AI-washing : la crise de la sur-promesse en intelligence artificielle

Dans la ruée vers l’or de l’intelligence artificielle, la mention « propulsé par l’IA » s’affiche partout. Mais lorsque cette IA est exagérée, vague, ou tout simplement absente, la promesse se retourne en passif réputationnel. L’AI-washing le cousin du greenwashing est devenu une crise à la fois réputationnelle et juridique : les régulateurs sanctionnent, des startups s’effondrent quand l’« IA » se révèle être des humains cachés derrière un rideau, et un chiffre qui circule en 2026 affirme que 40 % des jeunes pousses de l’IA n’utiliseraient pas de véritable IA.

Ce guide décrypte un risque encore peu traité : ce qu’est l’AI-washing, ses différentes formes, pourquoi il devient une crise, et comment l’éviter ou y répondre. Il s’inscrit dans notre guide pilier sur la communication de crise face à l’IA.

Qu’est-ce que l’AI-washing ?

L’AI-washing — parfois traduit par « blanchiment d’IA » — désigne le fait, pour une entreprise, de faire des déclarations fausses, trompeuses ou exagérées sur les capacités d’IA de ses produits, services ou opérations, afin de paraître plus innovante qu’elle ne l’est. L’analogie avec le greenwashing est directe : là où ce dernier exploite l’intérêt des consommateurs pour l’écologie par des allégations environnementales trompeuses, l’AI-washing exploite l’engouement pour l’IA. Le terme a été popularisé en 2024 par le président de l’autorité boursière américaine, qui a averti que cette pratique pouvait enfreindre la loi sur les valeurs mobilières, induire les consommateurs en erreur et nuire aux investisseurs — mais la tendance avait déjà été repérée par des analystes dès 2017.

Au cœur du problème, une confusion entretenue entre la véritable IA — modèles d’apprentissage automatique capables d’inférence et de généralisation — et la simple automatisation : règles « si X alors Y », robots logiciels, modèles préétablis, ou flux de travail dissimulant une intervention humaine. Tout n’est pas de l’IA ; et dire « IA » impose de pouvoir le prouver.

Les formes de l’AI-washing

L’AI-washing se décline sur un spectre, de l’approximation à la fraude caractérisée.

La forme la plus banale est l’allégation vague, ce « propulsé par l’IA » apposé sur tout, sans substance ni précision sur ce que l’IA fait réellement. Vient ensuite l’exagération des capacités : on survend ce que la technologie accomplit, en promettant une intelligence ou une autonomie que le produit ne possède pas. Plus grave, la fabrication pure et simple : il n’y a pas d’IA, mais des humains qui opèrent derrière l’interface — le fameux phénomène du « Turc mécanique ». Enfin, l’AI-washing à destination des investisseurs consiste à surévaluer le rôle de l’IA dans des communications financières ou des levées de fonds, ce qui touche au droit des valeurs mobilières.

Pourquoi l’AI-washing devient une crise

Longtemps simple argument marketing, l’AI-washing s’est transformé en risque majeur, pour trois raisons.

D’abord, le durcissement réglementaire. L’autorité boursière américaine a lancé ses premières actions en mars 2024, sanctionnant deux sociétés d’investissement pour des allégations fausses sur des capacités d’IA qu’elles n’avaient pas, avec des pénalités civiles cumulées de plusieurs centaines de milliers de dollars ; quelques mois plus tard, elle visait le dirigeant d’une startup de recrutement pour des affirmations gonflées sur sa technologie. La Federal Trade Commission a, de son côté, lancé une opération dédiée à la lutte contre l’AI-washing, passant des avertissements à des sanctions effectives. Et le règlement européen sur l’IA, applicable depuis 2025, ajoute ses propres exigences.

Ensuite, le retour de bâton réputationnel, parfois fatal. Le cas le plus emblématique est celui d’une plateforme présentée comme pilotée par l’IA mais qui reposait largement sur de l’ingénierie humaine, et qui a fini en liquidation rappelle l’expert en communication de crise Florian Silnicki, Président Fondateur de l’agence LaFrenchCom. Dans une autre affaire, un dirigeant a été poursuivi pour avoir prétendu que son application était « entièrement automatisée par l’IA » alors qu’elle s’appuyait sur des centaines de travailleurs humains, trompant ses investisseurs à hauteur de dizaines de millions de dollars.

Enfin, le risque contentieux. Les actions collectives d’actionnaires liées à l’IA se multiplient — des dizaines de plaintes recensées, dont une part croissante ces dernières années. Dans un cas notable, une entreprise a été accusée d’avoir surestimé ses capacités d’IA avant que « la vérité n’émerge » lors d’une publication de résultats révélant une demande faible, l’obligeant à réviser ses prévisions. Survendre l’IA n’est plus sans conséquence.

Comment éviter une crise d’AI-washing

La prévention tient en un principe : ne dire de l’IA que ce que l’on peut démontrer. Concrètement, cela impose plusieurs disciplines.

La première est l’exactitude : décrire ce que l’IA fait réellement, et non ce qu’on aimerait qu’elle fasse. La deuxième est un test de démontrabilité : si l’on emploie le mot « IA » dans sa communication, on doit pouvoir établir quelles parties relèvent d’un modèle d’IA, s’il existe une intervention humaine, quelles données sont utilisées et quelles sont les limites. La troisième est la transparence sur le rôle et les limites de la technologie, plutôt que sur ses seules promesses. La quatrième est la gouvernance des allégations : faire valider par le juridique et la conformité les messages marketing comme les communications aux investisseurs. La dernière, plus culturelle, est de privilégier la substance sur le tapage — sous-promettre et sur-délivrer, à rebours de la tentation inverse.

Gérer une crise d’AI-washing

Lorsque l’écart entre la promesse et la réalité est exposé, la pire réaction est de surenchérir ou de minimiser. La réponse efficace consiste à reconnaître et corriger : clarifier honnêtement ce que l’IA fait et ne fait pas, sans s’enferrer dans une défense intenable. Il s’agit ensuite de recentrer le discours sur la valeur réelle délivrée — une automatisation efficace, même sans IA de pointe, peut être un atout assumé. Enfin, dès que la communication aux investisseurs est en cause, la coordination juridique est impérative, car le sujet bascule du marketing au droit financier. Comme pour toute crise, la transparence factuelle vaut mieux que l’enjolivement.

Checklist : prévenir et gérer l’AI-washing

Pour rester du bon côté de la ligne :

• Inventaire honnête : distinguer ce qui relève d’une véritable IA de la simple automatisation.
• Test de démontrabilité des allégations : parts d’IA, intervention humaine, données, limites.
• Exactitude marketing : décrire ce que l’IA fait réellement, sans exagération.
• Validation juridique et conformité des messages, y compris aux investisseurs.
• Transparence sur le rôle et les limites de l’IA.
• Veille réglementaire (autorités boursières et de la concurrence, règlement européen).
• Plan de réponse : reconnaître, clarifier, recentrer sur la valeur réelle.
• Culture de la substance : sous-promettre et sur-délivrer.

FAQ : AI-washing

Qu’est-ce que l’AI-washing ? C’est le fait de faire des déclarations fausses, trompeuses ou exagérées sur les capacités d’IA de ses produits ou services, pour paraître plus innovant. C’est l’équivalent, pour l’IA, du greenwashing pour l’écologie.

L’AI-washing est-il illégal ? Il peut le devenir. Les autorités boursières et de la concurrence ont engagé des sanctions pour allégations trompeuses, et le règlement européen sur l’IA ajoute des exigences. Selon les cas, l’AI-washing expose à des poursuites pour tromperie ou pour fraude envers les investisseurs.

Comment savoir si une entreprise fait de l’AI-washing ? En vérifiant si elle peut démontrer quelles parties de son produit relèvent réellement d’un modèle d’IA, s’il existe une intervention humaine cachée, quelles données sont utilisées et quelles sont les limites. Les allégations vagues sans substance sont un signal.

Quelle différence entre IA et automatisation ? La véritable IA repose sur des modèles d’apprentissage capables d’inférence et de généralisation à de nouveaux cas. L’automatisation simple suit des règles préétablies (« si X alors Y »), des modèles ou des flux de travail, parfois avec une intervention humaine dissimulée.

Comment éviter l’AI-washing ? En ne disant de l’IA que ce que l’on peut prouver : exactitude des allégations, transparence sur le rôle et les limites, validation juridique des messages, et culture de la substance plutôt que du tapage marketing.

Que faire si l’on est accusé d’AI-washing ? Reconnaître et corriger sans surenchérir ni minimiser, clarifier honnêtement ce que l’IA fait, recentrer le discours sur la valeur réelle délivrée, et coordonner la réponse avec le juridique dès que les investisseurs sont concernés.

Conclusion : la substance comme meilleure assurance

L’AI-washing est la tentation d’une époque : à l’heure où l’IA fascine, il est facile d’en promettre plus qu’on n’en livre. Mais la sur-promesse se paie — en sanctions, en procès, et surtout en confiance perdue le jour où l’écart se révèle. La parade n’est pas de fuir l’IA, ni de bouder le sujet, mais de n’en dire que ce que l’on peut démontrer, et d’assumer la valeur réelle de ce que l’on fait, IA de pointe ou non. Dans un marché saturé de promesses, la substance est la meilleure assurance réputationnelle.

Pour les enjeux connexes, retrouvez nos articles sur la désinformation par IA, sur le cadre du RGPD et de l’AI Act et sur les hallucinations de l’IA. Pour la vision d’ensemble, revenez à notre guide pilier sur la communication de crise face à l’IA.