Le montant de 417 milliards de dollars marque l'entrée définitive de la désinformation dans le champ des risques systémiques.

Ce chiffre signifie que le phénomène n'est plus un épiphénomène médiatique, mais une externalité massive du capitalisme contemporain, dont les effets de destruction de valeur sont désormais comparables à un choc macroéconomique. Cependant, cette évaluation globale laisse dans l’ombre trois dimensions fondamentales.

La première concerne les actifs immatériels, tels que la confiance, dont la dégradation ne fait l'objet d'aucune traduction comptable immédiate bien qu'elle altère les mécanismes de coordination des marchés.
La deuxième réside dans les coûts de second rang : les nécessaires investissements défensifs imposée aux organisations, lesquelles s'épuisent en technologies de riposte, en procédures de conformité et en audits pour pallier l'insécurité informationnelle.
Enfin, l'étude souligne les effets politiques et sociologiques : la polarisation de l'opinion, en empêchant tout consensus social, finit par paralyser les réformes structurelles nécessaires au développement.

Le coût réel n'est donc plus seulement celui du mensonge, mais celui de l'immobilisme d'une société privée d’une information de confiance.
 

Nous constatons que les directions générales font une erreur de diagnostic fondamentale : elles traitent la désinformation comme un simple problème de communication alors qu'elle s'attaque à la racine même de leur métier, à savoir la capacité de décider .

Pour piloter, un dirigeant a besoin de signaux fiables (les « signaux de marché »). Or, ces signaux sont aujourd'hui pollués : puisque 89 % des revenus du e-commerce dépendent des notes en ligne, l'injection massive de faux avis ne gâche pas seulement une réputation ; elle fausse totalement la lecture de ce que veulent vraiment les clients .
Le thermomètre est cassé, et l'entreprise navigue à vue.

Ce brouillard informationnel se traduit de manière très concrète. Si les investisseurs ne savent plus ce qui est vrai, ils exigent une « prime d'incertitude » :

• La chute des actifs : les manipulations boursières basées sur le faux peuvent provoquer des pertes sèches, estimées à 60 milliards de dollars.
• Le renchérissement du crédit : plus une entreprise semble vulnérable aux rumeurs, plus il lui coûte cher d'emprunter de l'argent (le fameux « coût du risque »).

Nous devons donc cesser de voir la désinformation comme un sujet numérique et de réseaux sociaux : c'est une menace directe sur la stabilité financière et la pérennité des organisations.
 

L’IA générative ne crée pas la désinformation ex nihilo, mais elle en modifie radicalement l’économie en industrialisant la menace.

Nous assistons à une rupture d'échelle : l'abaissement des coûts de production permet désormais une personnalisation des récits et une adaptation des campagnes d'influence en temps réel. Face à cette puissance de feu, les organisations demeurent prisonnières d'un modèle souvent artisanal.

Le constat est sans appel : il y a  un déséquilibre structurel de la riposte. Le retard n'est pas seulement technologique, il est organisationnel. Les entreprises disposent parfois de capteurs de veille, mais elles manquent d'une véritable architecture capable de coordonner les fonctions de sûreté, de data et de communication stratégique. Sans doctrine claire de qualification des menaces, la défense reste locale, fragmentée et, par définition, peu efficace.

Pour éviter que ce poison ne paralyse tout le système, trois actions me semblent nécessaires :

• En faire une priorité de direction générale : La désinformation doit être traitée comme un risque financier majeur, avec des indicateurs de suivi discutés chaque mois par la direction .
• Créer une méthode de calcul commune : Comme cela existe pour le climat avec le GIEC, nous devons nous mettre d'accord sur une façon de mesurer scientifiquement les dégâts pour mieux répartir les budgets de défense .
• Protéger la vérité comme un bien commun : La confiance est le moteur de l'économie. Pour la préserver, l'État et les entreprises doivent coopérer afin de garantir l'origine des informations et de certifier les sources fiables

Je recommande vivement la lecture de « Vertigineux réseaux  » (les livrets de la stratégie, aux éditions EMS), qui aborde ces phénomènes avec la contribution d’intervenants académiques et professionnels de très haut niveau.
J’ai eu le privilège de rédiger le chapitre 6 : « Perte de sens commun et antifragilité : un nouveau logiciel stratégique à inventer ».

Karl Popper publie en 1934 Logik der Forschung — traduit en anglais sous le titre The Logic of Scientific Discovery — et pose le principe qui va fracasser trois siècles d'empirisme naïf : une théorie n'est pas scientifique parce qu'elle est vérifiée, elle l'est parce qu'elle est falsifiable. Ce n'est pas l'accumulation de preuves confirmatoires qui valide une hypothèse — c'est l'existence d'un signal capable de la réfuter. « Il ne nous est pas donné d'observer la nature, nous ne pouvons que l'interroger », écrit-il. En d'autres termes : ce que vous ne cherchez pas à détruire, vous ne le comprenez pas vraiment.

Ce principe, l'Intelligence Économique l'a toujours contourné — gentiment, presque inconsciemment. La veille, le principal volet mis en œuvre dans les organisations, souvent le seul, confirme. Elle collecte des signaux qui confortent un scénario existant, alimente des rapports que leurs destinataires souhaitent lire, et circule dans des organisations où l'angle mort structurel est précisément la remise en cause du narratif dominant. Le Rapport Martre de 1994 posait déjà les bases d'une démarche rigoureuse. Trente ans plus tard, la rigueur épistémologique — la vraie — reste le parent pauvre de la discipline.

C'est ici qu'intervient le Professeur Isaac Ben Israel, général, député, mathématicien et philosophe du renseignement. Dans son ouvrage Philosophie du renseignement : logique et morale de l'espionnage (1999, traduit aux Éditions de l'Éclat), il formule une thèse qui devrait figurer en exergue de tous les cours d'IE (à condition d’assumer sa filiation avec le Renseignement) : « La philosophie du renseignement et la philosophie des sciences relèvent d'un seul et même débat. ». Ben Israel démontre que le processus estimatif — l'acte de produire une analyse à partir de sources incomplètes — est structurellement hypothético-déductif. On ne part pas des faits pour remonter à la vérité ; on formule des hypothèses et on les soumet à l'épreuve des faits. Tout analyste qui croit faire autrement se raconte une histoire. La méthode ACH de Heur, nous y incitait pourtant.
 

Véronique Mesguich, consultante, formatrice et auteure de Rechercher l'information stratégique sur le web : sourcing, veille et analyse à l'ère de l'IA (De Boeck Supérieur, 2024), l'a dit sans détour dans un entretien récent accordé à Veille Mag : « Les biais algorithmiques peuvent être accentués par l'IA. On constate une tendance à enfermer l'utilisateur dans des "bulles de filtres". Une vérification systématique des réponses peut contribuer à réduire ce risque. » Ce diagnostic est juste — et il est inquiétant.

Car si les outils de nouvelle génération (agents IA, plateformes no-code, modèles génératifs multimodaux) décuplent la capacité de collecte et de synthèse, ils amplifient mécaniquement les biais de leurs données d'entraînement.

C'est précisément ce paradoxe que le démonstrateur SMIST-GPT tente de résoudre. Il est issu des travaux de recherche sur le Système de Management de l'Information Stratégique (SMISt) et développé pour illustrer le livre «Intelligence Économique 3.0 : Le SMISt » par des cas concrets.

L'ouvrage, dont la postface est signée Isaac Ben Israel lui-même, plaide pour une révolution méthodologique : rendre l'IE scientifique, mesurable, éthique et auditable. Le SMISt mobilise la psychologie cognitive et sociale pour structurer un dispositif opérationnel capable de contrer la saturation informationnelle, les biais humains et l'effet de groupe. L’IE3.0 développe une histoire universelle, une généalogie assumée et des limites éthiques, une définition simple, des apports concrets pour les décideurs, un schéma de mise en œuvre scalable dans les organisations.

Mais aussi une méthode universelle, la falsification poppérienne pour décliner le cycle du renseignement. Une fois que ce dernier sera augmenté par une nouvelle phase, l’étude de la prise en compte dans la décision des livrables, il ne lui restera plus qu’à définir les KPI pour piloter l’IE et proposer une méthode de calcul simple de son ROI pour mesurer sa rentabilité. Tous les prérequis attendus pour l’enseigner en science de gestion seront alors posés.

La falsification avancée ne se limite pas à détecter le faux : elle anticipe la manipulation avant qu'elle ne se propage ; quelle qu’en soit l’origine. Les modèles d'IA peuvent désormais interroger leurs propres biais, tester leurs points aveugles, identifier où ils seraient vulnérables à la désinformation. C'est une forme d'auto-critique systémique : l'algorithme examine ses propres prédictions, cherche où il pourrait se tromper, signale ses zones d'incertitude.

Cette capacité d'auto-falsification transforme l'IA en auditeur de ses propres erreurs potentielles fondée sur sa propre rationalité ; celle à laquelle elle ne peut pas déroger. Plutôt que d'affirmer, elle questionne. Plutôt que de conclure, elle délimite. Dans un écosystème saturé de propagande générée automatiquement, cette humilité computationnelle devient une nécessité éthique. « Le doute devient un avantage stratégique » comme conclut Christophe Stalla-Bourdillon. L'outil qui reconnaît ses limites surpasse celui qui prétend tout savoir sur tout ; ce que le décideur attend. Il permet d’offrir à l’analyste un protocole de traçabilité totale : chaque affirmation porte son identifiant de source, chaque inférence est justifiée, chaque hypothèse doit tenter d’être testée, chaque jugement est présenté comme tel, chaque angle mort est identifié. Le décideur humain redevient l’acteur central d’une décision plus rationnelle.

Le cas iranien l'illustre : 10 jours plus tard, face à la réalité des faits qui se sont produits (ou pas), la rétro-analyse SMIST-GPT mesure 72% de pertinence du contenu du rapport initial ayant conduit à donner l’alerte. 14 tests de falsification, 1 hypothèse réfutée — « la succession Khamenei anticipée en 4-8 semaines, réalisée en 8 jours ». L'erreur n'est pas un échec : elle est la preuve que le système fonctionne. Parce qu'elle est documentée, mesurée, elle s’intègre dans la version suivante du modèle pour l’améliorer.

L’étude de cas sur le conflit russo-ukrainien révèle la même logique : 20 itérations, 100 sources, 7 langues — et un score de fiabilité affiché à 36% ! Ce n'est pas une défaillance. C'est l'honnêteté analytique imposée par le protocole sur un conflit aux innombrables variables que le conflit en Iran complexifie encore. Le plafond réaliste pour ce type d'analyse reste autour de 55%. L'IA ne prétend pas tout savoir : elle structure ce qu'elle sait, trace ce qu'elle ignore, signale où elle peut se tromper, le veilleur identifie ce que l’IA suggère de compléter, l’analyste humain reprend le livrable qu’il dépasse, augmente et transcende, qu’il soit expert ou non du domaine traité. Il est guidé.

S'auto-évaluer par falsification de ses propres outputs : voilà comment progresse SMIST-GPT. Non pas en masquant ses limites, mais en les documentant comme des données. Le veilleur recherche de nouvelles sources sur la base d’un plan de renseignement généré par l’outil. L’analyste apprend des erreurs du modèle, ce qui lui permet de réduire ses propres biais. Le décideur prend une décision sur la base d’un livrable augmenté dont les biais psychologiques et cognitifs ont été réduits dans toutes les phases précédentes du cycle du renseignement. Si sa décision reste politique, ce n’est pas la faute d’un renseignement biaisé. 

C'est exactement ce que Donald Trump lui-même illustrait le 15 mars 2026 dans une interview sur ABC, dénonçant l'utilisation par l'Iran de l'IA pour injecter des images de synthèse — navires en flammes, porte-avions en perdition — dans le flux médiatique mondial. Des fake news générées en secondes, virales en minutes, démenties en heures. Mais déjà vues par des millions de personnes, relayées par les médias supposés fiables. Pourtant SMIST-GPT les a ignorées.

« On combat la désinformation avec des modèles entraînés sur de la désinformation. Le remède ressemble pourtant bien au mal ».
 

La question posée ici n'est pas technique. Elle est épistémologique — et donc, stratégique. L'Intelligence Économique peut continuer à se définir comme un ensemble de pratiques de collecte et d'analyse plus ou moins bien orchestrée, outillées par l'IA comme elles l'était hier par les bases de données et les requêtes sur les moteurs de recherche. Ou elle peut franchir le pas  que Popper avait tracé il y a quatre-vingt-dix ans, que Ben Israel appelait de ses vœux il y a vingt-cinq ans et que le Mossad a expérimenté avec le concept du 10^ème homme -sans pour autant l’appliquer avant le 7 octobre ; conduisant au nouvel échec que l’on connait.

Se doter de standards de traçabilité, d’un protocole de falsification systématique, d'une métrique de fiabilité déclarée (bien que stochastique, ce n’est pas pire que la matrice d’évaluation des sources et de l’information qui conduit à un abaque de pourcentage) — et l’enseigner tout comme une science, (de gestion à part entière lorsqu’il s’agit d’IE), et non comme un art subtil décliné en « métiers »; faute de consensus.

Véronique Mesguich nous dit : « l'efficacité de l'aide à la décision dépend moins de la puissance de l'outil que de la compétence analytique du veilleur. » nous dirions plutôt « de la compétence falsificatrice du veilleur ». Mais la compétence analytique ne s'improvise pas. Christophe Deschamps nous dit « Le protocole F-T-T (Formuler → Tester → Tracer) [vise] à guider les analystes dans le fait de générer des hypothèses plausibles, les confronter et les discriminer par une recherche ciblée, et surtout, à rendre le raisonnement traçable et opposable aux décideurs en conservant les preuves et les arbitrages effectués. » Cela se conçoit donc, se structure, et si automatisé cela peut être désormais systématisé. Demain certifié.

L'espoir est toujours au fond de la boîte. Il s'appelle esprit critique. Il ne s'installe pas. Il se cultive — trente ans après le Rapport Martre, à l'heure où l'IA nous tend le miroir que nous avions jusqu'ici soigneusement évité de regarder. Le temps est donc venu pour que les processus de veille soient systématiquement, tracés, complétés et les faits systématiquement tentés d’être infirmés avant d’être retenus dans l’analyse. L’analyse peut se fonder sur des hypothèses, y compris adversariales, pour tenter d’être falsifiées, et les traitements documentée puis leur résultat mesurés dans le temps. Cela  suppose aussi d'accepter que 68 %, voire 38% soient un résultat honnête ; fusse-t-il estimé par une IA stochastique — et que 100 % soit un mensonge.

« Ne serait-ce que pour prendre en compte la part d’incertitude dans la décision finale, histoire de ne pas totalement se tromper ».

Accumuler de l’information ne suffit plus. Les entreprises et institutions doivent désormais apprendre à la structurer, la partager et la transformer en action.

C’est tout l’objet du Knowledge Management (KM), discipline à la croisée de la veille, de la gestion documentaire, de la stratégie et des dynamiques collaboratives. Lors de cette journée,
Thomas Grignon et Gonzague Chastenet de Géry poseront le cadre théorique et opérationnel : définitions, dimensions clés, mais aussi tendances fortes comme les communautés de pratique, la capitalisation des savoirs critiques, la transmission intergénérationnelle ou encore l’impact de l’IA générative sur les métiers de la connaissance.

Au‑delà des concepts, la rencontre se concentrera autour de retours d’expérience.

Plusieurs organisations viendront partager leurs réussites, leurs écueils et les leviers qui ont réellement permis de faire vivre le KM au quotidien. ADEME, COLAS, CSTB, Conseil départemental de Seine‑Saint‑Denis, L.E.K. Consulting… autant de contextes différents, mais un même constat : la gestion des connaissances n’est efficace que lorsqu’elle s’ancre dans les usages, s’appuie sur des outils adaptés et mobilise les équipes.

Les interventions permettront d’explorer des approches variées, de la structuration de référentiels à l’animation de communautés, en passant par la valorisation des savoirs métiers.

Cette journée d’étude se veut aussi un lieu d’échanges entre professionnels. Les participants pourront confronter leurs pratiques, s’inspirer de démarches concrètes et enrichir leur réflexion pour leurs propres projets de veille, de capitalisation ou de gestion des connaissances.

Dans un contexte où la transformation numérique accélère et où les organisations cherchent à préserver leur mémoire tout en innovant, le KM apparaît plus que jamais comme un pilier stratégique.