Effets conditionnels de l'expertise de la source et des attitudes préexistantes sur la connaissance objective dans la vérification d'informations sanitaires assistée par l'IA

Pourquoi cette étude importe pour le lecteur ordinaire

Beaucoup d'entre nous demandent aujourd'hui à des outils comme ChatGPT d'aider à juger des conseils de santé trouvés en ligne, des astuces diététiques aux remèdes miracles. Cette étude examine une question simple mais importante : lorsque des personnes recoupent une affirmation populaire sur les régimes sans gluten à l'aide de l'IA, qu'est-ce qui détermine vraiment ce qu'elles apprennent — le fait que le message semble provenir d'un expert, ce qu'elles pensent déjà du gluten, ou leur degré de certitude quant à leurs propres connaissances ? Les réponses révèlent quand l'IA peut soutenir une compréhension solide et quand nos croyances personnelles continuent d'interférer.

Conseils de santé, assistants IA et messages ambivalents

Les chercheurs se sont concentrés sur une situation courante dans la vie réelle : un post Facebook sur les régimes sans gluten qui mêle faits exacts et affirmations trompeuses. Manger sans gluten est essentiel pour les personnes atteintes de maladie cœliaque, mais c'est aussi devenu une tendance de mode présentée comme plus saine pour tous, malgré des preuves limitées. Ce mélange de science, de marketing et de rumeurs fait du gluten un cas d'étude utile pour examiner comment les gens distinguent le vrai du battage médiatique quand l'IA est disponible comme outil de vérification. Plutôt que de traiter ChatGPT comme une source persuasive, les auteurs l'ont conçu comme faisant partie d'un « environnement de vérification » où les personnes partagent le travail de raisonnement avec la technologie, tout en devant toujours juger ce qu'il faut croire.

Comment l'expérience a été conduite

Dans une étude en ligne menée auprès de 103 participants, tous ont vu le même post Facebook d'exactitude mixte sur les régimes sans gluten, mais la source supposée a été modifiée. Pour certains participants, le post semblait provenir d'une marque média axée sur l'alimentation signalant une expertise ; pour d'autres, il provenait d'un utilisateur individuel ordinaire. Après avoir lu le post, on a demandé aux participants d'utiliser ChatGPT comme ils le souhaitaient pour vérifier les informations. Ils ont ensuite passé un quiz détaillé qui testait objectivement ce qu'ils savaient désormais sur le gluten, ainsi que des questions sur leurs attitudes envers les régimes sans gluten et sur la mesure dans laquelle ils faisaient confiance et accordaient de la valeur à leur recherche via ChatGPT.

Quand les étiquettes d'expert aident — et quand elles ne le font pas

De manière surprenante, le simple fait d'étiqueter le post Facebook comme provenant d'une source experte n'a pas, à lui seul, conduit à une meilleure connaissance factuelle après la recherche avec ChatGPT. En moyenne, les personnes ayant vu le post étiqueté « expert » n'ont pas obtenu de meilleurs scores au test de connaissances que celles ayant vu la version non experte. Mais la situation a changé lorsque les chercheurs ont pris en compte les attitudes préalables des participants. Parmi ceux qui étaient déjà assez positifs à l'égard des régimes sans gluten, l'étiquette d'expert a fait une différence : ces lecteurs ont obtenu davantage de bonnes réponses. En revanche, pour les personnes aux attitudes neutres ou négatives, l'étiquette d'expert importait peu. Cela suggère que les signaux d'expertise aident principalement ceux qui sont déjà motivés à s'engager sur le sujet, plutôt que d'améliorer automatiquement l'apprentissage pour tout le monde.

Incertitude versus certitude erronée

L'étude a également distingué deux types de problèmes de connaissance : les personnes qui avouaient ouvertement « je ne sais pas » et celles qui détenaient des croyances manifestement fausses avec assurance. En utilisant les schémas de réponses justes, fausses et « je ne sais pas », les auteurs ont classé les participants comme relativement incertains ou relativement désinformés. Leur test planifié d'un schéma à trois volets — étiquette d'expert, attitude et état de connaissance ensemble — n'a pas atteint le seuil strict de preuve statistique, probablement en raison de la taille d'échantillon modeste. Néanmoins, des analyses exploratoires ont laissé entrevoir que l'étiquette d'expert et des attitudes favorables semblaient généralement agir de concert principalement pour le groupe incertain, qui paraissait plus disposé à utiliser des indices comme l'expertise et les retours de l'IA, tandis que les participants désinformés répondaient moins.

Concevoir un meilleur soutien par l'IA pour les décisions de santé

Pour un lecteur non spécialiste, l'idée principale est que l'IA et les étiquettes d'expert ne sont pas des solutions miracles contre la confusion sanitaire en ligne. Dans cette étude, l'IA générative a servi de partenaire utile, mais le fait que les gens apprennent réellement davantage dépendait de leur motivation et de la fermeté de leurs croyances. Les signaux d'expertise ont amélioré la compréhension factuelle uniquement chez ceux enclins à s'engager, et les personnes convaincues d'avoir raison étaient plus difficiles à convaincre que celles qui ignoraient simplement la réponse. Les auteurs soutiennent que les futurs outils d'IA et la communication sanitaire devraient s'adapter à ces différences — encourager une réflexion plus approfondie, rendre l'expertise plus visible et adapter les réponses selon que la personne est incertaine ou désinformée — afin que l'IA favorise des choix de santé réellement éclairés, et non simplement plus influencés.

Citation: Oh, J., Montag, C., Kohne, J. et al. Conditional effects of source expertise and pre-existing attitudes on objective knowledge in AI-assisted health information verification. Sci Rep 16, 13291 (2026). https://doi.org/10.1038/s41598-026-43698-z

Mots-clés: IA générative, désinformation sanitaire, crédibilité de la source, régime sans gluten, informations sanitaires en ligne