La propagande n’a jamais consisté uniquement à mentir.
Son objectif est surtout de façonner les opinions, les comportements et le consentement collectif. Internet et les réseaux sociaux n’ont pas inventé ces mécanismes : ils les ont décuplés grâce aux algorithmes, au microciblage, aux bots et à la viralité.
Les ressorts restent les mêmes : la rumeur, la répétition, le prestige de la source et le relais par des personnes perçues comme crédibles.
Les recherches montrent que l’influence dépend moins de la vérité d’un message que de la confiance, de l’expertise et de l’authenticité que le public attribue à celui qui le diffuse.
En pratique, paraître vrai est souvent plus efficace qu’être vrai.
Les campagnes modernes combinent émotions, récits courts, identité de groupe, mèmes, influenceurs, faux mouvements citoyens (astroturfing) et contenus générés par IA, qui apportent surtout davantage de vitesse, de volume et de crédibilité apparente.
Enfin, les études montrent qu’il n’existe pas de solution unique contre la propagande. Les réponses les plus efficaces associent transparence des plateformes, modération proportionnée, éducation aux médias, vérification des faits, « prebunking » (inoculation contre la désinformation) et encadrement du ciblage politique.
La thèse est donc la suivante: la propagande en ligne n’est pas un phénomène exotique apparu avec les plateformes.
C’est l’actualisation numérique d’une vieille ingénierie des croyances, devenue plus mesurable, plus personnalisable, plus automatisable et souvent plus discrète. Ce qui change, ce n’est pas la nature profonde de l’influence organisée; ce sont l’échelle, la vitesse, la finesse du ciblage, la capacité d’orchestration transnationale et l’intégration des audiences elles-mêmes dans la machine de diffusion.
De quoi parle-t-on quand on parle de propagande
Dans son sens fort, la propagande ne se réduit ni à la publicité, ni à l’endoctrinement totalitaire, ni aux seules « fake news ». Harold Lasswell la définit, dans le cadre de la guerre moderne, comme une action portant sur le contrôle de l’opinion par des symboles significatifs, c’est-à-dire par des récits, rumeurs, rapports, images et autres formes de communication sociale. Edward Bernays, dans le contexte de l’entre-deux-guerres, la déplace vers les sociétés de masse et les relations publiques: il ne s’agit plus seulement de vaincre un ennemi, mais d’orienter représentations, goûts et consentements. Jacques Ellul, enfin, insiste sur son insertion dans la société technicienne: la propagande moderne n’est pas seulement un message; c’est un milieu, une continuité, une organisation, une adaptation permanente de l’individu à un ordre social saturé de médias et de techniques.
Cette généalogie oblige à clarifier un malentendu contemporain. La propagande n’est pas synonyme de contenu factuellement faux. Elle peut mobiliser des faits exacts, mais les découper, les hiérarchiser, les mettre en série, les sortir de leur contexte, les coupler à des affects, à des identités et à des séquences narratives destinées à orienter les interprétations et les conduites. Les travaux de l’UNESCO sur le « désordre informationnel » distinguent à juste titre mésinformation, désinformation et malinformation; la propagande, elle, peut instrumentaliser les trois, mais les dépasse, car elle renvoie à une logique stratégique d’organisation de la perception collective.
Autrement dit, une propagande efficace n’a pas besoin d’être entièrement fausse; il lui suffit d’être orientée, cohérente, répétée, incarnée et socialement relayée.
À l’heure des plateformes, cette définition classique redevient presque plus utile que les catégories journalistiques usuelles, parce qu’elle permet de penser ensemble le vrai sélectif, le faux viral, l’inauthentique coordonné et la recommandation algorithmique.
Ce que la psychologie sociale savait déjà
La rumeur est l’un des grands mécanismes primitifs de la propagande. Allport et Postman montrent, dès les années 1940, qu’elle prolifère lorsque deux conditions sont réunies: l’importance d’un sujet pour un groupe et l’ambiguïté de l’information disponible.
Dans leur étude de 1945, Pearl Harbor devient le cas paradigmatique: événement vital pour les citoyens, mais opaque dans ses conséquences et ses données immédiates. Ils observent aussi que les rumeurs servent à la fois à expliquer et à soulager les tensions émotionnelles. Leur typologie de guerre est éclairante: dans un corpus de 1’000 rumeurs collectées en 1942, 66 % relevaient de rumeurs d’hostilité, 25 % de rumeurs de peur, 2 % de rumeurs de souhait. La rumeur n’est donc pas seulement un bruit; c’est une machine de réduction de l’angoisse et de déplacement de la haine.
Allport et Postman décrivent aussi trois opérations de transformation au fil de la circulation: leveling (simplification), sharpening (accentuation de quelques détails saillants) et assimilation (reconstruction du récit selon les attentes, préjugés ou intérêts du groupe). Cette triade est d’une actualité presque embarrassante: une capture d’écran, un extrait vidéo ou un « thread » viral subissent aujourd’hui les mêmes opérations cognitives que la rumeur orale d’hier, mais à une vitesse et avec une traçabilité incomparablement plus grandes.
La seconde pièce classique est le two-step flow de Lazarsfeld et Katz. Leur intuition demeure décisive: l’influence médiatique ne passe pas mécaniquement du média vers la masse; elle transite par des intermédiaires crédibles, des leaders d’opinion, qui interprètent, sélectionnent, reformulent et relaient les messages. La littérature récente sur les influenceurs numériques n’abolit pas cette théorie; elle la reconfigure. Les « opinion leaders » de l’âge social sont souvent des acteurs de proximité perçue: créateurs de niche, commentateurs, streamers, journalistes indépendants, militants, experts autoproclamés ou personnalités communautaires. La diffusion n’est plus en deux temps stricts, mais en flux multi-étagés, socialement médiés et algorithmiquement assistés.
La répétition est l’autre grand invariant. Zajonc formule, en 1968, l’effet de simple exposition: une exposition répétée à un stimulus suffit à améliorer l’attitude envers lui. Des travaux ultérieurs sur l’illusion de vérité montrent que la répétition augmente la probabilité qu’une affirmation soit jugée vraie, y compris lorsqu’elle est peu plausible, et que cet effet est étroitement lié à la fluency, c’est-à-dire à la facilité cognitive de traitement. Fazio et ses collègues montrent même que la répétition augmente la vérité perçue de fausses affirmations, y compris lorsque les personnes disposent de connaissances pertinentes; autrement dit, la familiarité peut court-circuiter le savoir disponible.
Cela explique une part essentielle de la propagande numérique: le message ne convainc pas seulement parce qu’il argumente; il convainc parce qu’il revient, parce qu’il circule, parce qu’il devient familier, parce qu’il s’insère dans un décor cognitif déjà balisé par d’autres messages proches. La viralité n’est pas seulement diffusion; elle est fabrication de familiarité.
| Mécanisme classique | Description classique | Équivalent numérique dominant | Effet principal | Sources |
|---|---|---|---|---|
| Rumeur | Importance + ambiguïté; fonction d’explication et de décharge émotionnelle | Posts viraux, captures d’écran, messages transférés, channels Telegram | Donne un sens rapide à l’incertitude; canalise peur et hostilité | 12 |
| Leveling, sharpening, assimilation | Simplification, accentuation, reconstruction biaisée | Montages, extraits courts, mèmes, remix | Condense, polarise et rend mémorable | 9 |
| Two-step flow | Relais par leaders d’opinion | Micro-influenceurs, créateurs, comptes militants, chaînes d’analyse | Socialise et crédibilise le message | 13 |
| Répétition | Réitération du même thème ou slogan | Reposts, multi-posting, cross-posting, notifications, trending topics | Familiarité et normalisation | 11 |
| Exposition répétée | Vision répétée d’un symbole ou d’un visage | Feed personnalisé, autoplay, recommandations en série | Atténuation de la méfiance et hausse de la sympathie | 11 |
| Prestige de la source | Crédibilité liée au statut ou à l’expertise perçue | Badges, codes visuels, « expert threads », capital culturel, labels de créateur | Accroît l’acceptation initiale du message | 4 |
Pourquoi certains émetteurs paraissent plus vrais que le vrai
La persuasion dépend fortement de la crédibilité de la source. Hovland et Weiss montrent, dans un classique de 1951, que des communications identiques produisent des effets différents selon que la source est tenue pour « trustworthy » ou « untrustworthy ». Ils décrivent aussi le sleeper effect: avec le temps, des sujets peuvent se souvenir du contenu tout en oubliant ou dissociant la source, ce qui réduit l’escompte initial lié à la défiance. Cela compte énormément en ligne: un contenu repris, recadré, reposté, screené ou méméifié perd rapidement l’empreinte de son origine.
Dans la littérature contemporaine, la crédibilité se décompose souvent en trois familles de signaux: expertise, trustworthiness et authenticité/bienveillance. Les synthèses récentes sur l’influence sociale numérique montrent que l’authenticité perçue et la congruence entre l’émetteur, son style et son message renforcent la persuasion. Ce point est crucial: la propagande moderne ne gagne pas seulement parce qu’elle a l’air institutionnelle; elle gagne souvent parce qu’elle a l’air humaine, spontanée, proche, voire fragile.
Le sentiment d’intelligence de l’émetteur joue ici un rôle subtil. Il ne signifie pas que le public évalue rationnellement un CV académique; il signifie qu’il infère une compétence à partir d’indices de style: aisance verbale, maîtrise des codes culturels, capacité à citer, à cadrer, à donner l’impression d’une compréhension supérieure de la situation. En psychologie cognitive, ce registre touche à la fluency: ce qui se comprend facilement, s’énonce avec aplomb et se présente sous une forme familière paraît plus crédible, plus « sensé », parfois plus vrai. C’est une inférence; pas une garantie.
La sympathie, elle aussi, est décisive. La proximité affective et la relation parasociale réduisent les défenses critiques. Les travaux récents sur les influenceurs politiques décrivent ces acteurs comme des proximal mass opinion leaders: ils opèrent à l’intersection de l’intime et du massifié. Leurs publics ne les lisent pas seulement comme des émetteurs d’informations, mais comme des personnes connues, auxquelles on prête des intentions plus vraies, parce qu’elles semblent moins institutionnelles. Dans une enquête UNESCO de 2024 sur 500 créateurs dans 45 pays, 62 % déclaraient ne pas pratiquer de fact-checking rigoureux et systématique avant publication, tandis que 42 % utilisaient le nombre de likes et de partages comme indicateur majeur de crédibilité; le problème n’est donc pas seulement le mensonge conscient, mais la confusion entre popularité, proximité et vérité.
| Technique d’influence | Ressort psychologique principal | Version numérique typique | Pourquoi cela marche | Sources |
|---|---|---|---|---|
| Prestige d’expertise | Compétence perçue | Thread « expert », vulgarisateur, pseudo-spécialiste | Réduit l’incertitude du public | 4 |
| Authenticité | Confiance et proximité | Face cam, ton personnel, coulisses, vulnérabilité scénarisée | Transforme la persuasion en relation | 15 |
| Bienveillance perçue | Goodwill, sentiment d’intention positive | « Je vous explique », « je fais ça pour vous » | Désarme la défense critique | 15 |
| Fluidité cognitive | Sentiment du vrai | Slogans simples, formats courts, répétition, visuels familiers | Le facile à traiter semble plus plausible | 16 |
| Preuve sociale | Consensus apparent | Likes, vues, commentaires, reposts, trending | Popularité lue comme validation | 18 |
| Parasocialité | Sympathie et identification | Influenceurs, streamers, micro-communautés | Le relais « ami » pèse plus que la voix abstraite | 19 |
Ce qu’internet change structurellement
Le changement majeur apporté par les plateformes n’est pas uniquement la démultiplication quantitative des messages; c’est la transformation de l’architecture de sélection. Sur Facebook, l’étude de Bakshy, Messing et Adamic montrait déjà en 2015 que l’exposition à des contenus idéologiquement dissonants dépendait à la fois du réseau social des individus, du classement algorithmique et de leurs propres choix, ces derniers jouant souvent un rôle plus fort que l’algorithme dans la limitation de l’exposition transversale. Cette conclusion a été parfois surinterprétée comme une réfutation des bulles de filtre; elle ne dit en réalité qu’une chose plus fine: la fermeture informationnelle est coproduite par l’architecture et par la sociabilité.
Les résultats plus récents compliquent encore le tableau. Dans une expérience de 2026 portant sur 2’000 participants utilisant des flux personnalisés, Brady et ses collègues montrent qu’un feed optimisé pour l’engagement amplifie les contenus intergroupes, moralisés et émotionnels, augmente l’exposition à la toxicité et accroît l’animosité partisane perçue; inversement, un algorithme réduisant l’influence des utilisateurs les plus extrêmes améliore la perception des normes sociales sans diminuer le plaisir d’usage. L’algorithme n’est donc pas une simple vitrine: c’est un mécanisme d’apprentissage social, qui définit ce qui semble normal, fréquent, acceptable ou dominant.
Dans le même temps, les grands essais randomisés sur Meta rappellent que tous les effets ne sont pas instantanément massifs. Le passage à un feed chronologique sur Facebook et Instagram avant l’élection américaine de 2020 a bien modifié l’exposition à certains contenus, mais sans effet détectable, sur trois mois, sur plusieurs indicateurs centraux de polarisation et de connaissance politique. De même, la suppression des publicités politiques chez 36’906 utilisateurs Facebook et 25’925 utilisateurs Instagram pendant six semaines n’a pas produit d’effet détectable sur la connaissance politique, la polarisation, la légitimité perçue de l’élection, la participation ou le vote. Une lecture rigoureuse s’impose: l’architecture des plateformes est politiquement structurante, mais l’effet causal sur les attitudes finales dépend des durées, des contextes, des publics et des médiations concurrentes.
Les plateformes diffèrent aussi par leur logique propre. TikTok repose sur un feed « For You » dominé par la recommandation algorithmique et beaucoup moins contrôlable par l’utilisateur que des environnements davantage fondés sur l’abonnement. Meta combine réseau social, recommandations de contenus non suivis et infrastructures publicitaires sophistiquées. YouTube articule page d’accueil, panneaux « Up Next », historique de visionnage et signaux de satisfaction. WhatsApp, en revanche, est surtout un système de circulation privée et chiffrée, où la visibilité publique est faible, ce qui complique à la fois l’observation scientifique et la correction rapide.
Le microciblage ajoute une strate supplémentaire. Les autorités européennes et nationales le traitent désormais comme un problème structurel: parce qu’il permet d’adresser des messages distincts à des segments fins de population, il réduit le contrôle public contradictoire, ouvre la voie à l’exclusion de certains groupes de certains messages, et accroît les risques de manipulation, de discrimination et d’influence étrangère. La CNIL rappelle que les publicités politiques impliquant des techniques de ciblage reposant sur des données personnelles sont strictement encadrées, avec des restrictions fortes sur les données sensibles et le profilage; un rapport de synthèse de 2024 insiste de son côté sur les risques de manipulation, de manque de transparence et de contournement du contre-discours.
Les bots et les médias synthétiques ne sont pas une rupture totale; ils sont une accélération. Ferrara écrivait déjà en 2016 que les social bots étaient en train de redéfinir l’écosystème informationnel. En 2018, une étude de Nature Communications montrait qu’ils sont particulièrement centraux dans la diffusion de contenu peu crédible. En 2024 et 2025, l’EEAS, Viginum et d’autres institutions européennes décrivent un paysage où la coordination transplateforme est la norme, où Telegram et X apparaissent fréquemment dans les incidents observés, et où l’IA générative sert de multiplicateur d’impact, même lorsque son usage direct reste qualifié de « minimal but attention-grabbing ».
Ce schéma résume bien la logique contemporaine: l’amplification efficace n’est ni purement humaine ni purement algorithmique; elle est hybride. Les acteurs stratégiques fabriquent des objets hautement engageants; les publics fournissent les premiers signaux; l’algorithme convertit ces signaux en visibilité; la visibilité produit la familiarité; la familiarité nourrit la crédibilité perçue.
| Plateforme | Architecture dominante | Leviers de propagation les plus saillants | Garde-fous ou labels officiels | Angle mort principal | Sources |
|---|---|---|---|---|---|
| Facebook / Instagram | Réseau social + recommandations de contenus non suivis + publicité ciblée | Partages, commentaires, recommandations « unconnected », ads | Démotion de contenus problématiques; labels « AI info »; règles spécifiques pour certaines pubs politiques/sociales | Paramètres exacts de classement: non spécifié publiquement dans le détail opérationnel complet | |
| TikTok | Feed « For You » fortement algorithmique | Watch-time, interactions, remixes, viralité rapide du format vidéo court | Labels créateur ou automatiques pour contenus IA réalistes; interdictions sur certains faux contextes et usurpations | Effets précis de recommandation sur publics réels: partiellement non spécifié publiquement | |
| YouTube | Recommandation vidéo basée sur historique, satisfaction et réputation des chaînes | Autoplay, homepage, Up Next, abonnements hybrides | Élévation d’informations de qualité sur sujets sensibles; obligation de divulgation du synthétique réaliste | Données internes complètes d’audit: non spécifié publiquement | |
| Messagerie privée chiffrée de bout en bout | Transferts, groupes, intimité relationnelle, faible visibilité externe | Étiquettes de transfert; limite à 5 chats, puis à 1 chat pour les messages « forwarded many times »; baisse globale de 25 % des forwards après restriction | Observation scientifique et correction publique difficiles en raison du chiffrement |
Ce que disent les études récentes
L’un des résultats les plus célèbres reste l’étude de Vosoughi, Roy et Aral: sur Twitter, les fausses nouvelles se diffusent plus loin, plus vite, plus profondément et plus largement que les vraies, et cette différence ne s’explique pas d’abord par les bots, car leur retrait laisse subsister l’avantage diffusionnel du faux.
Les auteurs soulignent le rôle de la nouveauté et des réactions émotionnelles.
Des travaux complémentaires montrent que certaines émotions diffèrent dans la diffusion des rumeurs vraies et fausses, les fausses suscitant davantage de surprise et de dégoût, tandis que les vraies éveillent plutôt confiance, joie ou tristesse.
Cela ne signifie pas que les bots sont secondaires.
L’étude de Shao et ses collègues montre qu’ils occupent des positions critiques dans les réseaux diffusant du contenu peu crédible et qu’ils en amplifient fortement la portée. La meilleure lecture du phénomène est donc asymétrique: les humains rendent le faux désirable et partageable; les bots l’optimisent, le poussent et l’échauffent.
Il faut pourtant se garder d’un imaginaire où tout le monde serait exposé en permanence et partout. Une partie importante de la recherche récente conclut que l’exposition aux sites non fiables est fortement concentrée. Dans l’élection américaine de 2020, l’exposition aux sites « untrustworthy » apparaît plus basse qu’en 2016, bien qu’elle reste substantielle à l’échelle absolue — l’article de Nature Human Behaviour l’extrapole à près de 68 millions d’Américains et environ 1,5 milliard de visites. Autrement dit: l’écosystème n’est pas uniformément intoxiqué; il contient des poches de surexposition capables d’avoir des effets collectifs disproportionnés.
Les synthèses globales de meilleure qualité vont dans le même sens. Une revue systématique de 496 articles sur médias numériques et démocratie conclut que les associations vont dans des directions opposées selon les variables mesurées: la participation politique et la consommation d’information peuvent augmenter, surtout dans des contextes autoritaires ou de démocraties émergentes, tandis que la baisse de confiance politique, l’avantage accordé aux populistes et certaines dynamiques de polarisation apparaissent de façon plus constante dans les démocraties établies. Il n’y a donc pas un effet univoque des réseaux sur la démocratie; il y a un faisceau de causalités différenciées.
Sur les interventions, la meilleure synthèse de 2024 recense neuf familles de mesures individuelles efficaces ou prometteuses à divers degrés: accuracy prompts, debunking, friction, inoculation, lateral reading, media literacy tips, social norms, source-credibility labels et warning/fact-check labels. L’expérience transnationale menée dans 16 pays et 6 continents montre de son côté que des prompts d’exactitude et des conseils minimaux de littératie numérique améliorent la qualité des intentions de partage dans des contextes culturels très différents.
Les stratégies de prébunking paraissent particulièrement intéressantes, car elles déplacent la défense du terrain des contenus vers celui des techniques de manipulation. Roozenbeek et ses collègues ont montré, dans plusieurs expériences et dans une étude de terrain sur YouTube impliquant 22’632 personnes, que de courtes vidéos d’inoculation améliorent la reconnaissance des techniques manipulatoires, la capacité de discerner des contenus plus ou moins fiables et la qualité des décisions de partage. Des travaux de 2025 ajoutent que des « booster shots » psychologiques peuvent prolonger ces effets sur un mois, surtout pour les formats textuels et vidéo.
Un autre résultat décisif concerne la source du correctif. Dans une expérience préenregistrée portant sur 5’228 participants en Allemagne, Grèce, Irlande et Pologne, debunks et prebunks ont globalement bien fonctionné sur la désinformation climatique et Covid; mais l’efficacité des debunks attribués à la Commission européenne dépendait partiellement du niveau de confiance préalable dans l’UE. Quand la source de correction n’inspire pas confiance, même un correctif exact perd mécaniquement de sa force. La bataille informationnelle n’est donc jamais purement factuelle; elle est toujours aussi une bataille de légitimité des arbitres.
Études de cas contemporaines
Le cas slovaque de 2023 est devenu exemplaire non pas parce qu’il prouverait, à lui seul, qu’un deepfake fait gagner une élection, mais parce qu’il montre le timing optimal de la propagande synthétique. D’après l’analyse officielle slovaque, un deepfake audio mettant en scène Michal Šimečka et la journaliste Monika Tódová a circulé pendant la période de moratoire électoral. Les plateformes Facebook, YouTube et TikTok ont ensuite bloqué ou supprimé des occurrences signalées, mais le contenu est resté disponible sur Telegram. Le point décisif n’est pas seulement la fausseté du montage; c’est l’alignement entre format audio, cadence de circulation, contrainte juridique du silence électoral et difficulté à contre-attaquer à temps.
Le robocall du New Hampshire en janvier 2024 illustre une autre évolution: la propagande synthétique sort des réseaux et revient au téléphone, avec une aura de familiarité quasi domestique. La FCC a infligé une amende de 6 millions de dollars à Steve Kramer pour une campagne d’appels illégaux utilisant une voix générée imitant Joe Biden afin de décourager la participation à la primaire démocrate. Le dossier montre l’importance de la chaîne technique complète: génération du message, usurpation d’identité appelante, routage télécom, ciblage électoral de proximité. Ici encore, le levier n’est pas la simple crédulité; c’est la latéralité du canal, celui qu’on ne surveille pas comme une plateforme sociale classique.
Le rapport d’activité 2024 de Viginum est précieux parce qu’il documente une propagande franchement écosystémique. Le service français y décrit notamment le mode opératoire dit Overload / STORM-1679: faux contenus, captures d’écran fabriquées, usurpations, diffusion amont sur des chaînes Telegram russophones, relais sur X, puis extension à Bluesky; depuis juin 2024, le rapport note l’usage de l’IA générative pour créer des deepfakes usurpant l’identité d’universitaires. Viginum indique aussi avoir détecté 25 manœuvres informationnelles ciblant les scrutins français en 2024 et relève qu’une opération critique de la cérémonie d’ouverture des JO a totalisé plus de 7 millions de vues. On voit ici la logique contemporaine dans sa forme presque pure: fabriquer, saturer, discréditer, polariser, migrer d’une plateforme à l’autre.
Enfin, l’audit Nature de 2026 sur TikTok apporte un cas d’école de propagande sans propagandiste central visible. À partir de 323 comptes contrôlés répartis sur 27 semaines pendant la campagne présidentielle américaine de 2024, les chercheurs constatent que les comptes conditionnés aux contenus républicains recevaient environ 11,5 % de contenu copartisan en plus, tandis que les comptes conditionnés aux contenus démocrates recevaient environ 7,5 % de contenu cross-partisan en plus, largement anti-démocrate, même après ajustement des métriques d’engagement observables. Ce type de résultat ne démontre pas à lui seul une intention politique de la plateforme; il montre en revanche qu’une architecture de recommandation peut produire des asymétries massives sans mensonge explicite ni commandement central identifiable.
Ce diagramme montre la difficulté politique majeure du sujet: l’influence n’est plus simplement un flux vertical.
Elle résulte d’une coproduction entre acteurs malveillants ou intéressés, relais sociaux, architectures de classement, formats techniques et réponses institutionnelles souvent plus lentes que la circulation initiale.
Que faire sans tomber dans la censure facile
La première erreur serait de croire qu’il existe une solution miracle de type « modérer plus ». La modération est nécessaire, mais structurellement insuffisante.
Les analyses de l’OCDE, du Conseil de l’Europe et de l’Arcom convergent: il faut combiner transparence, responsabilité, pluralisme, accès des chercheurs aux données, soutien pérenne aux fact-checkers, coopération institutionnelle et éducation à l’information.
L’Arcom, dans son bilan 2026, recommande explicitement une meilleure opérationnalisation du Digital Services Act, des mécanismes pérennes de financement pour la recherche et la vérification, une coopération nationale structurée et un renforcement de l’éducation aux médias et à la citoyenneté numérique.
La deuxième erreur serait de sous-estimer les frictions de conception.
Dans les plateformes fermées ou semi-fermées, ralentir la circulation peut avoir des effets mesurables.
WhatsApp rapporte qu’après avoir limité le transfert de certains messages, le nombre global de transferts avait baissé de 25 %, puis a encore restreint à un seul chat à la fois les messages « forwarded many times ».
Ce n’est pas de la censure au sens strict; c’est de l’architecture anti-viralisation.
Les recherches sur les interventions individuelles montrent que ce type de friction peut utilement compléter labels et corrections.
La troisième erreur serait de négliger les créateurs et les relais intermédiaires. Le two-step flow numérique veut dire qu’une partie décisive de l’écosystème n’est ni journalistique ni institutionnelle. L’UNESCO a raison d’investir ce terrain: son enquête de 2024 montre à la fois la vulnérabilité informationnelle des créateurs et leur désir massif de formation. Former journalistes, enseignants et citoyens reste indispensable; former aussi les influenceurs, les nano-créateurs et les vulgarisateurs devient stratégique.
La quatrième erreur serait de croire que le droit ne sert à rien. Le cadre européen évolue nettement. Le Code de bonnes pratiques renforcé contre la désinformation de 2022 a été intégré en février 2025 comme code de conduite dans le cadre du DSA; la CNIL rappelle par ailleurs les contraintes fortes pesant sur le ciblage politique fondé sur des données personnelles. Les plateformes, de leur côté, ont commencé à formaliser des dispositifs de signalement du synthétique: Meta étend ses labels « AI info » à des contenus vidéo, audio et image plus nombreux; TikTok exige l’étiquetage des contenus réalistes générés ou significativement modifiés par IA et peut appliquer des labels automatiques. Rien de cela n’est suffisant seul, mais ces briques comptent.
La cinquième erreur, enfin, serait de traiter le problème uniquement comme une bataille de véracité.
Une propagande efficace travaille aussi les normes sociales perçues, l’impression de majorité, l’idée que « tout le monde pense cela », la fatigue vérificatrice, la suspicion généralisée et le fameux « plus rien n’est sûr ».
Certaines recherches récentes sur les médias synthétiques insistent même sur un effet de « skepticism tax »: non pas convaincre tout le monde d’une fausse version, mais rendre plus coûteux cognitivement et politiquement le maintien d’un monde commun vérifiable. C’est le scénario le plus dangereux pour une démocratie: non la victoire d’un mensonge total, mais l’érosion du régime même du vérifiable.
La réponse rigoureuse à la propagande numérique doit donc être démocratique jusque dans ses moyens.
Elle suppose des règles de procédure, de la proportionnalité, des possibilités de recours, une traçabilité des décisions de modération, un accès indépendant aux données, des audits externes, un soutien aux médias fiables, des outils pédagogiques à grande échelle et une sobriété institutionnelle dans les discours de panique. Il faut combattre l’inauthentique coordonné, le mensonge synthétique et l’opacité algorithmique sans installer, au nom de la vérité, un régime de vérité administrée.
C’est plus lent, plus frustrant, plus exigeant. C’est aussi la seule voie compatible avec une société libre.
En somme, la propagande à l’heure d’internet ne se résume ni à la manipulation étrangère, ni aux trolls, ni aux deepfakes, ni aux plateformes. Elle est l’assemblage de mécanismes anciens et d’infrastructures nouvelles: rumeurs sous contrainte d’ambiguïté, répétitions qui fabriquent la familiarité, émetteurs qui paraissent intelligents et bienveillants, relais de proximité qui socialisent l’adhésion, algorithmes qui convertissent l’émotion en visibilité, publics qui lisent la popularité comme crédibilité. La grande nouveauté n’est pas que l’on puisse manipuler les masses; c’est qu’on peut désormais le faire de façon continue, personnalisée, transplateforme, datafiée et souvent presque indiscernable de l’ordinaire même de la communication. Voilà, au fond, la question centrale pour notre siècle: non pas si la propagande existe encore, mais comment préserver un espace public respirable quand l’infrastructure même de la visibilité récompense trop souvent ce qui choque, divise, rassure tribalement ou revient suffisamment souvent pour finir par ressembler au vrai.
Ouvrages fondateurs sur la propagande
[1] Edward L. Bernays, Propaganda, Horace Liveright, 1928.
[2] Walter Lippmann, Public Opinion, Harcourt, Brace and Company, 1922.
[3] Jacques Ellul, Propagandes (English: Propaganda: The Formation of Men’s Attitudes), Armand Colin, 1962.
[4] Harold D. Lasswell, Propaganda Technique in the World War, MIT Press (réédition), 1927.
[5] Institute for Propaganda Analysis, The Fine Art of Propaganda, 1937.
Les mécanismes de la rumeur
[6] Gordon W. Allport & Leo Postman, The Psychology of Rumor, Henry Holt, 1947.
[7] Jean-Noël Kapferer, Rumeurs : le plus vieux média du monde, Seuil, plusieurs éditions depuis 1987.
[8] Tamotsu Shibutani, Improvised News: A Sociological Study of Rumor, Bobbs-Merrill, 1966.
Répétition et effet de vérité
[9] Lynn Hasher, David Goldstein & Thomas Toppino, « Frequency and the Conference of Referential Validity », Journal of Verbal Learning and Verbal Behavior, 1977.
(C’est l’article fondateur de l’Illusory Truth Effect.)
[10] Lisa K. Fazio et al., « Knowledge Does Not Protect Against Illusory Truth », Journal of Experimental Psychology: General, 2015.
[11] Nadia M. Brashier & Elizabeth J. Marsh, « Judging Truth », Annual Review of Psychology, 2020.
[12] Daniel Kahneman, Thinking, Fast and Slow, Farrar, Straus and Giroux, 2011.
Crédibilité du messager
[13] Carl I. Hovland & Walter Weiss, « The Influence of Source Credibility on Communication Effectiveness », Public Opinion Quarterly, 1951.
(Article fondateur.)
[14] Carl Hovland, Irving Janis & Harold Kelley, Communication and Persuasion, Yale University Press, 1953.
[15] Robert B. Cialdini, Influence: The Psychology of Persuasion, Harper Business, 1984.
[16] Robert B. Cialdini, Pre-Suasion, Simon & Schuster, 2016.
Influence sociale
[17] Solomon Asch, « Opinions and Social Pressure », Scientific American, 1955.
[18] Stanley Milgram, Obedience to Authority, Harper & Row, 1974.
[19] Philip Zimbardo, The Lucifer Effect, Random House, 2007.
Propagande politique
[20] Hannah Arendt, The Origins of Totalitarianism, Harcourt, 1951.
[21] George Orwell, Politics and the English Language, 1946.
[22] George Orwell, 1984, 1949.
Psychologie cognitive
[23] Amos Tversky & Daniel Kahneman, « Judgment under Uncertainty: Heuristics and Biases », Science, 1974.
[24] Daniel Kahneman, Olivier Sibony & Cass Sunstein, Noise, Little, Brown, 2021.
Désinformation sur Internet
[25] Cass Sunstein, #Republic: Divided Democracy in the Age of Social Media, Princeton University Press, 2017.
[26] Eli Pariser, The Filter Bubble, Penguin Press, 2011.
[27] Yochai Benkler, Robert Faris & Hal Roberts, Network Propaganda, Oxford University Press, 2018.
Fake News
[28] Claire Wardle & Hossein Derakhshan, Information Disorder, Conseil de l’Europe, 2017.
[29] Soroush Vosoughi, Deb Roy & Sinan Aral, « The Spread of True and False News Online », Science, 2018.
L’une des études les plus citées sur Twitter.
Réseaux sociaux
[30] Shoshana Zuboff, The Age of Surveillance Capitalism, PublicAffairs, 2019.
[31] Zeynep Tufekci, Twitter and Tear Gas, Yale University Press, 2017.
Guerre informationnelle
[32] RAND Corporation, The Russian « Firehose of Falsehood » Propaganda Model, Christopher Paul & Miriam Matthews, 2016.
Très utilisé dans les études de guerre informationnelle.
[33] NATO Strategic Communications Centre of Excellence, rapports annuels.
IA, bots et manipulation
[34] UNESCO, Guidance for the Governance of Digital Platforms, 2023.
[35] Stanford Internet Observatory, rapports sur les opérations d’influence.
[36] Oxford Internet Institute, Computational Propaganda Research Project, rapports annuels.
Algorithmes
[37] Facebook (Meta), News Feed Ranking Documentation.
[38] TikTok, Recommendation System Technical Overview.
[39] YouTube Creator Academy – documentation officielle sur les recommandations.
Économie de l’attention
[40] Herbert Simon, « Designing Organizations for an Information-Rich World », 1971.
Texte fondateur sur l’économie de l’attention.
[41] Tim Wu, The Attention Merchants, Knopf, 2016.
Sociologie des médias
[42] Pierre Bourdieu, Sur la télévision, Liber-Raisons d’Agir, 1996.
[43] Marshall McLuhan, Understanding Media, McGraw-Hill, 1964.
Guerre cognitive
[44] François du Cluzel, Cognitive Warfare, NATO Innovation Hub, 2020.
Rapports institutionnels
[45] European Commission, Code of Practice on Disinformation, 2022.
[46] European External Action Service (EEAS), rapports EUvsDisinfo.
Ouvrages complémentaires
[47] Gustave Le Bon, Psychologie des foules, 1895.
[48] Noam Chomsky & Edward S. Herman, Manufacturing Consent, Pantheon Books, 1988.
[49] Jonathan Haidt, The Righteous Mind, Pantheon, 2012.
[50] Jonathan Rauch, The Constitution of Knowledge, Brookings Institution Press, 2021.
Laisser un commentaire