Aujourd'hui, le terme s'est chargé d'une inquiétude nouvelle. On parle d'algorithmes qui enferment dans des bulles, qui discriminent, qui manipulent l'attention, qui remplacent le jugement humain ou qui prennent des décisions à notre place. Dans le débat public, l'algorithme est devenu une figure presque invisible du pouvoir contemporain : on ne le voit pas, mais on soupçonne qu'il agit.

La question n'est donc plus seulement technique. Elle est sociale, politique et culturelle. Car derrière chaque algorithme, il y a toujours une intention : optimiser un temps de visionnage, maximiser un taux de clic, réduire un risque, accélérer un recrutement, prédire une probabilité. Ce n'est pas l'algorithme seul qui décide du monde qu'il produit. Ce sont les objectifs qu'on lui donne, les données qu'on lui fournit et les contrôles que l'on accepte — ou non — de mettre en place.

Un mot qui concentre toutes nos inquiétudes

Avoir peur des algorithmes n'est pas absurde. Dans certains domaines, leur influence est réelle. Les plateformes numériques utilisent des systèmes de recommandation pour choisir ce que nous voyons en premier. Les moteurs de recherche hiérarchisent l'information. Les outils publicitaires ciblent des profils. Certaines entreprises automatisent une partie du tri des candidatures. Des administrations peuvent utiliser des systèmes de calcul pour prioriser des dossiers ou détecter des anomalies.

Le problème commence lorsque ces systèmes deviennent impossibles à comprendre, à contester ou à corriger. Un algorithme peut se tromper. Il peut reproduire des biais présents dans ses données. Il peut favoriser certains comportements au détriment d'autres. Il peut aussi produire une impression de neutralité, alors qu'il repose sur des choix très humains.

C'est là que la peur devient légitime : non pas parce que les algorithmes seraient magiques ou autonomes, mais parce qu'ils peuvent rendre opaques des décisions qui devraient rester explicables.

« Le danger n'est pas que les algorithmes pensent à notre place. Le danger, c'est que nous arrêtions de demander selon quelles règles ils calculent. »

Le vrai sujet : ce que l'on optimise

Un algorithme ne cherche pas spontanément le bien commun. Il cherche ce qu'on lui demande de chercher.

Sur une plateforme vidéo, il peut être conçu pour maximiser le temps passé devant l'écran. Sur une application de livraison, il peut optimiser les délais. Dans une banque, il peut évaluer un niveau de risque. Dans un média, il peut recommander les articles les plus susceptibles d'être lus. Dans une entreprise, il peut identifier des profils considérés comme compatibles avec un poste.

Le cœur du sujet tient dans cette question : quel objectif poursuit le système ?

Si l'objectif est uniquement l'engagement, le résultat peut encourager des contenus plus émotionnels, plus polarisants ou plus addictifs. Si l'objectif est uniquement la rapidité, le système peut négliger la nuance. Si l'objectif est uniquement la prédiction statistique, il peut écraser les cas particuliers.

Les algorithmes ne sont donc pas inquiétants parce qu'ils calculent. Ils le deviennent lorsqu'ils transforment des choix de société en simples paramètres techniques.

Trois peurs, trois réalités

1. « Les algorithmes nous manipulent »

La crainte est compréhensible. Les systèmes de recommandation influencent ce que nous lisons, regardons, achetons ou écoutons. Ils ne nous obligent pas, mais ils orientent notre attention.

La manipulation commence lorsque l'utilisateur ne comprend plus pourquoi un contenu lui est présenté, ni quels intérêts sont servis par cette recommandation. Le problème n'est pas seulement l'existence d'un tri. Toute information est triée, même dans un journal ou une librairie. Le problème est l'absence de transparence sur les critères de ce tri.

2. « Les algorithmes discriminent »

Un algorithme peut reproduire les biais de la société dont il tire ses données. Si un système est entraîné sur des données déséquilibrées, il peut produire des résultats injustes. Si une décision automatisée repose sur des critères mal choisis, elle peut défavoriser certains profils sans que cela soit immédiatement visible.

C'est l'un des grands défis de l'IA : un système peut être statistiquement performant tout en étant socialement problématique. L'efficacité ne suffit pas. Il faut pouvoir tester, auditer et corriger.

3. « Les algorithmes vont décider à notre place »

Dans la plupart des cas, les algorithmes ne remplacent pas entièrement la décision humaine. Ils préparent, filtrent, recommandent ou priorisent. Mais cette position intermédiaire est justement délicate. Lorsqu'un outil classe les options, il influence déjà la décision finale.

Le risque n'est pas seulement l'automatisation totale. C'est la délégation progressive : à force de s'appuyer sur des scores, des recommandations ou des prédictions, l'humain peut finir par ne plus exercer pleinement son jugement.

Réguler, mais sans fantasmer

Face à ces risques, la réponse ne peut pas être de rejeter tous les algorithmes. Ils permettent aussi des avancées considérables : améliorer un diagnostic, détecter une fraude, optimiser des transports, traduire des langues, rendre des services plus accessibles, analyser de grandes quantités d'informations.

La bonne question n'est donc pas : faut-il être pour ou contre les algorithmes ? Elle est plutôt : dans quels domaines accepte-t-on leur usage, avec quelles garanties, et sous quel contrôle ?

L'Europe a commencé à encadrer plus strictement ces systèmes. L'AI Act, entré en vigueur en août 2024, prévoit une application progressive selon les niveaux de risque, avec une mise en œuvre complète prévue autour d'août 2026 pour une grande partie du texte. Le Digital Services Act impose également de nouvelles règles aux plateformes numériques, notamment sur la transparence, la publicité et les systèmes de recommandation. En France, la CNIL a aussi publié des recommandations pour aider les acteurs à développer des systèmes d'IA compatibles avec le RGPD et les droits des personnes.

Ces cadres ne règlent pas tout. Mais ils posent une idée essentielle : plus un système algorithmique a d'impact sur la vie des individus, plus il doit être explicable, contrôlable et contestable.

Ce que dit la recherche

Les travaux menés sur les algorithmes et l'IA convergent vers un même constat : la performance technique ne suffit pas à garantir la confiance. Un modèle peut être précis, rapide, impressionnant, et pourtant poser problème s'il est opaque, biaisé ou utilisé dans un contexte inadapté.

La recherche insiste de plus en plus sur la nécessité d'auditer les systèmes, de documenter les données utilisées, d'évaluer les effets réels sur les utilisateurs et de maintenir une responsabilité humaine claire. Les débats récents autour du DSA montrent d'ailleurs que la transparence déclarée par les plateformes reste difficile à vérifier et à harmoniser dans la pratique.

Autrement dit, le défi n'est pas seulement de construire de meilleurs algorithmes. C'est de construire de meilleures institutions autour d'eux.

Alors, faut-il vraiment avoir peur ?

Oui, si les algorithmes restent invisibles, incontrôlés et présentés comme des vérités mathématiques. Non, si nous les considérons pour ce qu'ils sont : des outils puissants, utiles, mais jamais neutres.

La peur peut être un signal utile. Elle rappelle que la technique n'est pas extérieure à la société. Elle influence nos choix, nos comportements, nos institutions. Mais la peur devient stérile lorsqu'elle empêche de penser les usages, les garde-fous et les responsabilités.

L'enjeu des prochaines années ne sera pas de vivre avec ou sans algorithmes. Ce choix n'existe déjà plus vraiment. L'enjeu sera de savoir si nous acceptons de les subir, ou si nous nous donnons les moyens de les comprendre, de les discuter et de les encadrer.

Dans un monde traversé par l'IA, la vraie question n'est peut-être pas de savoir si les algorithmes sont dangereux. C'est de savoir qui les gouverne — et au nom de quoi.