central : la proportion des sources citées dont le contrôle éditorial est domicilié en France, rapportée à l’ensemble des sources citées sur le corpus de questions. La Part de Voix européenne, ou PVS-EU, élargit la mesure aux sources dont le contrôle éditorial est domicilié dans l’Union européenne, France comprise, de sorte que l’écart entre les deux révèle le poids des sources européennes non françaises.
L’Indice de Concentration des dix premières sources, ou IC-10, mesure la part des citations captée par les dix sources les plus citées. Un IC-10 élevé signale que l’espace informationnel français, tel que restitué par les IA, repose sur une poignée de sources dominantes plutôt que sur une diversité de voix. La liste d’absence recense les sources françaises de référence que l’on attendrait légitimement sur une question donnée, mais qu’aucun modèle ne cite jamais : elle dit ce que les IA ne servent pas. Enfin, la ventilation par catégorie répartit les sources citées par nature, médias, institutions publiques, sources académiques, plateformes, agrégateurs, sources commerciales, pour distinguer non seulement d’où viennent les sources, mais de quel type elles relèvent.
Le choix méthodologique le plus important concerne la manière de classer une source. Nous ne la classons ni par sa langue, ni par son extension de domaine, mais par le domicile de son contrôle éditorial, c’est-à-dire par l’entité qui décide réellement de sa ligne. Une adresse en point fr peut appartenir à un acteur étranger ; une source en langue française peut être belge ou canadienne ; une page en anglais peut être éditée par l’administration française. Seul le domicile du contrôle éditorial dit quelque chose de la souveraineté réelle. Les cas ambigus, filiales, coentreprises, existent, et les règles d’arbitrage que nous leur appliquons sont documentées et publiées avec les résultats.
La méthode, en transparence intégrale
C’est ici que se joue la valeur de l’Observatoire. Une mesure que l’on ne peut pas reproduire n’est pas une preuve, c’est une opinion chiffrée. Nous avons donc choisi la transparence intégrale, en miroir de la doctrine que la Stratégie nationale valorise chez Viginum, dont elle souligne qu’il fonde son activité sur des données publiquement accessibles et rend ses méthodes reproductibles, vérifiables et contestables par des tiers. Nous adoptons la même exigence.
L’Observatoire interroge cinq systèmes : ChatGPT, Gemini, Claude, Mistral et Perplexity, en activant leur accès à la recherche web lorsqu’il est disponible, puisque c’est dans ce mode que ces outils citent des sources. Le corpus est composé de cinquante questions, réparties en cinq domaines de dix questions chacun, couvrant les grands champs du débat public français, des institutions à l’économie, de la santé aux sujets internationaux et de société. Ce corpus est gelé avant la collecte : aucune question n’est ajoutée, retirée ou reformulée une fois la mesure lancée, afin qu’il ne puisse être ajusté aux résultats.
Chaque question est posée trois fois à chaque modèle, dans des sessions vierges, c’est-à-dire sans historique, sans personnalisation et sans mémoire d’une question à l’autre, pour neutraliser l’effet de contexte et capter la variabilité des réponses. Cela représente sept cent cinquante réponses par vague. Pour chacune, les sources citées sont relevées, puis classées selon la taxonomie par domicile de contrôle éditorial décrite plus haut. Les indicateurs sont ensuite agrégés par domaine, par modèle et globalement. Le corpus, les règles de classification et les agrégats sont publiés, afin que quiconque puisse refaire la mesure, la vérifier ou la contester.
Nos hypothèses, énoncées avant la collecte
Énoncer ses hypothèses avant de mesurer est la garantie qu’on ne raconte pas, après coup, une histoire taillée pour les résultats. Voici donc, pré-enregistrées, les quatre hypothèses que cette première vague mettra à l’épreuve, qu’elles soient confirmées ou démenties.
Première hypothèse, la Part de Voix Souveraine française varie fortement selon le domaine : nous l’attendons plus élevée sur les questions institutionnelles françaises, où les sources publiques et les médias nationaux font naturellement autorité, et plus faible sur les questions économiques et technologiques, où les sources anglo-saxonnes priment dans les corpus. Deuxième hypothèse, l’Indice de Concentration est élevé : une poignée de sources capte l’essentiel des citations, signalant une faible diversité de l’espace informationnel restitué. Troisième hypothèse, les modèles diffèrent, et Mistral, modèle français, présente une PVS-FR supérieure à celle des modèles américains, mais l’écart est plus faible qu’on ne pourrait le croire, parce que tous puisent dans des corpus largement anglophones. Quatrième hypothèse, certaines sources françaises de référence sont structurellement absentes, et la liste d’absence n’est pas vide, y compris sur des questions où ces sources font autorité.
Ces hypothèses peuvent être fausses. C’est précisément l’intérêt de les écrire avant de mesurer : les résultats les trancheront, et nous publierons ce que la mesure dit, pas ce que nous aurions aimé qu’elle dise.
Ce que la mesure dit, et ce qu’elle ne dit pas
La rigueur impose de délimiter la portée de l’Observatoire. La mesure est un instantané : les modèles et leurs corpus évoluent, et un résultat vaut pour la fenêtre de collecte, ce qui justifie précisément la répétition trimestrielle pour suivre les tendances. La part de recherche web en temps réel introduit une variabilité, que les trois passages atténuent sans l’annuler entièrement. Le corpus de cinquante questions est un échantillon raisonné des grands sujets du débat français, non un inventaire exhaustif. Et surtout, l’Observatoire mesure l’origine des sources, pas leur qualité ni leur exactitude : c’est un indicateur de souveraineté, pas un indicateur de véracité. Une part de voix française élevée ne garantit pas une meilleure information, et une part faible ne signifie pas une information fausse. La mesure dit d’où viennent les sources, rien de plus, mais rien de moins.
Un mot, enfin, sur notre position. ELMARQ édite AI COMMAND, un outil de mesure de la citabilité dans les modèles de langage. Nous avons donc un intérêt dans le sujet, et nous le déclarons ouvertement. C’est précisément pour cette raison que l’Observatoire repose sur une méthode entièrement publiée et reproductible : n’importe qui peut refaire la mesure, en vérifier les résultats et les contester. La transparence n’est pas ici une posture, c’est la condition pour qu’une mesure produite par un acteur intéressé conserve sa valeur. Une donnée que l’on ne peut pas vérifier ne mérite pas d’être citée ; une donnée reproductible se défend d’elle-même.
Ce que vous devez faire, et dans quel ordre
Action 1 : ne présumez pas votre part de voix, mesurez-la
Pour une organisation, la première erreur serait de supposer que sa présence en ligne se traduit mécaniquement par une présence dans les réponses des IA. Ce n’est pas le cas. Interrogez vous-même plusieurs modèles sur les sujets de votre domaine et observez quelles sources ils citent, et si vous en faites partie. Ce diagnostic élémentaire révèle presque toujours un écart entre la visibilité que l’on croit avoir et celle que les machines restituent réellement.
Action 2 : distinguez la souveraineté de l’hébergement de celle des sources
Le débat public confond souvent deux questions. Héberger un modèle sur le territoire règle la souveraineté de l’infrastructure, comme nous l’avons analysé à propos de l’outil souverain déployé par l’État. Mais cela ne dit rien des sources que ce modèle mobilise pour répondre. Un modèle peut tourner sur des serveurs français et s’appuyer majoritairement sur des sources extérieures. La souveraineté des sources est une dimension distincte, qui ne se règle pas par le choix de l’hébergeur, et que seul un instrument de mesure permet d’objectiver.
Action 3 : pour le débat public, exigez de la mesure plutôt que des impressions
Sur la place des sources françaises dans les intelligences artificielles, le débat s’est longtemps nourri d’intuitions et d’inquiétudes générales. L’enjeu est trop sérieux pour s’en tenir là. Qu’il s’agisse d’orienter une politique publique, d’éclairer une rédaction ou de fonder une décision d’entreprise, une donnée reproductible vaut mieux qu’une impression partagée. C’est la raison d’être de cet observatoire, et l’invitation que nous adressons à ceux qui travaillent sur ces questions : disposer enfin d’un chiffre que l’on peut vérifier.
ELMARQ accompagne les organisations sur la mesure et la construction de leur présence dans les moteurs génératifs, en stratégie et en exécution. Trente minutes de diagnostic suffisent à établir ce que les intelligences artificielles disent de vous, et quelles sources elles citent à votre place.
La première vague de l’Observatoire sera publiée prochainement, avec ses résultats complets, son corpus et sa méthode en accès ouvert. Nous publierons ce que la mesure révèle, sans le corriger ni l’arrondir. Car la question de savoir quelles sources parlent pour la France, dans les outils par lesquels ses citoyens s’informent désormais, mérite mieux qu’une conviction : elle mérite un chiffre, et un chiffre que chacun puisse refaire.
