La souveraineté de la vérification : qui décide de ce qui est vrai sur vos marchés

Pendant une décennie, la souveraineté informationnelle a été discutée comme un problème de collecte et d'hébergement. Qui détient les sources, où tournent les serveurs, sous quel droit s'exécute le traitement. Ces questions restent entières, mais ne couvrent plus l'essentiel du risque. Une organisation peut maîtriser intégralement sa chaîne de collecte et rester totalement dépendante d'un tiers pour l'opération qui décide de la valeur de ce qu'elle a collecté : la vérification.

Le déplacement est logique. Les travaux de l'Observatoire de l'Intelligence Économique sur les dispositifs d'influence, et les reportages que Le Fil de la Veille consacre aux cas concrets, décrivent tous le même basculement économique : produire une affirmation fausse coûte désormais presque zéro, l'infirmer coûte toujours du temps, de l'expertise et du contexte. Dès lors, le point de rareté n'est plus la donnée. C'est le verdict.

Cette analyse porte sur ce point précis. Non pas sur la qualité technique des outils de vérification, mais sur ce qu'implique, pour une organisation qui opère sur plusieurs marchés, de confier la fonction de vérification à un dispositif conçu ailleurs, entraîné sur d'autres corpus, et calibré sur d'autres évidences que celles qui prévalent là où elle travaille.

Vérifier n'est pas une fonction support, c'est une fonction souveraine

Une décision de vérification n'est jamais purement technique. Elle enchaîne trois jugements. Le premier détermine si un énoncé est seulement vérifiable, c'est-à-dire s'il affirme un fait susceptible d'être confronté à une trace, plutôt qu'une opinion, une prédiction ou une question rhétorique. Le deuxième détermine si l'énoncé mérite l'effort, autrement dit s'il porte à conséquence. Le troisième seulement conclut au vrai ou au faux.

Les deux premiers jugements sont ceux qui engagent le plus, et ce sont ceux dont on parle le moins. Décider qu'une rumeur relative à un médicament, à un scrutin local ou à une frontière relève de la vérification prioritaire, c'est déjà poser une échelle de gravité. Cette échelle n'est pas universelle. Elle reflète les sujets qui, dans un contexte donné, produisent des effets : mouvements de foule, retraits bancaires, ruptures d'approvisionnement, décisions de départ.

Une organisation qui délègue ces deux jugements délègue donc bien plus qu'un traitement automatisé. Elle accepte que la définition de ce qui compte, dans les pays où elle est exposée, soit produite par un acteur qui n'y est pas exposé. C'est en ce sens que la vérification est devenue une fonction souveraine au même titre que la collecte, et probablement plus difficile à rapatrier une fois abandonnée.

Ce qu'un modèle entraîné ailleurs importe avec lui

Un système de vérification apprend sur des corpus. Ces corpus portent la trace des controverses qui ont occupé un espace public donné, des institutions qui y font autorité, des formats de preuve qui y sont acceptés. Un registre d'entreprises consultable en ligne, un communiqué de police, un jugement publié : la disponibilité de ces objets varie considérablement d'un pays à l'autre, et un modèle calibré sur les plus documentés d'entre eux ne dispose pas des mêmes appuis ailleurs.

La conséquence n'est pas seulement une baisse de performance. Elle est plus insidieuse. Un dispositif qui ne trouve pas de trace conclut souvent à l'absence de fondement, alors que l'absence de trace accessible et l'absence de fait sont deux choses distinctes. Sur un marché où les archives publiques sont partiellement numérisées, cette confusion produit un biais systématique, toujours dans le même sens, et jamais signalé comme tel dans le verdict rendu.

S'y ajoute une asymétrie de priorité. Ce qui n'a jamais figuré dans les données d'entraînement n'est pas classé comme faux : il est classé comme non pertinent, ce qui revient à ne jamais déclencher d'examen. Une organisation exposée à un marché sous-représenté dans les corpus ne reçoit donc pas de faux verdicts en masse. Elle reçoit surtout des silences, et un silence ne se conteste pas.

Langue et contexte : une condition de fiabilité, pas un raffinement

La couverture linguistique est régulièrement présentée comme un critère de confort, une extension du périmètre. Sur la vérification, elle est structurante. Une affirmation circule dans la langue où elle est reçue, souvent une langue véhiculaire locale ou un mélange de plusieurs registres. La traduire avant de la traiter fait disparaître exactement ce qui permettait de l'évaluer : l'implicite, le destinataire visé, la référence à un épisode antérieur connu de tous.

Le contexte culturel joue le même rôle. Une même phrase constitue une information anodine dans un pays et une accusation grave dans un autre, selon ce qu'elle mobilise comme mémoire collective. Un système qui ne dispose pas de cette profondeur ne se trompe pas de conclusion : il se trompe de question, et il la traite correctement. Le résultat est cohérent en apparence, et sans valeur opérationnelle sur le terrain concerné.

Il faut en tirer une conséquence pratique pour les cahiers des charges. La question à poser à un fournisseur n'est pas combien de langues sont couvertes, mais dans quelle langue le raisonnement de vérification s'effectue réellement, et sur quels corpus de référence il s'appuie pour cette langue. Un traitement qui rapatrie tout vers une langue pivot avant analyse doit être identifié comme tel, car il déplace le lieu où le jugement se forme.

Un dispositif de vérification ne dit pas seulement ce qui est faux. Il dit, en creux et sans jamais l'expliciter, ce qui méritait d'être examiné.

Le cas ouest-africain : ce que montre une construction locale

Un exemple documenté permet de sortir de l'abstraction. Financial Fortune Media rapporte le développement de Dubawa AI, outil de vérification lancé en 2024 par le Centre for Journalism Innovation and Development à Abuja, au Nigeria, sous la direction de Monsur Hussain. Le nom vient du haoussa et signifie vérifier : l'outil est nommé dans la langue de ceux qui l'utilisent.

Le détail le plus instructif tient à l'ordre des apprentissages. Selon Financial Fortune Media, le modèle a d'abord été entraîné à distinguer une affirmation vérifiable d'une simple question, en priorité sur les affirmations à impact social, santé et politique. Autrement dit, la première décision d'architecture a porté sur le tri amont, celui qui définit ce qui entre dans le champ d'examen. C'est exactement la couche que l'externalisation fait disparaître du regard.

L'échelle atteinte est significative : plus de 6 000 affirmations vérifiées, un usage rapporté dans plus de 32 pays africains, une adoption croissante au Ghana, en Gambie, au Liberia, en Sierra Leone et au Sénégal, avec un accès par chatbot sur dubawa.org, sur WhatsApp et par un outil audio. Le choix des canaux compte autant que le modèle : la vérification se rend disponible là où l'information circule, pas sur un portail que personne n'ouvre.

Le raisonnement technique est explicite. L'ingénieur Japhet Johnson souligne, toujours d'après Financial Fortune Media, que les modèles globaux sont entraînés pour l'Europe ou les États-Unis et négligent les données régionales, et qu'une infrastructure de données locale conforme à la réglementation nigériane est déterminante pour la fiabilité. Le contexte d'usage est massif : la Commission des communications du Nigeria recense plus de 148 millions d'abonnements internet actifs, premier marché en ligne d'Afrique, et une étude menée à Abuja relève que 75 % des internautes interrogés y rencontrent fréquemment de fausses informations sur leurs réseaux sociaux.

La question à poser : qui décide de ce qui est vérifiable dans mes zones

Pour une direction de la sûreté, de la conformité ou de la communication, la question se formule simplement, zone par zone : quel acteur détermine, sur ce marché, ce qui est tenu pour vérifiable, et selon quels corpus. Si la réponse est identique pour douze pays très différents, la centralisation n'est pas un gage d'homogénéité : elle indique qu'une même grille est appliquée à des espaces publics qui ne fonctionnent pas de la même manière.

Trois dispositions concrètes rendent la dépendance lisible. Exiger que chaque verdict distingue explicitement le fait établi de l'appréciation qui en est tirée. Exiger que l'absence de trace soit restituée comme telle, et non convertie en infirmation. Conserver, en interne, une capacité de contre-expertise sur les deux ou trois marchés où l'exposition est la plus forte, pour disposer d'un point de comparaison quand un verdict externe surprend.

Le socle reste la détection. NewsCore (www.newscore.fr) couvre en continu des millions de sources dans un grand nombre de langues, trie par pertinence et relie chaque synthèse à son document d'origine, ce qui raccourcit le délai entre l'apparition d'un signal et la décision. La qualification finale, elle, engage l'organisation : c'est à elle de définir ce qui, sur ses marchés, mérite examen, et de garder la main sur cette définition.

Questions fréquentes

Qu'appelle-t-on souveraineté de la vérification ?

C'est la capacité d'une organisation ou d'un espace public à déterminer par lui-même ce qui, sur son territoire et dans sa langue, constitue une affirmation vérifiable, quels corpus font référence pour la trancher, et quels sujets appellent un examen prioritaire. Elle se distingue de la souveraineté de la collecte, qui porte sur l'origine des données et leur lieu de traitement.

Pourquoi la couverture linguistique conditionne-t-elle la fiabilité d'un outil de vérification ?

Parce que la traduction préalable supprime l'implicite, les références locales et le registre qui donnent son sens à une affirmation. Un modèle qui raisonne dans une langue pivot évalue une version appauvrie de l'énoncé. Il rend alors un verdict cohérent sur une question qui n'est plus tout à fait celle qui circulait.

Que retenir de l'expérience de Dubawa AI au Nigeria ?

Selon Financial Fortune Media, l'outil a été construit à partir du tri amont, la distinction entre affirmation vérifiable et simple question, avec une priorité donnée aux sujets à fort impact social, puis diffusé par WhatsApp et par un outil audio. La démonstration porte moins sur la technologie que sur la localisation des choix : le périmètre de ce qui mérite vérification a été défini là où l'information circule.

Comment évaluer sa propre dépendance en matière de vérification ?

En listant ses zones d'exposition, puis en identifiant pour chacune l'acteur qui produit les verdicts et les corpus sur lesquels il s'appuie. Trois indices signalent une dépendance forte : l'impossibilité d'obtenir les critères de mise à l'examen, l'assimilation de l'absence de trace à une infirmation, et l'absence de toute capacité de contre-expertise interne sur les marchés les plus sensibles.