Publié le 11 février 2026 07:25:00. Une étude de l’Université de Californie à San Diego révèle que les biais intégrés aux chatbots d’intelligence artificielle peuvent subtilement influencer les décisions d’achat des consommateurs, remettant en question la neutralité perçue de ces outils.
- Les consommateurs sont 32 % plus susceptibles d’acheter un produit après avoir consulté un résumé d’avis rédigé par un chatbot que des avis originaux.
- Dans 26,5 % des cas, les résumés générés par les modèles linguistiques modifient le ton des avis originaux.
- Les chatbots présentent un taux élevé d’« hallucinations » (60 %) en fournissant des informations non corroborées par des données fiables.
L’omniprésence des chatbots basés sur de grands modèles linguistiques (LLM) suscite un intérêt croissant de la part des chercheurs. Si ces technologies sont souvent présentées comme des outils utiles et objectifs, des interrogations sérieuses émergent quant à leurs potentiels biais et à leur capacité à orienter les comportements, notamment dans des domaines sensibles comme la consommation et la prise de décision.
L’étude, publiée le 9 février 2026, est la première à fournir des preuves quantitatives de la manière dont les biais cognitifs inhérents aux LLM ne se limitent pas à la production de texte, mais se traduisent par une influence directe sur les choix individuels. Les chercheurs ont constaté que les chatbots ont tendance à privilégier une formulation positive lors de la synthèse d’informations, ce qui modifie la perception générale du contenu original et, par conséquent, le comportement des utilisateurs.
Pour évaluer l’impact concret sur les décisions d’achat, l’expérience a été menée auprès de 70 participants. Les résultats ont révélé que 84 % des personnes ayant consulté les résumés générés par les chatbots ont exprimé leur intention d’acheter le produit concerné, contre seulement 52 % pour celles ayant lu les avis originaux. Cette différence significative souligne la puissance persuasive de ces outils.
L’étude met également en lumière une autre faiblesse des LLM : leur propension à « halluciner », c’est-à-dire à générer des informations incorrectes ou non fondées. Dans 60 % des cas, les chatbots ont fourni des réponses à des questions qui n’étaient pas basées sur des données d’entraînement vérifiables, notamment en matière d’informations factuelles. Ce phénomène est attribué à la tendance des modèles à se concentrer sur le début des textes et à négliger les détails ultérieurs, ainsi qu’à leurs performances limitées en dehors de leur domaine d’expertise.
Les chercheurs ont testé 18 approches différentes pour atténuer les biais et les hallucinations, mais aucune n’a démontré une efficacité globale. Cette constatation souligne la nécessité d’une recherche approfondie pour limiter les risques potentiels associés à l’utilisation de ces modèles dans des domaines aussi variés que les médias, l’éducation et l’élaboration des politiques publiques.