What Influences Readers' and Writers' Perceived Necessity of AI Disclosure?

Cette étude examine les facteurs influençant la nécessité perçue de la divulgation de l'IA dans l'écriture au moyen d'une étude par vignettes auprès de 727 participants, révélant que les lecteurs exigent plus de transparence que les auteurs et que les jugements sont significativement façonnés par la remplaçabilité de l'IA, sa directivité et l'intentionnalité de l'auteur, tandis que l'effort d'écriture n'a aucun impact significatif.

L'essentiel

La Grande Question : Qui a besoin de savoir à propos de l'IA ?

Imaginez que vous êtes en train de faire un gâteau. Parfois, vous le faites entièrement à partir de zéro. D'autres fois, vous utilisez un mélange tout prêt, ou peut-être demandez-vous à un ami de vous aider à le décorer.

Maintenant, imaginez qu'une nouvelle règle soit débattue : « Faut-il dire aux gens si vous avez utilisé de l'aide (ou une machine) pour faire votre gâteau ? »

Ce document pose une question très précise : Quand les gens (les lecteurs) et les boulangers (les auteurs) pensent-ils qu'il est nécessaire d'admettre que l'IA a été utilisée ?

Les chercheurs ont découvert que les lecteurs et les auteurs voient souvent cette situation à travers des lentilles très différentes, et que la réponse dépend fortement de la manière dont l'IA a été utilisée.

---

Les Trois Ingrédients Principaux de l'Étude

Pour comprendre cela, les chercheurs ont mis en place un « menu dégustation » de 727 scénarios différents (appelés vignettes). Ils ont mélangé et assorti trois ingrédients principaux pour voir comment ils changeaient l'opinion des gens :

1. Le Point de Vue (Qui parle ?) : Êtes-vous le Lecteur (qui mange le gâteau) ou l'Auteur (qui le fait cuire) ?
2. Le But (À quoi sert le gâteau ?) : Est-ce pour un entretien d'embauche sérieux (Évaluation), une leçon scolaire (Apprentissage), ou simplement une histoire amusante pour un blog (Divertissement) ?
3. La Procédure (Comment le gâteau a-t-il été fait ?) : C'est la partie la plus complexe. Ils ont examiné quatre manières spécifiques dont l'IA était impliquée :
   • Remplaçabilité : L'auteur aurait-il pu faire ce gâteau sans l'IA ? (Si la réponse est « Non », l'IA était essentielle).
   • Effort : L'auteur a-t-il encore travaillé dur, ou l'IA a-t-elle fait presque tout le travail ?
   • Intentionnalité : L'auteur a-t-il donné une recette stricte à l'IA et pris le gouvernail, ou a-t-il simplement dit « Fais-moi un gâteau ! » et laissé l'IA prendre le volant ?
   • Directivité : L'auteur a-t-il copié directement la sortie de l'IA sur l'assiette, ou l'a-t-il utilisée uniquement comme référence ?

---

Les Résultats Surprenants

Voici ce que l'étude a trouvé, traduit en français courant :

1. Le Fossé « Auto-Servant »

Le Constat : Les lecteurs sont beaucoup plus susceptibles de dire : « Oui, vous devez nous le dire ! » que les auteurs.
L'Analogie : Imaginez un magicien. Le public (les lecteurs) veut savoir si un tour est réel ou si c'est une machine qui fait le travail. Mais le magicien (l'auteur) pourrait penser : « J'ai quand même fait le spectacle ; la machine n'était qu'un accessoire. » L'étude suggère que les auteurs ressentent souvent moins le besoin de divulguer l'information car ils se sentent toujours les « propriétaires » de l'œuvre, même s'ils ont utilisé l'IA.

2. Le Mythe du « But »

Le Constat : Étonnamment, cela n'a pas beaucoup importé pourquoi le texte a été écrit.
L'Analogie : Vous pourriez penser que les gens se soucient plus de l'honnêteté lorsque le texte est destiné à une demande d'emploi sérieuse (Évaluation) que pour un post de blog amusant (Divertissement). Mais l'étude a révélé que le besoin des gens de connaître l'utilisation de l'IA était à peu près le même, que ce soit pour l'école, le travail ou le plaisir. Les « enjeux » ne changeaient pas le besoin de divulgation.

3. Le « Comment » Compte le Plus (Facteurs Procéduraux)

L'étude a révélé que la manière dont l'IA a été utilisée changeait tout. La divulgation était considérée comme plus nécessaire lorsque :

• L'IA était Irremplaçable : Si l'auteur n'aurait pas pu le faire seul sans l'IA, les gens ont estimé qu'il était crucial de l'admettre.
• L'IA a Pris le Volant (Faible Intentionnalité) : Si l'auteur a simplement tapé « Écris une histoire » et laissé l'IA décider de l'intrigue, les lecteurs ont ressenti un fort besoin de savoir.
• La Sortie de l'IA a été Utilisée Directement : Si l'auteur a simplement collé le texte de l'IA avec très peu de modifications, la divulgation était considérée comme nécessaire.

Le Twist sur l'Effort :
Les chercheurs pensaient que si un auteur mettait très peu d'effort (en laissant l'IA faire 90 % du travail), les gens exigeraient une divulgation. Ils avaient tort. La quantité d'effort que l'auteur a fourni n'a pas significativement changé le fait que les gens pensaient que la divulgation était nécessaire. Il ne s'agissait pas de savoir à quel point l'auteur était fatigué, mais de la quantité de travail que l'IA avait réellement fait.

4. Le Paradoxe de la « Conduite »

Le Constat : C'est la partie la plus confuse.

• Les Lecteurs pensent : « Si vous laissez l'IA conduire la voiture (Faible Intentionnalité), vous devez nous le dire ! »
• Les Auteurs pensent : « Si je laisse l'IA conduire la voiture, je ressens moins le besoin de le dire à qui que ce soit. »
• L'Analogie : C'est comme un conducteur qui dit : « Je n'ai pas vraiment conduit ; le GPS a conduit. » Le conducteur se sent moins responsable, mais les passagers (les lecteurs) ont l'impression d'avoir besoin de savoir que la voiture était en pilote automatique.

---

Que Signifie Cela pour l'Avenir ?

Le document suggère que, comme les auteurs et les lecteurs voient les choses différemment, nous ne pouvons pas simplement compter sur les auteurs pour « faire la bonne chose » par eux-mêmes.

La Solution : Nous avons besoin de meilleurs outils.
Au lieu de simplement demander aux auteurs de « divulguer l'utilisation de l'IA », les plateformes devraient les aider à expliquer comment ils l'ont utilisée.

• Ne dites pas seulement : « J'ai utilisé l'IA. »
• Dites plutôt : « J'ai utilisé l'IA pour générer le plan, mais j'ai écrit les phrases moi-même », ou « J'ai laissé l'IA écrire tout le brouillon, et je l'ai simplement édité. »

Le document suggère de concevoir des outils qui rédigent automatiquement ces explications pour les auteurs, leur permettant d'être plus transparents d'une manière qui correspond à ce que les lecteurs apprécient vraiment (comme savoir si l'IA a fait le gros du travail ou simplement aidé avec quelques mots).

Résumé

• Les Lecteurs veulent en savoir plus sur l'utilisation de l'IA que les Auteurs.
• Le Pourquoi du texte (école vs divertissement) ne change pas le besoin de divulgation.
• Le Comment l'IA a été utilisée compte le plus : Si l'IA a fait le gros du travail, pris la tête, ou a été copiée directement, les gens estiment que la divulgation est nécessaire.
• L'Effort compte moins que nous ne le pensions.
• Les Auteurs ressentent souvent moins le besoin de divulguer lorsqu'ils laissent l'IA prendre la tête, même si les Lecteurs ressentent le contraire.

Résumé technique

1. Énoncé du problème

L'intégration rapide de l'Intelligence Artificielle (IA) dans les processus d'écriture a créé un « fossé de la création », où le texte généré ou assisté par l'IA est souvent indistinguable de l'écriture humaine. Cette ambiguïté remet en cause la capacité des lecteurs à contextualiser le contenu, à évaluer sa fiabilité et à juger de la responsabilité. Bien que les réglementations existantes imposent souvent la divulgation, il existe un décalage entre les politiques descendantes et les perceptions « de base » des parties prenantes réelles : les lecteurs (consommateurs de contenu) et les auteurs (créateurs de contenu).

Le problème de recherche central est de comprendre les facteurs spécifiques qui influencent la nécessité perçue de la divulgation de l'IA. Plus précisément, les auteurs examinent comment la perspective (lecteur vs auteur), le but du texte (évaluation, apprentissage, divertissement) et les facteurs procéduraux (façon dont l'IA a été utilisée) façonnent ces perceptions.

2. Méthodologie

L'étude utilise une expérience par vignettes (un design expérimental basé sur des enquêtes utilisant des scénarios hypothétiques) pour manipuler systématiquement les variables et mesurer les perceptions.

• Participants : $N = 727$ participants recrutés sur Prolific (basés aux États-Unis, maîtrisant l'anglais, ayant une littératie en IA).
• Design : Un design factoriel fractionné de résolution IV a été utilisé pour gérer la complexité combinatoire des variables.
• Variables indépendantes :
  1. Perspective : Deux niveaux (Lecteur vs Auteur).
  2. But : Trois niveaux (Évaluation, Apprentissage, Divertissement), chacun opérationnalisé avec deux scénarios spécifiques (par exemple, demande d'emploi vs lettre de motivation pour l'Évaluation).
  3. Facteurs procéduraux : Quatre dimensions, chacune avec des niveaux Élevé/Faible :
     • Remplaçabilité : L'auteur peut-il produire un travail similaire sans IA ?
     • Effort : Combien de temps/effort l'auteur a-t-il investi ?
     • Intentionnalité : L'auteur a-t-il dirigé l'IA (Élevé) ou laissé l'IA mener (Faible) ?
     • Directivité : La sortie de l'IA a-t-elle été directement incorporée (Élevé) ou utilisée uniquement comme référence (Faible) ?
• Procédure : Les participants se voyaient attribuer une seule vignette décrivant un scénario d'écriture avec des combinaisons spécifiques des facteurs ci-dessus. On leur posait une question binaire : « La divulgation de l'IA est-elle nécessaire dans cette situation ? » (Oui/Non). Ils fournissaient également des justifications ouvertes.
• Analyse :
  • Quantitative : Modélisation par régression logistique pour prédire le résultat binaire (Nécessité : Oui/Non), incluant les effets principaux, les termes d'interaction (Perspective $\times$ Facteurs procéduraux) et les covariables (auto-efficacité en écriture, littératie en IA, jugements internes).
  • Qualitative : Analyse thématique réflexive des réponses ouvertes pour compléter les résultats quantitatifs.

3. Contributions clés

1. Perspective ascendante : Déplace l'accent des mandats réglementaires vers la « nécessité perçue » détenue par les parties prenantes directes (lecteurs et auteurs), comblant une lacune dans la recherche sur la transparence FAccT.
2. Synthèse des facteurs procéduraux : Consolidation des cadres antérieurs (par exemple, cadre CCC, matrice CoCo) en quatre facteurs procéduraux distincts et opérationnalisables (Remplaçabilité, Effort, Intentionnalité, Directivité) spécifiques à l'écriture assistée par l'IA.
3. Identification de l'écart de perspective : Démontre empiriquement une divergence significative entre la façon dont les lecteurs et les auteurs perçoivent le besoin de divulgation, en particulier concernant le rôle de l'intentionnalité.
4. Lignes directrices de conception : Propose des interventions de conception concrètes pour les outils de divulgation de l'IA, notamment l'« étayage » (modèles de divulgation automatisés et granulaires) et des incitations comportementales basées sur des modèles d'utilisation spécifiques.

4. Résultats clés

La régression logistique et l'analyse qualitative ont produit les résultats suivants :

• Effet de perspective (RQ1) :

  • Les lecteurs perçoivent la divulgation comme significativement plus nécessaire que les auteurs (les auteurs ont environ 80 % moins de chances de considérer la divulgation comme nécessaire).
  • Interprétation : Les auteurs peuvent souffrir d'un biais d'intérêt personnel ou considérer l'IA comme une infrastructure « ambiante », réduisant leur sentiment d'obligation de divulgation.

• Effet du but (RQ2) :

  • Le but du texte (Évaluation, Apprentissage, Divertissement) n'a eu aucun effet principal statistiquement significatif sur la nécessité perçue de la divulgation.
  • Note : Bien que les données qualitatives aient suggéré certaines nuances spécifiques au contexte, le modèle quantitatif a montré que comment l'IA a été utilisée importait plus que pourquoi le texte a été écrit.

• Facteurs procéduraux (RQ3) :

  • Remplaçabilité : La divulgation est considérée comme plus nécessaire lorsque la contribution de l'IA est irremplaçable (Remplaçabilité Faible).
  • Effort : De manière surprenante, la quantité d'effort fournie par l'auteur n'a eu aucun effet significatif sur la nécessité perçue. Cela contredit l'« heuristique de l'effort » (l'idée que moins d'effort implique moins d'appropriation).
  • Intentionnalité : La divulgation est considérée comme plus nécessaire lorsque l'auteur ne dirige pas intentionnellement l'IA (Intentionnalité Faible).
  • Directivité : La divulgation est considérée comme plus nécessaire lorsque le contenu de l'IA est directement incorporé avec des modifications minimales (Directivité Élevée).

• Effets d'interaction (RQ4) :

  • Intentionnalité $\times$ Perspective : Cette interaction était significative et contre-intuitive.
    • Lecteurs : Perçoivent la divulgation comme plus nécessaire lorsque l'Intentionnalité est Faible (l'IA mène).
    • Auteurs : Perçoivent la divulgation comme moins nécessaire lorsque l'Intentionnalité est Faible.
  • Cela suggère que les auteurs peuvent se sentir moins propriétaires (et donc moins enclins à divulguer) lorsqu'ils laissent l'IA prendre la tête, tandis que les lecteurs estiment que ce manque de contrôle humain rend la divulgation cruciale pour la confiance.

• Covariables :

  • Une auto-efficacité en écriture et une littératie en IA plus élevées étaient corrélées à une nécessité perçue de divulgation plus faible.
  • Un jugement interne de la divulgation plus fort (valorisant la transparence) était corrélé à une nécessité perçue plus élevée.

5. Importance et implications

L'étude fournit une fondation axée sur les données pour concevoir de meilleurs mécanismes de divulgation de l'IA :

• Au-delà des étiquettes binaires : Les étiquettes actuelles « généré par l'IA » sont insuffisantes. La divulgation doit être granulaire, détaillant la remplaçabilité, l'intentionnalité et la directivité de l'utilisation de l'IA, car ce sont les facteurs qui importent réellement pour les lecteurs.
• Étayage de la divulgation : Les plateformes devraient offrir des outils générant automatiquement des ébauches de divulgation basées sur les journaux d'interaction (par exemple, « Vous avez utilisé l'IA pour générer 80 % du texte avec une édition minimale »). Crucialement, ces outils devraient minimiser l'accent sur l'effort (car cela n'a pas importé pour les participants) et mettre en avant l'intentionnalité (car c'est un point majeur de divergence entre lecteurs et auteurs).
• Incitations comportementales : Pour aligner le comportement des auteurs sur les attentes des lecteurs, les systèmes devraient déployer des incitations ciblées lorsque l'Intentionnalité Faible est détectée (c'est-à-dire lorsque l'auteur laisse l'IA prendre la tête), leur rappelant que ce scénario spécifique est hautement valorisé pour la transparence par les lecteurs.
• Réforme des politiques : Les réglementations devraient s'éloigner des règles rigides « tout ou rien » pour se tourner vers des directives sensibles au contexte qui reflètent les facteurs procéduraux nuancés identifiés dans l'étude.

En conclusion, l'article soutient qu'une transparence efficace de l'IA nécessite de dépasser la simple détection ou l'étiquetage obligatoire pour parvenir à un système qui comprend la nature de la collaboration humain-IA et comble le fossé perceptuel entre ceux qui créent le contenu et ceux qui le consomment.