Étude Pew: Un tiers des pages web créées après ChatGPT utilisent l’IA

Plus d'un tiers des pages web en anglais publiées depuis le lancement de ChatGPT en novembre 2022 montrent des signes d'une rédaction par intelligence artificielle, selon une étude publiée jeudi par le Pew Research Center.pewresearch

Ce constat offre l'une des mesures les plus claires à ce jour de la manière dont l'IA générative a remodelé le web en moins de quatre ans. Pew a analysé près d'un demi-million de pages web issues des archives de Common Crawl, couvrant la période de janvier 2021 à juillet 2026, et les a soumises à un modèle de détection d'IA créé par Open Pangram.pewresearch

Les chiffres

Sur un échantillon aléatoire de 10 000 pages web collectées en juillet 2026, 10 % présentaient des "signes significatifs d'une rédaction par IA". Mais comme le web ouvert contient un mélange de contenus anciens et nouveaux, dont beaucoup sont antérieurs aux outils d'écriture par IA, Pew a filtré les pages publiées avant le lancement de ChatGPT. Parmi les pages restantes, 35 % montraient des signes d'une rédaction par IA.techcrunch+1

La tendance n'est pas répartie uniformément. Les pages sur des domaines .com présentent une rédaction par IA à un taux environ 10 fois supérieur à celui des domaines .edu ou .gov, qui stagnent tous deux autour de 1 %. Les pages sur des domaines .org se situent entre les deux, à 4,6 %.pewresearch+1

Indicateurs linguistiques

Pew a identifié des marqueurs linguistiques spécifiques qui ont explosé dans le contenu web post-ChatGPT. En comparant des instantanés récents à ceux du début de 2023, l'utilisation de certains signes de ponctuation a environ doublé, les virgules d'Oxford ont augmenté de 63 %, et le vocabulaire favorisé par l'IA, comme les mots "delve", "interplay", "tapestry" et "testament", a plus que doublé. L'utilisation de structures de "parallélisme négatif" ("ce n'est pas seulement X, c'est Y") a presque triplé.pewresearch

L'étude arrive peu après que Cloudflare ↘ 4.44% a rapporté que le trafic web des bots avait dépassé le trafic humain, un cap franchi plus tôt que ce que l'entreprise avait estimé.techcrunch

Limites et contexte

Pew a reconnu que les outils de détection d'IA peuvent mal classer certaines pages individuelles. "Des modèles comme celui-ci recherchent des différences statistiques dans la manière dont les auteurs humains et les modèles d'IA utilisent le langage", note le rapport, ajoutant que les modèles deviennent plus fiables à grande échelle.pewresearch

La recherche a été menée par Samuel Bestvater, data scientist senior chez Pew, et contribue à un nombre croissant de preuves suggérant que le web est de plus en plus un lieu où, comme l'a formulé TechCrunch, "une grande partie consiste en des bots lisant des pages web écrites par d'autres bots".techcrunch