Désinformation : soigner le mal à la racine
- La désinformation n'est que la partie émergée de l'iceberg.
- Ses effets directs sont surestimés, ses effets indirects sous-estimés.
- L'adhésion au faux relève d'une rationalité sociale, pas d'un déficit de raison.
- Le cœur du problème est une crise de l'offre d'information de qualité.
Résumé exécutif
Cette note propose un diagnostic renouvelé de la désinformation, fondé sur les sciences cognitives et sociales, et en tire des recommandations pour l'action publique française.
Quatre constats structurent l'analyse :
- La désinformation n'est que la partie émergée de l'iceberg. Rare dans les usages, concentrée sur une petite minorité, elle est surtout le symptôme d'une crise plus large : celle de l'information de qualité (réseaux sociaux, crise économique et de confiance des médias traditionnels) et, plus profondément, celle d'une société dont les fractures rendent le faux désirable.
- Ses effets directs sont surestimés, ses effets indirects sous-estimés. Aucune étude n'établit de manière fiable que la désinformation en ligne fait basculer des élections. Mais elle peut polariser, saturer, discréditer, faire taire et éroder la confiance jusque dans l'information exacte, et c'est là que se loge le risque.
- L'adhésion au faux relève d'une rationalité sociale, pas d'un déficit de raison. Le public est plus sceptique que crédule ; il croit et partage pour appartenir, signaler sa loyauté, donner sens à une expérience d'insécurité. La solitude, la précarité ressentie et la défiance institutionnelle, souvent fondée, en sont les racines.
- Le cœur du problème est une crise de l'offre d'information de qualité. Le faux ne supplante pas le vrai ; c'est le vrai qui attire peu, se finance mal et perd son autorité : ceux qui le produisent ne sont plus crus quand ils tranchent entre vrai et faux. L'IA générative aggrave cette dynamique : en répondant directement aux questions, elle capte le trafic et les revenus des médias.
Quatre piliers de recommandations en découlent :
Nécessaire mais insuffisant : s'attaquer à ce qui rapporte de l'argent et à ceux qui diffusent, sans jamais charger l'État de décider ce qui est vrai.
- 1 Démonétiser la désinformation et l'engagement synthétique
- 2 Rendre les plateformes réellement auditables, au-delà de la transparence déclarative
- 3 Défendre l'authenticité des émetteurs plutôt que la véracité des contenus
- 4 Réguler l'IA générative à travers ses acteurs et leurs choix de conception
Les leviers les mieux documentés, mais les plus limités par leur portée ; mal calibrés, ils apprennent à douter de tout, y compris du vrai.
- 5 Recentrer l'éducation aux médias sur la reconnaissance de l'information fiable
- 6 Déployer le prébunking de façon ciblée et répétée
- 7 Confier la correction à des relais crédibles plutôt qu'à l'État
- 8 Utiliser les frictions de partage comme outils de première ligne
Le levier le plus déterminant, et le plus difficile à actionner : l'État social (protection sociale, services publics, lien social) est la plus solide défense de l'État régalien (sécurité, défense, ordre public).
- 9 Faire de l'intégrité publique une politique de lutte contre la désinformation
- 10 Réinvestir les lieux de sociabilité contre l'isolement
- 11 Réduire la précarité ressentie et le non-recours aux droits
- 12 Expérimenter la dépolarisation sans en surestimer les effets
Lutter pour l'information est souvent plus efficace et moins coûteux que lutter contre la désinformation.
- 13 Refinancer la presse locale sur le modèle de la Local Journalism Initiative canadienne
- 14 Garantir un financement stable et l'indépendance éditoriale des médias
- 15 Faire contribuer l'IA à l'information qu'elle reprend
- 16 Outiller les relais : fact-checkeurs, journalistes, créateurs de contenu
Condition transversale : se donner les moyens de savoir (mesurer la demande et pas seulement l'offre, évaluer les dispositifs, garantir l'accès aux données) et tenir une communication publique sobre.
Combattre la désinformation sans en traiter les causes revient à écoper un navire percé : tant que l'action publique se limitera à des ripostes visibles contre le faux, elle laissera intactes les conditions qui le rendent efficace, et risque d'aggraver la défiance qu'elle prétend combattre.
Un autre cadrage
En 2016, le dictionnaire Oxford consacre post-truth comme mot de l'année ; en 2020, l'Organisation mondiale de la santé déclare une « infodémie » ; le Forum économique mondial classe ensuite, deux années de suite, la désinformation parmi les principaux risques globaux, et le premier rapport des Nations unies sur les risques mondiaux la place au premier rang des risques déjà à l'œuvre.
En France, la lutte contre les manipulations de l'information s'est institutionnalisée en quelques années : création en 2021 de VIGINUM, le service de l'État chargé de détecter les ingérences numériques étrangères ; lancement en 2025 de French Response, le dispositif du Quai d'Orsay qui riposte sur les réseaux sociaux ; Stratégie nationale de lutte contre les manipulations de l'information en février 2026.
Cette mobilisation est salutaire, à condition qu'elle vise juste. Or la manière dominante de poser le problème repose sur deux représentations partielles. La première postule un public passif et crédule, qu'il suffirait de corriger par le fact-checking ou l'éducation aux médias. La seconde, technocentrée, impute la « post-vérité » aux réseaux sociaux et aux ingérences étrangères, et laisse dans l'ombre l'état des médias traditionnels comme les racines sociales, matérielles et identitaires du phénomène.
Ce cadrage ne fausse pas seulement le diagnostic ; il déforme l'action publique. Celle-ci privilégie la riposte immédiate et visible (vérifier, attribuer, communiquer) au travail lent de consolidation de l'écosystème informationnel : elle éteint des incendies plutôt que de rendre le terrain moins inflammable. Mal calibrés, ses instruments peuvent même se retourner contre elle. Les plus répandus réduisent bien la croyance dans le faux. Mais à force d'inviter à se méfier, ils rendent aussi le public plus sceptique envers les informations exactes (Hoes et al., 2024).
Cette note propose un autre cadrage, en quatre temps. Elle définit d'abord la désinformation et en mesure l'ampleur réelle (partie 1). Elle explique ensuite pourquoi on y adhère et pourquoi on la partage (partie 2), puis replace sa circulation dans l'ensemble de l'écosystème informationnel (partie 3). Elle évalue enfin les politiques de lutte, organisées en quatre piliers, à l'aune de leur efficacité, de leur faisabilité et de l'état des preuves (partie 4).
Partie suivantePartie 1 · Un symptôme d'une crise plus profonde →La désinformation n'est que la partie émergée d'une crise plus profonde
1.1. Désinformation, mésinformation, malinformation : de quoi parle-t-on ?
La recherche distingue trois formes d'« information dévoyée » selon deux critères, la fausseté du contenu et l'intention de nuire (Wardle et Derakhshan, 2017) :
| Contenu faux | Contenu vrai | |
|---|---|---|
| Intention de nuire | Désinformation. Ex. : en 2017, un clone du site du Soir héberge un faux article sur un financement saoudien de la campagne d'Emmanuel Macron. | Malinformation. Ex. : les « Macron Leaks », e-mails réels publiés quelques heures avant la période de réserve, quand la campagne est close et que l'équipe visée ne peut plus répondre, pour causer un tort politique maximal. |
| Sans intention de nuire | Mésinformation. Ex. : lors de l'attentat des Champs-Élysées (2017), des internautes relaient de bonne foi la rumeur de la mort d'un second policier. | (information ordinaire) |
En pratique, ces frontières sont floues. Un même message relève de la désinformation quand celui qui le diffuse sait qu'il est faux, et de la mésinformation quand quelqu'un le relaie de bonne foi. Or l'intention est rarement prouvable. Dans l'usage français, y compris institutionnel, « désinformation » sert de terme générique : c'est en ce sens large qu'il est employé ici, sans renoncer à la distinction analytique.
Imaginons une officine chargée de pousser au « Frexit », la sortie de la France de l'Union européenne, lors d'un référendum. Grâce aux données d'une plateforme (likes, abonnements), elle repère les centres d'intérêt de chacun et découpe l'audience en groupes : c'est le microciblage. Aux défenseurs de la cause animale, elle montre uniquement les projets européens qui facilitent les tests sur les animaux. Aux chasseurs, uniquement les propositions européennes qui restreignent la chasse.
Chaque information est exacte. Mais chaque groupe ne voit que le fait choisi pour le mettre en colère contre l'Europe, sans le reste du tableau ni ce que voient les autres. Les deux messages tirent même en sens contraire (protéger les animaux d'un côté, défendre la chasse de l'autre), mais mènent à la même conclusion : voter pour la sortie. Aucun mensonge n'est diffusé, et pourtant l'image d'ensemble est faussée : c'est le cadrage sélectif, et non une fausseté, qui manipule. C'est un cas typique de malinformation.
À retenir : une politique qui ne traque que le « faux » ne voit pas ce type d'opération, car il n'y a aucun contenu faux à signaler ou à retirer.
La désinformation, un iceberg à trois étages
La désinformation au sens strict n'est que la partie visible d'un ensemble plus vaste. Pour la comprendre, il faut la replacer dans deux contextes successifs : d'abord l'état général de l'information (étage 2), puis la société qui la reçoit (étage 3).
| Étage | Ce qu'on y trouve | Ce qu'en voit le débat public |
|---|---|---|
| 1. La partie émergée : la désinformation | Contenus faux, campagnes d'ingérence, deepfakes, fermes de trolls | Presque tout : c'est ce que les instruments savent mesurer et ce que les médias couvrent |
| 2. Sous la surface : une crise de l'information | Contenus trompeurs mais exacts, malinformation, faible consommation d'information de qualité, réseaux sociaux optimisés pour l'engagement, crise économique et de confiance des médias traditionnels | Une partie seulement (les réseaux sociaux), rarement la crise des médias |
| 3. La base : un environnement social qui alimente la demande | Précarité, solitude, polarisation, défiance institutionnelle, souvent fondée | Presque rien : ces causes ne relèvent d'aucune administration chargée de la désinformation |
Position. Une politique qui ne traite que l'étage émergé traite un symptôme. Le faux circule parce qu'une demande sociale le rend désirable (étage 3) et parce qu'un écosystème affaibli ne parvient plus à produire, diffuser et crédibiliser le vrai (étage 2). L'étage 2 compte d'autant plus que les contenus trompeurs mais exacts, comme dans l'exemple du « Frexit » ci-dessus, échappent à toutes les mesures fondées sur la fausseté : rien n'y est faux, donc rien n'est compté. Additionnés, ils pourraient pourtant peser davantage que le faux lui-même (Allen, Watts et Rand, 2024, cité par Altay, 2026).
1.2. Panorama de la désinformation : rare, concentrée, aux effets surtout indirects
La prévalence de la désinformation : rare sur les écrans, présente dans tous les esprits
Quelle place la désinformation occupe-t-elle réellement ? Les chiffres publiés sur sa prévalence, c'est-à-dire sur son degré de diffusion, vont de moins de 1 % à une large majorité. La revue systématique la plus complète à ce jour, qui rassemble toutes les études disponibles sur la question (Altay, 2026 : 443 études, 1 048 estimations), permet de trancher ce débat. Ces chiffres ne se contredisent pas : ils ne mesurent pas la même chose, comme le montre le tableau ci-dessous.
| Ce que l'on mesure | Médiane | Comment |
|---|---|---|
| Part de la désinformation dans ce que les gens consomment en ligne | 1,3 % | Traces de navigation (18 études) |
| Part des gens exposés au moins une fois | 12,0 % | Traces de navigation (27 études) |
| Part de la désinformation dans ce que les gens partagent | 13,0 % | Partages observés (45 études) |
| Part des contenus classés comme désinformation dans un corpus | 23,0 % | Analyses de contenu, souvent sur un sujet ciblé (274 études) |
| Part des gens qui disent avoir partagé de la désinformation | 19,8 % | Sondages (36 études) |
| Part des gens qui disent avoir vu de la désinformation | 57,7 % | Sondages (71 études) |
Les mesures du comportement réel donnent les chiffres les plus bas, avec un niveau de certitude parmi les plus élevés ; les sondages, qui mesurent une perception, donnent les plus hauts ; les analyses de contenu ont le niveau de certitude le plus faible.
En France, les sites non fiables représentaient 0,16 % du temps connecté des internautes (Cordonier et Brest, 2021) ; aux États-Unis, la désinformation pesait 0,15 % de l'ensemble des médias consultés, la « diète médiatique » (Allen et al., 2020), et plus de 90 % des utilisateurs de Facebook n'ont relayé aucun contenu issu d'un site de désinformation pendant la campagne de 2016 (Guess, Nagler et Tucker, 2019).
L'écart entre le mesuré et le perçu n'est pas anodin : la prévalence perçue prédit la défiance envers l'information, et l'attention médiatique portée à la désinformation peut elle-même éroder la confiance dans les sources fiables (Altay, 2026). Autrement dit, croire la désinformation omniprésente nourrit à son tour la méfiance envers toute l'information. Un problème mesuré à quelques pour cent, mais vécu comme massif, appelle donc des politiques calibrées sur la mesure, pas sur la perception.
Tout chiffre de prévalence est un rapport : ce que l'on a compté comme désinformation, divisé par l'ensemble auquel on le compare. Les mêmes articles de fake news représentaient 1 % de la consommation d'actualité des Américains, mais 0,15 % de leur consommation médiatique totale (Allen et al., 2020) : ce qui est compté ne change pas, seul change l'ensemble de référence (le dénominateur). Trois questions suffisent à éviter la plupart des contresens :
- De quoi est-ce un pourcentage ? Du temps passé en ligne, des partages, des contenus d'un corpus, des personnes ? Un « million de vues » ne dit rien tant qu'on ignore sur combien de vues au total : ce n'est pas une prévalence.
- Comment le corpus a-t-il été construit ? Un échantillon de vidéos sur les vaccins, ou des contenus les plus vus, décrit ce corpus, pas l'environnement de tout le monde.
- Qu'a-t-on compté comme faux ? Dans les analyses de contenu, ne compter que le contenu fabriqué donne une médiane de 3,5 % ; ajouter le contenu faux, 21,5 % ; ajouter le contenu trompeur, 27,0 %.
Au total, les écarts entre études tiennent surtout à la manière dont chacune repère la désinformation : ce choix de méthode explique environ un cinquième des différences de résultats, contre 1,8 % seulement pour le sujet étudié (santé, politique, etc.). Enfin, l'exposition réelle sur les plateformes vidéo et les messageries (YouTube, TikTok, WhatsApp, Telegram) reste à peu près inconnue, faute de données (Altay, 2026).
Le rôle de la désinformation reste contesté dans la recherche, mais le désaccord est plus étroit qu'il n'y paraît. Altay et Mercier y voient d'abord le symptôme de problèmes plus profonds, comme la polarisation ou la défiance. Ils admettent qu'elle donne leur forme précise aux croyances fausses, mais jugent non démontré son effet causal sur des comportements comme le refus vaccinal (Altay et Mercier, 2026).
Ecker et ses coauteurs répondent qu'elle est à la fois un symptôme et une cause : des effets modestes pour chaque individu peuvent peser lourd à l'échelle d'une société, et les problèmes qu'elle aggrave nourrissent en retour l'adhésion (Ecker et al., 2024 ; Ecker et al., 2025 ; Tay et al., 2026).
Ce qui fait consensus. Les deux camps reconnaissent l'existence d'une demande de désinformation et ses causes profondes, comme la défiance ou la polarisation. Ecker et ses coauteurs ne contestent pas que la désinformation soit un symptôme ; ils ajoutent qu'elle est aussi une cause.
Ce qui reste incertain. L'effet propre de l'offre est flou : aucune preuve solide ne montre qu'elle change à elle seule les croyances, les votes ou les comportements à grande échelle. L'absence de preuve n'est pas pour autant la preuve de l'absence. Des effets lents, cumulatifs ou indirects, étalés sur des années, échappent en grande partie aux protocoles actuels, et l'éthique interdit d'exposer volontairement des personnes à de faux contenus sur une longue durée.
Pasquetto, Lim et Bradshaw montrent enfin que la polarisation de ce débat nuit au champ lui-même (Pasquetto, Lim et Bradshaw, 2024). Cette note porte donc l'effort principal sur la demande, où l'accord est large, tout en maintenant une action proportionnée sur l'offre, dont on ne peut exclure les effets.
L'hétérogénéité de l'exposition à la désinformation : une moyenne qui cache l'essentiel
Une moyenne de 1 % ne signifie pas que chacun voit 1 % de faux. Quand un milliardaire entre dans une salle, le revenu moyen des présents s'envole, alors que personne d'autre ne s'est enrichi : une moyenne ne dit rien de la répartition. La désinformation est extrêmement concentrée, dans sa consommation comme dans sa production et sa diffusion : l'immense majorité n'en voit presque pas, une petite minorité en voit et en partage énormément.
- Concentration de l'exposition et du partage. Le 1 % d'utilisateurs les plus actifs concentre une médiane de 70 % de l'activité liée à la désinformation (visites, expositions, partages), contre 30 à 43 % pour l'information en général (Altay, 2026). Sur Twitter en 2016, 1 % des utilisateurs concentraient 80 % des expositions à la désinformation et 0,1 % étaient à l'origine de 80 % des partages (Grinberg et al., 2019).
- Concentration des sources. Sur Twitter aux États-Unis, 5 % des sources de fake news produisaient plus de la moitié des expositions ; en Allemagne, les trois domaines non fiables les plus visités captaient environ la moitié des visites vers ce type de sites (Grinberg et al., 2019 ; Altay, 2026).
- Concentration sociale et politique. Les utilisateurs concernés sont surtout âgés, très politisés et, aux États-Unis, situés à droite : les plus de 65 ans ont partagé près de sept fois plus de liens trompeurs que les 18-29 ans (Guess, Nagler et Tucker, 2019) ; quand une étude compare les deux camps, le groupe de droite est en médiane 3,7 fois plus exposé ou actif que le groupe de gauche (Altay, 2026). Seule une frange située à l'extrême droite voyait son fil dominé par des contenus non fiables (Grinberg et al., 2019).
Ce que cela change. La désinformation se comporte moins comme une pollution diffuse qui toucherait toute la population que comme l'activité d'une petite minorité, très motivée, qui la recherche activement. Les politiques pensées pour « toute la population » visent donc en grande partie des gens qui n'y sont presque pas exposés, tandis que ceux qui y sont le plus exposés sont aussi les plus difficiles à atteindre.
Les effets de la désinformation : des effets directs non démontrés, des effets indirects plus préoccupants
Il faut distinguer deux types d'effets ; c'est leur confusion qui fausse le débat.
Effets directs (faire croire un fait précis, faire changer un vote ou un comportement) : niveau de preuve très faible.
- Une revue systématique conclut qu'aucun comportement problématique n'a été « empiriquement démontré de manière fiable comme résultant de la désinformation » (Adams et al., 2023).
- La persuasion de masse est difficile en général : l'effet moyen du contact de campagne (porte-à-porte, appels, courriers) et de la publicité politique sur le vote, en élection générale américaine, est estimé à zéro sur 49 expériences de terrain (Kalla et Broockman, 2018) ; supprimer toute publicité politique sur Facebook et Instagram pendant les six semaines précédant la présidentielle de 2020 n'a eu aucun effet mesurable (Allcott et al., 2026).
- La campagne de l'Internet Research Agency russe sur Twitter en 2016 a potentiellement atteint 32 millions d'Américains, mais 1 % des usagers concentraient 70 % des expositions à ces contenus, et il s'agissait presque toujours de partisans déjà convaincus. Aucun lien n'apparaît entre exposition et évolution des attitudes ou du vote (Eady et al., 2023).
- Les résultats expérimentaux les plus cités mesurent des intentions, pas des comportements : une exposition à des messages anti-vaccins réduit l'intention déclarée de se vacciner d'environ 6 points (Loomba et al., 2021), mais la décision réelle dépend de bien d'autres facteurs, à commencer par la confiance dans son médecin.
- Une part de nos peurs vient d'un biais : nous jugeons les autres bien plus influençables que nous-mêmes, c'est l'« effet de troisième personne » (Altay et Acerbi, 2024).
Effets indirects : un niveau de preuve modeste mais réel, et les plus inquiétants. La désinformation n'a pas besoin de faire croire un fait précis pour nuire.
- Polariser et diviser. L'IRA gérait simultanément de faux comptes Black Lives Matter et des pages ultraconservatrices pour attiser les tensions. Le lien avec la polarisation et l'érosion de la confiance est documenté, mais davantage corrélationnel que causal (Tucker et al., 2018).
- Saturer et brouiller. La doctrine russe de la « lance à incendie de mensonges » consiste à déverser en continu, par de multiples canaux, un flot de messages nombreux et parfois contradictoires. Le but est moins de convaincre que de désorienter : face à tant d'affirmations, vérifier devient trop coûteux et le public ne sait plus que croire (Paul et Matthews, 2016).
- Discréditer et faire taire. Le harcèlement coordonné de journalistes, comme Maria Ressa aux Philippines, ou les deepnudes visant des femmes politiques élèvent le coût de la prise de parole.
- Changer les normes perçues plutôt que les croyances. La propagande peut agir comme un signal plutôt que comme un argument. Sous le nazisme, la propagande antisémite diffusée à la radio a peu converti. Mais elle a fait savoir aux antisémites déjà convaincus que les violences ne seraient plus sanctionnées (Adena et al., 2015).
- Offrir un « dividende au menteur ». Plus chacun sait qu'un contenu peut être fabriqué, plus il devient facile de récuser une preuve authentique en la disant « générée par IA ». Le menteur pris en faute tire ainsi un bénéfice (un « dividende ») de la simple existence des faux. L'efficacité de la manœuvre dépend surtout de la défiance préalable du public (Schiff, Schiff et Bueno, 2025).
- Éroder la confiance dans le vrai. C'est l'effet le plus préoccupant, car il est aussi produit par la lutte elle-même : le discours alarmiste accrédite l'idée que les scrutins sont manipulables à volonté (Jungherr et Rauchfleisch, 2024), et les interventions les plus répandues accroissent le scepticisme envers l'information exacte (Hoes et al., 2024).
Prenons un candidat réellement visé par une campagne de désinformation, mais dont le résultat n'a guère été affecté. S'il perd, il peut s'en saisir pour contester sa défaite. Il a raison d'affirmer qu'il a été visé, mais tort d'en faire la cause de son échec. La manipulation nuit alors moins par son effet sur les électeurs que par l'usage qui en est fait ensuite : jeter le doute sur un scrutin légitime. À retenir : surestimer la menace n'est pas neutre, car cela fournit des arguments à ceux qui veulent délégitimer un résultat.
Le bouleversement annoncé pour les élections de 2024-2025 ne s'est pas produit. En Inde, environ 1 % des messages WhatsApp viraux analysés comportaient du contenu généré par IA (Garimella et Chauchard, 2024) ; selon Meta, les contenus liés à l'IA représentaient moins de 1 % de la désinformation vérifiée par ses partenaires de fact-checking lors des grands scrutins de 2024 (Meta, 2024) ; on ne recense que 16 cas viraux lors des législatives britanniques de 2024 et 11 pour les scrutins européens et français réunis, sans effet démontré sur les résultats (Stockwell et al., 2024).
Les montages grossiers (cheapfakes) ont dominé. Nul besoin d'un faux sophistiqué : ce qui attire le public, c'est l'histoire racontée, pas la qualité technique du trucage. Et l'on croit un contenu surtout en fonction de qui le relaie, bien plus que de son aspect.
Ces chiffres décrivent la situation à un moment donné ; rien ne garantit que l'IA restera aussi peu utilisée. Deux registres appellent la vigilance. D'abord la persuasion par dialogue : dans une conversation argumentée, l'IA convainc autant ou plus que des débatteurs humains (Salvi et al., 2025).
Ensuite les effets indirects sur l'écosystème : dividende du menteur, déclin de la confiance, contamination des textes dont les IA apprennent (le réseau pro-russe « Pravda » a dupliqué ses contenus sur environ 150 sites, vraisemblablement pour qu'ils soient absorbés puis répétés par les modèles), et surtout captation du trafic et des revenus des médias (voir partie 3). L'IA est enfin un pharmakon, mot grec qui désigne à la fois le poison et le remède : elle peut aussi servir à combattre la désinformation. Ainsi, un dialogue avec une IA réduit l'adhésion complotiste d'environ 20 %, effet persistant à deux mois (Costello, Pennycook et Rand, 2024).
On n'adhère pas au faux par crédulité, mais pour des raisons sociales
2.1. Pourquoi on adhère à la désinformation : du modèle naïf de la crédulité à la rationalité sociale
La plupart des politiques reposent sur un modèle implicite de la psychologie humaine : l'exposition au faux produirait mécaniquement des croyances, qui produiraient des comportements. Il suffirait donc de corriger les erreurs pour en supprimer les effets. Les données contredisent chaque maillon de cette chaîne.
Le public est plus sceptique que crédule. La méta-analyse la plus complète (67 études, 40 pays, plus de 190 000 participants) montre que les individus jugent les vraies nouvelles nettement plus exactes que les fausses. Leur erreur dominante est l'inverse de celle que l'on redoute : ils rejettent plus souvent une information vraie qu'ils n'acceptent une information fausse (Pfänder et Altay, 2025). Or une décision fondée sur le rejet d'un fait avéré est aussi dommageable qu'une décision fondée sur un faux : restaurer la confiance dans l'information exacte compte autant qu'endiguer le faux.
Quand on se trompe, c'est d'abord par inattention. Les personnes qui prennent moins le temps de réfléchir, et se fient davantage à leur première impression, jugent les fausses nouvelles plus crédibles, quelle que soit leur orientation politique (Pennycook et Rand, 2018, deux études, plus de 3 000 participants). Au moment de partager, l'attention se porte rarement sur la véracité : on relaie un contenu surprenant ou émouvant sans s'être demandé s'il était vrai.
Quand l'identité est en jeu, le raisonnement se met au service du groupe. La méfiance n'est pas distribuée au hasard : elle frappe les informations qui contrarient son camp et épargne celles qui le confortent. C'est le « cerveau partisan » (Van Bavel et Pereira, 2018) et le « raisonnement protecteur de l'identité » (Kahan, 2017). Résultat contre-intuitif : quand la polarisation affective augmente, c'est-à-dire l'hostilité envers le camp adverse au-delà des seuls désaccords d'idées, la crédulité envers les récits favorables à son camp augmente aussi.
Cet effet culmine chez les plus instruits : ils mettent leurs capacités de raisonnement au service de la justification de ce qui arrange leur camp, plutôt qu'à la correction de leurs erreurs (Jenke, 2024). L'identité n'abolit pas pour autant la sensibilité au vrai : en moyenne, on juge plus crédible une nouvelle vraie mais défavorable à son camp qu'une nouvelle fausse mais favorable (Pfänder et Altay, 2025).
Partager n'est pas croire. Relayer une rumeur sur la corruption d'un adversaire peut être une façon de se positionner et de souder son camp, indépendamment de sa véracité. Plus une croyance est extravagante, plus elle peut signaler la loyauté au groupe : la défendre coûte en crédibilité auprès des autres, et c'est précisément ce coût qui prouve l'engagement.
À l'inverse, beaucoup s'abstiennent de partager du faux parce que cela nuit à leur réputation (Altay, Hacquin et Mercier, 2022). Diffuser une information fausse peut donc être socialement rationnel : la rationalité n'est pas en défaut, elle est mise au service de fins sociales et identitaires.
Croire n'est pas agir. La littérature parle d'un « fossé entre croyance et action » : admettre une idée n'implique ni l'engagement ni le renoncement qu'elle exigerait. Si croire suffisait à agir, la crise climatique serait surmontée depuis longtemps.
Pendant la pandémie, beaucoup de Français déclaraient des réserves sur le vaccin contre le Covid-19. Pourtant, nombre d'entre eux se sont fait vacciner. Leur méfiance déclarée n'a donc pas dicté leur comportement : elle relevait parfois moins d'une conviction que d'une façon d'exprimer une protestation. À retenir : ce que les gens disent croire ne prédit pas toujours ce qu'ils font.
Il n'existe pas de profil type de la personne vulnérable à la désinformation. Les liens avec l'âge, le diplôme ou la personnalité sont faibles, et ils changent selon ce que l'on mesure. La vulnérabilité suit plutôt une courbe en « U » : faible au centre, elle augmente à mesure qu'on s'en éloigne, à droite comme à gauche (Krouwel et al., 2017). Ce qui compte n'est donc pas tant d'être de droite ou de gauche que d'avoir des positions radicales. Enfin, même si la personnalité jouait, ce ne serait pas un levier légitime : l'action publique n'a pas à cibler les citoyens selon leurs traits psychologiques.
Ces mécanismes s'amplifient dans les sociétés polarisées. La polarisation renforce le raisonnement motivé, pousse à s'exposer à des médias alignés et fait de l'adhésion à un récit favorable une preuve de loyauté (Tucker et al., 2018). Or elle progresse : à l'Assemblée nationale, la distance sémantique entre groupes politiques, c'est-à-dire l'écart entre les mots qu'ils emploient, a été multipliée par six entre 2007 et 2024 (Algan et al., 2025).
Aux États-Unis, l'écart affectif entre partisans des deux camps (la différence entre la sympathie qu'ils éprouvent pour leur propre camp et pour le camp adverse, sur une échelle de 0 à 100) est passé de 27 à 56 points en quarante ans (Boxell, Gentzkow et Shapiro, 2024).
Position. Corriger les erreurs factuelles ne suffit pas : il faut agir sur les conditions qui rendent ces récits socialement fonctionnels.
2.2. Les racines profondes de la demande de désinformation
La désinformation ne prospère pas dans un vide social : elle répond à une demande. Quand les inégalités se creusent et que les liens qui rattachent chacun à un collectif (travail, famille, associations) se défont, les repères communs s'effacent. Les récits trompeurs viennent alors combler ce manque : ils offrent des explications simples, désignent des coupables et redonnent le sentiment d'appartenir à un groupe.
Précarité, isolement, défiance et polarisation forment ainsi une grammaire de l'insécurité : un même vécu d'insécurité, décliné sous plusieurs formes. Ce vécu ne transforme pas mécaniquement les individus en récepteurs du faux. Mais il rend certains récits plus plausibles et laisse moins de ressources pour les contester.
La précarité ressentie. Ce n'est pas tant la pauvreté objective que la précarité perçue (peur de l'avenir, sentiment d'exclusion, impression d'abandon) qui alimente le complotisme, en France et en Italie (Adam-Troian et al., 2023, plus de 3 000 répondants), résultat confirmé dans 17 pays européens (Adamus et al., 2024, plus de 50 000 participants au total).
À l'échelle des sociétés, la pensée conspirationniste est plus fréquente là où le chômage et les inégalités sont plus élevés (Cevik, 2024, 27 pays), et percevoir sa société comme inégalitaire accroît l'adhésion aux récits complotistes, via le sentiment que la société se désagrège (Casara, Suitner et Jetten, 2022). La précarité ne rend pas crédule, elle rend méfiant, et cette méfiance ouvre la voie à la désinformation.
La solitude. En Norvège, 2 215 personnes suivies de 1992 à 2020 : la solitude à l'adolescence, comme son aggravation, prédit l'adhésion complotiste à l'âge adulte, indépendamment du milieu social, de l'orientation politique et des symptômes anxieux ou dépressifs (Bierwiaczonek et al., 2024).
Ces croyances transforment l'isolement en preuve de lucidité, orientent vers des communautés homogènes qui les valident et offrent une appartenance de substitution. Or la France s'isole : 12 % des Français sont en situation d'isolement relationnel en 2024, contre 9 % en 2010 ; 24 % se sentent souvent seuls, 35 % chez les jeunes adultes, 44 % chez les demandeurs d'emploi (Fondation de France, 2025).
La défiance institutionnelle, souvent fondée. Quand les institutions sont perçues comme corrompues, leurs démentis perdent en crédibilité et les récits de complot gagnent en plausibilité : quand on se méfie d'une institution, on exige moins de preuves pour croire qu'elle ment ou complote.
Après l'épidémie d'Ebola au Liberia, les citoyens qui percevaient l'État comme corrompu étaient plus enclins à l'accuser d'avoir provoqué la maladie (Maffioli et Gonzalez, 2022) ; chez des patients afro-américains, le racisme médical passé a nourri une méfiance durable et une forte hésitation vaccinale (Bogart et al., 2021). Cette défiance n'est pas une erreur de citoyens irrationnels : elle s'aligne en général sur les niveaux effectifs de corruption (OCDE, 2022).
- Un Français sur cinq au plus fait confiance au gouvernement (17 %), au président (18 %) ou à l'Assemblée nationale (20 %) ; le maire et le conseil municipal recueillent environ 60 % (CEVIPOF, centre de recherches politiques de Sciences Po, 2026).
- 82 % jugent la démocratie bonne en principe, mais 76 % estiment qu'elle fonctionne mal (CEVIPOF, 2026).
- En 2025, la France atteint son plus bas historique dans l'indice de perception de la corruption de Transparency International (66/100, 27e rang), sous la moyenne des démocraties pleinement consolidées (71).
- La confiance dans les scientifiques reste élevée (82 %), l'un des remparts les plus solides contre la désinformation de santé.
Ces données dessinent moins un rejet de l'idéal démocratique qu'un discrédit de ses institutions concrètes.
Position. La défiance est en large partie une réaction proportionnée à des manquements réels des institutions. Aucune campagne de communication ne la fera donc reculer : seuls des actes tangibles le peuvent. Lutter contre la désinformation sans traiter ces fragilités revient à écoper un navire sans en colmater les brèches.
Partie suivantePartie 3 · L'écosystème de l'information →L'écosystème de l'information : le faux ne supplante pas le vrai, c'est le vrai qui s'affaiblit
Mieux vaut se battre pour l'information que contre la désinformation. Les simulations d'Acerbi, Altay et Mercier (2022) le montrent : dans un environnement où l'information fiable est bien plus abondante que le faux, ramener à zéro l'acceptation de toute la désinformation améliorerait l'état des croyances autant, mais pas davantage, qu'augmenter d'un seul point l'acceptation de l'information fiable. Pourquoi ?
Parce que le faux ne représente qu'une petite fraction de ce que les gens voient : même si plus personne n'y croyait, peu de croyances s'en trouveraient corrigées. L'information fiable, elle, constitue l'essentiel de ce qu'ils voient : convaincre un peu plus de gens de lui faire confiance améliore d'un coup un très grand nombre de croyances. Les marges de progrès se situent donc du côté de la large base fiable, pas de la mince frange trompeuse.
Or c'est précisément cette base qui s'érode. L'information occupe une place minime dans les usages ordinaires : en France, les sources d'information ne représentent que 3 % du temps passé en ligne, moins de cinq minutes par jour ; 17 % des personnes suivies n'en ont consulté aucune en trente jours, 46 % y ont consacré moins d'une heure au total, et les visites sur une même source durent rarement plus de deux minutes (Cordonier et Brest, 2021).
Aux États-Unis, 86 % du temps médiatique ne relève d'aucune forme d'actualité (Allen et al., 2020). Le problème n'est pas que le faux remplit les écrans, c'est que l'information vérifiée peine à susciter l'intérêt, et que ceux qui la produisent peinent à en vivre.
3.1. Les réseaux sociaux face à la désinformation : des infrastructures non neutres, mais pas toutes-puissantes
Des portes d'entrée devenues majeures, surtout chez les jeunes. Les réseaux sociaux et plateformes vidéo sont la source principale d'information pour 19 % des Français, contre 34 % des Américains, et pour 44 % des 18-24 ans contre 15 % des 55 ans et plus. Six plateformes dépassent désormais 10 % d'usage hebdomadaire pour l'actualité, contre deux il y a dix ans (Newman et al., 2025). Dans les 48 pays de l'enquête, le public les désigne comme premiers vecteurs de désinformation : Facebook (49 %) et TikTok (48 %) en tête (Newman et al., 2025).
Des architectures qui favorisent le saillant plutôt que le fiable. Les plateformes ne fabriquent pas le faux, elles en configurent la circulation. Leurs systèmes de recommandation, optimisés pour l'engagement, avantagent les contenus négatifs, conflictuels et émotionnels (Chavalarias, Bouchaud et Panahi, 2024). La désinformation y prospère parce qu'elle est un « attracteur cognitif », c'est-à-dire un contenu taillé pour capter notre attention : elle joue sur la menace, le dégoût, la transgression morale ou la sexualité, avec juste ce qu'il faut de surprise pour intriguer sans paraître absurde (Acerbi, 2019).
Ce n'est pas sa fausseté qui la rend virale, mais des propriétés que le vrai peut tout autant posséder. Une petite minorité très active, peu représentative, produit enfin l'essentiel des contenus, ce qui fait paraître les normes en ligne plus extrêmes qu'elles ne le sont (Barberá et al., 2015). Les algorithmes ne sont pas neutres : sur X, le fil algorithmique favorise les contenus conservateurs et les comptes militants, rétrograde les médias d'information et déplace certaines attitudes politiques (Gauthier et al., 2026).
Mais l'effet des algorithmes est plus limité qu'on ne le croit.
- Les chambres d'écho sont rares. À l'échelle de la diète médiatique complète, elles concernent environ 6 à 8 % du public au Royaume-Uni ; la plupart des gens gardent des sources diversifiées (Ross Arguedas et al., 2022).
- Nos choix comptent au moins autant. Sur Facebook, le tri opéré par l'algorithme réduit d'environ 5 à 8 % l'exposition à des contenus du camp politique opposé. Nos propres choix de clics la réduisent davantage, de 6 à 17 % (Bakshy, Messing et Adamic, 2015).
- Changer l'algorithme ne change pas mécaniquement les opinions. Passer à un fil chronologique sur Facebook en 2020 a même légèrement augmenté la part de sources peu fiables (de 2,6 % à 4,4 %), sans effet sur la polarisation (Guess et al., 2023).
- L'étude la plus citée doit être nuancée. Le constat que « le faux circule six fois plus vite que le vrai » (Vosoughi, Roy et Aral, 2018) porte sur des rumeurs déjà contestées et vérifiées, pas sur l'information en général ; pendant la pandémie, fact-checks et informations scientifiques ont parfois circulé plus vite que le faux.
Désactiver Facebook pendant quatre semaines augmente le bien-être et réduit un peu la polarisation, mais diminue le niveau d'information politique (Allcott et al., 2020) ; même constat en France pendant la présidentielle de 2022 (Arceneaux et al., 2024).
À l'inverse, demander à des participants français et allemands de suivre des comptes de médias sur Instagram et WhatsApp pendant deux semaines accroît leurs connaissances, leur discernement et leur confiance dans les médias (Altay, Hoes et Wojcieszak, 2025). Comme un pharmakon (en grec, à la fois poison et remède), les réseaux sociaux nuisent ou aident selon la dose et l'usage. L'enjeu n'est donc pas de les fuir, mais d'en doser l'usage et d'y faire exister l'information de qualité.
La nouvelle couche : l'IA. Les systèmes de recommandation, qui choisissent ce qui apparaît dans nos fils, sont une forme d'IA en service depuis une décennie. C'est le risque lié à l'IA dont les preuves sont les mieux établies. Ce sont aussi eux qui décident si un contenu généré par IA sera vu par quelques personnes ou par des millions.
Les assistants conversationnels, eux, s'intercalent entre le public et l'information en substituant une réponse unique à une liste de sources ; leurs erreurs sur les questions électorales sont documentées, mais leur usage pour l'actualité reste modeste : en 2025, 7 % des personnes interrogées s'en servaient chaque semaine pour s'informer (Newman et al., 2025). Leur effet le plus lourd est ailleurs : l'éviction de l'information de qualité (voir 3.2).
Position. Les plateformes doivent être régulées à travers leurs choix de conception et leurs incitations économiques. Mais accuser la seule technologie dispense de regarder les fractures qu'elle amplifie et l'affaiblissement des médias qui devraient y faire contrepoids.
3.2. La crise des médias traditionnels : le rempart contre la désinformation se fragilise
Des médias encore centraux. En France, la progression des plateformes n'a pas effacé les médias établis : 72 % des Français s'informent chaque jour par la télévision, 49 % par la presse, 35 % par la radio, contre 45 % par les réseaux sociaux, influenceurs ou outils d'IA (La Croix-Verian, 2026).
Ils restent aussi les plus crédibles : journaux télévisés (65 %), presse régionale (63 %), presse nationale (58 %), loin devant les sites uniquement en ligne (40 %), l'IA (28 %), les réseaux sociaux (27 %) et les influenceurs (20 %). Et ils produisent encore l'essentiel de l'information, même en ligne : environ 40 % du temps d'information sur Internet se concentre sur des médias traditionnels, presse régionale en tête (Cordonier et Brest, 2021).
Mais une triple crise les fragilise.
- Une crise économique. La part des recettes publicitaires allant aux médias qui produisent des contenus est passée de 65 % en 2012 à 40 % en 2022 (DGMIC-Arcom, 2024) ; seuls 11 % des Français paient pour s'informer en ligne (Newman et al., 2025) ; la suppression de la contribution à l'audiovisuel public en 2022 a fragilisé le service public. Sous cette contrainte, les rédactions privilégient le commentaire et le débat, moins coûteux, au détriment de l'enquête et du reportage.
- Une crise de confiance. Seuls 29 % des Français font confiance à « la plupart des nouvelles », contre 38 % en 2015 (41e rang sur 48) ; 61 % estiment qu'« il faut se méfier » de ce que disent les médias (Newman et al., 2025 ; La Croix-Verian, 2026).
- Une crise d'indépendance. La concentration croissante de la propriété, relevée par le Sénat en 2022, nourrit le soupçon d'interférence ; seuls 42 % des Français jugent la presse régionale indépendante des pressions politiques (La Croix-Verian, 2026).
Pourquoi cela nourrit la désinformation. La défiance envers les médias accroît la crédibilité accordée aux nouvelles trompeuses (Zimmermann et Kohring, 2020). Les Français qui ont consulté une source de désinformation ne sont pas moins intéressés par l'actualité : ils s'y intéressent davantage, mais font moins confiance aux médias et aux institutions (Cordonier et Brest, 2021).
Surtout, la presse locale joue un rôle civique irremplaçable : l'arrivée d'un premier journal dans une ville augmente la participation électorale d'environ 0,3 point (Gentzkow, Shapiro et Sinkinson, 2011) ; la fermeture d'un quotidien local accroît la polarisation et la dépendance aux réflexes partisans nationaux (Darr, Hitt et Dunaway, 2018). Le déclin du journalisme local ne crée pas le faux ; il raréfie les institutions capables de produire, de hiérarchiser et de crédibiliser le vrai.
L'IA aggrave la crise par la désintermédiation. Ce terme désigne le fait que le public n'a plus besoin de passer par le média qui a produit l'information : l'IA la lui résume directement. Les réponses générées par IA en tête des moteurs de recherche installent ainsi une logique de « zéro clic » : l'utilisateur obtient l'information sans visiter le site qui l'a produite. Or ce site vivait de cette visite.
- La baisse du taux de clic en présence d'un résumé d'IA est estimée entre 35 % et 60 % selon les études (Pew, Ahrefs, Seer Interactive, 2025 ; méthodes contestées par Google).
- Le trafic de Google vers 2 500 sites d'information a baissé de 33 % en un an ; les petits éditeurs ont perdu de l'ordre de 60 % de leur trafic de recherche en deux ans ; l'ensemble des assistants d'IA renvoie moins de 1 % des visites vers les sites d'éditeurs (Chartbeat, 2026).
- 60 % des sites d'information fiables empêchent les robots des entreprises d'IA de collecter leurs articles, contre 9 % des sites de désinformation (Steinacker-Olsztyn et al., 2025). Les modèles, qui apprennent à partir de ce qu'ils collectent, risquent donc de puiser davantage dans le faux que dans le vrai.
Ces données d'industrie sont d'une qualité inférieure aux études académiques, mais leur convergence est difficile à écarter. S'enclenche un cercle vicieux : en captant la valeur de l'information sans en financer la production, l'IA assèche la source dont dépend la qualité de ses propres réponses.
Position. Le refinancement des médias n'est pas une politique culturelle annexe : c'est une politique de lutte contre la désinformation à part entière.
Partie suivantePartie 4 · Les politiques de lutte →Les politiques de lutte contre la désinformation : des leviers efficaces existent, mais ce sont les moins visibles
Éléments de contexte : une réponse publique à la désinformation montée en puissance, mais mal orientée
Un arsenal dense. La France dispose d'un droit ancien sanctionnant certains usages du mensonge (loi de 1881 sur la presse, code électoral, code pénal), auquel la loi de 2018 a ajouté un référé électoral contre les fausses informations : une procédure d'urgence qui permet de demander à un juge, en période électorale, de faire retirer rapidement une fausse information. Elle n'a été utilisée qu'une fois, en 2019, et le juge a rejeté la demande. Le centre de gravité s'est déplacé vers l'Europe. Le règlement européen sur les services numériques (Digital Services Act, DSA), applicable depuis février 2024, impose aux très grandes plateformes d'évaluer et d'atténuer leurs « risques systémiques », c'est-à-dire les dommages que leur fonctionnement peut causer à l'échelle de la société, dont la désinformation.
Le Code de bonnes pratiques contre la désinformation, un ensemble d'engagements pris par les plateformes, y est intégré : depuis juillet 2025, son respect peut être vérifié par des audits ; l'AI Act (2024) encadre la manipulation et la transparence des contenus synthétiques. La Stratégie nationale de février 2026 organise quinze objectifs en quatre piliers (mobiliser la Nation, réguler les plateformes et l'IA, renforcer la capacité opérationnelle contre les ingérences, agir avec les alliés) ; VIGINUM détecte et documente les ingérences numériques étrangères, French Response riposte sur les réseaux.
Un cadrage sécuritaire et exogène. Exogène signifie ici que la menace est pensée comme venant de l'extérieur (États étrangers, plateformes) plutôt que de la société elle-même. La Stratégie nationale reconnaît, pour la première fois, que la désinformation exploite des vulnérabilités sociétales. Mais elle les traite comme un contexte extérieur et privilégie des réponses techniques, éducatives et juridiques immédiatement mobilisables. Le même cadrage domine en Europe : dans 238 discours de dirigeants de la Commission européenne (2016-2024), la désinformation est imputée d'abord aux États hostiles et aux plateformes, à travers des métaphores militaires et sanitaires (Fattorini et al., 2025).
Ce cadrage est politiquement rentable : attribuer publiquement une ingérence à un État ou démentir un contenu produit une action visible, immédiate, et dont les responsables peuvent revendiquer le mérite ; agir sur les causes serait lent et invisible. Il occulte aussi les diffuseurs domestiques, alors que les citoyens placent leurs propres responsables politiques (47 %) avant les gouvernements étrangers (39 %) parmi les producteurs de désinformation (Newman et al., 2025).
Un diagnostic des praticiens tourné vers l'offre. Une enquête auprès de plus de cent professionnels français de la lutte (militaires, hauts fonctionnaires, régulateurs, journalistes) éclaire ces biais (Darcy et Altay, 2026) :
- 90 % désignent les plateformes comme menace majeure, 18 % seulement les citoyens ordinaires ;
- 88 % s'informent en français quand la littérature de référence est anglophone, et à peine un tiers se tient à jour ;
- 76 % jugent très ou extrêmement problématique l'écart entre les discours, qui érigent la désinformation en priorité, et les moyens déployés ;
- 63 % se disent freinés par la crainte d'être accusés de censure, alors que seuls 21 % disent affronter souvent de vrais dilemmes éthiques (62 % rarement ou jamais) : c'est la peur de l'accusation, plus que le scrupule, qui les retient ;
- la moitié déplore l'absence de chef de file : chaque ministère traite « sa » désinformation ;
- 96 % anticipent une intensification des ingérences, mais un sur huit seulement juge que les moyens de l'État seront à la hauteur.
Un problème de mesure. Une politique de résilience réussie ne produit, par construction, aucun effet visible : son succès, c'est une manipulation qui ne prend pas, et l'on ne voit pas ce qui n'arrive pas. Faute de mesurer les effets, les institutions comptent ce qui est facile à compter : les campagnes détectées et les contenus retirés, c'est-à-dire l'offre. Or ce que l'on mesure oriente ce que l'on fait : l'action se concentre sur la riposte, et le diagnostic centré sur la technologie s'en trouve conforté.
Un garde-fou démocratique. Dans le monde, 80 pays ont adopté ou modifié une loi visant la désinformation en ligne entre 2010 et 2022, dont 75 après 2016, le plus souvent par la sanction et le retrait de contenus (Bradshaw, Lim et Haque, 2025). Confier au gouvernement, ou à un juge statuant en urgence, un pouvoir étendu de décider ce qui est vrai créerait une police de la vérité.
Cela nourrirait le récit de la censure, donc la défiance qui est le terreau du problème. La démocratie ne doit pas, en se défendant, confisquer le droit de contester les arbitres : les citoyens doivent rester libres de mettre en doute ceux qui disent le vrai, y compris l'État.
Les leviers sont présentés ci-dessous en quatre piliers. Pour chacun, l'efficacité attendue suit la grille d'évaluation établie en 2026, à partir de la littérature scientifique, par la DITP (Direction interministérielle de la transformation publique) et VIGINUM (●●●● très élevée, ●●●○ élevée, ●●○○ correcte, ●○○○ limitée) ; l'astérisque signale une estimation de l'auteur. La « déployabilité » indique la facilité de mise en œuvre (coût, faisabilité politique et technique) ; la « preuve », la solidité des études disponibles.
Assécher l'offre de désinformation
Nécessaire mais insuffisant : il agit sur la partie émergée de l'iceberg. Il doit viser l'argent que rapporte la désinformation et l'authenticité de ceux qui la diffusent, jamais la vérité des contenus, que l'État n'a pas à trancher.
Couper les revenus publicitaires des sites de désinformation, des réseaux de faux comptes et des fermes de sites automatisés, c'est s'attaquer à l'incitation économique plutôt qu'aux contenus un par un. L'« engagement synthétique » désigne les likes, partages et commentaires produits artificiellement (faux comptes, robots) pour simuler la popularité.
Le Code de bonnes pratiques fait de la démonétisation un engagement vérifiable par audit. Il faut aller plus loin et déconnecter la rémunération de l'engagement : tant que les plateformes rémunèrent les contenus au nombre de réactions suscitées, fabriquer de fausses réactions reste rentable.
Le DSA impose transparence, évaluation des risques et accès des chercheurs aux données. Mais il reste une régulation de conformité, qui vérifie surtout que des procédures sont suivies : les plateformes évaluent elles-mêmes leurs risques et proposent leurs propres remèdes, et le contrôle dépend des données qu'elles fournissent (Toledano, 2026 ; Wolters et Zuiderveen Borgesius, 2025).
Il faut une auditabilité réelle des systèmes de recommandation et des dépenses publicitaires : pouvoir retracer chaque modification de l'algorithme, mesurer ce qui y entre et ce qui en sort, et donner un accès direct à des experts indépendants. À terme, il faut aussi pluraliser la recommandation elle-même : permettre à chacun de choisir, sur une même plateforme, un algorithme de tri conçu par un tiers (interopérabilité, middleware), à l'image de projets comme Tournesol.
La course à la détection des faux est perdue d'avance, car les faux ne cessent de s'améliorer. Mieux vaut inverser la logique et garantir l'origine des contenus authentiques, par exemple grâce aux standards de provenance de type C2PA : une sorte de certificat attaché à une photo ou une vidéo, qui indique qui l'a produite et si elle a été modifiée.
Quant aux campagnes, mieux vaut les repérer à leurs signaux de coordination (comptes qui publient en même temps, comptes recyclés, infrastructures partagées) qu'à leur contenu. C'est ainsi que VIGINUM a caractérisé « Doppelgänger » (de faux sites imitant de vrais médias) ou « Portal Kombat » (un réseau de sites de propagande pro-russe).
L'IA n'est pas une force impersonnelle : des entreprises, des milliardaires et des États font des choix de conception et de déploiement. La régulation doit porter sur : la transparence (savoir que l'on parle à une IA) et l'interdiction de la persuasion dissimulée ; des réponses-modèles : sur les modalités de vote, les assistants renverraient vers les sources officielles plutôt que de répondre eux-mêmes ; des audits d'exactitude civique, qui testent avant chaque scrutin la justesse des réponses des IA aux questions électorales ; des corpus d'entraînement auditables, pour vérifier que les textes dont l'IA apprend n'ont pas été contaminés ; la limitation de la complaisance (sycophantie), c'est-à-dire la tendance des compagnons IA à toujours donner raison à leur utilisateur, un risque accru pour les publics isolés ; une protection pénale spécifique contre les deepnudes visant les candidates. Ces exigences de responsabilité valent aussi pour l'État et les équipes de campagne quand ils utilisent l'IA.
Agir sur les causes immédiates de l'adhésion
Les leviers les mieux documentés, les moins coûteux et les plus faciles à déployer. Mais leur portée est limitée et, mal calibrés, ils nourrissent un scepticisme envers toute information, vraie comme fausse.
Les causes immédiates de l'adhésion se jouent au moment où l'on rencontre une information : l'attention qu'on lui porte, les réflexes de vérification, la capacité à reconnaître une source fiable. Les leviers de ce pilier renforcent cette résilience individuelle.
Selon une méta-analyse de 33 études, la littératie médiatique a l'effet moyen le plus élevé parmi les formations (Lu et al., 2024). En Inde, un programme de quatorze semaines auprès de 13 500 élèves a amélioré le discernement, avec des effets persistant quatre mois et s'étendant aux parents, pour moins de 5 dollars par élève (Amar et al., 2025). En France, le CLEMI (Centre pour l'éducation aux médias et à l'information) en est le principal opérateur.
Le prébunking, ou « inoculation », fonctionne comme un vaccin : on expose le public, à faible dose et à l'avance, aux techniques de manipulation (faux experts, faux dilemmes, appel à l'émotion), pour qu'il sache les reconnaître quand il les rencontrera. D'après une méta-analyse de 42 études, cela réduit la crédibilité des contenus trompeurs et améliore le discernement (Lu et al., 2023).
C'est la contre-mesure la plus solide face à la désinformation produite par IA, car elle apprend à repérer des procédés, quel que soit le contenu. Il faut la cibler sur les attaques prévisibles en période électorale : clonage de voix, fausses informations sur les modalités de vote.
Le fact-checking améliore l'exactitude des croyances, mais déplace peu les attitudes et les comportements (Porter et Wood, 2024). Son problème principal est la portée : presque aucun lecteur d'un article peu fiable ne lit le fact-check correspondant (Guess, Nyhan et Reifler, 2020), et sur Facebook, les deux tiers des « j'aime » sur les corrections viennent d'utilisateurs déjà du côté « science » (Zollo et al., 2017). Dans un pays où la confiance institutionnelle est faible, un démenti émis par l'État risque d'être moins efficace qu'une correction portée par des rédactions ou des associations.
Une « friction » est un petit obstacle placé avant le partage pour inciter à réfléchir. Puisque le faux est souvent partagé par inattention, inviter à juger l'exactitude d'un titre avant de le partager améliore la qualité des liens partagés (Pennycook et al., 2021), un effet observé dans 16 pays auprès de 34 286 participants (Arechar et al., 2023).
Un dialogue avec une IA opposant des contre-arguments personnalisés et étayés réduit l'adhésion complotiste d'environ 20 %, effet persistant à deux mois (Costello, Pennycook et Rand, 2024). Ces usages méritent d'être soutenus, sous trois conditions : transparence (l'utilisateur sait qu'il parle à une IA), volontariat (jamais de persuasion d'État non déclarée) et évaluation indépendante, car une IA optimisée pour persuader tend à perdre en exactitude (Hackenburg et al., 2025).
Ces interventions améliorent le discernement, mais touchent rarement en priorité les publics les plus exposés et agissent davantage sur les jugements que sur les comportements. Elles réduisent la croyance dans le faux, mais peuvent éroder la confiance dans le vrai (Hoes et al., 2024) : leur effet net doit être évalué, pas présumé. Ce premier filet est nécessaire mais très insuffisant.
Agir sur les causes profondes de l'adhésion
Le levier le plus déterminant, et le plus difficile à actionner. Face à la désinformation, l'État social (protection sociale, services publics, lien social) est la plus solide défense de l'État régalien (sécurité, défense, ordre public) : il réduit les fragilités sur lesquelles les manipulations prennent prise.
Les causes profondes de l'adhésion sont les conditions sociales qui rendent le faux désirable : la défiance envers les institutions, la précarité ressentie, l'isolement et la polarisation (partie 2.2). Les leviers de ce pilier agissent sur elles.
La défiance étant une réaction proportionnée à des manquements réels, elle ne recule pas par la communication mais par des actes : probité effective des responsables, sanction réelle des manquements, qualité des services publics, décisions justifiées. L'OCDE (2022) propose cinq dimensions opérationnelles : fiabilité, réactivité, intégrité, ouverture, équité.
Associations, bibliothèques, médiathèques, maisons de quartier, tiers-lieux : ces espaces de rencontre et de confrontation ordinaire des points de vue réduisent l'isolement, l'un des prédicteurs les plus stables du complotisme. Beaucoup ont disparu.
Accès au logement, à l'emploi, aux soins, à la santé mentale, aux services publics de proximité ; fonds de transition et accompagnement médico-social dans les territoires en déclin.
Le contact organisé entre camps opposés, la délibération citoyenne (ateliers Braver Angels, assemblées citoyennes irlandaises) et la correction des métaperceptions, c'est-à-dire informer chaque camp des positions réelles de l'autre, souvent moins radicales qu'on ne l'imagine, produisent des effets mesurables.
Ces leviers excèdent le mandat des administrations chargées de la désinformation (renseignement, armées, diplomatie, régulateur), qui n'en maîtrisent aucun. Les ministères qui les détiennent (affaires sociales, culture, éducation) doivent être associés à la gouvernance de cette politique.
Soutenir l'information de qualité
Le pilier le plus efficace selon la grille DITP-VIGINUM, et le plus négligé. Puisque le problème est d'abord une raréfaction de l'information de qualité, la soutenir agit plus directement que corriger le faux après coup.
La presse quotidienne régionale bénéficie de la confiance de 63 % des Français ; 73 % jugent qu'elle met en avant l'essentiel de l'actualité. Le Canada montre ce que peut produire une politique ambitieuse : la Local Journalism Initiative a mobilisé 128,8 millions de dollars canadiens depuis 2019, finançant plus de 400 postes de journalistes couvrant près de 1 500 communautés mal desservies, avec des fonds administrés par des organismes à but non lucratif pour tenir l'État à distance des arbitrages éditoriaux, et des contenus partagés sous licence libre.
Deux objections. « Subventionner la presse nourrirait le soupçon de médias aux ordres » : c'est l'architecture du financement qui y répond (fonds indépendants, financement de postes et non de lignes éditoriales, transparence totale), et l'alternative, un journalisme dépendant des plateformes et de l'IA, serait pire pour l'indépendance.
« La frange qui recherche le faux ne lira pas la presse locale » : c'est exact, mais ce n'est pas la cible ; la presse de proximité rend le terrain moins inflammable pour le grand public. Coût : aux États-Unis, une relance ambitieuse a été estimée entre 10 et 52 milliards de dollars par an (Bateman et Jackson, 2024).
Droit d'agrément des rédactions, qui pourraient approuver ou refuser un nouveau propriétaire en cas de changement de contrôle du capital ; transparence de l'actionnariat ; gouvernance paritaire, où journalistes et actionnaires partagent les décisions ; financement public stable du service public tenu à distance des arbitrages rédactionnels (Cagé et Huet, 2021 ; règlement européen sur la liberté des médias, 2024).
Organiser le partage de valeur entre fournisseurs d'IA et éditeurs, dans le prolongement des droits voisins, qui obligent déjà les plateformes à rémunérer la presse pour la reprise de ses contenus ; imposer aux assistants des obligations de citation et de lien vers les sources ; étendre aux fournisseurs d'IA l'accès des chercheurs aux données prévu par l'article 40 du DSA, aujourd'hui réservé aux très grandes plateformes et moteurs de recherche. Rien n'organise aujourd'hui ce partage de valeur.
Une part croissante de l'information circule par des créateurs de contenu, intermédiaires de fait : 62 % ne vérifient pas systématiquement leurs sources, 73 % souhaitent apprendre à le faire et 42 % prennent les likes comme indice de crédibilité (UNESCO, 2024). La puissance publique doit outiller ces relais (formations, bases de données, outils de détection, transfert des acquis de la recherche) plutôt que corriger elle-même.
Tableau de synthèse : hiérarchiser les leviers contre la désinformation
| Pilier | Intervention | Levier de la note | Efficacité | Déployabilité | Niveau de preuve |
|---|---|---|---|---|---|
| 4 · Information de qualité | Accompagner et revitaliser la presse quotidienne régionale | 13 | Très élevée | Correcte | Modéré |
| Assurer un financement stable aux médias et garantir leur indépendance | 14 | Très élevée | Limitée | Modéré | |
| Soutenir les autres producteurs de contenu | 16 | Élevée | Très élevée | Faible | |
| Accompagner et outiller la filière du fact-checking | 16 | Élevée | Élevée | Faible | |
| 3 · Causes profondes | Renforcer l'intégrité publique | 9 | Élevée | Élevée | Modéré |
| Réinvestir les espaces de sociabilité | 10 | Élevée | Correcte | Faible | |
| Renforcer les politiques sociales, économiques et de santé publique | 11 | Élevée | Très limitée | Faible | |
| 2 · Causes immédiates | Éducation aux médias et à l'information | 5 | Correcte | Élevée | Fort |
| Inoculation (prébunking) | 6 | Correcte | Correcte | Fort | |
| Fact-checking | 7 | Limitée | Élevée | Fort | |
| Afficher la source de l'information et sa fiabilité | 8 | Limitée | Correcte | Fort | |
| Introduire une pause réflexive | 8 | Limitée | Limitée | Fort | |
| Afficher la source pour équiper le lecteur | 8 | Très limitée | Limitée | Fort | |
| 1 · Offre | Assainir l'espace numérique et valoriser l'information fiable | 1, 3 | Correcte | Correcte | Modéré |
| Modifier les algorithmes de recommandation | 2 | Limitée | Très limitée | Modéré |
Adapté de la grille DITP-VIGINUM (2026), à laquelle l'auteur a contribué, et du tableau 1 de La Désinformation (Darcy, 2026). La déployabilité intègre les coûts de mise en œuvre et les facilités de déploiement politique ou technique. Le regroupement par pilier est propre à cette note.
Les interventions les mieux documentées (fact-checking, inoculation, nudges, ces « coups de pouce » comme les frictions de partage) sont celles dont les effets sont les plus modestes ; les leviers jugés les plus déterminants (presse locale, indépendance des médias, intégrité publique, cohésion sociale) sont les plus coûteux, les plus lents et les plus difficiles à évaluer. Ils produisent leurs effets en quinze ou vingt ans, quand un mandat en dure cinq. C'est précisément pourquoi ils sont négligés, et pourquoi il faut les remettre au premier plan.
Condition transversale · Se donner les moyens de mesurer la désinformation et d'évaluer les politiques
- Mesurer la demande, pas seulement l'offre : interroger régulièrement un même échantillon de personnes (un panel) sur leur exposition à la désinformation, leurs croyances, leur confiance et leur isolement. Ce suivi serait confié à un organisme de confiance comme l'INSEE, sous secret statistique, et mené au même rythme que le décompte des campagnes étrangères.
- Évaluer les dispositifs déjà financés, par des essais randomisés ou quasi expérimentaux, et l'effet net des interventions sur la confiance dans le vrai.
- Garantir l'accès des chercheurs aux données des plateformes et des fournisseurs d'IA (article 40 du DSA).
- Rendre la recherche accessible aux praticiens : synthèses en français, et une équipe chargée de traduire les résultats de la recherche en recommandations opérationnelles.
- Tenir une communication publique sobre : le discours alarmiste a un coût mesuré sur la confiance.
La désinformation n'est pas une guerre à gagner, mais un équilibre à restaurer
La désinformation n'est ni un accident marginal ni un instrument de manipulation tout-puissant. Rare sur les écrans, concentrée sur une petite minorité, elle produit peu d'effets directs démontrés ; mais elle s'installe parce qu'elle trouve prise sur des fragilités bien réelles et qui s'aggravent en France : polarisation, solitude, précarité, défiance institutionnelle, affaiblissement économique des médias. À politique inchangée, la trajectoire est celle d'une société plus perméable aux récits trompeurs, et les praticiens eux-mêmes tablent sur la poursuite de la dégradation.
Sortir de cette trajectoire suppose d'agir simultanément sur les quatre piliers :
Ces piliers sont indissociables : sans justice sociale, la défiance continuera de nourrir la perméabilité au faux ; sans médias solides et indépendants, l'éducation critique n'aura rien de fiable vers quoi orienter ; sans compréhension des ressorts réels de l'adhésion, régulation et éducation manqueront leur cible.
Entre la panique, qui accrédite elle-même l'idée que les scrutins sont manipulables à volonté, et la complaisance, la seule position défendable est celle d'une vigilance instrumentée : rester attentif à la menace, mais en s'appuyant sur des mesures et des évaluations plutôt que sur des impressions.
Elle engage des choix de société que la science peut éclairer sans les trancher : le degré de solidarité qu'une collectivité accepte de financer, l'intégrité qu'elle exige de ses dirigeants, la place qu'elle réserve à un journalisme libre. Une démocratie doit pouvoir répondre aux manipulations ; elle ne doit jamais le faire au prix du droit de contester ses arbitres.
Les chiffres clés
| Indicateur | Valeur | Source |
|---|---|---|
| Part de la désinformation dans ce que les gens consomment en ligne (médiane, mesures comportementales) | 1,3 % | Altay, 2026 (18 études) |
| Part du temps connecté des Français passé sur des sites non fiables | 0,16 % | Cordonier et Brest, 2021 |
| Part des personnes exposées au moins une fois (mesures comportementales) | 12 % | Altay, 2026 (27 études) |
| Part des personnes qui disent avoir vu de la désinformation (sondages) | 57,7 % | Altay, 2026 (71 études) |
| Part de l'activité liée à la désinformation (visites, partages) due au 1 % d'utilisateurs les plus actifs | 70 % (médiane) | Altay, 2026 |
| Même indicateur pour l'information en général | 30 à 43 % | Altay, 2026 |
| Temps en ligne consacré à l'information en France | 3 %, moins de 5 min/jour | Cordonier et Brest, 2021 |
| Gain pour la justesse des croyances si plus personne n'acceptait aucune désinformation (simulation) | Le même gain que +1 point d'acceptation de l'information fiable | Acerbi, Altay et Mercier, 2022 |
| Lecteurs d'un article peu fiable qui lisent aussi le fact-check correspondant | Presque aucun | Guess, Nyhan et Reifler, 2020 |
| Confiance des Français dans « la plupart des nouvelles » | 29 % (38 % en 2015), 41e sur 48 | Reuters Institute, 2025 |
| Part des recettes publicitaires allant aux médias producteurs de contenus | 40 % en 2022 (65 % en 2012) | DGMIC-Arcom, 2024 |
| Français en situation d'isolement relationnel | 12 % en 2024 (9 % en 2010) | Fondation de France, 2025 |
| Professionnels français de la lutte qui voient une menace majeure dans les plateformes / dans les citoyens ordinaires | 90 % / 18 % | Darcy et Altay, 2026 |
Bibliographie et lectures recommandées
Toutes les références citées sont rassemblées dans l'onglet Toutes les sources, où chaque citation du texte renvoie directement. La liste complète figure dans la version PDF de la note.
Sources principales de cette note : Darcy G., La Désinformation, Paris, La Découverte, coll. « Repères », 2026 ; Darcy G., IA générative, accès à l'information et intégrité du débat démocratique, audition devant la commission « IA générative et vulnérabilités » du CIANum, n° 48, 15 juin 2026 ; Altay S., « Rare on screens but on everyone's mind: a systematic review of misinformation prevalence, exposure, and concentration », Université de Zurich, 2026 ; Darcy G., « Désinformation : la France peut-elle sortir de la spirale de la défiance ? », Futuribles, 2026.
« Cognitive attraction and online misinformation ». Humanit. Soc. Sci. Commun., 2019, vol. 5, n° 1. DOI
« Research note: Fighting misinformation or fighting for information? ». Harvard Kennedy School Misinformation Review, 2022, vol. 3, n° 1. DOI
« Of precarity and conspiracy: Introducing a socio-functional model of conspiracy beliefs ». Br. J. Soc. Psychol., 2023, vol. 62, p. 136-159. DOI
« (Why) Is Misinformation a Problem? ». Perspect. Psychol. Sci., 2023, vol. 18, n° 6, p. 1436-1463. DOI
« Radio and the Rise of the Nazis in Prewar Germany ». Q. J. Econ., 2015. DOI
« La fièvre parlementaire ». Notes de l'Observatoire du bien-être, CEPREMAP, 2025.
« The Welfare Effects of Social Media ». Am. Econ. Rev., 2020.
« The effects of political advertising on Facebook and Instagram before the 2020 US election ». Nat. Hum. Behav., 2026. DOI
« Evaluating the fake news problem at the scale of the information ecosystem ». Sci. Adv., 2020, vol. 6, n° 14. DOI
« Quantifying the impact of misinformation and vaccine-skeptical content on Facebook ». Science, 2024, vol. 384, eadk3451.
« Rare on screens but on everyone's mind: a systematic review of misinformation prevalence, exposure, and concentration ». Prépublication, Université de Zurich, 2026.
« People believe misinformation is a threat because they assume others are gullible ». New Media Soc., 2024, vol. 26, n° 11. DOI
« Why do so few people share fake news? It hurts their reputation ». New Media Soc., 2022, vol. 24, n° 6. DOI
« Misinformation is a symptom: Commentary on Ecker et al. (2025) ». American Psychologist, 2026.
« Countering Misinformation Early: Evidence from a Classroom-Based Field Experiment in India ». Am. Polit. Sci. Rev., 2025. DOI
« Understanding and combatting misinformation across 16 countries on six continents ». Nat. Hum. Behav., 2023, vol. 7, n° 9. DOI
« Exposure to ideologically diverse news and opinion on Facebook ». Science, 2015.
Countering Disinformation Effectively: An Evidence-Based Policy Guide. Carnegie Endowment for International Peace, 2024.
« Loneliness trajectories over three decades are associated with conspiracist worldviews in midlife ». Nat. Commun., 2024, vol. 15. Lien
« COVID-19 related medical mistrust, health impacts, and potential vaccine hesitancy among Black Americans living with HIV ». J. Acquir. Immune Defic. Syndr., 2021, vol. 86, n° 2. DOI
« Cross-country trends in affective polarization ». Rev. Econ. Stat., 2024, vol. 106, n° 2.
« The Global Spread of Misinformation Laws ». International Journal of Communication, 2025, vol. 19.
L'information est un bien public. Refonder la propriété des médias. Paris, Seuil, 2021.
« The Impact of Economic Inequality on Conspiracy Beliefs ». J. Exp. Soc. Psychol., 2022, vol. 98. DOI
Baromètre de la confiance politique, Sciences Po, 2025 et 2026.
Chartbeat. Données de trafic des éditeurs, 2026 (cité dans l'audition CIANum n° 48).
How Do the French Inform Themselves on the Internet? Fondation Descartes, 2021.
« Durably reducing conspiracy beliefs through dialogues with AI ». Science, 2024, vol. 385. DOI
« Disinformation in practice: Threats, actors, mechanisms, and constraints according to professionals ». Harvard Kennedy School Misinformation Review, 2026, vol. 7, n° 6. DOI
« Lutter contre la désinformation : penser autrement l'action publique à l'aune des sciences cognitives ». Policy Brief, Institut Jean-Nicod, 2025. DOI
« Newspaper Closures Polarize Voting Behavior ». J. Commun., 2018, vol. 68, n° 6.
DGMIC-Arcom. Données sur le marché publicitaire, 2024.
Lutter efficacement contre les manipulations de l'information. Revue de la littérature académique et des interventions probantes. Paris, 2026.
« Exposure to the Russian Internet Research Agency foreign influence campaign on Twitter in the 2016 US election and its relationship to attitudes and voting behavior ». Nat. Commun., 2023. DOI
« Misinformation poses a bigger threat to democracy than you might think ». Nature, 2024. DOI
« Why misinformation must not be ignored ». American Psychologist, 2025. DOI
« Weapon and poison: framing disinformation in European Commission speeches, 2016-2024 ». Document de travail, 2025. DOI
Solitudes 2025.
« How prevalent is AI misinformation? What our studies in India show so far ». Nature, 2024, vol. 630, p. 32-34. DOI
« The political effects of X's feed algorithm ». Nature, 2026.
« The Effect of Newspaper Entry and Exit on Electoral Politics ». Am. Econ. Rev., 2011, vol. 101, n° 7.
« Fake news on Twitter during the 2016 U.S. presidential election ». Science, 2019, vol. 363. DOI
« Less than you think: Prevalence and predictors of fake news dissemination on Facebook ». Sci. Adv., 2019, vol. 5. DOI
« Exposure to untrustworthy websites in the 2016 US election ». Nat. Hum. Behav., 2020, vol. 4, n° 5. DOI
« How do social media feed algorithms affect attitudes and behavior in an election campaign? ». Science, 2023, vol. 381.
« Prominent misinformation interventions reduce misperceptions but increase scepticism ». Nat. Hum. Behav., 2024, vol. 8, n° 8. DOI
« Why Depolarization Is Hard: Evaluating Attempts to Decrease Partisan Animosity in America ». PNAS, 2025, vol. 122, n° 39, e2508827122. DOI
« Affective polarization and misinformation belief ». Political Behavior, 2024, vol. 46, n° 2. DOI
« Negative Downstream Effects of Alarmist Disinformation Discourse: Evidence from the United States ». Political Behavior, 2024, vol. 46, n° 4.
« Misconceptions, misinformation, and the logic of identity-protective cognition ». Cultural Cognition Project Working Paper, 2017. DOI
« The Minimal Persuasive Effects of Campaign Contact in General Elections ». Am. Polit. Sci. Rev., 2018.
« Does Extreme Political Ideology Predict Conspiracy Beliefs? ». J. Soc. Polit. Psychol., 2017, vol. 5, n° 2.
Baromètre de la confiance des Français dans les médias, janvier 2026.
« Measuring the impact of COVID-19 vaccine misinformation on vaccination intent in the UK and USA ». Nat. Hum. Behav., 2021, vol. 5, n° 3. DOI
« Psychological Inoculation for Credibility Assessment, Sharing Intention, and Discernment of Misinformation ». J. Med. Internet Res., 2023, vol. 25. DOI
« Can media literacy intervention improve fake news credibility assessment? A meta-analysis ». Cyberpsychol. Behav. Soc. Netw., 2024, vol. 27, n° 4. DOI
« Are socio-demographic and economic characteristics good predictors of misinformation during an epidemic? ». PLOS Glob. Public Health, 2022. DOI
Not Born Yesterday: The Science of Who We Trust and What We Believe. Princeton University Press, 2020.
Reuters Institute Digital News Report 2025. Reuters Institute, 2025.
Instaurer la confiance pour renforcer la démocratie, 2022.
« Misinformed about misinformation: On the polarizing discourse on misinformation and its consequences for the field ». Harvard Kennedy School Misinformation Review, 2024. DOI
The Russian « Firehose of Falsehood » Propaganda Model. RAND, 2016.
« Lazy, not biased: Susceptibility to partisan fake news is better explained by lack of reasoning than by motivated reasoning ». Cognition, 2019 (en ligne 2018), vol. 188. DOI
« Shifting attention to accuracy can reduce misinformation online ». Nature, 2021, vol. 592. DOI
« Spotting false news and doubting true news: a systematic review and meta-analysis of news judgements ». Nat. Hum. Behav., 2025, vol. 9, n° 4. Lien
« Factual corrections: Concerns and current evidence ». Curr. Opin. Psychol., 2024, vol. 55. DOI
« Misinformation interventions and online sharing behaviour: lessons learned from two pre-registered field studies ». R. Soc. Open Sci., 2025, vol. 12. DOI
Echo chambers, filter bubbles, and polarisation: a literature review. Reuters Institute, 2022.
« On the conversational persuasiveness of GPT-4 ». Nat. Hum. Behav., 2025.
« The Liar's Dividend: Can Politicians Claim Misinformation to Evade Accountability? ». Am. Polit. Sci. Rev., 2025 (en ligne 2024), vol. 119, n° 1, p. 71-90. DOI
« How malicious AI swarms can threaten democracy ». Science, 2026, vol. 391, n° 6783, p. 354-357. DOI
« Is Misinformation More Open? A Study of robots.txt Gatekeeping on the Web ». arXiv:2510.10315, 2025.
AI-Enabled Influence Operations. CETaS, Alan Turing Institute, 2024.
« Misinformation is both a symptom and a cause: Reply to Altay and Mercier (2026) ». American Psychologist, 2026.
La régulation du numérique : état des lieux et propositions, 2026.
Social Media, Political Polarization, and Political Disinformation: A Review of the Scientific Literature. Hewlett Foundation, 2018.
UNESCO. Enquête sur les créateurs de contenu numérique, 2024.
« The partisan brain: an identity-based model of political belief ». Trends Cogn. Sci., 2018, vol. 22, n° 3. DOI
« The spread of true and false news online ». Science, 2018, vol. 359. DOI
Information Disorder. Conseil de l'Europe, 2017.
Le Non-recours aux politiques sociales. Grenoble, PUG, 2016.
« Mistrust, disinforming news, and vote choice ». Political Communication, 2020.
« Debunking in a world of tribes ». PLoS ONE, 2017, vol. 12, n° 7. DOI
Disinformation: Treating the Problem at Its Root
- Disinformation is only the tip of the iceberg.
- Its direct effects are overestimated, its indirect effects underestimated.
- Embracing falsehood reflects social rationality, not a deficit of reason.
- The heart of the problem is a crisis in the supply of quality information.
Executive summary
This brief offers a fresh diagnosis of disinformation, grounded in the cognitive and social sciences, and draws recommendations from it for French public policy.
Four findings frame the analysis:
- Disinformation is only the tip of the iceberg. Rare in people's actual media use and concentrated among a small minority, it is above all the symptom of a broader crisis: a crisis of quality information (social media, the economic and trust crisis of legacy media) and, more deeply, a crisis of a society whose fractures make falsehood desirable.
- Its direct effects are overestimated, its indirect effects underestimated. No study reliably shows that online disinformation swings elections. But it can polarize, saturate, discredit, silence, and erode trust even in accurate information, and that is where the risk lies.
- Embracing falsehood reflects social rationality, not a deficit of reason. The public is more skeptical than gullible; people believe and share in order to belong, to signal loyalty, and to make sense of an experience of insecurity. Loneliness, perceived economic insecurity, and institutional distrust (often well-founded) are its roots.
- The heart of the problem is a crisis in the supply of quality information. Falsehood does not crowd out truth; rather, truth draws little attention, struggles to fund itself, and is losing its authority: those who produce it are no longer believed when they rule on what is true and what is false. Generative AI is worsening this dynamic: by answering questions directly, it captures media traffic and revenue.
Four pillars of recommendations follow:
Necessary but insufficient: go after what makes money and who spreads it, without ever making the state the judge of what is true.
- 1 Demonetize disinformation and synthetic engagement
- 2 Make platforms genuinely auditable, beyond self-reported transparency
- 3 Defend the authenticity of senders rather than the veracity of content
- 4 Regulate generative AI through its actors and their design choices
The best-documented levers, but the most limited in reach; poorly calibrated, they teach people to doubt everything, including what is true.
- 5 Refocus media literacy on recognizing reliable information
- 6 Deploy prebunking in a targeted and repeated way
- 7 Entrust corrections to credible messengers rather than to the state
- 8 Use sharing frictions as frontline tools
The most decisive lever, and the hardest to pull: the welfare state (social protection, public services, social ties) is the strongest defense of the sovereign state (security, defense, public order).
- 9 Make public integrity a counter-disinformation policy
- 10 Reinvest in places of social interaction to counter isolation
- 11 Reduce perceived economic insecurity and the non-take-up of benefits
- 12 Experiment with depolarization without overestimating its effects
Fighting for information is often more effective and less costly than fighting against disinformation.
- 13 Restore funding for the local press, on the model of Canada's Local Journalism Initiative
- 14 Guarantee stable funding and editorial independence for the media
- 15 Make AI contribute to the information it reuses
- 16 Equip the messengers: fact-checkers, journalists, content creators
Cross-cutting condition: give ourselves the means to know (measure demand and not just supply, evaluate interventions, guarantee data access) and keep public communication restrained.
Fighting disinformation without addressing its causes is like bailing out a leaking ship: as long as public action is limited to visible responses against falsehood, it will leave intact the conditions that make falsehood effective, and risks deepening the very distrust it claims to fight.
A different framing
In 2016, Oxford Dictionaries named post-truth its word of the year; in 2020, the World Health Organization declared an "infodemic"; the World Economic Forum then ranked disinformation among the top global risks two years in a row, and the first United Nations report on global risks placed it first among risks already unfolding.
In France, the fight against information manipulation became institutionalized within a few years: VIGINUM, the state agency that detects foreign digital interference, was created in 2021; the Quai d'Orsay (French foreign ministry) launched French Response, its unit that pushes back on social media, in 2025; and a National Strategy to Combat Information Manipulation was adopted in February 2026.
This mobilization is welcome, provided it is well aimed. Yet the dominant way of framing the problem rests on two partial representations. The first assumes a passive and gullible public, which could simply be corrected through fact-checking or media literacy. The second, technocentric, blames "post-truth" on social media and foreign interference, leaving out of view both the state of legacy media and the social, material, and identity-based roots of the phenomenon.
This framing does not merely distort the diagnosis; it warps public action. Policy favors immediate, visible responses (verifying, attributing, communicating) over the slow work of strengthening the information ecosystem: it puts out fires rather than making the ground less flammable. Poorly calibrated, its instruments can even backfire. The most widespread ones do reduce belief in falsehood. But by constantly urging people to be wary, they also make the public more skeptical of accurate information (Hoes et al., 2024).
This brief proposes an alternative framing, in four steps. It first defines disinformation and measures its actual scale (Part 1). It then explains why people embrace and share it (Part 2), before situating its circulation within the information ecosystem as a whole (Part 3). Finally, it assesses counter-disinformation policies, organized into four pillars, in light of their effectiveness, their feasibility, and the state of the evidence (Part 4).
Next partPart 1 · A symptom of a deeper crisis →Disinformation is only the tip of a deeper crisis
1.1. Disinformation, misinformation, malinformation: what are we talking about?
Research distinguishes three forms of "information disorder" according to two criteria, the falsity of the content and the intent to harm (Wardle and Derakhshan, 2017):
| False content | True content | |
|---|---|---|
| Intent to harm | Disinformation. E.g., in 2017, a clone of the website of the Belgian daily Le Soir hosted a fake article about Saudi funding of Emmanuel Macron's campaign. | Malinformation. E.g., the "Macron Leaks," genuine emails released a few hours before the pre-election blackout period, when campaigning has officially ended and the targeted team can no longer respond, to cause maximum political damage. |
| No intent to harm | Misinformation. E.g., during the Champs-Élysées attack (2017), internet users relayed in good faith the rumor that a second police officer had died. | (ordinary information) |
In practice, these boundaries are blurry. The same message counts as disinformation when whoever spreads it knows it is false, and as misinformation when someone passes it on in good faith. Yet intent can rarely be proven. In French usage, including institutional usage, désinformation serves as an umbrella term; it is used here in that broad sense, without abandoning the analytical distinction.
Imagine an outfit tasked with pushing for "Frexit", France's exit from the European Union, in a referendum. Using a platform's data (likes, follows), it identifies each user's interests and splits the audience into groups: this is micro-targeting. To animal-rights advocates, it shows only the European projects that make animal testing easier. To hunters, only the European proposals that restrict hunting. Every item is accurate.
But each group sees only the fact selected to make it angry at Europe, without the rest of the picture or what the other groups are seeing. The two messages even pull in opposite directions (protecting animals on one side, defending hunting on the other), yet lead to the same conclusion: vote to leave. No lie is told, and yet the overall picture is distorted: it is selective framing, not falsehood, that manipulates. This is a textbook case of malinformation.
Take-away: a policy that only hunts for "falsehood" is blind to this kind of operation, because there is no false content to flag or remove.
Disinformation as a three-tier iceberg
Disinformation in the strict sense is only the visible part of a much larger whole. To understand it, one must place it in two successive contexts: first the overall state of information (tier 2), then the society that receives it (tier 3).
| Tier | What it contains | What public debate sees of it |
|---|---|---|
| 1. The tip: disinformation | False content, interference campaigns, deepfakes, troll farms | Almost everything: this is what current instruments can measure and what the media cover |
| 2. Below the surface: an information crisis | Misleading but accurate content, malinformation, low consumption of quality information, social media optimized for engagement, the economic and trust crisis of legacy media | Only part of it (social media), rarely the media crisis |
| 3. The base: a social environment that fuels demand | Precarity, loneliness, polarization, institutional distrust (often well-founded) | Almost nothing: these causes fall under no agency responsible for disinformation |
Position. A policy that addresses only the tip of the iceberg treats a symptom. Falsehood circulates because social demand makes it desirable (tier 3) and because a weakened ecosystem can no longer produce, disseminate, and lend credibility to the truth (tier 2). Tier 2 matters all the more because misleading but accurate content, as in the "Frexit" example above, escapes every measure based on falsity: nothing in it is false, so nothing gets counted. Taken together, such content could nonetheless carry more weight than falsehood itself (Allen, Watts and Rand, 2024, cited in Altay, 2026).
1.2. Overview of disinformation: rare, concentrated, with mostly indirect effects
Prevalence of disinformation: rare on screens, present in every mind
How much room does disinformation really take up? Published figures on its prevalence, that is, on how widespread it is, range from under 1% to a large majority. The most comprehensive systematic review to date, which pools all the available studies on the question (Altay, 2026: 443 studies, 1,048 estimates), makes it possible to settle this debate. These figures do not contradict one another: they do not measure the same thing, as the table below shows.
| What is measured | Median | How |
|---|---|---|
| Share of disinformation in what people consume online | 1.3% | Browsing traces (18 studies) |
| Share of people exposed at least once | 12.0% | Browsing traces (27 studies) |
| Share of disinformation in what people share | 13.0% | Observed shares (45 studies) |
| Share of content classified as disinformation in a corpus | 23.0% | Content analyses, often on a targeted topic (274 studies) |
| Share of people who say they have shared disinformation | 19.8% | Surveys (36 studies) |
| Share of people who say they have seen disinformation | 57.7% | Surveys (71 studies) |
Measures of actual behavior yield the lowest figures and carry among the highest levels of certainty; surveys, which measure perception, yield the highest; content analyses have the lowest level of certainty. In France, unreliable websites accounted for 0.16% of internet users' online time (Cordonier and Brest, 2021); in the United States, disinformation made up 0.15% of all the media people consumed, their "media diet" (Allen et al., 2020), and more than 90% of Facebook users shared no content from a disinformation website during the 2016 campaign (Guess, Nagler and Tucker, 2019).
The gap between what is measured and what is perceived is not trivial: perceived prevalence predicts distrust of news, and media attention to disinformation can itself erode trust in reliable sources (Altay, 2026). In other words, believing that disinformation is everywhere in turn breeds distrust of all news. A problem measured at a few percent but experienced as massive therefore calls for policies calibrated on the measurement, not on the perception.
Every prevalence figure is a ratio: what was counted as disinformation, divided by the whole it is compared with. The same fake news articles represented 1% of Americans' news consumption, but 0.15% of their total media consumption (Allen et al., 2020): what is counted stays the same; only the reference total (the denominator) changes. Three questions are enough to avoid most misreadings:
- A percentage of what? Of time spent online, of shares, of the content in a corpus, of people? A "million views" means nothing until you know out of how many views in total: it is not a prevalence.
- How was the corpus built? A sample of vaccine videos, or of the most-viewed content, describes that corpus, not everyone's environment.
- What was counted as false? In content analyses, counting only fabricated content gives a median of 3.5%; adding false content, 21.5%; adding misleading content, 27.0%.
Overall, differences between studies stem mainly from how each one identifies disinformation: this choice of method explains about one fifth of the differences in results, compared with only 1.8% for the topic studied (health, politics, etc.). Finally, actual exposure on video platforms and messaging apps (YouTube, TikTok, WhatsApp, Telegram) remains largely unknown, for lack of data (Altay, 2026).
The role of disinformation remains contested in research, but the disagreement is narrower than it looks. Altay and Mercier see it first as a symptom of deeper problems, such as polarization or distrust. They grant that it shapes the specific form false beliefs take, but consider its causal effect on behaviors such as vaccine refusal unproven (Altay and Mercier, 2026).
Ecker and colleagues reply that it is both a symptom and a cause: effects that are modest for each individual can weigh heavily at the scale of a society, and the problems it worsens in turn feed belief (Ecker et al., 2024; Ecker et al., 2025; Tay et al., 2026).
Where there is consensus. Both sides acknowledge that there is a demand for disinformation and that it has deep causes, such as distrust or polarization. Ecker and colleagues do not dispute that disinformation is a symptom; they add that it is also a cause.
What remains uncertain. The specific effect of supply is unclear: no strong evidence shows that it alone changes beliefs, votes or behaviors at scale. Absence of evidence is not evidence of absence, however. Slow, cumulative or indirect effects, spread over years, largely escape current study designs, and ethics forbids deliberately exposing people to false content over long periods.
Finally, Pasquetto, Lim and Bradshaw show that the polarization of this debate harms the field itself (Pasquetto, Lim and Bradshaw, 2024). This brief therefore puts its main effort on demand, where agreement is broad, while keeping proportionate action on supply, whose effects cannot be ruled out.
Uneven exposure to disinformation: an average that hides what matters
An average of 1% does not mean that everyone sees 1% falsehood. When a billionaire walks into a room, the average income of those present soars, although nobody else has become richer: an average says nothing about distribution. Disinformation is extremely concentrated, in its consumption as well as in its production and dissemination: the vast majority see almost none of it, while a small minority see and share an enormous amount.
- Concentration of exposure and sharing. The most active 1% of users account for a median of 70% of disinformation-related activity (visits, exposures, shares), compared with 30 to 43% for news in general (Altay, 2026). On Twitter in 2016, 1% of users accounted for 80% of exposures to disinformation and 0.1% were responsible for 80% of shares (Grinberg et al., 2019).
- Concentration of sources. On Twitter in the United States, 5% of fake news sources produced more than half of all exposures; in Germany, the three most-visited unreliable domains captured about half of all visits to such sites (Grinberg et al., 2019; Altay, 2026).
- Social and political concentration. These are mostly older, highly politicized users and, in the United States, right-leaning ones: people over 65 shared nearly seven times as many misleading links as 18- to 29-year-olds (Guess, Nagler and Tucker, 2019); when a study compares the two camps, the right-leaning group is, at the median, 3.7 times more exposed or active than the left-leaning group (Altay, 2026). Only a fringe on the far right had feeds dominated by unreliable content (Grinberg et al., 2019).
What this changes. Disinformation behaves less like diffuse pollution affecting the whole population than like the activity of a small, highly motivated minority that actively seeks it out. Policies designed for "the whole population" therefore largely target people who are barely exposed to it, while those most exposed are also the hardest to reach.
Effects of disinformation: unproven direct effects, more worrying indirect effects
Two types of effects must be distinguished; it is confusing them that distorts the debate.
Direct effects (making people believe a specific fact, changing a vote or a behavior): very weak level of evidence.
- A systematic review concludes that no problematic behavior has been "reliably empirically demonstrated to result from disinformation" (Adams et al., 2023).
- Mass persuasion is difficult in general: the average effect of campaign contact (canvassing, calls, mail) and political advertising on voting in US general elections is estimated at zero across 49 field experiments (Kalla and Broockman, 2018); removing all political advertising on Facebook and Instagram during the six weeks before the 2020 presidential election had no measurable effect (Allcott et al., 2026).
- The Russian Internet Research Agency's Twitter campaign in 2016 potentially reached 32 million Americans, but 1% of users accounted for 70% of exposures to this content, and they were nearly all partisans whose minds were already made up. No link appears between exposure and changes in attitudes or voting (Eady et al., 2023).
- The most cited experimental findings measure intentions, not behaviors: exposure to anti-vaccine messages reduces stated intention to get vaccinated by about 6 points (Loomba et al., 2021), but the actual decision depends on many other factors, starting with trust in one's doctor.
- Part of our fear stems from a bias: we judge others to be far more easily influenced than ourselves, the so-called "third-person effect" (Altay and Acerbi, 2024).
Indirect effects: a modest but real level of evidence, and the most worrying. Disinformation does not need to make people believe a specific fact in order to do harm.
- Polarizing and dividing. The IRA simultaneously ran fake Black Lives Matter accounts and ultraconservative pages to stoke tensions. The link with polarization and eroding trust is documented, but is more correlational than causal (Tucker et al., 2018).
- Saturating and confusing. The Russian "firehose of falsehood" doctrine consists of pouring out, continuously and across many channels, a stream of numerous and sometimes contradictory messages. The aim is less to convince than to disorient: faced with so many claims, checking them becomes too costly and the public no longer knows what to believe (Paul and Matthews, 2016).
- Discrediting and silencing. Coordinated harassment of journalists, such as Maria Ressa in the Philippines, or deepnudes targeting women politicians, raise the cost of speaking out.
- Shifting perceived norms rather than beliefs. Propaganda can act as a signal rather than as an argument. Under Nazism, antisemitic propaganda broadcast on the radio converted few people. But it let already convinced antisemites know that violence would no longer be punished (Adena et al., 2015).
- Offering a "liar's dividend." The more everyone knows that content can be fabricated, the easier it becomes to dismiss authentic evidence as "AI-generated." A liar caught out thus draws a benefit (a "dividend") from the mere existence of fakes. The effectiveness of this maneuver depends mainly on the public's prior distrust (Schiff, Schiff and Bueno, 2025).
- Eroding trust in what is true. This is the most worrying effect, because it is also produced by the fight itself: alarmist discourse lends credence to the idea that elections can be manipulated at will (Jungherr and Rauchfleisch, 2024), and the most widespread interventions increase skepticism toward accurate information (Hoes et al., 2024).
Take a candidate genuinely targeted by a disinformation campaign, but whose result was barely affected. If they lose, they may seize on it to contest their defeat. They are right to say they were targeted, but wrong to make it the cause of their loss. The manipulation then does harm less through its effect on voters than through the use subsequently made of it: casting doubt on a legitimate election. Take-away: overstating the threat is not neutral, because it hands arguments to those who want to delegitimize a result.
The upheaval predicted for the 2024–2025 elections did not happen. In India, about 1% of the viral WhatsApp messages analyzed contained AI-generated content (Garimella and Chauchard, 2024); according to Meta, AI-related content made up less than 1% of the misinformation checked by its fact-checking partners during the major 2024 elections (Meta, 2024); only 16 viral cases were recorded in the 2024 UK general election, and 11 in the European and French elections combined, with no demonstrated effect on the results (Stockwell et al., 2024).
Crude edits (cheapfakes) dominated. A sophisticated fake is not needed: what attracts the public is the story being told, not the technical quality of the doctoring. And people believe content mainly according to who passes it on, far more than on how it looks.
These figures describe the situation at a given moment; nothing guarantees that AI will remain this little used. Two areas call for vigilance. First, persuasion through dialogue: in a reasoned conversation, AI is as persuasive as human debaters, or more so (Salvi et al., 2025).
Second, indirect effects on the ecosystem: the liar's dividend, declining trust, contamination of the texts AI models learn from (the pro-Russian "Pravda" network duplicated its content across some 150 websites, presumably so that models would absorb and repeat it), and above all the capture of media traffic and revenue (see Part 3). Finally, AI is a pharmakon, a Greek word meaning both poison and remedy: it can also be used to fight disinformation. For instance, a dialogue with an AI reduces conspiracy belief by about 20%, an effect that persists after two months (Costello, Pennycook and Rand, 2024).
People embrace falsehoods not out of credulity, but for social reasons
2.1. Why people embrace disinformation: from the naive model of credulity to social rationality
Most policies rest on an implicit model of human psychology: exposure to falsehoods supposedly produces beliefs mechanically, which in turn produce behaviors. Correcting errors would therefore be enough to eliminate their effects. The evidence contradicts every link in this chain.
The public is more skeptical than credulous. The most comprehensive meta-analysis (67 studies, 40 countries, more than 190,000 participants) shows that people rate true news as markedly more accurate than false news. Their dominant error is the opposite of the one we fear: they reject true information more often than they accept false information (Pfänder and Altay, 2025). Yet a decision based on rejecting an established fact is just as harmful as one based on a falsehood: restoring trust in accurate information matters as much as stemming falsehood.
When people get it wrong, it is first and foremost through inattention. People who take less time to think things through, relying more on first impressions, find false news more credible, regardless of their political orientation (Pennycook and Rand, 2018, two studies, more than 3,000 participants). At the moment of sharing, attention rarely turns to accuracy: people pass on surprising or moving content without asking themselves whether it is true.
When identity is at stake, reasoning is put in the service of the group. Distrust is not randomly distributed: it targets information that runs counter to one's own side and spares information that bolsters it. This is the "partisan brain" (Van Bavel and Pereira, 2018) and "identity-protective cognition" (Kahan, 2017). A counterintuitive result: as affective polarization rises, that is, hostility toward the other side beyond mere disagreement over ideas, credulity toward narratives favorable to one's own side rises too.
This effect peaks among the most educated: they use their reasoning skills to justify whatever suits their side, rather than to correct their mistakes (Jenke, 2024). Identity does not, however, abolish sensitivity to truth: on average, people find a true but unfavorable news item more credible than a false but favorable one (Pfänder and Altay, 2025).
Sharing is not believing. Passing on a rumor about an opponent's corruption can be a way of taking a stand and rallying one's own side, regardless of its truth. The more outlandish a belief, the more effectively it can signal loyalty to the group: defending it costs credibility with outsiders, and it is precisely this cost that proves commitment.
Conversely, many people refrain from sharing falsehoods because doing so damages their reputation (Altay, Hacquin and Mercier, 2022). Spreading false information can therefore be socially rational: rationality is not failing; it is being put in the service of social and identity-related ends.
Believing is not acting. The literature refers to a "belief-action gap": accepting an idea entails neither the commitment nor the sacrifice it would demand. If believing were enough to act, the climate crisis would have been overcome long ago.
During the pandemic, many French people voiced reservations about the Covid-19 vaccine. Yet many of them got vaccinated. Their stated distrust therefore did not dictate their behavior: it was sometimes less a conviction than a way of expressing protest. Take-away: what people say they believe does not always predict what they do.
There is no typical profile of the person vulnerable to disinformation. Links with age, education, or personality are weak, and they change depending on what is measured. Vulnerability instead follows a "U"-shaped curve: low at the center, it rises the further one moves away from it, on the right as on the left (Krouwel et al., 2017). What matters, then, is less being on the right or the left than holding radical positions. Finally, even if personality played a role, it would not be a legitimate lever: public action has no business targeting citizens according to their psychological traits.
These mechanisms are amplified in polarized societies. Polarization reinforces motivated reasoning, pushes people toward like-minded media, and turns adherence to a favorable narrative into a proof of loyalty (Tucker et al., 2018). And polarization is growing: in the French National Assembly, the semantic distance between political groups, that is, the gap between the words they use, increased sixfold between 2007 and 2024 (Algan et al., 2025).
In the United States, the affective gap between partisans of the two camps (the difference between how warmly they feel toward their own side and toward the other, on a 0-to-100 scale) rose from 27 to 56 points over forty years (Boxell, Gentzkow and Shapiro, 2024).
Position. Correcting factual errors is not enough: we must act on the conditions that make these narratives socially functional.
2.2. The deep roots of the demand for disinformation
Disinformation does not thrive in a social vacuum: it meets a demand. When inequality deepens and the ties that bind people to a group (work, family, voluntary associations) come apart, shared reference points fade. Misleading narratives then fill the gap: they offer simple explanations, designate culprits, and restore a sense of belonging to a group.
Precariousness, isolation, distrust, and polarization thus form a grammar of insecurity: a single lived experience of insecurity, expressed in several forms. This experience does not mechanically turn individuals into receptacles for falsehoods. But it makes certain narratives more plausible and leaves fewer resources to challenge them.
Perceived precariousness. It is not so much objective poverty as perceived precariousness (fear of the future, a sense of exclusion, a feeling of abandonment) that fuels conspiracism, in France and Italy (Adam-Troian et al., 2023, more than 3,000 respondents), a finding confirmed in 17 European countries (Adamus et al., 2024, more than 50,000 participants in total).
At the societal level, conspiracy thinking is more common where unemployment and inequality are higher (Cevik, 2024, 27 countries), and perceiving one's society as unequal increases adherence to conspiracy narratives, via the feeling that society is falling apart (Casara, Suitner and Jetten, 2022). Precariousness does not make people credulous; it makes them distrustful, and that distrust opens the door to disinformation.
Loneliness. In Norway, 2,215 people were followed from 1992 to 2020: loneliness in adolescence, as well as its worsening, predicts conspiracy belief in adulthood, independently of social background, political orientation, and anxious or depressive symptoms (Bierwiaczonek et al., 2024).
These beliefs recast isolation as proof of lucidity, steer people toward homogeneous communities that validate them, and offer a substitute sense of belonging. And France is becoming more isolated: 12% of French people were relationally isolated in 2024, compared with 9% in 2010; 24% often feel lonely, rising to 35% among young adults and 44% among jobseekers (Fondation de France, 2025).
Institutional distrust, often well founded. When institutions are perceived as corrupt, their denials lose credibility and conspiracy narratives gain plausibility: when people distrust an institution, they require less proof to believe that it is lying or plotting.
After the Ebola epidemic in Liberia, citizens who perceived the state as corrupt were more inclined to accuse it of having caused the disease (Maffioli and Gonzalez, 2022); among African American patients, past medical racism has fostered lasting distrust and strong vaccine hesitancy (Bogart et al., 2021). This distrust is not an error by irrational citizens: it generally tracks actual levels of corruption (OECD, 2022).
- At most one in five French people trust the government (17%), the president (18%), or the National Assembly (20%); mayors and municipal councils garner around 60% (CEVIPOF, the Sciences Po political research center, 2026).
- 82% consider democracy a good system in principle, but 76% believe it works poorly (CEVIPOF, 2026).
- In 2025, France reached its historic low on Transparency International's Corruption Perceptions Index (66/100, ranked 27th), below the average for full democracies (71).
- Trust in scientists remains high (82%), one of the strongest bulwarks against health disinformation.
These data point less to a rejection of the democratic ideal than to a discrediting of its concrete institutions.
Position. Distrust is to a large extent a proportionate reaction to institutions' real failings. No communication campaign will therefore reduce it: only tangible action can. Fighting disinformation without addressing these vulnerabilities is like bailing out a ship without plugging its leaks.
Next partPart 3 · The information ecosystem →The information ecosystem: falsehood is not displacing truth; truth is weakening
Better to fight for information than against disinformation. The simulations by Acerbi, Altay and Mercier (2022) show this: in an environment where reliable information is far more abundant than falsehood, reducing acceptance of all disinformation to zero would improve the overall state of beliefs as much as, but no more than, increasing acceptance of reliable information by a single percentage point. Why?
Because falsehood is only a small fraction of what people see: even if nobody believed it any more, few beliefs would be corrected. Reliable information, by contrast, makes up most of what they see: persuading slightly more people to trust it therefore improves a very large number of beliefs at once. The room for improvement thus lies with the broad reliable base, not the thin misleading fringe.
Yet it is precisely this base that is eroding. News occupies a minimal place in everyday use: in France, news sources account for only 3% of time spent online, less than five minutes a day; 17% of the people tracked consulted none at all over thirty days, 46% spent less than an hour on them in total, and visits to any given source rarely last more than two minutes (Cordonier and Brest, 2021).
In the United States, 86% of media time involves no form of news whatsoever (Allen et al., 2020). The problem is not that falsehoods fill our screens; it is that verified information struggles to attract interest, and that those who produce it struggle to make a living from it.
3.1. Social media and disinformation: non-neutral infrastructures, but not all-powerful ones
Increasingly important gateways, especially among young people. Social media and video platforms are the main source of news for 19% of French people, compared with 34% of Americans, and for 44% of 18-24-year-olds compared with 15% of those aged 55 and over. Six platforms now exceed 10% weekly use for news, compared with two a decade ago (Newman et al., 2025). Across the 48 countries surveyed, the public identifies them as the leading vectors of disinformation, with Facebook (49%) and TikTok (48%) at the top (Newman et al., 2025).
Architectures that favor the salient over the reliable. Platforms do not manufacture falsehoods; they shape how they circulate. Their recommender systems, optimized for engagement, advantage negative, conflictual, and emotional content (Chavalarias, Bouchaud and Panahi, 2024). Disinformation thrives there because it is a "cognitive attractor", that is, content tailored to capture our attention: it plays on threat, disgust, moral transgression, or sexuality, with just enough surprise to intrigue without seeming absurd (Acerbi, 2019).
It is not its falsity that makes it go viral, but properties that true content can possess just as well. Finally, a small, highly active, and unrepresentative minority produces most of the content, which makes online norms appear more extreme than they are (Barberá et al., 2015). Algorithms are not neutral: on X, the algorithmic feed favors conservative content and activist accounts, demotes news outlets, and shifts certain political attitudes (Gauthier et al., 2026).
But the effect of algorithms is more limited than commonly believed.
- Echo chambers are rare. Measured across people's entire media diet, they concern roughly 6 to 8% of the public in the United Kingdom; most people maintain diverse sources (Ross Arguedas et al., 2022).
- Our own choices matter at least as much. On Facebook, the algorithm's ranking reduces exposure to content from the opposing political camp by about 5 to 8%. Our own choices of what to click reduce it further, by 6 to 17% (Bakshy, Messing and Adamic, 2015).
- Changing the algorithm does not mechanically change opinions. Switching to a chronological feed on Facebook in 2020 actually slightly increased the share of unreliable sources (from 2.6% to 4.4%), with no effect on polarization (Guess et al., 2023).
- The most cited study needs qualifying. The finding that "falsehood spreads six times faster than truth" (Vosoughi, Roy and Aral, 2018) concerns rumors that had already been contested and fact-checked, not information in general; during the pandemic, fact-checks and scientific information sometimes spread faster than falsehoods.
Deactivating Facebook for four weeks increases well-being and slightly reduces polarization, but lowers levels of political knowledge (Allcott et al., 2020); the same finding emerged in France during the 2022 presidential election (Arceneaux et al., 2024).
Conversely, asking French and German participants to follow news media accounts on Instagram and WhatsApp for two weeks increases their knowledge, their discernment, and their trust in the media (Altay, Hoes and Wojcieszak, 2025). Like a pharmakon (Greek for both poison and remedy), social media harm or help depending on dose and use. The challenge is therefore not to flee social media, but to moderate their use and give quality information a real presence there.
The new layer: AI. Recommender systems, which choose what appears in our feeds, are a form of AI that has been in operation for a decade. They are the AI-related risk backed by the most solid evidence. They are also what decides whether AI-generated content will be seen by a handful of people or by millions.
Conversational assistants, for their part, insert themselves between the public and information by substituting a single answer for a list of sources; their errors on electoral questions are documented, but their use for news remains modest: in 2025, 7% of respondents used them weekly to get news (Newman et al., 2025). Their most serious effect lies elsewhere: the crowding out of quality information (see 3.2).
Position. Platforms must be regulated through their design choices and economic incentives. But blaming technology alone lets us avoid looking at the fractures it amplifies and at the weakening of the media that should act as a counterweight.
3.2. The crisis of traditional media: the bulwark against disinformation is weakening
Media that are still central. In France, the rise of platforms has not erased established media: 72% of French people get their news every day from television, 49% from the press, and 35% from radio, compared with 45% from social media, influencers, or AI tools (La Croix-Verian, 2026).
They also remain the most credible: TV news (65%), the regional press (63%), and the national press (58%), far ahead of online-only sites (40%), AI (28%), social media (27%), and influencers (20%). And they still produce most of the news, even online: around 40% of time spent on news on the Internet is concentrated on traditional media, led by the regional press (Cordonier and Brest, 2021).
But a threefold crisis is weakening them.
- An economic crisis. The share of advertising revenue going to media that produce content fell from 65% in 2012 to 40% in 2022 (DGMIC-Arcom, 2024); only 11% of French people pay for online news (Newman et al., 2025); the abolition of the public broadcasting license fee in 2022 weakened public service media. Under this constraint, newsrooms favor commentary and debate, which are cheaper, at the expense of investigation and reporting.
- A crisis of trust. Only 29% of French people trust "most news," compared with 38% in 2015 (41st out of 48); 61% believe that "one should be wary" of what the media say (Newman et al., 2025; La Croix-Verian, 2026).
- A crisis of independence. The growing concentration of ownership, highlighted by the French Senate in 2022, fuels suspicions of interference; only 42% of French people consider the regional press independent of political pressure (La Croix-Verian, 2026).
Why this fuels disinformation. Distrust of the media increases the credibility granted to misleading news (Zimmermann and Kohring, 2020). French people who have consulted a disinformation source are not less interested in the news: they are more interested in it, but trust the media and institutions less (Cordonier and Brest, 2021).
Above all, the local press plays an irreplaceable civic role: the arrival of a first newspaper in a town increases voter turnout by about 0.3 points (Gentzkow, Shapiro and Sinkinson, 2011); the closure of a local daily increases polarization and reliance on national partisan cues (Darr, Hitt and Dunaway, 2018). The decline of local journalism does not create falsehoods; it depletes the institutions capable of producing, prioritizing, and lending credibility to the truth.
AI is worsening the crisis through disintermediation. The term means that the public no longer needs to go through the outlet that produced the information: AI summarizes it for them directly. AI-generated answers at the top of search engines thus establish a "zero-click" logic: users obtain information without visiting the site that produced it. Yet that site depended on that visit for its revenue.
- The drop in click-through rates when an AI summary is present is estimated at between 35% and 60% depending on the study (Pew, Ahrefs, Seer Interactive, 2025; methods disputed by Google).
- Google traffic to 2,500 news sites fell by 33% in one year; small publishers lost around 60% of their search traffic in two years; AI assistants combined send less than 1% of visits to publishers' sites (Chartbeat, 2026).
- 60% of reliable news sites prevent AI companies' crawlers from collecting their articles, compared with 9% of disinformation sites (Steinacker-Olsztyn et al., 2025). Models, which learn from what they collect, therefore risk drawing more on falsehood than on truth.
These industry data are of lower quality than academic studies, but their convergence is hard to dismiss. A vicious circle sets in: by capturing the value of information without funding its production, AI is drying up the very source on which the quality of its own answers depends.
Position. Restoring funding to the media is not an ancillary cultural policy: it is a counter-disinformation policy in its own right.
Next partPart 4 · Policy responses →Countermeasures against disinformation: effective levers exist, but they are the least visible
Background: a public response to disinformation that has gained momentum, but is poorly targeted
A dense arsenal. France has long-standing legislation penalizing certain uses of falsehood (the 1881 press law, the electoral code, the penal code), to which a 2018 law added an emergency electoral injunction against false information: a fast-track procedure for asking a judge, during an election period, to have false information swiftly removed. It was used only once, in 2019, and the court dismissed the claim. The center of gravity has since shifted to Europe. The EU's Digital Services Act (DSA), fully applicable since February 2024, requires very large platforms to assess and mitigate their "systemic risks", that is, the harm their operation can cause at the scale of society, disinformation included.
The Code of Practice on Disinformation, a set of commitments made by the platforms, has been integrated into it: since July 2025, compliance with it can be checked through audits; the AI Act (2024) regulates manipulation and the transparency of synthetic content. The National Strategy of February 2026 organizes fifteen objectives into four pillars (mobilizing the nation, regulating platforms and AI, strengthening operational capacity against interference, acting with allies); VIGINUM, the agency for countering foreign digital interference, detects and documents such operations, while French Response pushes back on social media.
A security-driven, exogenous framing. Exogenous means here that the threat is seen as coming from outside (foreign states, platforms) rather than from society itself. For the first time, this strategy acknowledges that disinformation exploits societal vulnerabilities. But it treats them as external context and favors technical, educational, and legal responses that can be deployed immediately. The same framing dominates in Europe: in 238 speeches by European Commission leaders (2016–2024), disinformation is attributed primarily to hostile states and platforms, through military and medical metaphors (Fattorini et al., 2025).
This framing pays off politically: publicly attributing an interference operation to a state or debunking a piece of content produces visible, immediate action for which officials can claim credit, whereas tackling root causes would be slow and invisible. It also obscures domestic spreaders, even though citizens rank their own politicians (47%) ahead of foreign governments (39%) among the producers of disinformation (Newman et al., 2025).
A practitioners' diagnosis focused on supply. A survey of more than one hundred French counter-disinformation professionals (military officers, senior civil servants, regulators, journalists) sheds light on these biases (Darcy and Altay, 2026):
- 90% name platforms as a major threat, while only 18% name ordinary citizens;
- 88% get their information in French, whereas the reference literature is in English, and barely a third keep up to date;
- 76% consider the gap between rhetoric, which makes disinformation a priority, and the resources actually deployed to be very or extremely problematic;
- 63% say they are held back by fear of being accused of censorship, whereas only 21% say they often face genuine ethical dilemmas (62% rarely or never): it is fear of the accusation, more than scruples, that holds them back;
- Half regret the lack of a lead agency: each ministry handles "its own" disinformation;
- 96% expect interference to intensify, but only one in eight believe the state's resources will be up to the task.
A measurement problem. A successful resilience policy, by its very nature, produces no visible effect: its success is a manipulation that fails to take hold, and no one sees what does not happen. Unable to measure effects, institutions count what is easy to count: campaigns detected and content removed, that is, supply. Yet what gets measured shapes what gets done: action concentrates on responding, and the technology-centered diagnosis is reinforced.
A democratic safeguard. Worldwide, 80 countries adopted or amended a law targeting online disinformation between 2010 and 2022, 75 of them after 2016, most often through penalties and content removal (Bradshaw, Lim and Haque, 2025). Giving the government, or judges ruling in emergency proceedings, broad power to determine what is true would create a truth police.
It would feed the censorship narrative, and thus the distrust that is the breeding ground of the problem. In defending itself, democracy must not confiscate the right to challenge the referees: citizens must remain free to question those who say what is true, the state included.
The levers are presented below in four pillars. For each, expected effectiveness follows the assessment grid drawn up in 2026 from the scientific literature by the DITP (the French government's inter-ministerial directorate for public transformation) and VIGINUM (●●●● very high, ●●●○ high, ●●○○ moderate, ●○○○ limited); an asterisk marks the author's own estimate. "Deployability" indicates how easy a lever is to implement (cost, political and technical feasibility); "evidence", how solid the available studies are.
Drying up the supply of disinformation
Necessary but insufficient: it acts on the tip of the iceberg. It must target the money disinformation brings in and the authenticity of those who spread it, never the truth of content, which is not for the state to decide.
Cutting off advertising revenue to disinformation sites, fake-account networks, and automated content farms means tackling the economic incentive rather than individual pieces of content one by one. "Synthetic engagement" means likes, shares, and comments produced artificially (fake accounts, bots) to simulate popularity. The Code of Practice makes demonetization an auditable commitment. We must go further and decouple remuneration from engagement: as long as platforms pay for content according to the reactions it generates, manufacturing fake reactions remains profitable.
The DSA mandates transparency, risk assessment, and researcher access to data. But it remains compliance-based regulation, which mainly checks that procedures are followed: platforms assess their own risks and propose their own remedies, and oversight depends on the data they provide (Toledano, 2026; Wolters and Zuiderveen Borgesius, 2025).
What is needed is genuine auditability of recommender systems and advertising spending: being able to trace every change to the algorithm, measure what goes into it and what comes out, and give independent experts direct access. In the longer term, recommendation itself must also be pluralized: letting everyone choose, on the same platform, a ranking algorithm designed by a third party (interoperability, middleware), along the lines of projects such as Tournesol.
The race to detect fakes is lost from the outset, because fakes keep getting better. It is better to reverse the logic and guarantee the provenance of authentic content, for instance through C2PA-type provenance standards: a kind of certificate attached to a photo or video that shows who produced it and whether it has been altered.
As for campaigns, it is better to spot them by their coordination signals (accounts posting at the same time, recycled accounts, shared infrastructure) than by their content. This is how VIGINUM characterized "Doppelgänger" (fake websites imitating real news outlets) and "Portal Kombat" (a network of pro-Russian propaganda sites).
AI is not an impersonal force: companies, billionaires, and states make design and deployment choices. Regulation should cover: transparency (knowing that one is talking to an AI) and a ban on covert persuasion; template responses: on voting procedures, assistants would point users to official sources rather than answer themselves; civic accuracy audits, which test before each election how accurately AI systems answer electoral questions; auditable training corpora, to check that the texts AI learns from have not been contaminated; limits on sycophancy, that is, the tendency of AI companions to always agree with their user, a heightened risk for isolated users; and specific criminal protection against deepnudes targeting female candidates. These accountability requirements also apply to the state and to campaign teams when they use AI.
Addressing the immediate causes of belief
The best-documented, least costly, and easiest levers to deploy. But their reach is limited, and when poorly calibrated, they fuel skepticism toward all information, true and false alike.
The immediate causes of belief play out at the moment people encounter a piece of information: the attention they pay to it, their verification reflexes, their ability to recognize a reliable source. The levers of this pillar strengthen this individual resilience.
According to a meta-analysis of 33 studies, media literacy has the largest average effect among training interventions (Lu et al., 2024). In India, a fourteen-week program for 13,500 pupils improved discernment, with effects lasting four months and extending to parents, at a cost of less than $5 per pupil (Amar et al., 2025). In France, CLEMI, the national center for media and information literacy, is the main provider.
Prebunking, or "inoculation," works like a vaccine: people are exposed, in small doses and in advance, to manipulation techniques (fake experts, false dilemmas, emotional appeals), so that they can recognize them when they encounter them. According to a meta-analysis of 42 studies, this reduces the credibility of misleading content and improves discernment (Lu et al., 2023).
It is the most robust countermeasure against AI-generated disinformation, because it teaches people to spot techniques, whatever the content. It should be targeted at predictable attacks during election periods: voice cloning, false information about voting procedures.
Fact-checking improves the accuracy of beliefs but does little to shift attitudes and behavior (Porter and Wood, 2024). Its main problem is reach: almost no readers of an unreliable article read the corresponding fact-check (Guess, Nyhan and Reifler, 2020), and on Facebook, two-thirds of the "likes" on corrections come from users already on the "science" side (Zollo et al., 2017). In a country where institutional trust is low, a denial issued by the state is likely to be less effective than a correction delivered by newsrooms or civil society organizations.
A "friction" is a small hurdle placed before sharing to prompt reflection. Since falsehoods are often shared through inattention, prompting people to judge the accuracy of a headline before sharing it improves the quality of the links they share (Pennycook et al., 2021), an effect observed in 16 countries among 34,286 participants (Arechar et al., 2023).
A dialogue with an AI that offers personalized, evidence-based counterarguments reduces conspiracy belief by about 20%, an effect that persists after two months (Costello, Pennycook and Rand, 2024). These uses deserve support under three conditions: transparency (users know they are talking to an AI), voluntary participation (never undeclared state persuasion), and independent evaluation, since an AI optimized to persuade tends to lose accuracy (Hackenburg et al., 2025).
These interventions improve discernment, but they rarely reach the most exposed audiences first, and they act more on judgments than on behavior. They reduce belief in falsehoods but can erode trust in what is true (Hoes et al., 2024): their net effect must be evaluated, not assumed. This first safety net is necessary but falls far short.
Addressing the deep causes of belief
The most decisive lever, and the hardest to pull. Against disinformation, the welfare state (social protection, public services, social ties) is the strongest defense of the sovereign state (security, defense, public order): it reduces the vulnerabilities that manipulation exploits.
The deep causes of belief are the social conditions that make falsehood appealing: distrust of institutions, perceived economic insecurity, isolation, and polarization (Part 2.2). The levers of this pillar act on them.
Since distrust is a proportionate reaction to real failings, it recedes not through communication but through action: genuine probity among officials, real sanctions for misconduct, quality public services, justified decisions. The OECD (2022) proposes five operational dimensions: reliability, responsiveness, integrity, openness, fairness.
Associations, libraries, media libraries, community centers, "third places": these spaces for meeting and for the everyday exchange of viewpoints reduce isolation, one of the most consistent predictors of conspiracy belief. Many have disappeared.
Access to housing, employment, health care, mental health services, and local public services; transition funds and medical and social support in declining areas.
Organized contact between opposing camps, citizen deliberation (Braver Angels workshops, Irish citizens' assemblies), and the correction of metaperceptions, that is, informing each camp of the other's actual positions, which are often less extreme than imagined, produce measurable effects.
These levers exceed the mandate of the administrations in charge of disinformation (intelligence, armed forces, diplomacy, the regulator), none of which controls any of them. The ministries that do hold them (social affairs, culture, education) must be brought into the governance of this policy.
Supporting quality information
The most effective pillar according to the DITP-VIGINUM grid, and the most neglected. Since the problem is first and foremost a growing scarcity of quality information, supporting it acts more directly than correcting falsehoods after the fact.
The regional daily press is trusted by 63% of French people; 73% believe it highlights the most important news. Canada shows what an ambitious policy can achieve: the Local Journalism Initiative has mobilized C$128.8 million since 2019, funding more than 400 journalist positions covering nearly 1,500 underserved communities, with funds administered by nonprofit organizations to keep the state at arm's length from editorial decisions, and content shared under an open license.
Two objections. "Subsidizing the press would fuel suspicion of state-controlled media": the architecture of the funding answers this (independent funds, financing positions rather than editorial lines, full transparency), and the alternative, journalism dependent on platforms and AI, would be worse for independence. "The fringe that seeks out falsehoods will not read the local press": this is true, but they are not the target; the local press makes the ground less flammable for the general public. Cost: in the United States, an ambitious revival has been estimated at between $10 billion and $52 billion per year (Bateman and Jackson, 2024).
A newsroom right of approval, allowing journalists to accept or reject a new owner in the event of a change of control; transparency of shareholding; joint governance, in which journalists and shareholders share decisions; and stable public funding for public service media kept at arm's length from editorial decisions (Cagé and Huet, 2021; European Media Freedom Act, 2024).
Organize value sharing between AI providers and publishers, building on neighboring rights, which already require platforms to pay the press for reusing its content; require assistants to cite and link to sources; extend to AI providers the researcher access to data provided for in Article 40 of the DSA, currently limited to very large platforms and search engines. Nothing currently organizes this value sharing.
A growing share of information circulates through content creators, who act as de facto intermediaries: 62% do not systematically check their sources, 73% would like to learn how, and 42% take "likes" as a sign of credibility (UNESCO, 2024). Public authorities should equip these messengers (training, databases, detection tools, transfer of research findings) rather than do the correcting themselves.
Summary table: prioritizing the levers against disinformation
| Pillar | Intervention | Brief lever | Effectiveness | Deployability | Level of evidence |
|---|---|---|---|---|---|
| 4 · Quality information | Support and revitalize the regional daily press | 13 | Very high | Moderate | Moderate |
| Ensure stable funding for the media and guarantee their independence | 14 | Very high | Limited | Moderate | |
| Support other content producers | 16 | High | Very high | Weak | |
| Support and equip the fact-checking sector | 16 | High | High | Weak | |
| 3 · Deep causes | Strengthen public integrity | 9 | High | High | Moderate |
| Reinvest in spaces of social interaction | 10 | High | Moderate | Weak | |
| Strengthen social, economic, and public health policies | 11 | High | Very limited | Weak | |
| 2 · Immediate causes | Media and information literacy | 5 | Moderate | High | Strong |
| Inoculation (prebunking) | 6 | Moderate | Moderate | Strong | |
| Fact-checking | 7 | Limited | High | Strong | |
| Display the source of information and its reliability | 8 | Limited | Moderate | Strong | |
| Introduce a reflective pause | 8 | Limited | Limited | Strong | |
| Display the source to equip the reader | 8 | Very limited | Limited | Strong | |
| 1 · Supply | Clean up the digital space and promote reliable information | 1, 3 | Moderate | Moderate | Moderate |
| Modify recommendation algorithms | 2 | Limited | Very limited | Moderate |
Adapted from the DITP-VIGINUM (2026) grid, to which the author contributed, and from Table 1 of La Désinformation (Darcy, 2026). Deployability incorporates implementation costs and the ease of political or technical deployment. The grouping by pillar is specific to this brief.
The best-documented interventions (fact-checking, inoculation, nudges, i.e. small prompts such as sharing frictions) are those with the most modest effects; the levers deemed most decisive (local press, media independence, public integrity, social cohesion) are the most costly, the slowest, and the hardest to evaluate. They take fifteen or twenty years to produce their effects, whereas a term of office lasts five. That is precisely why they are neglected, and why they must be brought back to the forefront.
Cross-cutting condition · Equipping ourselves to measure disinformation and evaluate policies
- Measure demand, not just supply: regularly survey the same sample of people (a panel) on their exposure to disinformation, their beliefs, their trust, and their isolation. This tracking would be entrusted to a trusted body such as INSEE, the national statistics institute, under statistical confidentiality, and carried out at the same pace as the tally of foreign campaigns.
- Evaluate the programs already funded, through randomized or quasi-experimental trials, as well as the net effect of interventions on trust in what is true.
- Guarantee researcher access to data from platforms and AI providers (Article 40 of the DSA).
- Make research accessible to practitioners: syntheses in French, and a team tasked with turning research findings into operational guidance.
- Keep public communication restrained: alarmist rhetoric has a measurable cost to trust.
Disinformation is not a war to be won, but a balance to be restored
Disinformation is neither a marginal accident nor an all-powerful instrument of manipulation. Rare on our screens and concentrated among a small minority, it has few demonstrated direct effects; but it takes hold because it latches onto very real vulnerabilities that are worsening in France: polarization, loneliness, economic insecurity, institutional distrust, and the economic weakening of the media. If policy remains unchanged, the trajectory is toward a society more permeable to misleading narratives, and practitioners themselves expect the deterioration to continue.
Breaking out of this trajectory requires acting simultaneously on all four pillars:
These pillars are inseparable: without social justice, distrust will continue to feed receptiveness to falsehoods; without strong, independent media, critical education will have nothing reliable to point people toward; without an understanding of the real drivers of belief, regulation and education will miss their target.
Between panic, which itself lends credence to the idea that elections can be manipulated at will, and complacency, the only defensible position is one of evidence-based vigilance: staying alert to the threat, but relying on measurement and evaluation rather than on impressions. It entails societal choices that science can inform but not settle: the degree of solidarity a community is willing to fund, the integrity it demands of its leaders, the place it reserves for a free press. A democracy must be able to respond to manipulation; it must never do so at the cost of the right to challenge its referees.
Key figures
| Indicator | Value | Source |
|---|---|---|
| Share of disinformation in what people consume online (median, behavioral measures) | 1.3% | Altay, 2026 (18 studies) |
| Share of French internet users' online time spent on unreliable websites | 0.16% | Cordonier and Brest, 2021 |
| Share of people exposed at least once (behavioral measures) | 12% | Altay, 2026 (27 studies) |
| Share of people who say they have seen disinformation (surveys) | 57.7% | Altay, 2026 (71 studies) |
| Share of disinformation-related activity (visits, shares) attributable to the most active 1% of users | 70% (median) | Altay, 2026 |
| Same indicator for news in general | 30 to 43% | Altay, 2026 |
| Share of online time devoted to news in France | 3%, less than 5 min/day | Cordonier and Brest, 2021 |
| Gain in the accuracy of beliefs if nobody accepted any disinformation at all (simulation) | The same gain as +1 point in acceptance of reliable information | Acerbi, Altay and Mercier, 2022 |
| Readers of an unreliable article who also read the corresponding fact-check | Almost none | Guess, Nyhan and Reifler, 2020 |
| French trust in "most news most of the time" | 29% (38% in 2015), 41st out of 48 | Reuters Institute, 2025 |
| Share of advertising revenue going to content-producing media | 40% in 2022 (65% in 2012) | DGMIC-Arcom, 2024 |
| French people experiencing relational isolation | 12% in 2024 (9% in 2010) | Fondation de France, 2025 |
| French counter-disinformation professionals who see a major threat in platforms / in ordinary citizens | 90% / 18% | Darcy and Altay, 2026 |
Bibliography and recommended reading
All cited references are gathered in the All sources tab, where every citation in the text links directly. The full list appears in the PDF version of the brief.
Main sources for this brief: Darcy G., La Désinformation, Paris, La Découverte, coll. « Repères », 2026; Darcy G., IA générative, accès à l'information et intégrité du débat démocratique, testimony before the "Generative AI and vulnerabilities" committee of the CIANum, no. 48, 15 June 2026; Altay S., « Rare on screens but on everyone's mind: a systematic review of misinformation prevalence, exposure, and concentration », University of Zurich, 2026; Darcy G., « Désinformation : la France peut-elle sortir de la spirale de la défiance ? », Futuribles, 2026.
« Cognitive attraction and online misinformation ». Humanit. Soc. Sci. Commun., 2019, vol. 5, n° 1. DOI
« Research note: Fighting misinformation or fighting for information? ». Harvard Kennedy School Misinformation Review, 2022, vol. 3, n° 1. DOI
« Of precarity and conspiracy: Introducing a socio-functional model of conspiracy beliefs ». Br. J. Soc. Psychol., 2023, vol. 62, p. 136-159. DOI
« (Why) Is Misinformation a Problem? ». Perspect. Psychol. Sci., 2023, vol. 18, n° 6, p. 1436-1463. DOI
« Radio and the Rise of the Nazis in Prewar Germany ». Q. J. Econ., 2015. DOI
« La fièvre parlementaire ». Notes de l'Observatoire du bien-être, CEPREMAP, 2025.
« The Welfare Effects of Social Media ». Am. Econ. Rev., 2020.
« The effects of political advertising on Facebook and Instagram before the 2020 US election ». Nat. Hum. Behav., 2026. DOI
« Evaluating the fake news problem at the scale of the information ecosystem ». Sci. Adv., 2020, vol. 6, n° 14. DOI
« Quantifying the impact of misinformation and vaccine-skeptical content on Facebook ». Science, 2024, vol. 384, eadk3451.
« Rare on screens but on everyone's mind: a systematic review of misinformation prevalence, exposure, and concentration ». Preprint, University of Zurich, 2026.
« People believe misinformation is a threat because they assume others are gullible ». New Media Soc., 2024, vol. 26, n° 11. DOI
« Why do so few people share fake news? It hurts their reputation ». New Media Soc., 2022, vol. 24, n° 6. DOI
« Misinformation is a symptom: Commentary on Ecker et al. (2025) ». American Psychologist, 2026.
« Countering Misinformation Early: Evidence from a Classroom-Based Field Experiment in India ». Am. Polit. Sci. Rev., 2025. DOI
« Understanding and combatting misinformation across 16 countries on six continents ». Nat. Hum. Behav., 2023, vol. 7, n° 9. DOI
« Exposure to ideologically diverse news and opinion on Facebook ». Science, 2015.
Countering Disinformation Effectively: An Evidence-Based Policy Guide. Carnegie Endowment for International Peace, 2024.
« Loneliness trajectories over three decades are associated with conspiracist worldviews in midlife ». Nat. Commun., 2024, vol. 15. Lien
« COVID-19 related medical mistrust, health impacts, and potential vaccine hesitancy among Black Americans living with HIV ». J. Acquir. Immune Defic. Syndr., 2021, vol. 86, n° 2. DOI
« Cross-country trends in affective polarization ». Rev. Econ. Stat., 2024, vol. 106, n° 2.
« The Global Spread of Misinformation Laws ». International Journal of Communication, 2025, vol. 19.
L'information est un bien public. Refonder la propriété des médias. Paris, Seuil, 2021.
« The Impact of Economic Inequality on Conspiracy Beliefs ». J. Exp. Soc. Psychol., 2022, vol. 98. DOI
Baromètre de la confiance politique (political trust barometer), Sciences Po, 2025 and 2026.
Chartbeat. Publisher traffic data, 2026 (cited in CIANum hearing no. 48).
How Do the French Inform Themselves on the Internet? Fondation Descartes, 2021.
« Durably reducing conspiracy beliefs through dialogues with AI ». Science, 2024, vol. 385. DOI
« Disinformation in practice: Threats, actors, mechanisms, and constraints according to professionals ». Harvard Kennedy School Misinformation Review, 2026, vol. 7, n° 6. DOI
« Lutter contre la désinformation : penser autrement l'action publique à l'aune des sciences cognitives ». Policy Brief, Institut Jean-Nicod, 2025. DOI
« Newspaper Closures Polarize Voting Behavior ». J. Commun., 2018, vol. 68, n° 6.
DGMIC-Arcom. Advertising market data, 2024.
Lutter efficacement contre les manipulations de l'information. Revue de la littérature académique et des interventions probantes. Paris, 2026.
« Exposure to the Russian Internet Research Agency foreign influence campaign on Twitter in the 2016 US election and its relationship to attitudes and voting behavior ». Nat. Commun., 2023. DOI
« Misinformation poses a bigger threat to democracy than you might think ». Nature, 2024. DOI
« Why misinformation must not be ignored ». American Psychologist, 2025. DOI
« Weapon and poison: framing disinformation in European Commission speeches, 2016-2024 ». Document de travail, 2025. DOI
Solitudes 2025.
« How prevalent is AI misinformation? What our studies in India show so far ». Nature, 2024, vol. 630, p. 32-34. DOI
« The political effects of X's feed algorithm ». Nature, 2026.
« The Effect of Newspaper Entry and Exit on Electoral Politics ». Am. Econ. Rev., 2011, vol. 101, n° 7.
« Fake news on Twitter during the 2016 U.S. presidential election ». Science, 2019, vol. 363. DOI
« Less than you think: Prevalence and predictors of fake news dissemination on Facebook ». Sci. Adv., 2019, vol. 5. DOI
« Exposure to untrustworthy websites in the 2016 US election ». Nat. Hum. Behav., 2020, vol. 4, n° 5. DOI
« How do social media feed algorithms affect attitudes and behavior in an election campaign? ». Science, 2023, vol. 381.
« Prominent misinformation interventions reduce misperceptions but increase scepticism ». Nat. Hum. Behav., 2024, vol. 8, n° 8. DOI
« Why Depolarization Is Hard: Evaluating Attempts to Decrease Partisan Animosity in America ». PNAS, 2025, vol. 122, n° 39, e2508827122. DOI
« Affective polarization and misinformation belief ». Political Behavior, 2024, vol. 46, n° 2. DOI
« Negative Downstream Effects of Alarmist Disinformation Discourse: Evidence from the United States ». Political Behavior, 2024, vol. 46, n° 4.
« Misconceptions, misinformation, and the logic of identity-protective cognition ». Cultural Cognition Project Working Paper, 2017. DOI
« The Minimal Persuasive Effects of Campaign Contact in General Elections ». Am. Polit. Sci. Rev., 2018.
« Does Extreme Political Ideology Predict Conspiracy Beliefs? ». J. Soc. Polit. Psychol., 2017, vol. 5, n° 2.
Baromètre de la confiance des Français dans les médias (French trust in media barometer), January 2026.
« Measuring the impact of COVID-19 vaccine misinformation on vaccination intent in the UK and USA ». Nat. Hum. Behav., 2021, vol. 5, n° 3. DOI
« Psychological Inoculation for Credibility Assessment, Sharing Intention, and Discernment of Misinformation ». J. Med. Internet Res., 2023, vol. 25. DOI
« Can media literacy intervention improve fake news credibility assessment? A meta-analysis ». Cyberpsychol. Behav. Soc. Netw., 2024, vol. 27, n° 4. DOI
« Are socio-demographic and economic characteristics good predictors of misinformation during an epidemic? ». PLOS Glob. Public Health, 2022. DOI
Not Born Yesterday: The Science of Who We Trust and What We Believe. Princeton University Press, 2020.
Reuters Institute Digital News Report 2025. Reuters Institute, 2025.
Instaurer la confiance pour renforcer la démocratie, 2022.
« Misinformed about misinformation: On the polarizing discourse on misinformation and its consequences for the field ». Harvard Kennedy School Misinformation Review, 2024. DOI
The Russian « Firehose of Falsehood » Propaganda Model. RAND, 2016.
« Lazy, not biased: Susceptibility to partisan fake news is better explained by lack of reasoning than by motivated reasoning ». Cognition, 2019 (online 2018), vol. 188. DOI
« Shifting attention to accuracy can reduce misinformation online ». Nature, 2021, vol. 592. DOI
« Spotting false news and doubting true news: a systematic review and meta-analysis of news judgements ». Nat. Hum. Behav., 2025, vol. 9, n° 4. Lien
« Factual corrections: Concerns and current evidence ». Curr. Opin. Psychol., 2024, vol. 55. DOI
« Misinformation interventions and online sharing behaviour: lessons learned from two pre-registered field studies ». R. Soc. Open Sci., 2025, vol. 12. DOI
Echo chambers, filter bubbles, and polarisation: a literature review. Reuters Institute, 2022.
« On the conversational persuasiveness of GPT-4 ». Nat. Hum. Behav., 2025.
« The Liar's Dividend: Can Politicians Claim Misinformation to Evade Accountability? ». Am. Polit. Sci. Rev., 2025 (online 2024), vol. 119, no. 1, p. 71-90. DOI
« How malicious AI swarms can threaten democracy ». Science, 2026, vol. 391, n° 6783, p. 354-357. DOI
« Is Misinformation More Open? A Study of robots.txt Gatekeeping on the Web ». arXiv:2510.10315, 2025.
AI-Enabled Influence Operations. CETaS, Alan Turing Institute, 2024.
« Misinformation is both a symptom and a cause: Reply to Altay and Mercier (2026) ». American Psychologist, 2026.
La régulation du numérique : état des lieux et propositions, 2026.
Social Media, Political Polarization, and Political Disinformation: A Review of the Scientific Literature. Hewlett Foundation, 2018.
UNESCO. Enquête sur les créateurs de contenu numérique, 2024.
« The partisan brain: an identity-based model of political belief ». Trends Cogn. Sci., 2018, vol. 22, n° 3. DOI
« The spread of true and false news online ». Science, 2018, vol. 359. DOI
Information Disorder. Conseil de l'Europe, 2017.
Le Non-recours aux politiques sociales. Grenoble, PUG, 2016.
« Mistrust, disinforming news, and vote choice ». Political Communication, 2020.
« Debunking in a world of tribes ». PLoS ONE, 2017, vol. 12, n° 7. DOI
Desinformación: tratar el problema de raíz
- La desinformación no es más que la punta del iceberg.
- Sus efectos directos se sobrestiman y sus efectos indirectos se subestiman.
- La adhesión a lo falso responde a una racionalidad social, no a un déficit de razón.
- El núcleo del problema es una crisis de la oferta de información de calidad.
Resumen ejecutivo
Esta nota propone un diagnóstico renovado de la desinformación, basado en las ciencias cognitivas y sociales, y extrae de él recomendaciones para la acción pública francesa.
Cuatro constataciones estructuran el análisis:
- La desinformación no es más que la punta del iceberg. Poco frecuente en el consumo real y concentrada en una pequeña minoría, es sobre todo el síntoma de una crisis más amplia: la de la información de calidad (redes sociales, crisis económica y de confianza de los medios tradicionales) y, más en el fondo, la de una sociedad cuyas fracturas vuelven deseable lo falso.
- Sus efectos directos se sobrestiman y sus efectos indirectos se subestiman. Ningún estudio establece de manera fiable que la desinformación en línea decante elecciones. Pero puede polarizar, saturar, desacreditar, silenciar y erosionar la confianza incluso en la información exacta, y es ahí donde reside el riesgo.
- La adhesión a lo falso responde a una racionalidad social, no a un déficit de razón. El público es más escéptico que crédulo; cree y comparte para pertenecer, señalar su lealtad o dar sentido a una experiencia de inseguridad. La soledad, la precariedad percibida y la desconfianza institucional, a menudo fundada, son sus raíces.
- El núcleo del problema es una crisis de la oferta de información de calidad. Lo falso no suplanta a lo verdadero; es lo verdadero lo que atrae poco, se financia mal y pierde su autoridad: quienes lo producen ya no resultan creíbles cuando arbitran entre lo verdadero y lo falso. La IA generativa agrava esta dinámica: al responder directamente a las preguntas, capta el tráfico y los ingresos de los medios.
De ello se derivan cuatro pilares de recomendaciones:
Necesario pero insuficiente: atacar lo que genera dinero y a quienes difunden, sin encomendar nunca al Estado la tarea de decidir qué es verdad.
- 1 Desmonetizar la desinformación y la interacción sintética
- 2 Hacer que las plataformas sean realmente auditables, más allá de la transparencia declarativa
- 3 Defender la autenticidad de los emisores en lugar de la veracidad de los contenidos
- 4 Regular la IA generativa a través de sus actores y de sus decisiones de diseño
Las palancas mejor documentadas, pero también las más limitadas en su alcance; mal calibradas, enseñan a dudar de todo, incluso de lo verdadero.
- 5 Reorientar la alfabetización mediática hacia el reconocimiento de la información fiable
- 6 Desplegar el prebunking de forma focalizada y repetida
- 7 Confiar la corrección a intermediarios creíbles y no al Estado
- 8 Utilizar las fricciones al compartir como herramientas de primera línea
La palanca más determinante, y la más difícil de accionar: el Estado social (protección social, servicios públicos, vínculo social) es la defensa más sólida del Estado en sus funciones soberanas (seguridad, defensa, orden público).
- 9 Hacer de la integridad pública una política de lucha contra la desinformación
- 10 Reinvertir en los espacios de sociabilidad frente al aislamiento
- 11 Reducir la precariedad percibida y el no acceso a las prestaciones
- 12 Experimentar con la despolarización sin sobrestimar sus efectos
Luchar a favor de la información suele ser más eficaz y menos costoso que luchar contra la desinformación.
- 13 Volver a financiar la prensa local según el modelo de la Local Journalism Initiative canadiense
- 14 Garantizar una financiación estable y la independencia editorial de los medios
- 15 Hacer que la IA contribuya a la información que reutiliza
- 16 Dotar de herramientas a los intermediarios: verificadores, periodistas, creadores de contenido
Condición transversal: dotarse de los medios para saber (medir la demanda y no solo la oferta, evaluar los dispositivos, garantizar el acceso a los datos) y mantener una comunicación pública sobria.
Combatir la desinformación sin abordar sus causas equivale a achicar agua de un barco agujereado: mientras la acción pública se limite a respuestas visibles contra lo falso, dejará intactas las condiciones que lo hacen eficaz y corre el riesgo de agravar la desconfianza que pretende combatir.
Otro enfoque
En 2016, el diccionario Oxford consagra post-truth como palabra del año; en 2020, la Organización Mundial de la Salud declara una «infodemia»; el Foro Económico Mundial sitúa después, durante dos años consecutivos, la desinformación entre los principales riesgos globales, y el primer informe de las Naciones Unidas sobre riesgos mundiales la coloca en el primer puesto de los riesgos ya en curso.
En Francia, la lucha contra las manipulaciones de la información se ha institucionalizado en pocos años: creación en 2021 de VIGINUM, el servicio del Estado encargado de detectar las injerencias digitales extranjeras; puesta en marcha en 2025 de French Response, el dispositivo del Quai d'Orsay (Ministerio de Asuntos Exteriores) que responde en las redes sociales; Estrategia nacional de lucha contra las manipulaciones de la información en febrero de 2026.
Esta movilización es saludable, siempre que apunte bien. Ahora bien, la forma dominante de plantear el problema descansa sobre dos representaciones parciales. La primera presupone un público pasivo y crédulo, al que bastaría con corregir mediante la verificación de datos o la alfabetización mediática. La segunda, tecnocéntrica, atribuye la «posverdad» a las redes sociales y a las injerencias extranjeras, y deja en la sombra tanto el estado de los medios tradicionales como las raíces sociales, materiales e identitarias del fenómeno.
Este encuadre no solo distorsiona el diagnóstico; deforma también la acción pública. Esta privilegia la respuesta inmediata y visible (verificar, atribuir, comunicar) frente al trabajo lento de consolidación del ecosistema informativo: apaga incendios en lugar de hacer el terreno menos inflamable. Mal calibrados, sus instrumentos pueden incluso volverse en su contra. Los más extendidos sí reducen la creencia en lo falso. Pero, a fuerza de invitar a desconfiar, vuelven también al público más escéptico ante la información exacta (Hoes et al., 2024).
Esta nota propone otro encuadre, en cuatro etapas. En primer lugar, define la desinformación y mide su alcance real (parte 1). A continuación, explica por qué se le presta adhesión y por qué se comparte (parte 2), y después sitúa su circulación en el conjunto del ecosistema informativo (parte 3). Por último, evalúa las políticas de lucha, organizadas en cuatro pilares, en función de su eficacia, su viabilidad y el estado de la evidencia (parte 4).
Parte siguienteParte 1 · Síntoma de una crisis más profunda →La desinformación no es más que la punta visible de una crisis más profunda
1.1. Desinformación, información errónea, información maliciosa: ¿de qué hablamos?
La investigación distingue tres formas de «información desvirtuada» según dos criterios, la falsedad del contenido y la intención de causar daño (Wardle y Derakhshan, 2017):
| Contenido falso | Contenido verdadero | |
|---|---|---|
| Intención de causar daño | Desinformación. Ej.: en 2017, un clon del sitio de Le Soir aloja un artículo falso sobre una financiación saudí de la campaña de Emmanuel Macron. | Información maliciosa (malinformación). Ej.: los «Macron Leaks», correos electrónicos reales publicados pocas horas antes del periodo de reserva electoral, cuando la campaña ya se ha cerrado y el equipo afectado no puede responder, para causar el máximo perjuicio político. |
| Sin intención de causar daño | Información errónea. Ej.: durante el atentado de los Campos Elíseos (2017), varios internautas difunden de buena fe el rumor de la muerte de un segundo policía. | (información ordinaria) |
En la práctica, estas fronteras son difusas. Un mismo mensaje es desinformación cuando quien lo difunde sabe que es falso, e información errónea cuando alguien lo transmite de buena fe. Ahora bien, la intención rara vez puede probarse. En el uso francés, incluido el institucional, «desinformación» funciona como término genérico, y es en este sentido amplio como se emplea aquí, sin renunciar a la distinción analítica.
Imaginemos una agencia encargada de impulsar el «Frexit», la salida de Francia de la Unión Europea, en un referéndum. Gracias a los datos de una plataforma (likes, suscripciones), identifica los intereses de cada persona y segmenta la audiencia en grupos: es la microsegmentación. A los defensores de los animales les muestra únicamente los proyectos europeos que facilitan la experimentación con animales. A los cazadores, únicamente las propuestas europeas que restringen la caza. Cada dato es exacto.
Pero cada grupo solo ve el hecho elegido para indignarlo contra Europa, sin el resto del cuadro ni lo que ven los demás. Los dos mensajes tiran incluso en sentidos opuestos (proteger a los animales, por un lado; defender la caza, por otro), pero conducen a la misma conclusión: votar por la salida. No se difunde ninguna mentira y, sin embargo, la imagen de conjunto queda falseada: es el encuadre selectivo, y no una falsedad, lo que manipula. Se trata de un caso típico de información maliciosa.
Lo esencial: una política que solo persigue lo «falso» no detecta este tipo de operación, porque no hay ningún contenido falso que señalar o retirar.
La desinformación, un iceberg de tres niveles
La desinformación en sentido estricto no es más que la parte visible de un conjunto más amplio. Para comprenderla, es preciso situarla en dos contextos sucesivos: primero, el estado general de la información (nivel 2); después, la sociedad que la recibe (nivel 3).
| Nivel | Lo que se encuentra en él | Lo que ve de él el debate público |
|---|---|---|
| 1. La punta visible: la desinformación | Contenidos falsos, campañas de injerencia, ultrafalsos (deepfakes), granjas de trols | Casi todo: es lo que los instrumentos saben medir y lo que cubren los medios |
| 2. Bajo la superficie: una crisis de la información | Contenidos engañosos pero exactos, información maliciosa, escaso consumo de información de calidad, redes sociales optimizadas para la interacción, crisis económica y de confianza de los medios tradicionales | Solo una parte (las redes sociales), rara vez la crisis de los medios |
| 3. La base: un entorno social que alimenta la demanda | Precariedad, soledad, polarización, desconfianza institucional, a menudo fundada | Casi nada: estas causas no son competencia de ninguna administración encargada de la desinformación |
Posición. Una política que solo aborda el nivel visible trata un síntoma. Lo falso circula porque una demanda social lo vuelve deseable (nivel 3) y porque un ecosistema debilitado ya no logra producir, difundir y dotar de credibilidad a lo verdadero (nivel 2). El nivel 2 importa tanto más cuanto que los contenidos engañosos pero exactos, como en el ejemplo del «Frexit» anterior, escapan a todas las mediciones basadas en la falsedad: nada en ellos es falso, luego nada se contabiliza. Sumados, podrían sin embargo pesar más que lo falso mismo (Allen, Watts y Rand, 2024, citado en Altay, 2026).
1.2. Panorama de la desinformación: infrecuente, concentrada, con efectos sobre todo indirectos
La prevalencia de la desinformación: escasa en las pantallas, presente en todas las mentes
¿Qué lugar ocupa realmente la desinformación? Las cifras publicadas sobre su prevalencia, es decir, sobre su grado de difusión, van de menos del 1 % a una amplia mayoría. La revisión sistemática más completa hasta la fecha, que reúne todos los estudios disponibles sobre la cuestión (Altay, 2026: 443 estudios, 1048 estimaciones), permite zanjar este debate. Estas cifras no se contradicen: no miden lo mismo, como muestra la tabla siguiente.
| Lo que se mide | Mediana | Cómo |
|---|---|---|
| Proporción de desinformación en lo que la gente consume en línea | 1,3 % | Registros de navegación (18 estudios) |
| Proporción de personas expuestas al menos una vez | 12,0 % | Registros de navegación (27 estudios) |
| Proporción de desinformación en lo que la gente comparte | 13,0 % | Compartidos observados (45 estudios) |
| Proporción de contenidos clasificados como desinformación en un corpus | 23,0 % | Análisis de contenido, a menudo sobre un tema específico (274 estudios) |
| Proporción de personas que dicen haber compartido desinformación | 19,8 % | Encuestas (36 estudios) |
| Proporción de personas que dicen haber visto desinformación | 57,7 % | Encuestas (71 estudios) |
Las mediciones del comportamiento real arrojan las cifras más bajas, con uno de los grados de certeza más elevados; las encuestas, que miden una percepción, arrojan las más altas; los análisis de contenido presentan el grado de certeza más bajo.
En Francia, los sitios no fiables representaban el 0,16 % del tiempo de conexión de los internautas (Cordonier y Brest, 2021); en Estados Unidos, la desinformación suponía el 0,15 % del conjunto de los medios consultados, la «dieta mediática» (Allen et al., 2020), y más del 90 % de los usuarios de Facebook no difundió ningún contenido procedente de un sitio de desinformación durante la campaña de 2016 (Guess, Nagler y Tucker, 2019).
La brecha entre lo medido y lo percibido no es anodina: la prevalencia percibida predice la desconfianza hacia la información, y la atención mediática prestada a la desinformación puede por sí misma erosionar la confianza en las fuentes fiables (Altay, 2026). Dicho de otro modo, creer que la desinformación es omnipresente alimenta a su vez la desconfianza hacia toda la información. Un problema que se mide en unos pocos puntos porcentuales, pero que se vive como masivo, exige por tanto políticas calibradas según la medición, no según la percepción.
Toda cifra de prevalencia es una razón: lo que se ha contabilizado como desinformación, dividido por el conjunto con el que se compara. Los mismos artículos de fake news representaban el 1 % del consumo de actualidad de los estadounidenses, pero el 0,15 % de su consumo mediático total (Allen et al., 2020): lo que se contabiliza no cambia; solo cambia el conjunto de referencia (el denominador). Bastan tres preguntas para evitar la mayoría de los malentendidos:
- ¿De qué es un porcentaje? ¿Del tiempo pasado en línea, de los compartidos, de los contenidos de un corpus, de las personas? Un «millón de visualizaciones» no dice nada mientras se desconozca el total de visualizaciones al que se refiere: no es una prevalencia.
- ¿Cómo se construyó el corpus? Una muestra de vídeos sobre las vacunas, o de los contenidos más vistos, describe ese corpus, no el entorno de todo el mundo.
- ¿Qué se ha contabilizado como falso? En los análisis de contenido, contabilizar solo el contenido fabricado da una mediana del 3,5 %; añadir el contenido falso, del 21,5 %; añadir el contenido engañoso, del 27,0 %.
En conjunto, las diferencias entre estudios obedecen sobre todo a la manera en que cada uno identifica la desinformación: esta elección metodológica explica en torno a una quinta parte de las diferencias de resultados, frente a solo el 1,8 % en el caso del tema estudiado (salud, política, etc.). Por último, la exposición real en las plataformas de vídeo y los servicios de mensajería (YouTube, TikTok, WhatsApp, Telegram) sigue siendo prácticamente desconocida, por falta de datos (Altay, 2026).
El papel de la desinformación sigue siendo objeto de controversia en la investigación, pero el desacuerdo es más estrecho de lo que parece. Altay y Mercier ven en ella, ante todo, el síntoma de problemas más profundos, como la polarización o la desconfianza. Admiten que da su forma concreta a las creencias falsas, pero consideran no demostrado su efecto causal sobre comportamientos como el rechazo a la vacunación (Altay y Mercier, 2026).
Ecker y sus coautores responden que es a la vez síntoma y causa: efectos modestos en cada individuo pueden tener un gran peso a escala de una sociedad, y los problemas que agrava alimentan a su vez la adhesión (Ecker et al., 2024; Ecker et al., 2025; Tay et al., 2026).
Lo que suscita consenso. Ambos campos reconocen la existencia de una demanda de desinformación y sus causas profundas, como la desconfianza o la polarización. Ecker y sus coautores no niegan que la desinformación sea un síntoma; añaden que también es una causa.
Lo que sigue siendo incierto. El efecto propio de la oferta es difuso: ninguna prueba sólida muestra que, por sí sola, modifique las creencias, los votos o los comportamientos a gran escala. La ausencia de prueba no es, sin embargo, prueba de ausencia. Los efectos lentos, acumulativos o indirectos, repartidos a lo largo de años, escapan en gran medida a los protocolos actuales, y la ética impide exponer deliberadamente a las personas a contenidos falsos durante un periodo prolongado.
Pasquetto, Lim y Bradshaw muestran, por último, que la polarización de este debate perjudica al propio campo de estudio (Pasquetto, Lim y Bradshaw, 2024). Esta nota centra, pues, el esfuerzo principal en la demanda, donde el acuerdo es amplio, sin dejar de mantener una acción proporcionada sobre la oferta, cuyos efectos no pueden descartarse.
La heterogeneidad de la exposición a la desinformación: una media que oculta lo esencial
Una media del 1 % no significa que cada persona vea un 1 % de contenido falso. Cuando un multimillonario entra en una sala, la renta media de los presentes se dispara, aunque nadie más se haya enriquecido: una media no dice nada de la distribución. La desinformación está extremadamente concentrada, tanto en su consumo como en su producción y su difusión: la inmensa mayoría apenas la ve; una pequeña minoría la ve y la comparte en enormes cantidades.
- Concentración de la exposición y de los compartidos. El 1 % de usuarios más activos concentra una mediana del 70 % de la actividad vinculada a la desinformación (visitas, exposiciones, compartidos), frente al 30 a 43 % en el caso de la información en general (Altay, 2026). En Twitter, en 2016, el 1 % de los usuarios concentraba el 80 % de las exposiciones a la desinformación y el 0,1 % originaba el 80 % de los compartidos (Grinberg et al., 2019).
- Concentración de las fuentes. En Twitter, en Estados Unidos, el 5 % de las fuentes de fake news generaba más de la mitad de las exposiciones; en Alemania, los tres dominios no fiables más visitados captaban aproximadamente la mitad de las visitas a este tipo de sitios (Grinberg et al., 2019; Altay, 2026).
- Concentración social y política. Se trata sobre todo de usuarios de edad avanzada, muy politizados y, en Estados Unidos, situados a la derecha: los mayores de 65 años compartieron casi siete veces más enlaces engañosos que los de 18 a 29 años (Guess, Nagler y Tucker, 2019); cuando un estudio compara ambos campos, el grupo de derecha está, en mediana, 3,7 veces más expuesto o es 3,7 veces más activo que el grupo de izquierda (Altay, 2026). Solo una franja situada en la extrema derecha tenía su feed dominado por contenidos no fiables (Grinberg et al., 2019).
Lo que esto cambia. La desinformación se comporta menos como una contaminación difusa que afectaría a toda la población que como la actividad de una pequeña minoría, muy motivada, que la busca activamente. Las políticas concebidas para «toda la población» se dirigen, por tanto, en gran parte a personas que apenas están expuestas a ella, mientras que las más expuestas son también las más difíciles de alcanzar.
Los efectos de la desinformación: efectos directos no demostrados, efectos indirectos más preocupantes
Conviene distinguir dos tipos de efectos; es su confusión lo que distorsiona el debate.
Efectos directos (hacer creer un hecho concreto, hacer cambiar un voto o un comportamiento): nivel de evidencia muy bajo.
- Una revisión sistemática concluye que ningún comportamiento problemático ha sido «demostrado empíricamente de manera fiable como resultado de la desinformación» (Adams et al., 2023).
- La persuasión de masas es difícil en general: el efecto medio del contacto de campaña (puerta a puerta, llamadas, envíos postales) y de la publicidad política sobre el voto, en elecciones generales estadounidenses, se estima en cero a partir de 49 experimentos de campo (Kalla y Broockman, 2018); suprimir toda la publicidad política en Facebook e Instagram durante las seis semanas previas a las presidenciales de 2020 no tuvo ningún efecto medible (Allcott et al., 2026).
- La campaña de la Internet Research Agency rusa en Twitter en 2016 llegó potencialmente a 32 millones de estadounidenses, pero el 1 % de los usuarios concentraba el 70 % de las exposiciones a esos contenidos, y se trataba casi siempre de partidarios ya convencidos. No aparece ningún vínculo entre la exposición y la evolución de las actitudes o del voto (Eady et al., 2023).
- Los resultados experimentales más citados miden intenciones, no comportamientos: la exposición a mensajes antivacunas reduce la intención declarada de vacunarse en unos 6 puntos (Loomba et al., 2021), pero la decisión real depende de muchos otros factores, empezando por la confianza en el propio médico.
- Parte de nuestros temores procede de un sesgo: juzgamos a los demás mucho más influenciables que nosotros mismos; es el «efecto de tercera persona» (Altay y Acerbi, 2024).
Efectos indirectos: un nivel de evidencia modesto pero real, y los más inquietantes. La desinformación no necesita hacer creer un hecho concreto para causar daño.
- Polarizar y dividir. La IRA gestionaba simultáneamente cuentas falsas de Black Lives Matter y páginas ultraconservadoras para avivar las tensiones. El vínculo con la polarización y la erosión de la confianza está documentado, pero es más correlacional que causal (Tucker et al., 2018).
- Saturar y confundir. La doctrina rusa de la «manguera de falsedades» consiste en verter de forma continua, por múltiples canales, un aluvión de mensajes numerosos y a veces contradictorios. El objetivo no es tanto convencer como desorientar: ante tantas afirmaciones, verificar se vuelve demasiado costoso y el público ya no sabe qué creer (Paul y Matthews, 2016).
- Desacreditar y silenciar. El acoso coordinado a periodistas, como Maria Ressa en Filipinas, o los deepnudes dirigidos contra mujeres políticas elevan el coste de tomar la palabra.
- Cambiar las normas percibidas más que las creencias. La propaganda puede actuar como una señal más que como un argumento. Bajo el nazismo, la propaganda antisemita difundida por la radio convirtió a pocas personas. Pero hizo saber a los antisemitas ya convencidos que la violencia dejaría de sancionarse (Adena et al., 2015).
- Ofrecer un «dividendo del mentiroso». Cuanto más sabe todo el mundo que un contenido puede ser fabricado, más fácil resulta recusar una prueba auténtica alegando que ha sido «generada por IA». El mentiroso sorprendido en falta obtiene así un beneficio (un «dividendo») de la mera existencia de los contenidos falsos. La eficacia de la maniobra depende sobre todo de la desconfianza previa del público (Schiff, Schiff y Bueno, 2025).
- Erosionar la confianza en lo verdadero. Es el efecto más preocupante, porque también lo produce la propia lucha: el discurso alarmista avala la idea de que las elecciones pueden manipularse a voluntad (Jungherr y Rauchfleisch, 2024), y las intervenciones más extendidas aumentan el escepticismo ante la información exacta (Hoes et al., 2024).
Pensemos en un candidato que ha sido realmente blanco de una campaña de desinformación, pero cuyo resultado apenas se ha visto afectado. Si pierde, puede valerse de ello para impugnar su derrota. Tiene razón al afirmar que fue objeto de la campaña, pero se equivoca al convertirla en la causa de su fracaso. La manipulación perjudica entonces menos por su efecto sobre los electores que por el uso que se hace de ella después: sembrar la duda sobre unas elecciones legítimas. Lo esencial: sobrestimar la amenaza no es neutral, porque proporciona argumentos a quienes quieren deslegitimar un resultado.
La conmoción anunciada para las elecciones de 2024-2025 no se produjo. En la India, en torno al 1 % de los mensajes virales de WhatsApp analizados incluía contenido generado por IA (Garimella y Chauchard, 2024); según Meta, los contenidos relacionados con la IA representaron menos del 1 % de la desinformación verificada por sus socios de verificación de datos durante las grandes elecciones de 2024 (Meta, 2024); solo se registran 16 casos virales en las elecciones generales británicas de 2024, y 11 en las europeas y francesas en conjunto, sin efecto demostrado sobre los resultados (Stockwell et al., 2024).
Predominaron los montajes burdos (cheapfakes). No hace falta un contenido falso sofisticado: lo que atrae al público es la historia que se cuenta, no la calidad técnica del trucaje. Y se da crédito a un contenido sobre todo en función de quién lo difunde, mucho más que de su apariencia.
Estas cifras describen la situación en un momento dado; nada garantiza que la IA vaya a seguir utilizándose tan poco. Dos ámbitos exigen vigilancia. En primer lugar, la persuasión mediante el diálogo: en una conversación argumentada, la IA convence tanto como los debatientes humanos, o más (Salvi et al., 2025).
En segundo lugar, los efectos indirectos sobre el ecosistema: dividendo del mentiroso, declive de la confianza, contaminación de los textos con los que aprenden las IA (la red prorrusa «Pravda» ha replicado sus contenidos en unos 150 sitios, probablemente para que los modelos los absorban y luego los repitan) y, sobre todo, captación del tráfico y de los ingresos de los medios (véase la parte 3). La IA es, por último, un pharmakon, palabra griega que designa a la vez el veneno y el remedio: también puede servir para combatir la desinformación. Así, un diálogo con una IA reduce la adhesión conspiracionista en torno a un 20 %, un efecto que persiste a los dos meses (Costello, Pennycook y Rand, 2024).
No se presta adhesión a lo falso por credulidad, sino por razones sociales
2.1. Por qué se presta adhesión a la desinformación: del modelo ingenuo de la credulidad a la racionalidad social
La mayoría de las políticas descansan sobre un modelo implícito de la psicología humana: la exposición a lo falso produciría mecánicamente creencias, que a su vez producirían comportamientos. Bastaría, pues, con corregir los errores para suprimir sus efectos. Los datos contradicen cada eslabón de esta cadena.
El público es más escéptico que crédulo. El metaanálisis más completo (67 estudios, 40 países, más de 190 000 participantes) muestra que los individuos juzgan las noticias verdaderas claramente más exactas que las falsas. Su error predominante es el inverso del que se teme: rechazan con más frecuencia una información verdadera de lo que aceptan una información falsa (Pfänder y Altay, 2025). Ahora bien, una decisión basada en el rechazo de un hecho probado es tan perjudicial como una decisión basada en una falsedad: restaurar la confianza en la información exacta importa tanto como contener lo falso.
Cuando nos equivocamos, es ante todo por falta de atención. Las personas que se toman menos tiempo para reflexionar y se fían más de su primera impresión juzgan más creíbles las noticias falsas, sea cual sea su orientación política (Pennycook y Rand, 2018, dos estudios, más de 3000 participantes). En el momento de compartir, la atención rara vez se dirige a la veracidad: se difunde un contenido sorprendente o conmovedor sin haberse preguntado si era verdadero.
Cuando la identidad está en juego, el razonamiento se pone al servicio del grupo. La desconfianza no se distribuye al azar: recae sobre las informaciones que contrarían al propio campo y respeta las que lo refuerzan. Es el «cerebro partidista» (Van Bavel y Pereira, 2018) y el «razonamiento protector de la identidad» (Kahan, 2017). Resultado contraintuitivo: cuando aumenta la polarización afectiva, es decir, la hostilidad hacia el campo contrario más allá de los meros desacuerdos de ideas, aumenta también la credulidad ante los relatos favorables al propio campo.
Este efecto alcanza su máximo entre las personas con mayor nivel educativo: ponen su capacidad de razonamiento al servicio de justificar lo que conviene a su campo, y no de corregir sus propios errores (Jenke, 2024). La identidad no anula, sin embargo, la sensibilidad a lo verdadero: por término medio, se juzga más creíble una noticia verdadera pero desfavorable al propio campo que una noticia falsa pero favorable (Pfänder y Altay, 2025).
Compartir no es creer. Difundir un rumor sobre la corrupción de un adversario puede ser una forma de posicionarse y de cohesionar al propio campo, con independencia de su veracidad. Cuanto más extravagante es una creencia, más puede señalar la lealtad al grupo: defenderla cuesta credibilidad ante los demás, y es precisamente ese coste lo que prueba el compromiso.
A la inversa, muchas personas se abstienen de compartir contenidos falsos porque ello perjudica su reputación (Altay, Hacquin y Mercier, 2022). Difundir una información falsa puede ser, por tanto, socialmente racional: la racionalidad no falla, sino que se pone al servicio de fines sociales e identitarios.
Creer no es actuar. La literatura habla de una «brecha entre creencia y acción»: admitir una idea no implica ni el compromiso ni la renuncia que esta exigiría. Si creer bastara para actuar, la crisis climática se habría superado hace tiempo.
Durante la pandemia, muchos franceses manifestaban reservas sobre la vacuna contra la covid-19. Sin embargo, buena parte de ellos se vacunó. Su desconfianza declarada no determinó, por tanto, su comportamiento: a veces respondía menos a una convicción que a una forma de expresar una protesta. Lo esencial: lo que la gente dice creer no siempre predice lo que hace.
No existe un perfil tipo de la persona vulnerable a la desinformación. Los vínculos con la edad, el nivel de estudios o la personalidad son débiles y varían según lo que se mida. La vulnerabilidad sigue más bien una curva en «U»: baja en el centro, aumenta a medida que uno se aleja de él, tanto hacia la derecha como hacia la izquierda (Krouwel et al., 2017).
Lo que cuenta no es tanto ser de derecha o de izquierda como sostener posiciones radicales. Por último, aunque la personalidad influyera, no sería una palanca legítima: no corresponde a la acción pública dirigirse a la ciudadanía en función de sus rasgos psicológicos.
Estos mecanismos se amplifican en las sociedades polarizadas. La polarización refuerza el razonamiento motivado, empuja a exponerse a medios afines y convierte la adhesión a un relato favorable en una prueba de lealtad (Tucker et al., 2018). Y está en aumento: en la Asamblea Nacional, la distancia semántica entre grupos políticos, es decir, la diferencia entre las palabras que emplean, se ha multiplicado por seis entre 2007 y 2024 (Algan et al., 2025).
En Estados Unidos, la brecha afectiva entre partidarios de ambos campos (la diferencia entre la simpatía que sienten por su propio campo y por el contrario, en una escala de 0 a 100) ha pasado de 27 a 56 puntos en cuarenta años (Boxell, Gentzkow y Shapiro, 2024).
Posición. Corregir los errores factuales no basta: hay que actuar sobre las condiciones que hacen que estos relatos resulten socialmente funcionales.
2.2. Las raíces profundas de la demanda de desinformación
La desinformación no prospera en un vacío social: responde a una demanda. Cuando las desigualdades se agravan y los vínculos que unen a cada persona a un colectivo (trabajo, familia, asociaciones) se deshacen, los referentes comunes se desvanecen. Los relatos engañosos colman entonces esa carencia: ofrecen explicaciones sencillas, designan culpables y devuelven el sentimiento de pertenecer a un grupo.
Precariedad, aislamiento, desconfianza y polarización forman así una gramática de la inseguridad: una misma vivencia de inseguridad que adopta varias formas. Esta vivencia no convierte mecánicamente a los individuos en receptores de lo falso. Pero vuelve más plausibles ciertos relatos y deja menos recursos para refutarlos.
La precariedad percibida. No es tanto la pobreza objetiva como la precariedad percibida (miedo al futuro, sentimiento de exclusión, sensación de abandono) lo que alimenta el conspiracionismo, en Francia y en Italia (Adam-Troian et al., 2023, más de 3000 encuestados), resultado confirmado en 17 países europeos (Adamus et al., 2024, más de 50 000 participantes en total).
A escala de las sociedades, el pensamiento conspiracionista es más frecuente allí donde el desempleo y las desigualdades son más elevados (Cevik, 2024, 27 países), y percibir la propia sociedad como desigual aumenta la adhesión a los relatos conspiracionistas, a través del sentimiento de que la sociedad se desintegra (Casara, Suitner y Jetten, 2022). La precariedad no vuelve crédulo, vuelve desconfiado, y esa desconfianza abre la puerta a la desinformación.
La soledad. En Noruega se siguió a 2215 personas de 1992 a 2020: la soledad en la adolescencia, al igual que su agravamiento, predice la adhesión conspiracionista en la edad adulta, con independencia del origen social, la orientación política y los síntomas ansiosos o depresivos (Bierwiaczonek et al., 2024).
Estas creencias transforman el aislamiento en prueba de lucidez, orientan hacia comunidades homogéneas que las validan y ofrecen una pertenencia sustitutiva. Ahora bien, el aislamiento avanza en Francia: el 12 % de los franceses se encuentra en situación de aislamiento relacional en 2024, frente al 9 % en 2010; el 24 % se siente solo a menudo, el 35 % entre los adultos jóvenes y el 44 % entre los demandantes de empleo (Fondation de France, 2025).
La desconfianza institucional, a menudo fundada. Cuando las instituciones se perciben como corruptas, sus desmentidos pierden credibilidad y los relatos conspirativos ganan verosimilitud: cuando se desconfía de una institución, se exigen menos pruebas para creer que miente o conspira.
Tras la epidemia de ébola en Liberia, los ciudadanos que percibían el Estado como corrupto eran más proclives a acusarlo de haber provocado la enfermedad (Maffioli y Gonzalez, 2022); entre pacientes afroamericanos, el racismo médico del pasado ha alimentado una desconfianza duradera y una fuerte reticencia a la vacunación (Bogart et al., 2021). Esta desconfianza no es un error de ciudadanos irracionales: en general se corresponde con los niveles efectivos de corrupción (OCDE, 2022).
- Como mucho, uno de cada cinco franceses confía en el Gobierno (17 %), el presidente (18 %) o la Asamblea Nacional (20 %); el alcalde y el pleno municipal obtienen en torno al 60 % (CEVIPOF, centro de investigación política de Sciences Po, 2026).
- El 82 % considera que la democracia es un buen sistema en principio, pero el 76 % estima que funciona mal (CEVIPOF, 2026).
- En 2025, Francia alcanza su mínimo histórico en el índice de percepción de la corrupción de Transparency International (66/100, puesto 27.º), por debajo de la media de las democracias plenas (71).
- La confianza en los científicos sigue siendo elevada (82 %), uno de los baluartes más sólidos contra la desinformación en materia de salud.
Más que un rechazo del ideal democrático, estos datos reflejan el descrédito de sus instituciones concretas.
Posición. La desconfianza es, en gran medida, una reacción proporcionada a deficiencias reales de las instituciones. Ninguna campaña de comunicación la hará retroceder: solo pueden hacerlo actos tangibles. Luchar contra la desinformación sin abordar estas fragilidades equivale a achicar agua de un barco sin taponar sus brechas.
Parte siguienteParte 3 · El ecosistema de la información →El ecosistema informativo: lo falso no desplaza a lo verdadero, es lo verdadero lo que se debilita
Más vale luchar por la información que contra la desinformación. Las simulaciones de Acerbi, Altay y Mercier (2022) lo muestran: en un entorno en el que la información fiable es mucho más abundante que la falsa, reducir a cero la aceptación de toda la desinformación mejoraría el estado de las creencias en la misma medida, y no más, que aumentar en un solo punto la aceptación de la información fiable. ¿Por qué?
Porque lo falso solo representa una pequeña fracción de lo que la gente ve: aunque nadie volviera a creérselo, se corregirían pocas creencias. La información fiable, en cambio, constituye la mayor parte de lo que ve: convencer a un poco más de personas de que confíen en ella mejora, por tanto, de una sola vez un gran número de creencias. El margen de mejora se sitúa, pues, del lado de la amplia base fiable, no de la estrecha franja engañosa.
Ahora bien, es precisamente esa base la que se erosiona. La información ocupa un lugar mínimo en los usos cotidianos: en Francia, las fuentes de información no representan más que el 3 % del tiempo que se pasa en línea, menos de cinco minutos al día; el 17 % de las personas observadas no consultó ninguna en treinta días, el 46 % les dedicó menos de una hora en total y las visitas a una misma fuente rara vez superan los dos minutos (Cordonier y Brest, 2021).
En Estados Unidos, el 86 % del tiempo de consumo mediático no corresponde a ninguna forma de actualidad (Allen et al., 2020). El problema no es que lo falso llene las pantallas, sino que la información verificada apenas logra despertar interés y que quienes la producen apenas logran vivir de ella.
3.1. Las redes sociales frente a la desinformación: infraestructuras no neutrales, pero no omnipotentes
Puertas de entrada que se han vuelto fundamentales, sobre todo entre los jóvenes. Las redes sociales y las plataformas de vídeo son la principal fuente de información para el 19 % de los franceses, frente al 34 % de los estadounidenses, y para el 44 % de los jóvenes de 18 a 24 años, frente al 15 % de los mayores de 55.
Seis plataformas superan ya el 10 % de uso semanal para informarse de la actualidad, frente a dos hace diez años (Newman et al., 2025). En los 48 países de la encuesta, el público las señala como los principales vectores de desinformación, con Facebook (49 %) y TikTok (48 %) a la cabeza (Newman et al., 2025).
Arquitecturas que favorecen lo llamativo frente a lo fiable. Las plataformas no fabrican lo falso, sino que configuran su circulación. Sus sistemas de recomendación, optimizados para la interacción, favorecen los contenidos negativos, conflictivos y emocionales (Chavalarias, Bouchaud y Panahi, 2024). La desinformación prospera en ellas porque es un «atractor cognitivo», es decir, un contenido hecho a medida para captar nuestra atención: apela a la amenaza, el asco, la transgresión moral o la sexualidad, con la dosis justa de sorpresa para intrigar sin parecer absurdo (Acerbi, 2019).
No es su falsedad lo que la vuelve viral, sino propiedades que lo verdadero puede poseer igualmente. Por último, una pequeña minoría muy activa y poco representativa produce la mayor parte de los contenidos, lo que hace que las normas en línea parezcan más extremas de lo que son (Barberá et al., 2015). Los algoritmos no son neutrales: en X, el feed algorítmico favorece los contenidos conservadores y las cuentas militantes, relega a los medios de información y desplaza determinadas actitudes políticas (Gauthier et al., 2026).
Pero el efecto de los algoritmos es más limitado de lo que se cree.
- Las cámaras de eco son poco frecuentes. A escala de la dieta mediática completa, afectan aproximadamente al 6-8 % del público en el Reino Unido; la mayoría de las personas mantiene fuentes diversificadas (Ross Arguedas et al., 2022).
- Nuestras elecciones pesan al menos tanto. En Facebook, la selección que realiza el algoritmo reduce en torno a un 5-8 % la exposición a contenidos del bando político contrario. Nuestras propias decisiones de clic la reducen más, entre un 6 y un 17 % (Bakshy, Messing y Adamic, 2015).
- Cambiar el algoritmo no cambia mecánicamente las opiniones. Pasar a un feed cronológico en Facebook en 2020 llegó incluso a aumentar ligeramente la proporción de fuentes poco fiables (del 2,6 % al 4,4 %), sin efecto sobre la polarización (Guess et al., 2023).
- El estudio más citado debe matizarse. La constatación de que «lo falso circula seis veces más rápido que lo verdadero» (Vosoughi, Roy y Aral, 2018) se refiere a rumores ya cuestionados y verificados, no a la información en general; durante la pandemia, las verificaciones y la información científica circularon a veces más rápido que lo falso.
Desactivar Facebook durante cuatro semanas aumenta el bienestar y reduce algo la polarización, pero disminuye el nivel de información política (Allcott et al., 2020); la misma constatación se obtuvo en Francia durante las elecciones presidenciales de 2022 (Arceneaux et al., 2024).
A la inversa, pedir a participantes franceses y alemanes que sigan cuentas de medios de comunicación en Instagram y WhatsApp durante dos semanas aumenta sus conocimientos, su discernimiento y su confianza en los medios (Altay, Hoes y Wojcieszak, 2025). Como un pharmakon (en griego, a la vez veneno y remedio), las redes sociales perjudican o ayudan según la dosis y el uso. Lo que está en juego, por tanto, no es huir de ellas, sino dosificar su uso y lograr que la información de calidad tenga presencia en ellas.
La nueva capa: la IA. Los sistemas de recomendación, que eligen lo que aparece en nuestros feeds, son una forma de IA en funcionamiento desde hace una década. Es el riesgo vinculado a la IA sobre el que existe evidencia más sólida. Son también ellos los que deciden si un contenido generado por IA lo verán unas pocas personas o millones.
Los asistentes conversacionales, por su parte, se interponen entre el público y la información al sustituir una lista de fuentes por una respuesta única; sus errores en cuestiones electorales están documentados, pero su uso para informarse de la actualidad sigue siendo modesto: en 2025, el 7 % de los encuestados recurría a ellos cada semana para informarse (Newman et al., 2025). Su efecto más grave está en otra parte: el desplazamiento de la información de calidad (véase 3.2).
Posición. Las plataformas deben regularse a través de sus decisiones de diseño y de sus incentivos económicos. Pero culpar únicamente a la tecnología exime de examinar las fracturas que esta amplifica y el debilitamiento de los medios que deberían servir de contrapeso.
3.2. La crisis de los medios tradicionales: el baluarte contra la desinformación se resquebraja
Unos medios todavía centrales. En Francia, el avance de las plataformas no ha borrado a los medios consolidados: el 72 % de los franceses se informa a diario a través de la televisión, el 49 % a través de la prensa y el 35 % a través de la radio, frente al 45 % que lo hace a través de las redes sociales, los influencers o las herramientas de IA (La Croix-Verian, 2026).
Siguen siendo, además, los más creíbles: informativos de televisión (65 %), prensa regional (63 %), prensa nacional (58 %), muy por delante de los sitios exclusivamente digitales (40 %), la IA (28 %), las redes sociales (27 %) y los influencers (20 %). Y siguen produciendo la mayor parte de la información, incluso en línea: en torno al 40 % del tiempo dedicado a informarse en internet se concentra en medios tradicionales, con la prensa regional a la cabeza (Cordonier y Brest, 2021).
Pero una triple crisis los debilita.
- Una crisis económica. La proporción de los ingresos publicitarios que va a parar a los medios que producen contenidos pasó del 65 % en 2012 al 40 % en 2022 (DGMIC-Arcom, 2024); solo el 11 % de los franceses paga por informarse en línea (Newman et al., 2025); la supresión en 2022 de la contribución al audiovisual público debilitó el servicio público. Bajo esta restricción, las redacciones privilegian el comentario y el debate, menos costosos, en detrimento de la investigación y el reportaje.
- Una crisis de confianza. Solo el 29 % de los franceses confía en «la mayoría de las noticias», frente al 38 % en 2015 (puesto 41.º de 48); el 61 % considera que «hay que desconfiar» de lo que dicen los medios (Newman et al., 2025; La Croix-Verian, 2026).
- Una crisis de independencia. La creciente concentración de la propiedad, señalada por el Senado en 2022, alimenta la sospecha de injerencia; solo el 42 % de los franceses considera que la prensa regional es independiente de las presiones políticas (La Croix-Verian, 2026).
Por qué esto alimenta la desinformación. La desconfianza hacia los medios aumenta la credibilidad que se otorga a las noticias engañosas (Zimmermann y Kohring, 2020). Los franceses que han consultado una fuente de desinformación no están menos interesados en la actualidad: se interesan más por ella, pero confían menos en los medios y en las instituciones (Cordonier y Brest, 2021).
Sobre todo, la prensa local desempeña un papel cívico insustituible: la llegada de un primer periódico a una ciudad aumenta la participación electoral en torno a 0,3 puntos (Gentzkow, Shapiro y Sinkinson, 2011); el cierre de un diario local incrementa la polarización y la dependencia de los reflejos partidistas nacionales (Darr, Hitt y Dunaway, 2018). El declive del periodismo local no crea lo falso; reduce las instituciones capaces de producir, jerarquizar y dar credibilidad a lo verdadero.
La IA agrava la crisis mediante la desintermediación. Este término designa el hecho de que el público ya no necesita pasar por el medio que produjo la información: la IA se la resume directamente. Las respuestas generadas por IA en la parte superior de los buscadores instauran así una lógica de «cero clics»: el usuario obtiene la información sin visitar el sitio que la produjo. Y ese sitio vivía de esa visita.
- La caída de la tasa de clics cuando aparece un resumen de IA se estima entre el 35 % y el 60 % según los estudios (Pew, Ahrefs, Seer Interactive, 2025; métodos cuestionados por Google).
- El tráfico de Google hacia 2500 sitios de información cayó un 33 % en un año; los pequeños editores perdieron en torno al 60 % de su tráfico procedente de buscadores en dos años; el conjunto de los asistentes de IA genera menos del 1 % de las visitas a los sitios de los editores (Chartbeat, 2026).
- El 60 % de los sitios de información fiables impide que los rastreadores de las empresas de IA recopilen sus artículos, frente al 9 % de los sitios de desinformación (Steinacker-Olsztyn et al., 2025). Los modelos, que aprenden de lo que recopilan, corren por tanto el riesgo de nutrirse más de lo falso que de lo verdadero.
Estos datos del sector son de menor calidad que los estudios académicos, pero su convergencia es difícil de descartar. Se pone en marcha un círculo vicioso: al captar el valor de la información sin financiar su producción, la IA agota la fuente de la que depende la calidad de sus propias respuestas.
Posición. Volver a financiar los medios no es una política cultural accesoria: es una política de lucha contra la desinformación en sentido pleno.
Parte siguienteParte 4 · Las políticas de respuesta →Las políticas de lucha contra la desinformación: existen palancas eficaces, pero son las menos visibles
Elementos de contexto: una respuesta pública a la desinformación que ha ganado peso, pero mal orientada
Un arsenal denso. Francia dispone de un derecho antiguo que sanciona determinados usos de la mentira (ley de prensa de 1881, código electoral, código penal), al que la ley de 2018 añadió un procedimiento sumario electoral (référé) contra las informaciones falsas: un procedimiento de urgencia que permite solicitar a un juez, en periodo electoral, la retirada rápida de una información falsa. Solo se ha utilizado una vez, en 2019, y el juez desestimó la solicitud. El centro de gravedad se ha desplazado hacia Europa. El Reglamento europeo de Servicios Digitales (Digital Services Act, DSA), aplicable desde febrero de 2024, obliga a las plataformas de muy gran tamaño a evaluar y mitigar sus «riesgos sistémicos», es decir, los daños que su funcionamiento puede causar a escala de la sociedad, entre ellos la desinformación.
El Código de Buenas Prácticas en materia de Desinformación, un conjunto de compromisos asumidos por las plataformas, está integrado en él: desde julio de 2025, su cumplimiento puede verificarse mediante auditorías; el Reglamento de IA (AI Act, 2024) regula la manipulación y la transparencia de los contenidos sintéticos. La Estrategia Nacional de febrero de 2026 organiza quince objetivos en cuatro pilares (movilizar a la nación, regular las plataformas y la IA, reforzar la capacidad operativa frente a las injerencias, actuar con los aliados); VIGINUM detecta y documenta las injerencias digitales extranjeras, y French Response responde en las redes.
Un encuadre securitario y exógeno. Exógeno significa aquí que la amenaza se concibe como procedente del exterior (Estados extranjeros, plataformas) y no de la propia sociedad. Esta estrategia reconoce, por primera vez, que la desinformación explota vulnerabilidades sociales. Pero las trata como un contexto externo y privilegia respuestas técnicas, educativas y jurídicas que pueden movilizarse de inmediato. El mismo encuadre predomina en Europa: en 238 discursos de dirigentes de la Comisión Europea (2016-2024), la desinformación se atribuye ante todo a los Estados hostiles y a las plataformas, mediante metáforas militares y sanitarias (Fattorini et al., 2025).
Este encuadre resulta políticamente rentable: atribuir públicamente una injerencia a un Estado o desmentir un contenido constituye una acción visible, inmediata y cuyo mérito pueden reivindicar los responsables; actuar sobre las causas sería lento e invisible. Oculta, además, a los difusores nacionales, cuando los ciudadanos sitúan a sus propios responsables políticos (47 %) por delante de los gobiernos extranjeros (39 %) entre los productores de desinformación (Newman et al., 2025).
Un diagnóstico de los profesionales centrado en la oferta. Una encuesta a más de cien profesionales franceses de la lucha contra la desinformación (militares, altos funcionarios, reguladores, periodistas) arroja luz sobre estos sesgos (Darcy y Altay, 2026):
- el 90 % señala a las plataformas como amenaza grave, y solo el 18 % a los ciudadanos de a pie;
- el 88 % se informa en francés, cuando la literatura de referencia está en inglés, y apenas un tercio se mantiene al día;
- el 76 % considera muy o extremadamente problemática la distancia entre los discursos, que erigen la desinformación en prioridad, y los medios desplegados;
- el 63 % afirma verse frenado por el temor a ser acusado de censura, mientras que solo el 21 % dice enfrentarse a menudo a verdaderos dilemas éticos (el 62 %, rara vez o nunca): es el miedo a la acusación, más que el escrúpulo, lo que los contiene;
- la mitad lamenta la ausencia de un organismo coordinador: cada ministerio se ocupa de «su» desinformación;
- el 96 % prevé una intensificación de las injerencias, pero solo uno de cada ocho considera que los medios del Estado estarán a la altura.
Un problema de medición. Una política de resiliencia exitosa no produce, por definición, ningún efecto visible: su éxito es una manipulación que no prende, y no se ve lo que no ocurre. A falta de medir los efectos, las instituciones cuentan lo que es fácil de contar: las campañas detectadas y los contenidos retirados, es decir, la oferta. Ahora bien, lo que se mide orienta lo que se hace: la acción se concentra en la respuesta, y el diagnóstico centrado en la tecnología sale reforzado.
Una salvaguarda democrática. En todo el mundo, 80 países adoptaron o modificaron entre 2010 y 2022 una ley dirigida contra la desinformación en línea, 75 de ellos después de 2016, casi siempre mediante sanciones y la retirada de contenidos (Bradshaw, Lim y Haque, 2025). Conferir al gobierno, o a un juez que resuelva con carácter de urgencia, un poder amplio para decidir qué es verdad crearía una policía de la verdad.
Ello alimentaría el relato de la censura y, por tanto, la desconfianza que constituye el caldo de cultivo del problema. La democracia no debe, al defenderse, confiscar el derecho a cuestionar a los árbitros: los ciudadanos deben seguir siendo libres de poner en duda a quienes dicen lo verdadero, incluido el Estado.
Las palancas se presentan a continuación en cuatro pilares. Para cada una, la eficacia esperada sigue la matriz de evaluación elaborada en 2026, a partir de la literatura científica, por la DITP (Dirección Interministerial de Transformación Pública) y VIGINUM (●●●● muy elevada, ●●●○ elevada, ●●○○ aceptable, ●○○○ limitada); el asterisco señala una estimación del autor. La «facilidad de despliegue» indica lo sencillo que resulta su puesta en práctica (coste, viabilidad política y técnica); la «evidencia», la solidez de los estudios disponibles.
Secar la oferta de desinformación
Necesario pero insuficiente: actúa sobre la punta del iceberg. Debe dirigirse al dinero que genera la desinformación y a la autenticidad de quienes la difunden, nunca a la veracidad de los contenidos, que no corresponde al Estado dirimir.
Cortar los ingresos publicitarios de los sitios de desinformación, de las redes de cuentas falsas y de las granjas de sitios automatizados supone atacar el incentivo económico en lugar de los contenidos uno por uno. La «interacción sintética» designa los likes, los compartidos y los comentarios producidos artificialmente (cuentas falsas, bots) para simular popularidad.
El Código de Buenas Prácticas convierte la desmonetización en un compromiso verificable mediante auditoría. Hay que ir más allá y desvincular la remuneración de la interacción: mientras las plataformas remuneren los contenidos en función del número de reacciones que suscitan, fabricar reacciones falsas seguirá siendo rentable.
El DSA impone transparencia, evaluación de riesgos y acceso de los investigadores a los datos. Pero sigue siendo una regulación de cumplimiento normativo, que verifica sobre todo que se siguen determinados procedimientos: las plataformas evalúan ellas mismas sus riesgos y proponen sus propias soluciones, y el control depende de los datos que ellas facilitan (Toledano, 2026; Wolters y Zuiderveen Borgesius, 2025).
Se necesita una auditabilidad real de los sistemas de recomendación y del gasto publicitario: poder rastrear cada modificación del algoritmo, medir lo que entra en él y lo que sale de él, y dar acceso directo a expertos independientes. A largo plazo, hay que pluralizar también la propia recomendación: permitir que cada persona elija, en una misma plataforma, un algoritmo de ordenación diseñado por un tercero (interoperabilidad, middleware), a semejanza de proyectos como Tournesol.
Límites: el efecto propio de los cambios de algoritmo sobre la desinformación no está bien establecido; un feed cronológico no es una panacea (Guess et al., 2023). Además, el repliegue de las plataformas ya está en marcha: en enero de 2025, Meta puso fin a su programa de verificación de datos por terceros.
La carrera por detectar las falsificaciones está perdida de antemano, porque estas no dejan de perfeccionarse. Es preferible invertir la lógica y garantizar el origen de los contenidos auténticos, por ejemplo mediante estándares de procedencia del tipo C2PA: una especie de certificado adjunto a una foto o un vídeo que indica quién lo produjo y si ha sido modificado.
En cuanto a las campañas, es preferible identificarlas por sus señales de coordinación (cuentas que publican al mismo tiempo, cuentas recicladas, infraestructuras compartidas) que por su contenido. Así es como VIGINUM caracterizó «Doppelgänger» (sitios falsos que imitaban a medios reales) o «Portal Kombat» (una red de sitios de propaganda prorrusa).
La IA no es una fuerza impersonal: empresas, multimillonarios y Estados toman decisiones de diseño y de despliegue. La regulación debe abarcar la transparencia (saber que se está hablando con una IA) y la prohibición de la persuasión encubierta; respuestas tipo: sobre las modalidades de votación, los asistentes remitirían a las fuentes oficiales en lugar de responder ellos mismos; auditorías de exactitud cívica, que comprueben antes de cada elección la corrección de las respuestas de las IA a las preguntas electorales; corpus de entrenamiento auditables, para verificar que los textos de los que aprende la IA no han sido contaminados; la limitación de la complacencia (sycophancy), es decir, la tendencia de los compañeros de IA a dar siempre la razón a su usuario, un riesgo mayor para las personas aisladas; una protección penal específica contra los deepnudes dirigidos contra candidatas. Estas exigencias de responsabilidad se aplican también al Estado y a los equipos de campaña cuando utilizan la IA.
Actuar sobre las causas inmediatas de la adhesión
Las palancas mejor documentadas, las menos costosas y las más fáciles de desplegar. Pero su alcance es limitado y, mal calibradas, alimentan un escepticismo hacia toda información, verdadera o falsa.
Las causas inmediatas de la adhesión intervienen en el momento en que uno se encuentra con una información: la atención que se le presta, los reflejos de verificación, la capacidad de reconocer una fuente fiable. Las palancas de este pilar refuerzan esa resiliencia individual.
Según un metaanálisis de 33 estudios, la alfabetización mediática tiene el efecto medio más elevado de todas las formaciones (Lu et al., 2024). En la India, un programa de catorce semanas con 13 500 alumnos mejoró el discernimiento, con efectos que persistían cuatro meses después y se extendían a los padres, por menos de 5 dólares por alumno (Amar et al., 2025). En Francia, su principal operador es el CLEMI (Centro para la Educación en Medios e Información).
El prebunking, o «inoculación», funciona como una vacuna: se expone al público, en pequeñas dosis y de antemano, a las técnicas de manipulación (falsos expertos, falsos dilemas, apelación a las emociones), para que sepa reconocerlas cuando se las encuentre. Según un metaanálisis de 42 estudios, ello reduce la credibilidad de los contenidos engañosos y mejora el discernimiento (Lu et al., 2023).
Es la contramedida más sólida frente a la desinformación producida por IA, porque enseña a detectar procedimientos, sea cual sea el contenido. Hay que focalizarla en los ataques previsibles en periodo electoral: clonación de voz, informaciones falsas sobre las modalidades de votación.
La verificación de datos (fact-checking) mejora la exactitud de las creencias, pero apenas modifica las actitudes y los comportamientos (Porter y Wood, 2024). Su principal problema es el alcance: casi ningún lector de un artículo poco fiable lee la verificación correspondiente (Guess, Nyhan y Reifler, 2020), y en Facebook, dos tercios de los «me gusta» en las correcciones proceden de usuarios que ya están del lado de «la ciencia» (Zollo et al., 2017). En un país en el que la confianza institucional es baja, un desmentido emitido por el Estado corre el riesgo de ser menos eficaz que una corrección difundida por redacciones o asociaciones.
Una «fricción» es un pequeño obstáculo situado antes de compartir para incitar a la reflexión. Puesto que lo falso se comparte a menudo por falta de atención, invitar a juzgar la exactitud de un titular antes de compartirlo mejora la calidad de los enlaces compartidos (Pennycook et al., 2021), un efecto observado en 16 países con 34 286 participantes (Arechar et al., 2023).
Un diálogo con una IA que opone contraargumentos personalizados y fundamentados reduce la adhesión conspiracionista en torno a un 20 %, con un efecto que persiste a los dos meses (Costello, Pennycook y Rand, 2024). Estos usos merecen apoyo, con tres condiciones: transparencia (el usuario sabe que habla con una IA), voluntariedad (nunca persuasión estatal no declarada) y evaluación independiente, porque una IA optimizada para persuadir tiende a perder exactitud (Hackenburg et al., 2025).
Estas intervenciones mejoran el discernimiento, pero rara vez llegan de forma prioritaria a los públicos más expuestos y actúan más sobre los juicios que sobre los comportamientos. Reducen la creencia en lo falso, pero pueden erosionar la confianza en lo verdadero (Hoes et al., 2024): su efecto neto debe evaluarse, no presuponerse. Esta primera red de seguridad es necesaria, pero muy insuficiente.
Actuar sobre las causas profundas de la adhesión
La palanca más determinante, y la más difícil de accionar. Frente a la desinformación, el Estado social (protección social, servicios públicos, vínculo social) es la defensa más sólida del Estado en sus funciones soberanas (seguridad, defensa, orden público): reduce las vulnerabilidades en las que prenden las manipulaciones.
Las causas profundas de la adhesión son las condiciones sociales que hacen deseable lo falso: la desconfianza hacia las instituciones, la precariedad percibida, el aislamiento y la polarización (apartado 2.2). Las palancas de este pilar actúan sobre ellas.
Dado que la desconfianza es una reacción proporcionada ante incumplimientos reales, no retrocede con comunicación, sino con hechos: probidad efectiva de los responsables, sanción real de los incumplimientos, calidad de los servicios públicos, decisiones justificadas. La OCDE (2022) propone cinco dimensiones operativas: fiabilidad, capacidad de respuesta, integridad, apertura y equidad.
Asociaciones, bibliotecas, mediatecas, centros cívicos, terceros lugares: estos espacios de encuentro y de confrontación cotidiana de puntos de vista reducen el aislamiento, uno de los predictores más estables del conspiracionismo. Muchos han desaparecido.
Acceso a la vivienda, al empleo, a la atención sanitaria, a la salud mental y a los servicios públicos de proximidad; fondos de transición y acompañamiento sociosanitario en los territorios en declive.
El contacto organizado entre bandos opuestos, la deliberación ciudadana (talleres de Braver Angels, asambleas ciudadanas irlandesas) y la corrección de las metapercepciones, es decir, informar a cada bando de las posiciones reales del otro, a menudo menos radicales de lo que se imagina, producen efectos medibles.
Estas palancas exceden el mandato de las administraciones encargadas de la desinformación (inteligencia, fuerzas armadas, diplomacia, regulador), que no controlan ninguna de ellas. Los ministerios que sí las controlan (asuntos sociales, cultura, educación) deben incorporarse a la gobernanza de esta política.
Apoyar la información de calidad
El pilar más eficaz según la matriz DITP-VIGINUM, y el más descuidado. Puesto que el problema es ante todo una escasez creciente de información de calidad, apoyarla actúa de forma más directa que corregir lo falso a posteriori.
La prensa diaria regional goza de la confianza del 63 % de los franceses; el 73 % considera que destaca lo esencial de la actualidad. Canadá muestra lo que puede lograr una política ambiciosa: la Local Journalism Initiative ha movilizado 128,8 millones de dólares canadienses desde 2019, con los que ha financiado más de 400 puestos de periodista que cubren cerca de 1500 comunidades mal atendidas, con fondos administrados por organismos sin ánimo de lucro para mantener al Estado al margen de las decisiones editoriales y con contenidos compartidos bajo licencia libre.
Dos objeciones. «Subvencionar la prensa alimentaría la sospecha de unos medios al servicio del poder»: la respuesta está en la arquitectura de la financiación (fondos independientes, financiación de puestos y no de líneas editoriales, transparencia total), y la alternativa, un periodismo dependiente de las plataformas y de la IA, sería peor para la independencia.
«La franja que busca lo falso no leerá la prensa local»: es cierto, pero no es ese el objetivo; la prensa de proximidad hace que el terreno sea menos inflamable para el gran público. Coste: en Estados Unidos, un relanzamiento ambicioso se ha estimado entre 10 000 y 52 000 millones de dólares anuales (Bateman y Jackson, 2024).
Derecho de aprobación de las redacciones, que podrían aprobar o rechazar a un nuevo propietario en caso de cambio en el control del capital; transparencia del accionariado; gobernanza paritaria, en la que periodistas y accionistas comparten las decisiones; financiación pública estable del servicio público, mantenida al margen de las decisiones de redacción (Cagé y Huet, 2021; Reglamento Europeo sobre la Libertad de los Medios de Comunicación, 2024).
Organizar el reparto de valor entre los proveedores de IA y los editores, en la línea de los derechos afines, que ya obligan a las plataformas a remunerar a la prensa por la reutilización de sus contenidos; imponer a los asistentes obligaciones de cita y de enlace a las fuentes; extender a los proveedores de IA el acceso de los investigadores a los datos previsto en el artículo 40 del DSA, reservado hoy a las plataformas y los motores de búsqueda de muy gran tamaño. Hoy en día, nada organiza este reparto de valor.
Una parte creciente de la información circula a través de creadores de contenido, intermediarios de hecho: el 62 % no verifica sistemáticamente sus fuentes, el 73 % desea aprender a hacerlo y el 42 % toma los «me gusta» como indicio de credibilidad (UNESCO, 2024). Los poderes públicos deben dotar de herramientas a estos intermediarios (formación, bases de datos, herramientas de detección, transferencia de los resultados de la investigación) en lugar de corregir por sí mismos.
Cuadro de síntesis: jerarquizar las palancas contra la desinformación
| Pilar | Intervención | Palanca de la nota | Eficacia | Facilidad de despliegue | Nivel de evidencia |
|---|---|---|---|---|---|
| 4 · Información de calidad | Acompañar y revitalizar la prensa diaria regional | 13 | Muy elevada | Aceptable | Moderado |
| Asegurar una financiación estable a los medios y garantizar su independencia | 14 | Muy elevada | Limitada | Moderado | |
| Apoyar a los demás productores de contenidos | 16 | Elevada | Muy elevada | Débil | |
| Acompañar y dotar de herramientas al sector de la verificación de datos | 16 | Elevada | Elevada | Débil | |
| 3 · Causas profundas | Reforzar la integridad pública | 9 | Elevada | Elevada | Moderado |
| Reinvertir en los espacios de sociabilidad | 10 | Elevada | Aceptable | Débil | |
| Reforzar las políticas sociales, económicas y de salud pública | 11 | Elevada | Muy limitada | Débil | |
| 2 · Causas inmediatas | Alfabetización mediática e informacional | 5 | Aceptable | Elevada | Sólido |
| Inoculación (prebunking) | 6 | Aceptable | Aceptable | Sólido | |
| Verificación de datos | 7 | Limitada | Elevada | Sólido | |
| Mostrar la fuente de la información y su fiabilidad | 8 | Limitada | Aceptable | Sólido | |
| Introducir una pausa reflexiva | 8 | Limitada | Limitada | Sólido | |
| Mostrar la fuente para dotar de recursos al lector | 8 | Muy limitada | Limitada | Sólido | |
| 1 · Oferta | Sanear el espacio digital y poner en valor la información fiable | 1, 3 | Aceptable | Aceptable | Moderado |
| Modificar los algoritmos de recomendación | 2 | Limitada | Muy limitada | Moderado |
Adaptado de la matriz DITP-VIGINUM (2026), en cuya elaboración participó el autor, y del cuadro 1 de La Désinformation (Darcy, 2026). La facilidad de despliegue tiene en cuenta los costes de puesta en práctica y la viabilidad política o técnica del despliegue. La agrupación por pilares es propia de esta nota.
Las intervenciones mejor documentadas (verificación de datos, inoculación, nudges, esos «pequeños empujones» como las fricciones al compartir) son las que tienen efectos más modestos; las palancas consideradas más determinantes (prensa local, independencia de los medios, integridad pública, cohesión social) son las más costosas, las más lentas y las más difíciles de evaluar. Producen sus efectos en quince o veinte años, cuando un mandato dura cinco. Precisamente por eso se descuidan, y por eso hay que devolverlas a un primer plano.
Condición transversal · Dotarse de los medios para medir la desinformación y evaluar las políticas
- Medir la demanda, no solo la oferta: preguntar periódicamente a una misma muestra de personas (un panel) por su exposición a la desinformación, sus creencias, su confianza y su aislamiento. Este seguimiento se encomendaría a un organismo de confianza como el INSEE, bajo secreto estadístico, y se realizaría al mismo ritmo que el recuento de las campañas extranjeras.
- Evaluar los dispositivos ya financiados, mediante ensayos aleatorizados o cuasiexperimentales, así como el efecto neto de las intervenciones sobre la confianza en lo verdadero.
- Garantizar el acceso de los investigadores a los datos de las plataformas y de los proveedores de IA (artículo 40 del DSA).
- Hacer la investigación accesible a los profesionales: síntesis en francés y un equipo encargado de traducir los resultados de la investigación en recomendaciones operativas.
- Mantener una comunicación pública sobria: el discurso alarmista tiene un coste cuantificado para la confianza.
La desinformación no es una guerra que ganar, sino un equilibrio que restablecer
La desinformación no es ni un accidente marginal ni un instrumento de manipulación omnipotente. Escasa en las pantallas y concentrada en una pequeña minoría, produce pocos efectos directos demostrados; pero se instala porque encuentra asidero en vulnerabilidades muy reales que se agravan en Francia: polarización, soledad, precariedad, desconfianza institucional, debilitamiento económico de los medios. Si no cambian las políticas, la trayectoria es la de una sociedad más permeable a los relatos engañosos, y los propios profesionales prevén que el deterioro continúe.
Salir de esta trayectoria exige actuar simultáneamente sobre los cuatro pilares:
Estos pilares son indisociables: sin justicia social, la desconfianza seguirá alimentando la permeabilidad a lo falso; sin medios sólidos e independientes, la educación crítica no tendrá ninguna fuente fiable hacia la que orientar; sin comprender los resortes reales de la adhesión, la regulación y la educación errarán el blanco.
Entre el pánico, que avala por sí mismo la idea de que las elecciones son manipulables a voluntad, y la complacencia, la única posición defendible es la de una vigilancia instrumentada: permanecer atentos a la amenaza, pero apoyándose en mediciones y evaluaciones más que en impresiones.
Ello implica decisiones sobre el modelo de sociedad que la ciencia puede iluminar sin zanjarlas: el grado de solidaridad que una colectividad acepta financiar, la integridad que exige a sus dirigentes, el lugar que reserva a un periodismo libre. Una democracia debe poder responder a las manipulaciones; nunca debe hacerlo a costa del derecho a cuestionar a sus árbitros.
Las cifras clave
| Indicador | Valor | Fuente |
|---|---|---|
| Proporción de desinformación en lo que la gente consume en línea (mediana, medidas conductuales) | 1,3 % | Altay, 2026 (18 estudios) |
| Proporción del tiempo de conexión de los franceses dedicada a sitios no fiables | 0,16 % | Cordonier y Brest, 2021 |
| Proporción de personas expuestas al menos una vez (medidas conductuales) | 12 % | Altay, 2026 (27 estudios) |
| Proporción de personas que dicen haber visto desinformación (encuestas) | 57,7 % | Altay, 2026 (71 estudios) |
| Proporción de la actividad vinculada a la desinformación (visitas, compartidos) atribuible al 1 % de usuarios más activos | 70 % (mediana) | Altay, 2026 |
| Mismo indicador para la información en general | 30 a 43 % | Altay, 2026 |
| Tiempo en línea dedicado a la información en Francia | 3 %, menos de 5 min/día | Cordonier y Brest, 2021 |
| Ganancia en la exactitud de las creencias si nadie aceptara ya ninguna desinformación (simulación) | La misma ganancia que +1 punto de aceptación de la información fiable | Acerbi, Altay y Mercier, 2022 |
| Lectores de un artículo poco fiable que leen también la verificación correspondiente | Casi ninguno | Guess, Nyhan y Reifler, 2020 |
| Confianza de los franceses en «la mayoría de las noticias» | 29 % (38 % en 2015), puesto 41.º de 48 | Reuters Institute, 2025 |
| Proporción de los ingresos publicitarios que va a los medios productores de contenidos | 40 % en 2022 (65 % en 2012) | DGMIC-Arcom, 2024 |
| Franceses en situación de aislamiento relacional | 12 % en 2024 (9 % en 2010) | Fondation de France, 2025 |
| Profesionales franceses de la lucha contra la desinformación que ven una amenaza grave en las plataformas / en los ciudadanos de a pie | 90 % / 18 % | Darcy y Altay, 2026 |
Bibliografía y lecturas recomendadas
Todas las referencias citadas se recogen en la pestaña Todas las fuentes, a la que remite directamente cada cita del texto. La lista completa figura en la versión PDF de la nota.
Fuentes principales de esta nota: Darcy G., La Désinformation, París, La Découverte, col. «Repères», 2026; Darcy G., IA générative, accès à l'information et intégrité du débat démocratique, comparecencia ante la comisión «IA générative et vulnérabilités» del CIANum, n.º 48, 15 de junio de 2026; Altay S., «Rare on screens but on everyone's mind: a systematic review of misinformation prevalence, exposure, and concentration», Universidad de Zúrich, 2026; Darcy G., «Désinformation : la France peut-elle sortir de la spirale de la défiance ?», Futuribles, 2026.
«Cognitive attraction and online misinformation». Humanit. Soc. Sci. Commun., 2019, vol. 5, n.º 1. DOI
«Research note: Fighting misinformation or fighting for information?». Harvard Kennedy School Misinformation Review, 2022, vol. 3, n.º 1. DOI
«Of precarity and conspiracy: Introducing a socio-functional model of conspiracy beliefs». Br. J. Soc. Psychol., 2023, vol. 62, p. 136-159. DOI
«(Why) Is Misinformation a Problem?». Perspect. Psychol. Sci., 2023, vol. 18, n.º 6, p. 1436-1463. DOI
«Radio and the Rise of the Nazis in Prewar Germany». Q. J. Econ., 2015. DOI
«La fièvre parlementaire». Notes de l'Observatoire du bien-être, CEPREMAP, 2025.
«The Welfare Effects of Social Media». Am. Econ. Rev., 2020.
«The effects of political advertising on Facebook and Instagram before the 2020 US election». Nat. Hum. Behav., 2026. DOI
«Evaluating the fake news problem at the scale of the information ecosystem». Sci. Adv., 2020, vol. 6, n.º 14. DOI
«Quantifying the impact of misinformation and vaccine-skeptical content on Facebook». Science, 2024, vol. 384, eadk3451.
«Rare on screens but on everyone's mind: a systematic review of misinformation prevalence, exposure, and concentration». Prepublicación, Universidad de Zúrich, 2026.
«People believe misinformation is a threat because they assume others are gullible». New Media Soc., 2024, vol. 26, n.º 11. DOI
«Why do so few people share fake news? It hurts their reputation». New Media Soc., 2022, vol. 24, n.º 6. DOI
«Misinformation is a symptom: Commentary on Ecker et al. (2025)». American Psychologist, 2026.
«Countering Misinformation Early: Evidence from a Classroom-Based Field Experiment in India». Am. Polit. Sci. Rev., 2025. DOI
«Understanding and combatting misinformation across 16 countries on six continents». Nat. Hum. Behav., 2023, vol. 7, n.º 9. DOI
«Exposure to ideologically diverse news and opinion on Facebook». Science, 2015.
Countering Disinformation Effectively: An Evidence-Based Policy Guide. Carnegie Endowment for International Peace, 2024.
«Loneliness trajectories over three decades are associated with conspiracist worldviews in midlife». Nat. Commun., 2024, vol. 15. Lien
«COVID-19 related medical mistrust, health impacts, and potential vaccine hesitancy among Black Americans living with HIV». J. Acquir. Immune Defic. Syndr., 2021, vol. 86, n.º 2. DOI
«Cross-country trends in affective polarization». Rev. Econ. Stat., 2024, vol. 106, n.º 2.
«The Global Spread of Misinformation Laws». International Journal of Communication, 2025, vol. 19.
L'information est un bien public. Refonder la propriété des médias. París, Seuil, 2021.
«The Impact of Economic Inequality on Conspiracy Beliefs». J. Exp. Soc. Psychol., 2022, vol. 98. DOI
Baromètre de la confiance politique, Sciences Po, 2025 y 2026.
Chartbeat. Datos de tráfico de los editores, 2026 (citado en la comparecencia CIANum n.º 48).
How Do the French Inform Themselves on the Internet? Fondation Descartes, 2021.
«Durably reducing conspiracy beliefs through dialogues with AI». Science, 2024, vol. 385. DOI
«Disinformation in practice: Threats, actors, mechanisms, and constraints according to professionals». Harvard Kennedy School Misinformation Review, 2026, vol. 7, n.º 6. DOI
«Lutter contre la désinformation : penser autrement l'action publique à l'aune des sciences cognitives». Policy Brief, Institut Jean-Nicod, 2025. DOI
«Newspaper Closures Polarize Voting Behavior». J. Commun., 2018, vol. 68, n.º 6.
DGMIC-Arcom. Datos sobre el mercado publicitario, 2024.
Lutter efficacement contre les manipulations de l'information. Revue de la littérature académique et des interventions probantes. París, 2026.
«Exposure to the Russian Internet Research Agency foreign influence campaign on Twitter in the 2016 US election and its relationship to attitudes and voting behavior». Nat. Commun., 2023. DOI
«Misinformation poses a bigger threat to democracy than you might think». Nature, 2024. DOI
«Why misinformation must not be ignored». American Psychologist, 2025. DOI
«Weapon and poison: framing disinformation in European Commission speeches, 2016-2024». Documento de trabajo, 2025. DOI
Solitudes 2025.
«How prevalent is AI misinformation? What our studies in India show so far». Nature, 2024, vol. 630, p. 32-34. DOI
«The political effects of X's feed algorithm». Nature, 2026.
«The Effect of Newspaper Entry and Exit on Electoral Politics». Am. Econ. Rev., 2011, vol. 101, n.º 7.
«Fake news on Twitter during the 2016 U.S. presidential election». Science, 2019, vol. 363. DOI
«Less than you think: Prevalence and predictors of fake news dissemination on Facebook». Sci. Adv., 2019, vol. 5. DOI
«Exposure to untrustworthy websites in the 2016 US election». Nat. Hum. Behav., 2020, vol. 4, n.º 5. DOI
«How do social media feed algorithms affect attitudes and behavior in an election campaign?». Science, 2023, vol. 381.
«Prominent misinformation interventions reduce misperceptions but increase scepticism». Nat. Hum. Behav., 2024, vol. 8, n.º 8. DOI
«Why Depolarization Is Hard: Evaluating Attempts to Decrease Partisan Animosity in America». PNAS, 2025, vol. 122, n.º 39, e2508827122. DOI
«Affective polarization and misinformation belief». Political Behavior, 2024, vol. 46, n.º 2. DOI
«Negative Downstream Effects of Alarmist Disinformation Discourse: Evidence from the United States». Political Behavior, 2024, vol. 46, n.º 4.
«Misconceptions, misinformation, and the logic of identity-protective cognition». Cultural Cognition Project Working Paper, 2017. DOI
«The Minimal Persuasive Effects of Campaign Contact in General Elections». Am. Polit. Sci. Rev., 2018.
«Does Extreme Political Ideology Predict Conspiracy Beliefs?». J. Soc. Polit. Psychol., 2017, vol. 5, n.º 2.
Baromètre de la confiance des Français dans les médias, enero de 2026.
«Measuring the impact of COVID-19 vaccine misinformation on vaccination intent in the UK and USA». Nat. Hum. Behav., 2021, vol. 5, n.º 3. DOI
«Psychological Inoculation for Credibility Assessment, Sharing Intention, and Discernment of Misinformation». J. Med. Internet Res., 2023, vol. 25. DOI
«Can media literacy intervention improve fake news credibility assessment? A meta-analysis». Cyberpsychol. Behav. Soc. Netw., 2024, vol. 27, n.º 4. DOI
«Are socio-demographic and economic characteristics good predictors of misinformation during an epidemic?». PLOS Glob. Public Health, 2022. DOI
Not Born Yesterday: The Science of Who We Trust and What We Believe. Princeton University Press, 2020.
Reuters Institute Digital News Report 2025. Reuters Institute, 2025.
Instaurer la confiance pour renforcer la démocratie, 2022.
«Misinformed about misinformation: On the polarizing discourse on misinformation and its consequences for the field». Harvard Kennedy School Misinformation Review, 2024. DOI
The Russian «Firehose of Falsehood» Propaganda Model. RAND, 2016.
«Lazy, not biased: Susceptibility to partisan fake news is better explained by lack of reasoning than by motivated reasoning». Cognition, 2019 (en línea 2018), vol. 188. DOI
«Shifting attention to accuracy can reduce misinformation online». Nature, 2021, vol. 592. DOI
«Spotting false news and doubting true news: a systematic review and meta-analysis of news judgements». Nat. Hum. Behav., 2025, vol. 9, n.º 4. Lien
«Factual corrections: Concerns and current evidence». Curr. Opin. Psychol., 2024, vol. 55. DOI
«Misinformation interventions and online sharing behaviour: lessons learned from two pre-registered field studies». R. Soc. Open Sci., 2025, vol. 12. DOI
Echo chambers, filter bubbles, and polarisation: a literature review. Reuters Institute, 2022.
«On the conversational persuasiveness of GPT-4». Nat. Hum. Behav., 2025.
«The Liar's Dividend: Can Politicians Claim Misinformation to Evade Accountability?». Am. Polit. Sci. Rev., 2025 (en línea 2024), vol. 119, n.º 1, p. 71-90. DOI
«How malicious AI swarms can threaten democracy». Science, 2026, vol. 391, n.º 6783, p. 354-357. DOI
«Is Misinformation More Open? A Study of robots.txt Gatekeeping on the Web». arXiv:2510.10315, 2025.
AI-Enabled Influence Operations. CETaS, Alan Turing Institute, 2024.
«Misinformation is both a symptom and a cause: Reply to Altay and Mercier (2026)». American Psychologist, 2026.
La régulation du numérique : état des lieux et propositions, 2026.
Social Media, Political Polarization, and Political Disinformation: A Review of the Scientific Literature. Hewlett Foundation, 2018.
UNESCO. Encuesta sobre los creadores de contenido digital, 2024.
«The partisan brain: an identity-based model of political belief». Trends Cogn. Sci., 2018, vol. 22, n.º 3. DOI
«The spread of true and false news online». Science, 2018, vol. 359. DOI
Information Disorder. Consejo de Europa, 2017.
Le Non-recours aux politiques sociales. Grenoble, PUG, 2016.
«Mistrust, disinforming news, and vote choice». Political Communication, 2020.
«Debunking in a world of tribes». PLoS ONE, 2017, vol. 12, n.º 7. DOI
Toutes les sourcesAll sourcesTodas las fuentes
« Research note: Fighting misinformation or fighting for information? ». Harvard Kennedy School Misinformation Review, 2022, vol. 3, n° 1. DOI « Research note: Fighting misinformation or fighting for information? ». Harvard Kennedy School Misinformation Review, 2022, vol. 3, n° 1. DOI «Research note: Fighting misinformation or fighting for information?». Harvard Kennedy School Misinformation Review, 2022, vol. 3, n.º 1. DOI
« Cognitive attraction and online misinformation ». Humanit. Soc. Sci. Commun. 2019. Vol. 5, n°1, p. 1-7. DOI
« Of precarity and conspiracy: Introducing a socio-functional model of conspiracy beliefs ». Br. J. Soc. Psychol. janvier 2023. Vol. 62, suppl. 1, p. 136-159. DOI
« (Why) Is Misinformation a Problem? ». Perspect. Psychol. Sci. novembre 2023. Vol. 18, n°6, p. 1436-1463. DOI
« The mediating effect of institutional trust in the relationship between precarity and conspiracy beliefs: A conceptual replication of Adam-Troian et al. (2023) ». Br. J. Soc. Psychol. juillet 2024. Vol. 63, n°3, p. 1207-1225. DOI
« Radio and the Rise of The Nazis in Prewar Germany ». Q. J. Econ. 4 novembre 2015. Vol. 130, n°4, p. 1885-1939. DOI
La Fièvre parlementaire : ce monde où l’on catche ! Colère, polarisation et politique TikTok à l’Assemblée nationale. 13 janvier 2025. « Notes de l’Observatoire du bien-être », n° 2025-01. Paris : Observatoire du bien-être du CEPREMAP.
« The Welfare Effects of Social Media ». Am. Econ. Rev. 1 mars 2020. Vol. 110, n°3, p. 629-676. DOI
« The effects of political advertising on Facebook and Instagram before the 2020 US election ». Nat. Hum. Behav. 2 mars 2026. DOI
« Social Media and Fake News in the 2016 Election ». J. Econ. Perspect. 1 mai 2017. Vol. 31, n°2, p. 211-236. Lien
« Evaluating the fake news problem at the scale of the information ecosystem ». Sci. Adv. 3 avril 2020. Vol. 6, n°14, p. eaay3539. DOI
« Quantifying the impact of misinformation and vaccine-skeptical content on Facebook ». Science, 2024, vol. 384, eadk3451. DOI « Quantifying the impact of misinformation and vaccine-skeptical content on Facebook ». Science, 2024, vol. 384, eadk3451. DOI «Quantifying the impact of misinformation and vaccine-skeptical content on Facebook». Science, 2024, vol. 384, eadk3451. DOI
« AI-Generated Disinformation in Europe and Africa ». 2025. Johannesburg / Berlin : Konrad Adenauer Stiftung.
« Misinformation on Misinformation: Conceptual and Methodological Challenges ». Social Media + Society. 2023. Vol. 9, n°1. DOI
« People believe misinformation is a threat because they assume others are gullible ». New Media Soc. 1 novembre 2024. Vol. 26, n°11, p. 6440-6461. DOI
« A survey of expert views on misinformation: Definitions, determinants, solutions, and future of the field ». Harv. Kennedy Sch. Misinformation Rev. 27 juillet 2023. DOI
« Why do so few people share fake news? It hurts their reputation ». New Media Soc. 1 juin 2022. Vol. 24, n°6, p. 1303-1324. DOI
« Following news on social media boosts knowledge, belief accuracy and trust ». Nature Human Behaviour, 2025, vol. 9, n° 9. DOI "Following news on social media boosts knowledge, belief accuracy and trust". Nature Human Behaviour, 2025, vol. 9, no. 9. DOI «Following news on social media boosts knowledge, belief accuracy and trust». Nature Human Behaviour, 2025, vol. 9, n.º 9. DOI
« News Informs and Boosts Discernment: A Replication in France and Germany ». Int. J. Press. 29 octobre 2025. p. 19401612251378969. DOI
« Misinformation is a symptom: Commentary on Ecker et al. (2025) ». American Psychologist, 2026, vol. 81, n° 2, p. 287-289. DOI "Misinformation is a symptom: Commentary on Ecker et al. (2025)". American Psychologist, 2026, vol. 81, no. 2, pp. 287–289. DOI «Misinformation is a symptom: Commentary on Ecker et al. (2025)». American Psychologist, 2026, vol. 81, n.º 2, p. 287-289. DOI
« Rare on screens but on everyone's mind: a systematic review of misinformation prevalence, exposure, and concentration ». Prépublication, Université de Zurich, 2026. « Rare on screens but on everyone's mind: a systematic review of misinformation prevalence, exposure, and concentration ». Preprint, University of Zurich, 2026. «Rare on screens but on everyone's mind: a systematic review of misinformation prevalence, exposure, and concentration». Prepublicación, Universidad de Zúrich, 2026.
« Countering Misinformation Early: Evidence from a Classroom-Based Field Experiment in India ». Am. Polit. Sci. Rev. 9 octobre 2025. p. 1-21. DOI
et JOHNSON M. Changing Minds or Changing Channels? Partisan News in an Age of Choice. 2013. Chicago : University of Chicago Press.
« Facebook increases political knowledge, reduces well-being and informational treatments do little to help ». R. Soc. Open Sci. 1 octobre 2024. Vol. 11, n°10, p. 240280. DOI
« Understanding and combatting misinformation across 16 countries on six continents ». Nat. Hum. Behav. septembre 2023. Vol. 7, n°9, p. 1502-1513. DOI
« Leveraging AI for democratic discourse: Chat interventions can improve online political conversations at scale ». PNAS, 2023, vol. 120, n° 41, e2311627120. DOI "Leveraging AI for democratic discourse: Chat interventions can improve online political conversations at scale". PNAS, 2023, vol. 120, no. 41, e2311627120. DOI «Leveraging AI for democratic discourse: Chat interventions can improve online political conversations at scale». PNAS, 2023, vol. 120, n.º 41, e2311627120. DOI
« Exposure to ideologically diverse news and opinion on Facebook ». Science. 5 juin 2015. Vol. 348, n°6239, p. 1130-1132. DOI
« Understanding Fake News Consumption: A Review ». Soc. Sci. 2020. Vol. 9, n°10, p. 1-22. DOI
« Tweeting From Left to Right: Is Online Political Communication More Than an Echo Chamber? ». Psychol. Sci. octobre 2015. Vol. 26, n°10, p. 1531-1542. DOI
et JACKSON D. Countering Disinformation Effectively: An Evidence-Based Policy Guide. 2024. Washington, D.C. : Carnegie Endowment for International Peace.
Selling the American Way: U.S. Propaganda and the Cold War. 2008. Philadelphia : University of Pennsylvania Press.
« Loneliness trajectories over three decades are associated with conspiracist worldviews in midlife ». Nat. Commun. 2024. Vol. 15, n°1, p. 1-8. Lien
« COVID-19 Related Medical Mistrust, Health Impacts, and Potential Vaccine Hesitancy Among Black Americans Living With HIV ». J. Acquir. Immune Defic. Syndr. 1 février 2021. Vol. 86, n°2, p. 200-207. DOI
« Operation INFEKTION: Soviet Bloc Intelligence and Its AIDS Disinformation Campaign », Studies in Intelligence, vol. 53, n° 4, décembre, p. 1-24.
« Cross-Country Trends in Affective Polarization ». Rev. Econ. Stat. 19 mars 2024. Vol. 106, n°2, p. 557-565.
« Country Case Studies: Industrialized Disinformation – 2020 Global Inventory of Organized Social Media Manipulation ». Oxford Internet Institute, Computational Propaganda Project. 2021. Lien
« True Costs of Misinformation| The Global Spread of Misinformation Laws ». Int. J. Commun. 9 juin 2025. Vol. 19, p. 23-23. Lien
« Misinformation, disinformation, and fake news: lessons from an interdisciplinary, systematic literature review ». Ann. Int. Commun. Assoc. 2 avril 2024. Vol. 48, n°2, p. 139-166. DOI
« Science skepticism reduced compliance with COVID-19 shelter-in-place policies in the United States ». Nat. Hum. Behav. novembre 2021. Vol. 5, n°11, p. 1519-1527. DOI
et HUET B. L’information est un bien public. Refonder la propriété des médias. 2021. Paris : Seuil.
« Fake news as an informational moral panic: the symbolic deviancy of social media during the 2016 US presidential election ». Inf. Commun. Soc. 2020. Vol. 23, n°3, p. 374-388. DOI
Information Laundering in the Nordic-Baltic Region. 2021. Riga : NATO Strategic Communications Centre of Excellence.
« The Impact of Economic Inequality on Conspiracy Beliefs ». Journal of Experimental Social Psychology. 2022. Vol. 98, art. 104245. DOI
« How Mumbo-Jumbo conquered the world: empirical analysis of conspiracy theories ». Econ. Change Restruct. 2024. Vol. 57, n°4, p. 1-13. Lien
« Baromètre de la confiance politique 2026 », Sciences Po CEVIPOF.
« Google users are less likely to click on links when an AI summary appears in the results ». Pew Research Center, 22 juillet 2025 ; Law R., Guan X. « AI Overviews Reduce Clicks by 34.5% ». Ahrefs, avril 2025 ; McDonald T. « AIO Impact on Google CTR: September 2025 Update ». Seer Interactive, 2025. Lien "Google users are less likely to click on links when an AI summary appears in the results". Pew Research Center, 22 July 2025; Law R., Guan X. "AI Overviews Reduce Clicks by 34.5%". Ahrefs, April 2025; McDonald T. "AIO Impact on Google CTR: September 2025 Update". Seer Interactive, 2025. Lien «Google users are less likely to click on links when an AI summary appears in the results». Pew Research Center, 22 de julio de 2025; Law R., Guan X. «AI Overviews Reduce Clicks by 34.5%». Ahrefs, abril de 2025; McDonald T. «AIO Impact on Google CTR: September 2025 Update». Seer Interactive, 2025. Lien
Données de trafic des éditeurs, 2026 (cité dans l'audition CIANum n° 48). Publisher traffic data, 2026 (cited in CIANum hearing no. 48). Datos de tráfico de los editores, 2026 (citado en la comparecencia CIANum n.º 48).
« Can a Single Line of Code Change Society? The Systemic Risks of Optimizing Engagement in Recommender Systems on Global Information Flow, Opinion Dynamics and Social Structures ». J. Artif. Soc. Soc. Simul. 2024. Vol. 27, n°1, p. 9.
« Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security », California Law Review, vol. 107, p. 1753-1820. DOI
« The echo chamber effect on social media ». Proc. Natl. Acad. Sci. U. S. A. 2 mars 2021. Vol. 118, n°9, p. e2023301118. DOI
« The COVID-19 social media infodemic ». Sci. Rep. 6 octobre 2020. Vol. 10, n°1, p. 16598. DOI
« What We Saw on Our Platforms During 2024's Global Elections ». Meta, 3 décembre 2024. Lien "What We Saw on Our Platforms During 2024's Global Elections". Meta, 3 December 2024. Lien «What We Saw on Our Platforms During 2024's Global Elections». Meta, 3 de diciembre de 2024. Lien
« Trust in scientists and their role in society across 68 countries ». Nat. Hum. Behav. 2025. Vol. 9, n°4, p. 713-730.
Propagande. La manipulation de masse dans le monde contemporain. 2019. Paris : Belin.
« Neutralizing misinformation through inoculation: Exposing misleading argumentation techniques reduces their influence ». PLoS ONE. 5 mai 2017. Vol. 12, n°5, p. e0175799. DOI
Grandir informés : les pratiques informationnelles des enfants, adolescents et jeunes adultes. 2023. C&F Éditions.
« How Do the French Inform Themselves on the Internet? Analysis of Online Information and Disinformation Behaviors ». 2021. Paris : Fondation Descartes.
« Large language models can effectively convince people to believe conspiracies ». Prépublication arXiv:2601.05050, 2026. DOI "Large language models can effectively convince people to believe conspiracies". arXiv preprint 2601.05050, 2026. DOI «Large language models can effectively convince people to believe conspiracies». Prepublicación arXiv:2601.05050, 2026. DOI
« Durably reducing conspiracy beliefs through dialogues with AI ». Science. 13 septembre 2024. Vol. 385, n°6714, p. eadq1814. DOI
« Disinformation in practice: Threats, actors, mechanisms, and constraints according to professionals ». Harvard Kennedy School Misinformation Review. 2026. Vol. 7, n°6. DOI
La Désinformation. Paris, La Découverte, coll. « Repères », 2026. La Désinformation (in French). Paris, La Découverte, "Repères" series, 2026. La Désinformation. París, La Découverte, col. «Repères», 2026.
« Lutter contre la désinformation : Penser autrement l’action publique à l’aune des sciences cognitives ». Policy Brief de l’Institut Nicod. 28 mai 2025. DOI
« Newspaper Closures Polarize Voting Behavior ». J. Commun. 1 décembre 2018. Vol. 68, n°6, p. 1007-1028. DOI
Données sur le marché publicitaire, 2024. Advertising market data, 2024. Datos sobre el mercado publicitario, 2024.
« Ideological fragmentation of the social media ecosystem: From echo chambers to echo platforms ». PNAS Nexus. 1 septembre 2025. Vol. 4, n°9, p. pgaf262. DOI
« The Tactics & Tropes of the Internet Research Agency ». U. S. Senate Doc. 1 octobre 2019. Lien
« Lutter efficacement contre les manipulations de l’information. Revue de la littérature académique et des interventions probantes ». 2026. Paris : Direction interministérielle de la transformation publique.
« The crisis of democracy and the science of deliberation ». Science. 15 mars 2019. Vol. 363, n°6432, p. 1144-1146.
L. [2000], Cold War Civil Rights: Race and the Image of American Democracy, Princeton, Princeton University Press.
« Exposure to the Russian Internet Research Agency foreign influence campaign on Twitter in the 2016 US election and its relationship to attitudes and voting behavior ». Nat. Commun. 9 janvier 2023. Vol. 14, n°1, p. 62. DOI
« The psychological drivers of misinformation belief and its resistance to correction ». Nat. Rev. Psychol. janvier 2022. Vol. 1, n°1, p. 13-29. DOI
« Misinformation poses a bigger threat to democracy than you might think ». Nature, 2024, vol. 630. DOI "Misinformation poses a bigger threat to democracy than you might think". Nature, 2024, vol. 630. DOI «Misinformation poses a bigger threat to democracy than you might think». Nature, 2024, vol. 630. DOI
« Why misinformation must not be ignored ». Am. Psychol. 2025. Vol. 80, n°6, p. 867-878. DOI
« Delegitimizing the Media? Mapping Politicians' Media Criticism on Social Media ». Journal of Language and Politics. 2021. Vol. 20, n°5, p. 653-675.
What do people want? Views on platforms and the digital public sphere in eight countries. Oxford, Reuters Institute for the Study of Journalism, 2024. Lien What do people want? Views on platforms and the digital public sphere in eight countries. Oxford, Reuters Institute for the Study of Journalism, 2024. Lien What do people want? Views on platforms and the digital public sphere in eight countries. Oxford, Reuters Institute for the Study of Journalism, 2024. Lien
« Classiques des sciences sociales », 1990.
Misguided: Where Misinformation Starts, How It Spreads, and What to Do About It. 2025. New York : Columbia University Press.
Weapon and Poison: Framing Disinformation in European Commission Speeches, 2016–2024. 2025. Preprint.
« Disinformation and Social Bot Operations in the Run Up to the 2017 French Presidential Election ». First Monday. 7 août 2017. Vol. 22, n°8.
« #SaveTheChildren: A pilot study of a social media movement co-opted by conspiracy theorists ». Harv. Kennedy Sch. Misinformation Rev. 23 mai 2024. DOI
Solitudes 2025. Solitudes 2025. Solitudes 2025.
« The concomitants of conspiracy concerns ». Soc. Psychiatry Psychiatr. Epidemiol. mai 2017. Vol. 52, n°5, p. 595-604. DOI
« How prevalent is AI misinformation? What our studies in India show so far ». Nature. 2024. Vol. 630, n°8015, p. 32-34. Lien
« The political effects of X’s feed algorithm ». Nature. 2026. Vol. 652, p. 416-423. DOI
« Debunking Three Myths About Misinformation ». Curr. Dir. Psychol. Sci. février 2025. Vol. 34, n°1, p. 36-42. DOI
« The Effect of Newspaper Entry and Exit on Electoral Politics ». Am. Econ. Rev. décembre 2011. Vol. 101, n°7, p. 2980-3018. DOI
« A systematic review and meta-analysis of psychological research on conspiracy beliefs: Field characteristics, measurement instruments, and associations with personality traits ». Front. Psychol. 2019. Vol. 10,. DOI
« Fake news on Twitter during the 2016 U.S. presidential election ». Science. 25 janvier 2019. Vol. 363, n°6425, p. 374-378. DOI
« A digital media literacy intervention increases discernment between mainstream and false news in the United States and India ». Proc. Natl. Acad. Sci. U. S. A. 7 juillet 2020. Vol. 117, n°27, p. 15536-15545. DOI
« How do social media feed algorithms affect attitudes and behavior in an election campaign? ». Science. 28 juillet 2023a. Vol. 381, n°6656, p. 398-404. DOI
« Exposure to untrustworthy websites in the 2016 US election ». Nat. Hum. Behav., 2020, vol. 4, n° 5, p. 472-480. DOI "Exposure to untrustworthy websites in the 2016 US election". Nat. Hum. Behav., 2020, vol. 4, no. 5, pp. 472-480. DOI «Exposure to untrustworthy websites in the 2016 US election». Nat. Hum. Behav., 2020, vol. 4, n.º 5, p. 472-480. DOI
« Less than you think: Prevalence and predictors of fake news dissemination on Facebook ». Sci. Adv. 9 janvier 2019. Vol. 5, p. eaau4586. DOI
« The role of perceived minority-group status in the conspiracy beliefs of factual majority groups ». R. Soc. Open Sci. 18 octobre 2023. Vol. 10,. DOI
« Evaluating the persuasive influence of political microtargeting with large language models ». PNAS, 2024, vol. 121, n° 24, e2403116121. DOI "Evaluating the persuasive influence of political microtargeting with large language models". PNAS, 2024, vol. 121, no. 24, e2403116121. DOI «Evaluating the persuasive influence of political microtargeting with large language models». PNAS, 2024, vol. 121, n.º 24, e2403116121. DOI
« The levers of political persuasion with conversational artificial intelligence ». Science. 4 décembre 2025. Vol. 390, n°6777, p. eaea3884. DOI
« Durably Reducing Partisan Animosity Through Multiple Scalable Treatments ». Proceedings of the National Academy of Sciences, vol. 122, n° 19, e2424414122, 2025. DOI
« Whom to trust? Media exposure patterns of citizens with perceptions of misinformation and disinformation related to the news media ». Eur. J. Commun. 11 février 2022. Vol. 37, n°3, p. 237-268 DOI
« Video on demand: what deepfakes do and how they harm ». Synthese, 2021, vol. 199, p. 13373-13391. "Video on demand: what deepfakes do and how they harm". Synthese, 2021, vol. 199, pp. 13373-13391. «Video on demand: what deepfakes do and how they harm». Synthese, 2021, vol. 199, p. 13373-13391.
« The Dark Side of Information Proliferation ». Perspect. Psychol. Sci. 1 mai 2019. Vol. 14, n°3, p. 323-330. DOI
N. et FOURQUET J.-L. La dictature des algorithmes. Une transition numérique démocratique est possible. 2024. Paris : Tallandier.
« Prominent misinformation interventions reduce misperceptions but increase scepticism ». Nat. Hum. Behav. août 2024. Vol. 8, n°8, p. 1545-1553. DOI
« Why Depolarization Is Hard: Evaluating Attempts to Decrease Partisan Animosity in America ». Proceedings of the National Academy of Sciences, vol. 122, n° 39, e2508827122, 2025. DOI
« Cross-national differences in willingness to believe conspiracy theories ». Curr. Opin. Psychol. 1 octobre 2022. Vol. 47, p. 101391. DOI
« Resilience to Online Disinformation: A Framework for Cross-National Comparative Research ». Int. J. Press. 1 juillet 2020. Vol. 25, n°3, p. 493-516. DOI
« Speaking (Un–)Truth to Power: Conspiracy Mentality as A Generalised Political Attitude ». Eur. J. Personal. 1 janvier 2014. Vol. 28, n°1, p. 25-43. DOI
« Affective Polarization and Misinformation Belief ». Polit. Behav. 1 juin 2024. Vol. 46, n°2, p. 825-884. DOI
« The social consequences of conspiracism: Exposure to conspiracy theories decreases intentions to engage in politics and to reduce one’s carbon footprint ». Br. J. Psychol. 2014. Vol. 105, n°1, p. 35-56. DOI
« Ideological asymmetries in conformity, desire for shared reality, and the spread of misinformation ». Curr. Opin. Psychol. 1 octobre 2018. Vol. 23, p. 77-83. DOI
« Negative Downstream Effects of Alarmist Disinformation Discourse: Evidence from the United States ». Political Behavior, 2024, vol. 46, n° 4. DOI « Negative Downstream Effects of Alarmist Disinformation Discourse: Evidence from the United States ». Political Behavior, 2024, vol. 46, n° 4. DOI «Negative Downstream Effects of Alarmist Disinformation Discourse: Evidence from the United States». Political Behavior, 2024, vol. 46, n.º 4. DOI
Misconceptions, Misinformation, and the Logic of Identity-Protective Cognition. 24 mai 2017.
« The Minimal Persuasive Effects of Campaign Contact in General Elections: Evidence from 49 Field Experiments ». Am. Polit. Sci. Rev. 1 février 2018. Vol. 112, n°1, p. 148-166. DOI
« We Looked at 78 Election Deepfakes. Political Misinformation Is Not an AI Problem ». Knight First Amendment Institute, Columbia University, décembre 2024. Lien "We Looked at 78 Election Deepfakes. Political Misinformation Is Not an AI Problem". Knight First Amendment Institute, Columbia University, December 2024. Lien «We Looked at 78 Election Deepfakes. Political Misinformation Is Not an AI Problem». Knight First Amendment Institute, Columbia University, diciembre de 2024. Lien
Der Hitler-Mythos. Volksmeinung und Propaganda im Dritten Reich. 1980. Stuttgart : Deutsche Verlags-Anstalt.
« How the Chinese Government Fabricates Social Media Posts for Strategic Distraction, Not Engaged Argument ». Am. Polit. Sci. Rev. août 2017. Vol. 111, n°3, p. 484-501. DOI
« Private Traits and Attributes Are Predictable from Digital Records of Human Behavior », PNAS, vol. 110, n° 15, p. 5802-5805.
« Does Extreme Political Ideology Predict Conspiracy Beliefs, Economic Evaluations and Political Trust? Evidence From Sweden ». J. Soc. Polit. Psychol. 28 octobre 2017. Vol. 5, n°2, p. 435-462. DOI
« Social identity correlates of social media engagement before and after the 2022 Russian invasion of Ukraine ». Nat. Commun. 1 octobre 2024. Vol. 15, n°1, p. 8127.
LAZARSFELD P., BERELSON B. et GAUDET H. The People’s Choice. 1944. New York : Duell, Sloan and Pearce.
« The science of fake news ». Science. 9 mars 2018. Vol. 359, n°6380, p. 1094-1096. DOI
« Information Environments Surrounding General Social Trust in COVID-19 Context: A Model of Belief in Misinformation and In-Group Trust ». Int. J. Commun. 28 septembre 2024. Vol. 18, p. 4370-4393. Lien
« Did people really drink bleach to prevent COVID-19? A guide for protecting survey data against problematic respondents ». PloS One. 2023. Vol. 18, n°7, p. e0287837. DOI
« Measuring the impact of COVID-19 vaccine misinformation on vaccination intent in the UK and USA ». Nat. Hum. Behav. mars 2021. Vol. 5, n°3, p. 337-348. DOI
« Can media literacy intervention improve fake news credibility assessment? A meta-analysis ». Cyberpsychology Behav. Soc. Netw. 2024. Vol. 27, n°4, p. 240-252. DOI
« Psychological Inoculation for Credibility Assessment, Sharing Intention, and Discernment of Misinformation: Systematic Review and Meta-Analysis ». J. Med. Internet Res. 29 août 2023. Vol. 25, p. e49255. DOI
« Long-term effectiveness of inoculation against misinformation: Three longitudinal experiments ». J. Exp. Psychol. Appl. mars 2021. Vol. 27, n°1, p. 1-16. DOI
« Are socio-demographic and economic characteristics good predictors of misinformation during an epidemic? ». PLOS Glob. Public Health. 16 mars 2022. Vol. 2, n°3, p. e0000279. DOI
« Political Machines: Understanding the Role of AI in the U.S. 2024 Elections and Beyond ». Center for Media Engagement, The University of Texas at Austin, mai 2024.
« Information battleground: Conflict perceptions motivate the belief in and sharing of misinformation about the adversary ». PloS One. 2023. Vol. 18, n°3, p. e0282308. DOI
Not Born Yesterday: The Science of Who We Trust and What We Believe. Princeton University Press, 2020.
« Why do humans reason? Arguments for an argumentative theory ». Behav. Brain Sci. avril 2011. Vol. 34, n°2, p. 57-74; discussion 74-111. DOI
« Fanning the Flames of Hate: Social Media and Hate Crime ». J. Eur. Econ. Assoc. août 2021. Vol. 19, n°4, p. 2131-2167.
« Health misinformation: what it is, why people believe it, how to counter it ». Ann. Int. Commun. Assoc. 20 juin 2023. Vol. 47, 381–410. DOI
Reuters Institute digital news report 2025. Reuters Institute for the Study of Journalism, 2025.
« Instaurer la confiance pour renforcer la démocratie : Principales conclusions de l’enquête 2021 de l’OCDE sur les déterminants de la confiance dans les institutions publiques ». Build. Trust Public Inst. 13 juillet 2022.
Instaurer la confiance pour renforcer la démocratie : Principales conclusions de l'enquête 2021 de l'OCDE sur les déterminants de la confiance dans les institutions publiques. Paris, Éditions OCDE, 2022. DOI Building Trust to Reinforce Democracy: Main Findings from the 2021 OECD Survey on Drivers of Trust in Public Institutions. Paris, OECD Publishing, 2022. DOI Instaurer la confiance pour renforcer la démocratie : Principales conclusions de l'enquête 2021 de l'OCDE sur les déterminants de la confiance dans les institutions publiques. París, Éditions OCDE, 2022. DOI
« OCDE Survey on Drivers of Trust in Public Institutions – 2024 Results: Building Trust in a Complex Policy Environment ».
« The impact of data portability on user empowerment, innovation and competition. » 2024. Paris : OECD Publishing.
La vérité est une question politique. 2024. Paris : Albin Michel, coll. « Humanités politiques ».
« Misinformed about misinformation: On the polarizing discourse on misinformation and its consequences for the field ». Harvard Kennedy School Misinformation Review, 2024. DOI "Misinformed about misinformation: On the polarizing discourse on misinformation and its consequences for the field". Harvard Kennedy School Misinformation Review, 2024. DOI «Misinformed about misinformation: On the polarizing discourse on misinformation and its consequences for the field». Harvard Kennedy School Misinformation Review, 2024. DOI
« The Russian “Firehose of Falsehood” Propaganda Model: Why It Might Work and Options to Counter It ». RAND Corporation, 2016. DOI
« Shifting attention to accuracy can reduce misinformation online ». Nature. avril 2021. Vol. 592, n°7855, p. 590-595. DOI
Lazy, Not Biased: Susceptibility to Partisan Fake News Is Better Explained by Lack of Reasoning Than by Motivated Reasoning. 2018. DOI
« Nudging social media toward accuracy ». Ann. Am. Acad. Pol. Soc. Sci. 2022. Vol. 700, n°1, p. 152-164. DOI
« Improving Wikipedia verifiability with AI ». Nature Machine Intelligence, 2023, vol. 5. DOI "Improving Wikipedia verifiability with AI". Nature Machine Intelligence, 2023, vol. 5. DOI «Improving Wikipedia verifiability with AI». Nature Machine Intelligence, 2023, vol. 5. DOI
« Spotting false news and doubting true news: a systematic review and meta-analysis of news judgements ». Nat. Hum. Behav. 2025. Vol. 9, n°4, p. 688-699. Lien
« Factual corrections: Concerns and current evidence ». Curr. Opin. Psychol. février 2024. Vol. 55, p. 101715. DOI
« The global effectiveness of fact-checking: Evidence from simultaneous experiments in Argentina, Nigeria, South Africa, and the United Kingdom ». Proc. Natl. Acad. Sci. U. S. A. 14 septembre 2021. Vol. 118, n°37, p. e2104235118. DOI
et ZAGNI G. Une histoire de la désinformation. Fake news et théories du complot des Pharaons aux réseaux sociaux, 2025, Paris, Éditions Mimésis.
« Effective correction of misinformation ». Curr. Opin. Psychol. décembre 2023. Vol. 54, p. 101712. DOI
« COVID-19 infodemic: More retweets for science-based information on coronavirus than for false information ». Int. Sociol. 1 juillet 2020. Vol. 35, n°4, p. 377-392. DOI
« Understanding the Relationship between Urban Public Space and Social Cohesion: A Systematic Review ». Int. J. Community Well-Being. 1 juin 2024. Vol. 7, n°2, p. 155-212.
« Truth of Varying Shades: Analyzing Language in Fake News and Political Fact-Checking ». Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing (EMNLP), Copenhague, Danemark, 2017, p. 2931–2937. DOI
Journal officiel de l'Union européenne, L, 17 avril 2024. Lien Official Journal of the European Union, L, 17 April 2024. LienReglamento (UE) 2024/1083 del Parlamento Europeo y del Consejo, de 11 de abril de 2024, por el que se establece un marco común para los servicios de medios de comunicación en el mercado interior y se modifica la Directiva 2010/13/UE (Reglamento Europeo sobre la Libertad de los Medios de Comunicación). Diario Oficial de la Unión Europea, L, 17 de abril de 2024. Lien
E. Censored: Distraction and Diversion Inside China’s Great Firewall. 2018. Princeton, NJ : Princeton Univ. Press.
et VAN DER LINDEN S. The Psychology of Misinformation. 2024. Cambridge : Cambridge University Press.
« Misinformation interventions and online sharing behaviour: lessons learned from two pre-registered field studies ». R. Soc. Open Sci. novembre 2025. Vol. 12, n°11, p. 251377. DOI
« Susceptibility to misinformation about COVID-19 around the world ». R. Soc. Open Sci. octobre 2020. Vol. 7, n°10, p. 201199. DOI
« Psychological inoculation improves resilience against misinformation on social media ». Sci. Adv. 24 août 2022. Vol. 8, n°34, p. eabo6254. DOI
« Information Politics and Propaganda in Authoritarian Societies ». Annu. Rev. Polit. Sci. 29 juillet 2024. Vol. 27, 2024, p. 263-281. DOI
Echo chambers, filter bubbles, and polarisation: a literature review. Reuters Institute for the Study of Journalism, 2022.
La Matière noire de la démocratie. Paris : Presses de Sciences Po, coll. « Nouveaux débats », 2019.
« A well-funded Moscow-based global 'news' network has infected Western artificial intelligence tools worldwide with Russian propaganda ». NewsGuard Special Report, 6 mars 2025. Lien "A well-funded Moscow-based global 'news' network has infected Western artificial intelligence tools worldwide with Russian propaganda". NewsGuard Special Report, 6 March 2025. Lien «A well-funded Moscow-based global 'news' network has infected Western artificial intelligence tools worldwide with Russian propaganda». NewsGuard Special Report, 6 de marzo de 2025. Lien
« On the conversational persuasiveness of GPT-4 ». Nat. Hum. Behav., 2025. DOI « On the conversational persuasiveness of GPT-4 ». Nat. Hum. Behav., 2025. DOI «On the conversational persuasiveness of GPT-4». Nat. Hum. Behav., 2025. DOI
« Meta's Fact-Checking Rollback: Governance, Free Speech, and User Safety ». Berkeley Technology Law Journal [en ligne], mai 2025. Lien
« The Liar's Dividend: Can Politicians Claim Misinformation to Evade Accountability? ». Am. Polit. Sci. Rev., 2025 (en ligne 2024), vol. 119, n° 1, p. 71-90. DOI « The Liar's Dividend: Can Politicians Claim Misinformation to Evade Accountability? ». Am. Polit. Sci. Rev., 2025 (online 2024), vol. 119, no. 1, p. 71-90. DOI «The Liar's Dividend: Can Politicians Claim Misinformation to Evade Accountability?». Am. Polit. Sci. Rev., 2025 (en línea 2024), vol. 119, n.º 1, p. 71-90. DOI
« Disparities by design: Toward a research agenda that links science misinformation and socioeconomic marginalization in the age of AI ». Harv. Kennedy Sch. Misinformation Rev. 17 juillet 2025. DOI
« How malicious AI swarms can threaten democracy ». Science. 22 janvier 2026. Vol. 391, n°6783, p. 354-357. DOI
« Indian Election Was Awash in Deepfakes—but AI Was a Net Positive for Democracy ». The Conversation, 13 juin 2024. Lien "Indian Election Was Awash in Deepfakes—but AI Was a Net Positive for Democracy". The Conversation, 13 June 2024. Lien «Indian Election Was Awash in Deepfakes—but AI Was a Net Positive for Democracy». The Conversation, 13 de junio de 2024. Lien
« The persuasive effects of political microtargeting in the age of generative artificial intelligence ». PNAS Nexus. février 2024. Vol. 3, n°2, p. pgae035. DOI
« Don’t Panic (Yet): Assessing the Evidence and Discourse Around Generative AI and Elections ». Knight First Amendment Institute, Columbia University. 7 juillet 2025.
« The evaluation of fake and true news: on the role of intelligence, personality, interpersonal trust, ideological attitudes, and news consumption ». Heliyon. mars 2021. Vol. 7, n°3, p. e06503. DOI
« Is Misinformation More Open? A Study of robots.txt Gatekeeping on the Web ». arXiv:2510.10315, 2025. « Is Misinformation More Open? A Study of robots.txt Gatekeeping on the Web ». arXiv:2510.10315, 2025. «Is Misinformation More Open? A Study of robots.txt Gatekeeping on the Web». arXiv:2510.10315, 2025.
AI-Enabled Influence Operations. CETaS, Alan Turing Institute, 2024. AI-Enabled Influence Operations. CETaS, Alan Turing Institute, 2024. AI-Enabled Influence Operations. CETaS, Alan Turing Institute, 2024.
« Susceptibility to online misinformation: A systematic meta-analysis of demographic and psychological factors ». Proc. Natl. Acad. Sci. U. S. A. 19 novembre 2024. Vol. 121, n°47, p. e2409329121. DOI
« Social Psychological Predictors of Belief in Fake News in the Run-Up to the 2019 Hungarian Elections: The Importance of Conspiracy Mentality Supports the Notion of Ideological Symmetry in Fake News Belief ». Front. Psychol. 24 décembre 2021. Vol. 12, p. 790848. DOI
« Quantifying the potential persuasive returns to political microtargeting ». Proc. Natl. Acad. Sci. U. S. A. 20 juin 2023. Vol. 120, n°25, p. e2216261120. DOI
« Misinformation is both a symptom and a cause: Reply to Altay and Mercier (2026) ». American Psychologist, 2026, vol. 81, n° 2, p. 290-292. DOI "Misinformation is both a symptom and a cause: Reply to Altay and Mercier (2026)". American Psychologist, 2026, vol. 81, no. 2, pp. 290–292. DOI «Misinformation is both a symptom and a cause: Reply to Altay and Mercier (2026)». American Psychologist, 2026, vol. 81, n.º 2, p. 290-292. DOI
« AI can help humans find common ground in democratic deliberation ». Science, 2024, vol. 386, n° 6719, eadq2852. DOI "AI can help humans find common ground in democratic deliberation". Science, 2024, vol. 386, no. 6719, eadq2852. DOI «AI can help humans find common ground in democratic deliberation». Science, 2024, vol. 386, n.º 6719, eadq2852. DOI
La régulation du numérique : état des lieux et propositions. 7 janvier 2026. Preprint.
Social Media, Political Polarization, and Political Disinformation: A Review of the Scientific Literature. 19 mars 2018.
Behind the screens: Insights from digital content creators. 2024. Paris : UNESCO.
« The Partisan Brain: An Identity-Based Model of Political Belief ». Trends Cogn. Sci. mars 2018. Vol. 22, n°3, p. 213-224. DOI
« Updating the identity-based model of belief: From false belief to the spread of misinformation ». Curr. Opin. Psychol. 1 avril 2024. Vol. 56, p. 101787. DOI
Foolproof: Why Misinformation Infects Our Minds and How to Build Immunity. 2023. New York : W. W. Norton & Company.
« Baromètre de la confiance des Français dans les médias 2026 », La Croix – Verian – La Poste, 15 janvier.
Le Service public empêché. Paris : Presses universitaires de France, 2024.
Défis et « opportunités » de l’intelligence artificielle dans la lutte contre les manipulations de l’information. 2025. Paris : SGDSN.
« Megastudy Testing 25 Treatments to Reduce Antidemocratic Attitudes and Partisan Animosity ». Science, vol. 386, n° 6719, eadh4764, 2024. DOI
« The spread of true and false news online ». Science. 9 mars 2018. Vol. 359, n°6380, p. 1146-1151. DOI
« Who Does(n’t) Target You? Mapping the Worldwide Usage of Online Political Microtargeting ». J. Quant. Descr. Digit. Media. 1 mai 2024. Vol. 4,.
« Limited effectiveness of psychological inoculation against misinformation in a social media feed ». PNAS Nexus. juin 2025. Vol. 4, n°6, p. pgaf172. DOI
« Comprendre la méfiance vis-à-vis des vaccins : des biais de perception aux controverses ». Rev. Fr. Sociol. 6 octobre 2020. Vol. 61, n°2, p. 243-273. DOI
Information Disorder: Toward an Interdisciplinary Framework for Research and Policy Making. 2017. Strasbourg : Conseil de l’Europe.
Le Non-recours aux politiques sociales. Grenoble : Presses universitaires de Grenoble, coll. « Libres cours politique », 2016.
« After Deception: How Falling for a Deepfake Affects the Way We See, Hear, and Experience Media ». The International Journal of Press/Politics, 2025 (en ligne 2024), vol. 30, n° 1, p. 187-210. DOI "After Deception: How Falling for a Deepfake Affects the Way We See, Hear, and Experience Media". The International Journal of Press/Politics, 2025 (online 2024), vol. 30, no. 1, pp. 187-210. DOI «After Deception: How Falling for a Deepfake Affects the Way We See, Hear, and Experience Media». The International Journal of Press/Politics, 2025 (en línea 2024), vol. 30, n.º 1, p. 187-210. DOI
(éd.). Nazi Propaganda: The Power and the Limitations. 1983. Londres : Croom Helm ; Totowa (NJ) : Barnes & Noble Books.
« The EU Digital Services Act: what does it mean for online advertising and adtech? ». Int. J. Law Inf. Technol. 1 janvier 2025. Vol. 33, p. eaaf004. DOI
« Socio-economic disparities in exposure to and endorsement of COVID-19 vaccine misinformation and the associations with vaccine hesitancy and vaccination ». Public Health. 1 octobre 2023. Vol. 223, p. 217-222. DOI
« Online Astroturfing: A Theoretical Perspective ». Proceedings of the Nineteenth Americas Conference on Information Systems (AMCIS 2013), Chicago, Illinois, 15-17 août 2013.
« Mistrust, Disinforming News, and Vote Choice: A Panel Survey on the Origins and Consequences of Believing Disinformation in the 2017 German Parliamentary Election ». Polit. Commun. 3 mars 2020. Vol. 37, n°2, p. 215-237. DOI
« Debunking in a world of tribes ». PLoS ONE. 24 juillet 2017. Vol. 12, n°7, p. e0181821. DOI
L'IA générative : menaces et opportunités
L'IA générative (les outils qui produisent du texte, des images, du son ou de la vidéo à la demande, comme ChatGPT) concentre aujourd'hui une large part des inquiétudes sur la désinformation. Le bilan disponible conduit à une position en deux temps :
- Jusqu'ici, le bouleversement annoncé n'a pas eu lieu. On craignait que l'IA fasse basculer les élections de 2024-2025 ; les études n'en trouvent aucune trace dans les résultats.
- La menace reste sérieuse pour l'avenir. Les outils progressent vite, notamment l'IA dite « agentique » : des programmes capables d'agir seuls, qui pourraient piloter des « essaims » de milliers de faux comptes coordonnés imitant des humains (Schroeder et al., 2026).
Ce focus distingue trois types d'effets :
- Les effets directs, c'est-à-dire la capacité de l'IA à faire changer des votes, ont été surestimés.
- Les effets indirects, plus diffus, sont plus pernicieux : ils abîment la confiance.
- L'effet systémique est le plus lourd : l'IA fragilise le financement des médias qui produisent une information de qualité.
À l'inverse, l'IA offre des outils utiles à chacun des quatre piliers d'action publique présentés dans la note.
Chez Platon (Phèdre), le mot grec pharmakon désigne à la fois le remède et le poison. L'IA générative en est un bon exemple. Ce qui la rend dangereuse, sa capacité à produire en masse des arguments fluides et adaptés à chacun, est aussi ce qui peut la rendre utile pour améliorer la qualité de l'information.
La question n'est donc pas d'être pour ou contre l'IA. Elle est de savoir quels garde-fous font pencher la balance du côté du remède : la régulation, la transparence, la décision finale laissée à des humains, et l'investissement public dans les usages utiles.
Une précision de périmètre s'impose : le débat ne doit pas se limiter à l'IA générative.
- Une autre forme d'IA est en service depuis une décennie. Ce sont les systèmes de recommandation, qui choisissent ce qui s'affiche dans un fil d'actualité.
- Ils sont réglés pour maximiser l'engagement (clics, partages, temps passé), et un lien est documenté entre cet objectif et l'amplification des contenus clivants.
- Les deux problèmes sont indissociables. Un contenu généré par IA n'a d'impact que s'il est vu, donc dans la mesure où ces algorithmes le mettent en avant.
L'essentiel de l'argumentation sur les menaces s'appuie sur la synthèse de Felix M. Simon et Sacha Altay : Don’t Panic (Yet): Assessing the Evidence and Discourse Around Generative AI and Elections, Knight First Amendment Institute (Columbia University), 2025.
Deux autres synthèses de référence :
- La méta-analyse de l'IPIE (Panel international sur l'environnement informationnel), qui rassemble 24 publications et près de 34 000 participants : A. Herasimenka et al., Confronting Misinformation Produced with Generative AI: A Meta-Analysis of Experimental Scientific Evidence, IPIE, 2026.
- Une revue de la littérature sur le rôle de l'IA générative dans la production, la détection, la correction et les effets de la désinformation : S. Park et X. Nan, Generative AI and misinformation: a scoping review, AI & Society, 2025.
Les menaces
La crainte la plus répandue est la suivante : puisque l'IA fait chuter le coût de production du faux, elle va submerger l'espace public et faire basculer les élections. Le cycle électoral 2024-2025 ne l'a pas confirmé. Et ce n'est pas une question de chance : il y a des raisons de fond.
Élections 2024-2025 : aucune preuve d'impact sur les résultats
Les contenus générés par IA sont restés marginaux :
- En Inde, environ 1 % des messages viraux analysés sur WhatsApp (Garimella et Chauchard, 2024).
- Au Royaume-Uni, seulement 16 cas viraux de désinformation fabriquée avec l'IA recensés (Stockwell et al., 2024).
La raison est structurelle :
- Une attention saturée. L'attention du public est limitée et déjà saturée de contenus.
- Une désinformation « tirée par la demande ». Les gens consomment des contenus faux parce qu'ils cherchent ce qui conforte leurs opinions, pas parce que l'offre augmente.
Produire davantage de faux ne crée donc pas davantage de lecteurs : un contenu de plus n'est qu'une goutte dans l'océan (Simon et Altay, 2025).
Qualité : un montage grossier suffit
Les cheapfakes, ou « faux bon marché » (une image sortie de son contexte, un montage rudimentaire, une simple affirmation fausse), ont été utilisés 7 fois plus que l'IA (Kapoor et Narayanan, 2024).
- Ils sont « assez bons » pour leur fonction. Le public adhère au récit que le contenu conforte, pas à la qualité de sa fabrication.
- Ce qui compte le plus, c'est la source. Une vidéo médiocre relayée par un grand média pèse plus qu'un deepfake (fausse vidéo réaliste créée par IA) parfait diffusé par un compte anonyme. Or l'IA peut améliorer la qualité d'un contenu, mais très difficilement la crédibilité de celui qui le diffuse (Harris, 2021).
- Deux usages appellent la vigilance. L'audio (le clonage de la voix d'une personnalité) et les deepnudes, de fausses images dénudées qui visent en particulier les femmes politiques.
Personnalisation : le microciblage apporte peu
Le microciblage consiste à adresser à chaque électeur un message taillé pour son profil.
- Un mythe hérité de Cambridge Analytica. L'idée qu'il serait redoutable prolonge ce mythe : cette entreprise, qui avait obtenu en 2014, à leur insu, les données de jusqu'à 87 millions d'utilisateurs de Facebook, prétendait influencer les votes de 2016 par des messages adaptés à la personnalité de chacun, mais ses effets réels n'ont jamais été établis.
- L'IA ne change pas ce constat. Des messages politiques rédigés par GPT-4 sont bien persuasifs, mais les cibler finement ne les rend pas significativement plus efficaces qu'un message générique (Hackenburg et Margetts, 2024). Sur 19 modèles d'IA, la personnalisation n'ajoute en moyenne que 0,4 point à l'effet de persuasion (Hackenburg et al., 2025).
- Une pratique marginale. Dans les dépenses réelles des campagnes, le microciblage précis reste d'ailleurs marginal (Votta et al., 2024).
Persuasivité : autant qu'un humain, mais à grande échelle
C'est le seul registre réellement préoccupant. Dans un dialogue, un agent conversationnel répond aux objections de son interlocuteur et ajuste ses arguments. Résultat :
- Plus persuasive qu'un message statique. Une conversation avec l'IA serait environ 50 % plus persuasive qu'un message statique, lu une fois sans échange (Hackenburg et al., 2025).
- Voire que des humains. Un dialogue personnalisé peut même convaincre davantage que des débatteurs humains (Salvi et al., 2025).
La force de l'IA tient au nombre d'arguments précis qu'elle avance, pas à la quantité de contenus produits. D'où la nuance à retenir : convaincre tout le monde avec un même message reste difficile, mais l'IA rend concevable une persuasion « en tête-à-tête », menée simultanément auprès de millions de personnes.
Les effets les plus inquiétants ne passent pas par la conviction directe. Ils passent par la dégradation de la confiance et des repères communs.
Dividende du menteur
Plus chacun sait qu'un contenu peut être fabriqué, plus il devient facile de récuser une preuve authentique : « cette vidéo n'est pas réelle, c'est de l'IA ». Le menteur tire ainsi un bénéfice, un « dividende », de l'existence même des faux. Quelques études montrent que cette stratégie peut fonctionner (Schiff, Schiff et Bueno, 2025). Mais son succès dépend moins de la technologie que de la confiance que le public accorde déjà à celui qui nie. Elle prospère donc là où la défiance envers les institutions est forte.
Faux signaux sociaux
Faux profils créés à la chaîne, personnages fictifs animés de façon coordonnée, sites d'actualité entièrement automatisés : le but n'est pas de persuader, mais de faire passer une opinion marginale pour majoritaire.
- L'efficacité directe de ces opérations est faible. L'Internet Research Agency, l'« usine à trolls » russe, n'a eu aucun effet mesurable sur l'élection américaine de 2016 (Eady et al., 2023).
- La menace concerne plutôt l'avenir : la contamination des données d'entraînement des futurs modèles d'IA, qui apprennent à partir des textes disponibles sur le web. C'est ce qu'a tenté le réseau pro-russe Pravda en dupliquant ses contenus sur environ 150 sites, pour que les assistants d'IA finissent par reprendre ses récits (VIGINUM, 2025 ; NewsGuard, 2025).
Relations humain-IA
Les assistants d'IA sont entraînés à plaire à leur utilisateur et sont souvent perçus comme des personnes. Ils deviennent ainsi des confidents, voire des compagnons. Pour la majorité du public, l'effet reste limité : seuls 27 % font confiance à l'IA pour s'informer sur la politique (Ejaz et al., 2024). Mais le risque se concentre sur les personnes isolées, celles-là mêmes que la solitude rend plus réceptives aux théories du complot (Bierwiaczonek et al., 2024).
Déclin de la confiance
À force de soupçonner que tout peut être synthétique, le public risque de douter aussi de l'information exacte.
- Un doute qui s'étend. Dans une expérience, des participants exposés à un deepfake accordent ensuite moins de crédit à tous les médias, même une fois le faux révélé (Weikmann, Greber et Nikolaou, 2024).
- Un public déjà trop méfiant. Il pèche davantage par excès de doute que par crédulité : il rejette plus souvent une information vraie qu'il n'accepte une information fausse (Pfänder et Altay, 2025).
- Un alarmisme qui aggrave. Les discours alarmistes sur la désinformation, y compris sur l'IA, aggravent ce travers (Hoes et al., 2024 ; Jungherr et Rauchfleisch, 2024).
C'est le risque le moins spectaculaire et le plus sérieux. Il est déjà en cours, ses effets s'accumulent, et il touche les médias, dont dépendent toutes les autres défenses.
Le mécanisme est simple. Un moteur de recherche renvoyait une liste de liens vers des sources ; un assistant d'IA fournit directement une réponse unique. C'est la recherche dite « zéro clic » : l'utilisateur obtient l'information sans visiter le site du média qui l'a produite. Or ce média vivait de cette visite (publicité, abonnements).
Ce choc frappe un secteur déjà fragilisé.
- Des recettes publicitaires qui fuient. Entre 2012 et 2022, la part des recettes publicitaires revenant aux médias qui produisent l'information est passée de 65 % à 40 % (DGMIC-Arcom, 2024) ; le reste va surtout aux plateformes numériques, qui ne produisent pas elles-mêmes d'information.
- Une valeur captée sans contrepartie. L'IA capte la valeur de l'information sans en payer la production.
- Un cercle vicieux. Elle se nourrit donc d'un journalisme qu'elle contribue à rendre infinançable, et dégrade à terme la qualité de ses propres réponses.
Le problème n'est pas que le faux supplante le vrai : c'est que le vrai s'appauvrit.
Sources principales : VIGINUM, 2025 · Institut Alan Turing, 2024-2025 · Hackenburg et al., 2025 · Schiff, Schiff et Bueno, APSR, 2025 · Hoes et al., 2024 · Chartbeat, 2026 · Steinacker-Olsztyn et al., 2025 · Simon et Altay, 2025 · G. Darcy, audition CIANum n° 48, 2026.
Les opportunités, pilier par pilier
Les capacités qui rendent l'IA inquiétante (comprendre, synthétiser, argumenter, traduire à grande échelle) peuvent aussi servir chacun des quatre piliers de la note.
- 1 Veille en temps réel : repérer et signaler les contenus suspects. Surtout, l'IA peut détecter les signaux de coordination, c'est-à-dire les indices qu'une campagne est orchestrée : des comptes qui publient au même moment, des comptes anciens réutilisés, des réseaux de sites automatisés. Cela évite d'avoir à juger la véracité de chaque contenu. Garde-fou : une erreur de détection, qui ferait passer à tort une mobilisation citoyenne spontanée pour une opération coordonnée, aurait un coût démocratique élevé.
- 2 Fact-checking multilingue : vérifier des contenus dans plusieurs langues et suivre la circulation d'un même récit d'un pays à l'autre, là où les rédactions manquent de moyens.
- 3 Dialogues anti-complot : des personnes adhérant à une théorie du complot ont dialogué avec une IA qui leur opposait des contre-arguments personnalisés et étayés. Leur adhésion a baissé d'environ 20 %, et l'effet était encore mesurable deux mois plus tard (Costello, Pennycook et Rand, 2024). Ce n'est pas un tour de magie : la persuasion opère parce que les faits sont du côté de l'IA, et c'est la qualité des arguments qui convainc.
- 4 Aide à la vérification : retrouver et évaluer les sources. L'outil SIDE repère, dans Wikipédia, les références qui ne soutiennent pas vraiment l'affirmation citée, et en propose de meilleures. Sur les références jugées les plus douteuses, des évaluateurs humains ont préféré ses propositions dans 70 % des cas (Petroni et al., 2023).
- 5 Tuteurs et jeux : s'entraîner à reconnaître les techniques de manipulation. C'est le principe de l'« inoculation », ou prébunking : comme un vaccin, on expose les personnes à l'avance à une version affaiblie d'une manipulation pour qu'elles la reconnaissent ensuite. Sa principale limite est que l'effet s'érode avec le temps s'il n'est pas entretenu par des rappels. Des exercices adaptés au niveau de chacun et répétés dans le temps, que l'IA rend possibles, répondent à cette limite.
- 6 Médiation délibérative : aider un groupe en désaccord à trouver un terrain d'entente. Dans une expérience, une IA médiatrice a rédigé des synthèses de discussion jugées plus claires et plus justes que celles de médiateurs humains (Tessler et al., 2024). Des outils comparables servent déjà à des consultations citoyennes à grande échelle : ils recueillent les avis de milliers de participants et font ressortir les points d'accord (Polis à Taïwan, Remesh pour les Nations unies).
- 7 Débat apaisé : synthétiser des points de vue opposés et reformuler. Un assistant qui suggère en temps réel des formulations plus respectueuses améliore la qualité perçue d'une discussion politique en ligne (Argyle et al., 2023). Les participants ne changent pas d'avis sur le fond : l'outil agit sur la forme de l'échange, et cela suffit à réduire l'hostilité.
- 8 Traduction : en Inde, en 2024, l'IA a traduit l'information électorale dans plus de vingt langues, atteignant des électeurs mal desservis par les médias traditionnels (Shukla et Schneier, 2024). C'était même son usage principal pendant la campagne.
- 9 Accessibilité : résumer, expliquer, lire à voix haute, pour rendre l'information fiable accessible aux personnes qui lisent peu ou suivent peu l'actualité.
- 10 Rédactions outillées : transcription d'entretiens, veille, recherche dans les archives. L'IA libère ainsi du temps pour le travail journalistique, notamment dans la presse locale, où les équipes sont réduites.
La force persuasive de l'IA est neutre quant à la vérité : elle convainc aussi bien du vrai que du faux. Les dialogues qui réduisent l'adhésion aux théories du complot peuvent aussi l'installer lorsqu'ils sont conçus pour cela (Costello et al., 2026). L'IA n'est pas une force impersonnelle : ce sont des entreprises et des États qui font des choix de conception. D'où trois orientations :
- Réguler à travers les acteurs : imposer la transparence (savoir que l'on parle à une IA), interdire la persuasion dissimulée, faire évaluer de façon indépendante la capacité des modèles à persuader, et limiter la complaisance des compagnons IA, c'est-à-dire leur tendance à flatter et à approuver l'utilisateur.
- Protéger l'information de qualité : obliger les fournisseurs d'IA à partager la valeur avec les éditeurs de presse, comme le font déjà les « droits voisins », qui imposent aux plateformes de rémunérer la reprise des articles ; et exiger que les réponses des assistants renvoient vers leurs sources.
- Soutenir les usages bénéfiques sous garde-fous, sans céder au discours alarmiste : on l'a vu, ce discours a un coût mesuré sur la confiance du public.
Sources principales : T. Nygren et al., Behavioral Science & Policy, 2026 · Costello, Pennycook et Rand, Science, 2024 · Tessler et al., Science, 2024 · Petroni et al., 2023 · Argyle et al., 2023 · Shukla et Schneier, 2024 · Simon et Altay, 2025 · G. Darcy, audition CIANum n° 48, 2026.
Generative AI: threats and opportunities
Generative AI (tools that produce text, images, sound or video on demand, such as ChatGPT) now accounts for a large share of concerns about disinformation. The available evidence points to a two-part stance:
- So far, the predicted upheaval has not happened. AI was feared to swing the 2024-2025 elections; studies find no trace of it in the results.
- The threat remains serious for the future. The tools are advancing fast, notably so-called "agentic" AI: programs able to act on their own, which could run "swarms" of thousands of coordinated fake accounts that imitate humans (Schroeder et al., 2026).
This focus distinguishes three kinds of effects:
- The direct effects, that is, AI's ability to change votes, have been overestimated.
- The indirect effects, more diffuse, are more pernicious: they erode trust.
- The systemic effect is the heaviest: AI undermines the funding of the media that produce quality information.
Conversely, AI offers useful tools for each of the four pillars of public action presented in this brief.
In Plato (Phaedrus), the Greek word pharmakon means both remedy and poison. Generative AI is a good example. What makes it dangerous, its ability to mass-produce fluent arguments tailored to each person, is also what can make it useful for improving the quality of information.
The question, then, is not whether to be for or against AI. It is which safeguards tip the balance toward the remedy: regulation, transparency, leaving the final decision to humans, and public investment in beneficial uses.
A clarification of scope is in order: the debate should not be limited to generative AI.
- Another form of AI has been in operation for a decade. These are recommender systems, which choose what appears in a news feed.
- They are tuned to maximize engagement (clicks, shares, time spent), and there is a documented link between this goal and the amplification of divisive content.
- The two problems are inseparable. AI-generated content has an impact only if it is seen, and therefore only to the extent that these algorithms push it forward.
Most of the argument on threats draws on the review by Felix M. Simon and Sacha Altay: Don’t Panic (Yet): Assessing the Evidence and Discourse Around Generative AI and Elections, Knight First Amendment Institute (Columbia University), 2025.
Two other reference syntheses:
- The meta-analysis by the IPIE (International Panel on the Information Environment), covering 24 publications and nearly 34,000 participants: A. Herasimenka et al., Confronting Misinformation Produced with Generative AI: A Meta-Analysis of Experimental Scientific Evidence, IPIE, 2026.
- A literature review of generative AI's role in producing, detecting, correcting and shaping the effects of misinformation: S. Park and X. Nan, Generative AI and misinformation: a scoping review, AI & Society, 2025.
Threats
The most widespread fear goes like this: since AI drives down the cost of producing falsehoods, it will flood the public sphere and swing elections. The 2024-2025 electoral cycle did not bear this out. And it was not a matter of luck: there are fundamental reasons.
2024-2025 elections: no evidence of impact on outcomes
AI-generated content remained marginal:
- In India, around 1% of viral messages analyzed on WhatsApp (Garimella and Chauchard, 2024).
- In the United Kingdom, only 16 viral cases of AI-made disinformation identified (Stockwell et al., 2024).
The reason is structural:
- Saturated attention. Public attention is limited and already saturated with content.
- “Demand-driven” disinformation. People consume false content because they look for what confirms their views, not because supply increases.
Producing more falsehoods therefore does not create more readers: one more piece of content is just a drop in the ocean (Simon and Altay, 2025).
Quality: a crude edit is enough
Cheapfakes (an image taken out of context, a rudimentary edit, a simple false claim) were used 7 times more than AI (Kapoor and Narayanan, 2024).
- They are “good enough” for their purpose. Audiences buy into the narrative the content reinforces, not into the quality of its making.
- What matters most is the source. A mediocre video relayed by a major media outlet carries more weight than a perfect deepfake (a realistic fake video created with AI) spread by an anonymous account. AI can improve the quality of content, but it can do very little for the credibility of whoever spreads it (Harris, 2021).
- Two uses call for vigilance. Audio (cloning a public figure's voice) and deepnudes, fake nude images that target women politicians in particular.
Personalization: microtargeting adds little
Microtargeting means sending each voter a message tailored to their profile.
- A myth inherited from Cambridge Analytica. The belief that microtargeting is formidable perpetuates this myth: that company, which in 2014 obtained the data of up to 87 million Facebook users without their knowledge, claimed it could sway the 2016 votes with messages adapted to each person's personality, but its actual effects were never established.
- AI does not change this picture. Political messages written by GPT-4 are indeed persuasive, but targeting them finely does not make them significantly more effective than a generic message (Hackenburg and Margetts, 2024). Across 19 AI models, personalization adds on average only 0.4 points to the persuasive effect (Hackenburg et al., 2025).
- A marginal practice. In campaigns' actual spending, moreover, precise microtargeting remains marginal (Votta et al., 2024).
Persuasiveness: as persuasive as a human, but at scale
This is the only truly worrying area. In a dialogue, a conversational agent answers the other person's objections and adjusts its arguments. As a result:
- More persuasive than a static message. A conversation with AI is reportedly about 50% more persuasive than a static message, read once with no exchange (Hackenburg et al., 2025).
- Even more persuasive than humans. A personalized dialogue can even convince more than human debaters (Salvi et al., 2025).
AI's strength lies in the number of precise arguments it puts forward, not in the quantity of content produced. Hence the nuance to keep in mind: convincing everyone with the same message remains difficult, but AI makes it conceivable to conduct “one-on-one” persuasion with millions of people simultaneously.
The most worrying effects do not operate through direct persuasion. They operate through the erosion of trust and of shared reference points.
The liar's dividend
The more widely people know that content can be fabricated, the easier it becomes to dismiss authentic evidence: “this video isn't real, it's AI.” The liar thus draws a benefit, a “dividend,” from the very existence of fakes. A few studies show that this strategy can work (Schiff, Schiff and Bueno, 2025). But its success depends less on the technology than on the trust the public already places in the person issuing the denial. It therefore thrives where distrust of institutions is high.
Fake social signals
Mass-produced fake profiles, fictitious personas run in a coordinated way, fully automated news sites: the goal is not to persuade, but to make a fringe opinion pass for a majority one.
- The direct effectiveness of these operations is low. The Internet Research Agency, Russia's “troll factory,” had no measurable effect on the 2016 US election (Eady et al., 2023).
- The threat lies more in the future: the contamination of training data for future AI models, which learn from the texts available on the web. This is what the pro-Russian Pravda network attempted by duplicating its content across some 150 sites, so that AI assistants would end up repeating its narratives (VIGINUM, 2025; NewsGuard, 2025).
Human-AI relationships
AI assistants are trained to please their users and are often perceived as people. They are thus becoming confidants, even companions. For most of the public, the effect remains limited: only 27% trust AI to inform them about politics (Ejaz et al., 2024). But the risk is concentrated among isolated people, the very ones whom loneliness makes more receptive to conspiracy theories (Bierwiaczonek et al., 2024).
Declining trust
By constantly suspecting that anything might be synthetic, the public risks doubting accurate information as well.
- Doubt that spreads. In one experiment, participants exposed to a deepfake then gave less credence to all media, even once the fake had been revealed (Weikmann, Greber and Nikolaou, 2024).
- A public already too distrustful. It errs more through excessive doubt than through gullibility: people reject true news more often than they accept false news (Pfänder and Altay, 2025).
- Alarmism makes it worse. Alarmist discourse about disinformation, including about AI, amplifies this tendency (Hoes et al., 2024; Jungherr and Rauchfleisch, 2024).
This is the least spectacular and the most serious risk. It is already under way, its effects accumulate, and it affects the news media, on which all other defenses depend.
The mechanism is simple. A search engine used to return a list of links to sources; an AI assistant directly provides a single answer. This is so-called “zero-click” search: users get the information without visiting the website of the outlet that produced it. Yet that outlet depended on the visit for its revenue (advertising, subscriptions).
This shock hits an already weakened sector.
- Advertising revenue drained away. Between 2012 and 2022, the share of advertising revenue going to the media outlets that produce news fell from 65% to 40% (DGMIC-Arcom, 2024); the rest goes mainly to digital platforms, which do not produce news themselves.
- Value captured without compensation. AI captures the value of information without paying for its production.
- A vicious circle. It thus feeds on journalism that it is helping to make unfundable, and ultimately degrades the quality of its own answers.
The problem is not that falsehood supplants truth: it is that truth is being impoverished.
Main sources: VIGINUM, 2025 · Alan Turing Institute, 2024-2025 · Hackenburg et al., 2025 · Schiff, Schiff and Bueno, APSR, 2025 · Hoes et al., 2024 · Chartbeat, 2026 · Steinacker-Olsztyn et al., 2025 · Simon and Altay, 2025 · G. Darcy, CIANum hearing No. 48, 2026.
Opportunities, pillar by pillar
The capabilities that make AI worrying (understanding, synthesizing, arguing, translating at scale) can also serve each of the four pillars of this brief.
- 1 Real-time monitoring: identifying and flagging suspicious content. Above all, AI can detect signals of coordination, that is, signs that a campaign is orchestrated: accounts posting at the same moment, old accounts being reused, networks of automated sites. This avoids having to judge the truth of each piece of content. Safeguard: a detection error that wrongly labels a spontaneous citizen mobilization as a coordinated operation would carry a high democratic cost.
- 2 Multilingual fact-checking: verifying content in several languages and tracking the spread of the same narrative from one country to another, where newsrooms lack resources.
- 3 Anti-conspiracy dialogues: people who believed in a conspiracy theory held a dialogue with an AI that offered them personalized, evidence-based counterarguments. Their belief fell by about 20%, and the effect was still measurable two months later (Costello, Pennycook and Rand, 2024). This is no magic trick: persuasion works because the facts are on the AI's side, and it is the quality of the arguments that convinces.
- 4 Verification support: finding and evaluating sources. The SIDE tool spots Wikipedia citations that do not really support the claim they are attached to, and proposes better ones. For the citations judged most doubtful, human evaluators preferred its suggestions in 70% of cases (Petroni et al., 2023).
- 5 Tutors and games: practicing how to recognize manipulation techniques. This is the principle of “inoculation,” or prebunking: as with a vaccine, people are exposed in advance to a weakened version of a manipulation so they can recognize it later. Its main limitation is that the effect erodes over time unless it is maintained with reminders. Exercises adapted to each person's level and repeated over time, which AI makes possible, address this limitation.
- 6 Deliberative mediation: helping a group that disagrees find common ground. In one experiment, an AI mediator wrote discussion summaries judged clearer and fairer than those of human mediators (Tessler et al., 2024). Comparable tools are already used for large-scale citizen consultations: they collect the views of thousands of participants and bring out the points of agreement (Polis in Taiwan, Remesh for the United Nations).
- 7 Calmer debate: synthesizing opposing viewpoints and rephrasing. An assistant that suggests more respectful wording in real time improves the perceived quality of an online political discussion (Argyle et al., 2023). Participants do not change their minds on substance: the tool acts on the form of the exchange, and that is enough to reduce hostility.
- 8 Translation: in India, in 2024, AI translated election information into more than twenty languages, reaching voters poorly served by traditional media (Shukla and Schneier, 2024). This was, in fact, its main use during the campaign.
- 9 Accessibility: summarizing, explaining, reading aloud, to make reliable information accessible to people who read little or rarely follow the news.
- 10 Better-equipped newsrooms: transcribing interviews, monitoring, searching archives. AI thus frees up time for journalism, especially in local news, where teams are small.
AI's persuasive power is truth-neutral: it can convince people of what is false as easily as of what is true. The dialogues that reduce conspiracy belief can also instill it when designed to do so (Costello et al., 2026). AI is not an impersonal force: it is companies and states that make design choices. Hence three priorities:
- Regulate through the actors: require transparency (knowing that one is talking to an AI), ban covert persuasion, have models' persuasive capabilities assessed independently, and limit the sycophancy of AI companions, that is, their tendency to flatter and agree with the user.
- Protect quality information: require AI providers to share value with news publishers, as “neighboring rights” already do by making platforms pay for reusing articles; and require assistants' answers to link back to their sources.
- Support beneficial uses with safeguards, without giving in to alarmist discourse: as shown above, such discourse has a measurable cost to public trust.
Main sources: T. Nygren et al., Behavioral Science & Policy, 2026 · Costello, Pennycook and Rand, Science, 2024 · Tessler et al., Science, 2024 · Petroni et al., 2023 · Argyle et al., 2023 · Shukla and Schneier, 2024 · Simon and Altay, 2025 · G. Darcy, CIANum hearing No. 48, 2026.
La IA generativa: amenazas y oportunidades
La IA generativa (las herramientas que producen texto, imágenes, sonido o vídeo a demanda, como ChatGPT) concentra hoy buena parte de la preocupación por la desinformación. El balance disponible conduce a una posición con dos vertientes:
- Hasta ahora, la conmoción anunciada no se ha producido. Se temía que la IA inclinara el resultado de las elecciones de 2024-2025; los estudios no encuentran rastro alguno de ello en los resultados.
- La amenaza sigue siendo seria de cara al futuro. Las herramientas avanzan con rapidez, en particular la llamada IA «agéntica»: programas capaces de actuar de forma autónoma, que podrían dirigir «enjambres» de miles de cuentas falsas coordinadas que imitan a seres humanos (Schroeder et al., 2026).
Este enfoque distingue tres tipos de efectos:
- Los efectos directos, es decir, la capacidad de la IA para hacer cambiar el voto, se han sobrestimado.
- Los efectos indirectos, más difusos, son más perniciosos: erosionan la confianza.
- El efecto sistémico es el de mayor calado: la IA debilita la financiación de los medios que producen información de calidad.
A la inversa, la IA ofrece herramientas útiles para cada uno de los cuatro pilares de acción pública que se presentan en la nota.
En Platón (Fedro), la palabra griega pharmakon designa a la vez el remedio y el veneno. La IA generativa es un buen ejemplo de ello. Lo que la hace peligrosa, su capacidad para producir de forma masiva argumentos fluidos y adaptados a cada persona, es también lo que puede hacerla útil para mejorar la calidad de la información.
La cuestión, por tanto, no es estar a favor o en contra de la IA, sino saber qué salvaguardas inclinan la balanza del lado del remedio: la regulación, la transparencia, la decisión final en manos de seres humanos y la inversión pública en los usos beneficiosos.
Conviene, además, precisar el alcance: el debate no debe limitarse a la IA generativa.
- Otra forma de IA lleva una década en funcionamiento. Se trata de los sistemas de recomendación, que deciden lo que aparece en un flujo de noticias.
- Están configurados para maximizar la interacción (clics, contenidos compartidos, tiempo de permanencia), y está documentado un vínculo entre este objetivo y la amplificación de los contenidos polarizadores.
- Ambos problemas son indisociables. Un contenido generado por IA solo tiene impacto si se ve y, por tanto, en la medida en que estos algoritmos lo promocionan.
El grueso de la argumentación sobre las amenazas se apoya en la síntesis de Felix M. Simon y Sacha Altay: Don’t Panic (Yet): Assessing the Evidence and Discourse Around Generative AI and Elections, Knight First Amendment Institute (Columbia University), 2025.
Otras dos síntesis de referencia:
- El metaanálisis del IPIE (Panel Internacional sobre el Entorno Informativo), que reúne 24 publicaciones y cerca de 34 000 participantes: A. Herasimenka et al., Confronting Misinformation Produced with Generative AI: A Meta-Analysis of Experimental Scientific Evidence, IPIE, 2026.
- Una revisión de la literatura sobre el papel de la IA generativa en la producción, la detección, la corrección y los efectos de la desinformación: S. Park y X. Nan, Generative AI and misinformation: a scoping review, AI & Society, 2025.
Las amenazas
El temor más extendido es el siguiente: puesto que la IA abarata drásticamente el coste de producir información falsa, inundará el espacio público e inclinará el resultado de las elecciones. El ciclo electoral de 2024-2025 no lo ha confirmado. Y no es una cuestión de suerte: hay razones de fondo.
Elecciones de 2024-2025: ninguna prueba de impacto en los resultados
Los contenidos generados por IA siguieron siendo marginales:
- En la India, en torno al 1 % de los mensajes virales analizados en WhatsApp (Garimella y Chauchard, 2024).
- En el Reino Unido, solo se registraron 16 casos virales de desinformación fabricada con IA (Stockwell et al., 2024).
La razón es estructural:
- Una atención saturada. La atención del público es limitada y ya está saturada de contenidos.
- Una desinformación «impulsada por la demanda». La gente consume contenidos falsos porque busca lo que refuerza sus opiniones, no porque aumente la oferta.
Producir más información falsa no genera, por tanto, más lectores: un contenido más no es sino una gota en el océano (Simon y Altay, 2025).
Calidad: basta un montaje burdo
Los cheapfakes, o «falsificaciones baratas» (una imagen sacada de contexto, un montaje rudimentario, una simple afirmación falsa), se utilizaron 7 veces más que la IA (Kapoor y Narayanan, 2024).
- Son «lo bastante buenos» para su función. El público se adhiere al relato que el contenido refuerza, no a la calidad de su factura.
- Lo que más cuenta es la fuente. Un vídeo mediocre difundido por un gran medio pesa más que un ultrafalso o deepfake (vídeo falso realista creado con IA) perfecto difundido por una cuenta anónima. Ahora bien, la IA puede mejorar la calidad de un contenido, pero muy difícilmente la credibilidad de quien lo difunde (Harris, 2021).
- Dos usos exigen vigilancia: el audio (la clonación de la voz de una figura pública) y los deepnudes, imágenes falsas de desnudos que se dirigen en particular contra las mujeres políticas.
Personalización: la microsegmentación aporta poco
La microsegmentación consiste en dirigir a cada votante un mensaje adaptado a su perfil.
- Un mito heredado de Cambridge Analytica. Atribuirle un gran poder prolonga ese mito: esta empresa, que en 2014 había obtenido, sin que estos lo supieran, los datos de hasta 87 millones de usuarios de Facebook, afirmaba influir en las votaciones de 2016 mediante mensajes adaptados a la personalidad de cada cual, pero sus efectos reales nunca llegaron a demostrarse.
- La IA no cambia esta constatación. Los mensajes políticos redactados por GPT-4 son ciertamente persuasivos, pero segmentarlos con precisión no los hace significativamente más eficaces que un mensaje genérico (Hackenburg y Margetts, 2024). En 19 modelos de IA, la personalización solo añade de media 0,4 puntos al efecto persuasivo (Hackenburg et al., 2025).
- Una práctica marginal. En el gasto real de las campañas, la microsegmentación precisa sigue siendo, por lo demás, marginal (Votta et al., 2024).
Capacidad persuasiva: tanto como un ser humano, pero a gran escala
Es el único ámbito realmente preocupante. En un diálogo, un agente conversacional responde a las objeciones de su interlocutor y ajusta sus argumentos. Resultado:
- Más persuasiva que un mensaje estático. Una conversación con la IA sería aproximadamente un 50 % más persuasiva que un mensaje estático, leído una sola vez y sin intercambio (Hackenburg et al., 2025).
- E incluso más que los seres humanos. Un diálogo personalizado puede llegar a convencer más que debatientes humanos (Salvi et al., 2025).
Su fuerza reside en el número de argumentos precisos que esgrime, no en la cantidad de contenidos producidos. De ahí el matiz que conviene retener: convencer a todo el mundo con un mismo mensaje sigue siendo difícil, pero la IA hace concebible una persuasión «cara a cara», llevada a cabo simultáneamente con millones de personas.
Los efectos más inquietantes no pasan por la persuasión directa, sino por el deterioro de la confianza y de los referentes comunes.
Dividendo del mentiroso
Cuanto más sabe todo el mundo que un contenido puede fabricarse, más fácil resulta recusar una prueba auténtica: «este vídeo no es real, es IA». El mentiroso obtiene así un beneficio, un «dividendo», de la mera existencia de las falsificaciones. Algunos estudios muestran que esta estrategia puede funcionar (Schiff, Schiff y Bueno, 2025). Pero su éxito depende menos de la tecnología que de la confianza que el público ya deposita en quien lo niega. Prospera, por tanto, allí donde la desconfianza hacia las instituciones es elevada.
Falsas señales sociales
Perfiles falsos creados en serie, personajes ficticios animados de forma coordinada, sitios de noticias totalmente automatizados: el objetivo no es persuadir, sino hacer pasar una opinión marginal por mayoritaria.
- La eficacia directa de estas operaciones es escasa. La Internet Research Agency, la «fábrica de troles» rusa, no tuvo ningún efecto medible en las elecciones estadounidenses de 2016 (Eady et al., 2023).
- La amenaza se sitúa más bien en el futuro: la contaminación de los datos de entrenamiento de los futuros modelos de IA, que aprenden a partir de los textos disponibles en la web. Es lo que intentó la red prorrusa Pravda al replicar sus contenidos en unos 150 sitios, para que los asistentes de IA acabaran reproduciendo sus relatos (VIGINUM, 2025; NewsGuard, 2025).
Relaciones entre seres humanos e IA
Los asistentes de IA están entrenados para agradar a su usuario y a menudo se perciben como personas. Se convierten así en confidentes, e incluso en compañeros. Para la mayoría del público, el efecto sigue siendo limitado: solo el 27 % confía en la IA para informarse sobre política (Ejaz et al., 2024). Pero el riesgo se concentra en las personas aisladas, precisamente aquellas a las que la soledad hace más receptivas a las teorías de la conspiración (Bierwiaczonek et al., 2024).
Declive de la confianza
A fuerza de sospechar que todo puede ser sintético, el público corre el riesgo de dudar también de la información exacta.
- Una duda que se extiende. En un experimento, los participantes expuestos a un ultrafalso conceden después menos crédito a todos los medios, incluso una vez revelada la falsificación (Weikmann, Greber y Nikolaou, 2024).
- Un público ya demasiado desconfiado. Peca más por exceso de duda que por credulidad: rechaza una información verdadera con más frecuencia de la que acepta una falsa (Pfänder y Altay, 2025).
- Un alarmismo que agrava el problema. Los discursos alarmistas sobre la desinformación, incluidos los relativos a la IA, acentúan esta tendencia (Hoes et al., 2024; Jungherr y Rauchfleisch, 2024).
Es el riesgo menos espectacular y el más serio. Ya está en marcha, sus efectos se acumulan y afecta a los medios de información, de los que dependen todas las demás defensas.
El mecanismo es sencillo. Un motor de búsqueda devolvía una lista de enlaces a fuentes; un asistente de IA proporciona directamente una respuesta única. Es la llamada búsqueda «sin clic»: el usuario obtiene la información sin visitar el sitio del medio que la ha producido. Ahora bien, ese medio vivía de esa visita (publicidad, suscripciones).
Este choque golpea a un sector ya debilitado.
- Unos ingresos publicitarios que se escapan. Entre 2012 y 2022, la proporción de los ingresos publicitarios que corresponde a los medios que producen la información pasó del 65 % al 40 % (DGMIC-Arcom, 2024); el resto va sobre todo a las plataformas digitales, que no producen información por sí mismas.
- Un valor captado sin contrapartida. La IA capta el valor de la información sin pagar su producción.
- Un círculo vicioso. Se alimenta, por tanto, de un periodismo al que contribuye a dejar sin financiación y, a la larga, degrada la calidad de sus propias respuestas.
El problema no es que lo falso suplante a lo verdadero, sino que lo verdadero se empobrece.
Fuentes principales: VIGINUM, 2025 · Alan Turing Institute, 2024-2025 · Hackenburg et al., 2025 · Schiff, Schiff y Bueno, APSR, 2025 · Hoes et al., 2024 · Chartbeat, 2026 · Steinacker-Olsztyn et al., 2025 · Simon y Altay, 2025 · G. Darcy, comparecencia n.º 48 ante la CIANum, 2026.
Las oportunidades, pilar por pilar
Las capacidades que hacen inquietante a la IA (comprender, sintetizar, argumentar, traducir a gran escala) también pueden servir a cada uno de los cuatro pilares de la nota.
- 1 Monitorización en tiempo real: detectar y señalar los contenidos sospechosos. Sobre todo, la IA puede detectar señales de coordinación, es decir, los indicios de que una campaña está orquestada: cuentas que publican en el mismo momento, cuentas antiguas reutilizadas, redes de sitios automatizados. Ello evita tener que juzgar la veracidad de cada contenido. Salvaguarda: un error de detección que hiciera pasar indebidamente una movilización ciudadana espontánea por una operación coordinada tendría un elevado coste democrático.
- 2 Verificación de datos multilingüe: verificar contenidos en varias lenguas y seguir la circulación de un mismo relato de un país a otro, allí donde las redacciones carecen de medios.
- 3 Diálogos contra las teorías de la conspiración: personas que se adherían a una teoría de la conspiración dialogaron con una IA que les oponía contraargumentos personalizados y fundamentados. Su adhesión disminuyó en torno a un 20 %, y el efecto seguía siendo medible dos meses después (Costello, Pennycook y Rand, 2024). No se trata de un truco de magia: la persuasión funciona porque los hechos están del lado de la IA, y lo que convence es la calidad de los argumentos.
- 4 Ayuda a la verificación: localizar y evaluar las fuentes. La herramienta SIDE detecta en Wikipedia las referencias que no respaldan realmente la afirmación citada y propone otras mejores. En las referencias consideradas más dudosas, los evaluadores humanos prefirieron sus propuestas en el 70 % de los casos (Petroni et al., 2023).
- 5 Tutores y juegos: entrenarse para reconocer las técnicas de manipulación. Es el principio de la «inoculación», o prebunking: como con una vacuna, se expone de antemano a las personas a una versión atenuada de una manipulación para que después sepan reconocerla. Su principal limitación es que el efecto se erosiona con el tiempo si no se mantiene mediante recordatorios. Unos ejercicios adaptados al nivel de cada persona y repetidos en el tiempo, que la IA hace posibles, responden a esta limitación.
- 6 Mediación deliberativa: ayudar a un grupo en desacuerdo a encontrar un terreno común. En un experimento, una IA mediadora redactó síntesis de la discusión consideradas más claras y más justas que las de mediadores humanos (Tessler et al., 2024). Herramientas comparables se utilizan ya en consultas ciudadanas a gran escala: recogen las opiniones de miles de participantes y ponen de relieve los puntos de acuerdo (Polis en Taiwán, Remesh para las Naciones Unidas).
- 7 Debate sereno: sintetizar puntos de vista opuestos y reformular. Un asistente que sugiere en tiempo real formulaciones más respetuosas mejora la calidad percibida de una discusión política en línea (Argyle et al., 2023). Los participantes no cambian de opinión en el fondo: la herramienta actúa sobre la forma del intercambio, y eso basta para reducir la hostilidad.
- 8 Traducción: en la India, en 2024, la IA tradujo la información electoral a más de veinte lenguas y llegó así a votantes mal atendidos por los medios tradicionales (Shukla y Schneier, 2024). Fue incluso su uso principal durante la campaña.
- 9 Accesibilidad: resumir, explicar, leer en voz alta, para hacer accesible la información fiable a las personas que leen poco o siguen poco la actualidad.
- 10 Redacciones mejor equipadas: transcripción de entrevistas, monitorización, búsqueda en archivos. La IA libera así tiempo para el trabajo periodístico, en particular en la prensa local, donde los equipos son reducidos.
La fuerza persuasiva de la IA es neutral respecto a la verdad: convence tanto de lo verdadero como de lo falso. Los diálogos que reducen la adhesión a las teorías de la conspiración también pueden instaurarla cuando se diseñan con ese fin (Costello et al., 2026). La IA no es una fuerza impersonal: son empresas y Estados quienes toman decisiones de diseño. De ahí tres orientaciones:
- Regular a través de los actores: imponer la transparencia (saber que se está hablando con una IA), prohibir la persuasión encubierta, someter a evaluación independiente la capacidad persuasiva de los modelos y limitar la complacencia de los compañeros de IA, es decir, su tendencia a halagar al usuario y a darle la razón.
- Proteger la información de calidad: obligar a los proveedores de IA a compartir el valor con los editores de prensa, como ya hacen los «derechos afines», que obligan a las plataformas a remunerar la reutilización de los artículos; y exigir que las respuestas de los asistentes remitan a sus fuentes.
- Apoyar los usos beneficiosos con salvaguardas, sin ceder al discurso alarmista: como se ha visto, este discurso tiene un coste cuantificado para la confianza del público.
Fuentes principales: T. Nygren et al., Behavioral Science & Policy, 2026 · Costello, Pennycook y Rand, Science, 2024 · Tessler et al., Science, 2024 · Petroni et al., 2023 · Argyle et al., 2023 · Shukla y Schneier, 2024 · Simon y Altay, 2025 · G. Darcy, comparecencia n.º 48 ante la CIANum, 2026.
Les solutions : quatre piliers, autant de filets de sécurité
Aucun instrument ne suffira seul. Ni la vérification des faits, ni l'éducation aux médias, ni la modération des plateformes ne peuvent, prises séparément, venir à bout d'un phénomène aussi composite. La désinformation prospère pour trois raisons à la fois :
- Elle exploite des biais de notre fonctionnement mental.
- Elle circule dans un environnement numérique qui la favorise.
- Elle trouve appui dans des fragilités sociales et politiques (précarité, isolement, défiance).
L'enjeu n'est donc plus seulement de corriger le faux, mais de réduire les conditions qui le rendent efficace.
- Le rapport DITP-VIGINUM. C'est ce déplacement qu'entérine le rapport conjoint publié en 2026 par la DITP (Direction interministérielle de la transformation publique) et VIGINUM (le service de l'État chargé de détecter les ingérences numériques étrangères), auquel l'auteur a contribué.
- Des filets superposés. Au lieu de miser uniquement sur la correction des fausses informations, ce rapport propose de superposer plusieurs filets de sécurité.
- Quatre piliers. On retrouve ces filets ici sous la forme des quatre piliers de la note d'analyse : chacun rattrape une partie de ce que les autres laissent passer.
Les quatre piliers en un coup d'œil
Comment lire le schéma :
- En haut, la désinformation, vue comme la rencontre d'une offre (ceux qui produisent et diffusent volontairement du faux, souvent par intérêt politique ou financier) et d'une demande (les raisons sociales qui poussent des publics à chercher ou à croire ces contenus).
- En dessous, chaque pilier est un filet. Ses étiquettes indiquent ce qu'il vise, le délai avant d'en voir les effets, et la solidité des études qui le soutiennent.
- Les points mesurent l'efficacité attendue de chaque levier.
- La dernière ligne de chaque filet dit ce qu'il laisse passer, ou pourquoi il est difficile à mettre en œuvre.
Nécessaire mais insuffisant. On s'attaque aux revenus et aux méthodes des diffuseurs (faux comptes, publicité), sans que l'État ait à décider de ce qui est vrai.
- Démonétiser la désinformation ●●○○
- Rendre les plateformes auditables ●○○○
- Défendre l'authenticité des émetteurs ●●○○*
- Réguler l'IA à travers ses acteurs
Ce qui passe à travers : les contenus faux mais légaux produits par des acteurs nationaux, qu'aucune règle ne vise ; et un public qui va chercher ailleurs ce qu'on a retiré d'une plateforme.
Les leviers les mieux étudiés, mais ils touchent peu de monde. Mal conçus, ils apprennent surtout à se méfier, et font alors douter aussi des informations exactes.
- Éducation aux médias recentrée ●●○○
- Prébunking ciblé et répété ●●○○
- Correction par des relais crédibles ●○○○
- Frictions de partage ●○○○
Ce qui passe à travers : les publics les plus exposés, que les corrections n'atteignent pas ; et les comportements : on apprend à mieux juger un contenu, mais cela change moins ce que l'on partage.
Le levier le plus déterminant et le plus difficile à actionner. Réduire la précarité, l'isolement et la défiance protège mieux contre la désinformation que les seuls outils de sécurité : l'État social est la plus solide défense de l'État régalien.
- Intégrité publique ●●●○
- Lieux de sociabilité ●●●○
- Précarité et non-recours ●●●○
- Dépolarisation ●○○○*
Pourquoi c'est difficile : des réformes lentes et coûteuses, dont l'effet sur la désinformation est le plus dur à démontrer.
Lutter pour l'information est souvent plus efficace et moins coûteux que lutter contre la désinformation.
- Refinancer la presse locale ●●●●
- Financement stable des médias ●●●●
- Outiller les relais ●●●○
- Faire contribuer l'IA ●●○○*
Pourquoi c'est négligé : des investissements lourds, dont les effets se mesurent à l'échelle d'un territoire et d'une décennie, pas d'une campagne électorale.
Efficacité attendue selon la grille DITP-VIGINUM (2026) reprise dans La Désinformation (Darcy, 2026) : ●●●● très élevée, ●●●○ élevée, ●●○○ correcte, ●○○○ limitée ; * estimation de l'auteur ; sans points : levier non noté. Les leviers sont ceux de la note d'analyse.
- Démonétiser : priver un contenu ou un compte de ses revenus publicitaires.
- Plateformes auditables : dont des chercheurs et régulateurs peuvent vérifier les données et les algorithmes.
- Authenticité des émetteurs : vérifier qui parle (traquer les faux comptes, tracer l'origine des contenus) plutôt que juger ce qui est dit.
- Prébunking : prévenir le public à l'avance des techniques de manipulation, comme un vaccin.
- Relais crédibles : des messagers en qui le public visé a déjà confiance.
- Frictions de partage : une petite pause avant de repartager (un clic de plus, une question sur la fiabilité).
- Intégrité publique : l'exemplarité et la transparence des institutions, qui fondent leur crédibilité.
- Non-recours : le fait de ne pas toucher une aide sociale à laquelle on a droit.
- Dépolarisation : réduire l'hostilité entre camps politiques.
- Relais (pilier 4) : les fact-checkeurs et les autres producteurs d'information fiable.
Le pilier 2 est le plus visible et le mieux évalué, mais la correction ne peut intercepter qu'une partie des contenus. L'attaque a un avantage structurel sur la défense : fabriquer un faux est rapide et peu coûteux, alors que le vérifier et le corriger demande du temps.
Pour être pleinement efficace, le fact-checking devrait remplir trois conditions :
- Repérer toute la désinformation.
- La vérifier assez vite.
- Faire parvenir ses corrections au-delà des publics déjà convaincus.
La troisième condition est rarement remplie. Une étude portant sur 54 millions d'utilisateurs de Facebook l'a montré : environ les deux tiers des « j'aime » sur les vérifications venaient d'utilisateurs qui fréquentaient déjà surtout des pages scientifiques, et non de ceux qui suivaient des pages complotistes (Zollo et al., 2017). Les corrections atteignent donc surtout ceux qui n'en ont pas besoin.
D'où la nécessité des autres piliers, qui agissent sur l'offre, sur la demande et sur la place de l'information fiable.
Le paradoxe à assumer : efficacité contre niveau de preuve
La carte ci-dessous place les quinze interventions du tableau 1 de La Désinformation selon deux critères : leur efficacité attendue (axe vertical) et la solidité des études qui les évaluent (axe horizontal). Elle révèle un décalage. Les interventions les mieux documentées sont celles dont les effets sont les plus modestes (en bas à droite : bien prouvé, mais modeste) ; les plus déterminantes sont les plus difficiles à prouver (en haut à gauche : déterminant, mais mal prouvé).
- AAccompagner et revitaliser la presse quotidienne régionale (levier 13)
- BAssurer un financement stable aux médias et garantir leur indépendance (levier 14)
- CRenforcer l'intégrité publique (levier 9)
- DSoutenir les autres producteurs de contenu (levier 16)
- EAccompagner et outiller la filière du fact-checking (levier 16)
- FRéinvestir les espaces de sociabilité (levier 10)
- GRenforcer les politiques sociales, économiques et de santé publique (levier 11)
- HÉducation aux médias et à l'information (levier 5)
- IInoculation (prébunking) (levier 6)
- JAssainir l'espace numérique et valoriser l'information fiable (levier 1, 3)
- KFact-checking (levier 7)
- LAfficher la source de l'information et sa fiabilité (levier 8)
- MIntroduire une pause réflexive (levier 8)
- NModifier les algorithmes de recommandation (levier 2)
- OAfficher la source pour équiper le lecteur (levier 8)
Ce décalage n'est pas fortuit :
- Il est facile de tester l'effet d'un fact-checking sur une croyance : on montre la correction à un groupe, pas à un autre, et on compare.
- Il est bien plus difficile de démontrer qu'une politique de presse locale rend un territoire moins vulnérable, notamment à cause de son coût : aux États-Unis, une relance ambitieuse des médias locaux a été chiffrée entre 10 et 52 milliards de dollars par an (Bateman et Jackson, 2024), une échelle à laquelle on ne mène pas d'expérience contrôlée.
Conséquence : une action publique qui ne financerait que ce qui est prouvé investirait mécaniquement dans les leviers les moins puissants.
La stratégie du portefeuille
La littérature converge vers une « stratégie de portefeuille » (Bateman et Jackson, 2024). L'image est empruntée à la finance : un investisseur prudent ne place pas tout sur une seule action ; il combine des placements aux rendements, aux risques et aux échéances différents. Appliquée à la désinformation, elle consiste à combiner les quatre piliers plutôt qu'à chercher un remède unique, chacun jouant un rôle différent dans le portefeuille.
Couper les revenus, contrôler les plateformes, traquer les faux comptes. Indispensable face aux campagnes organisées, mais contourné dès que les diffuseurs changent de canal.
Éducation aux médias, prébunking, pauses avant le partage. Effets rapides et bien mesurés, mais modestes, et qui s'estompent avec le temps.
Intégrité publique, lien social, sécurité matérielle. Les effets les plus profonds, mais les plus lents et les plus difficiles à démontrer.
Presse locale, financement stable des médias, relais outillés. Le pilier jugé le plus efficace, et celui où l'on investit le moins.
Trois raisons justifient cette combinaison :
- Les piliers se complètent. Apprendre à reconnaître une source fiable (pilier 2) ne sert à rien s'il n'existe plus de sources fiables vers lesquelles se tourner (pilier 4). Retirer des contenus d'une plateforme (pilier 1) ne fait pas disparaître le besoin qui poussait à les chercher : ce besoin se reporte ailleurs, et seul le pilier 3 s'y attaque. Enfin, les politiques de fond mettent des années à produire leurs effets, et il faut se protéger entre-temps.
- L'incertitude est forte. Comme en finance, diversifier protège contre une erreur de diagnostic : on ne sait pas encore quel levier pèse le plus, ni dans quel contexte.
- Les horizons diffèrent. Les mesures de court terme (piliers 1 et 2) répondent à l'urgence d'une élection ou d'une crise ; les mesures de fond (piliers 3 et 4) préparent la résilience de la décennie suivante.
Mais la formule a quelque chose de trompeur : un portefeuille équilibré ne signifie pas des parts égales. Aujourd'hui, l'action publique consacre l'essentiel de ses moyens aux piliers 1 et 2, les plus visibles et les moins coûteux, et trop peu aux piliers 3 et 4, pourtant jugés les plus déterminants. Rééquilibrer le portefeuille, c'est accepter de financer aussi ce qui se prouve mal, à condition de l'évaluer dans la durée. C'est précisément le rôle d'un observatoire.
L'Observatoire de l'environnement informationnel
Un portefeuille se pilote : pour le rééquilibrer, il faut savoir ce qui marche. Or une enquête menée auprès de 106 praticiens français de la lutte contre la désinformation (Darcy et Altay, 2026, Harvard Kennedy School Misinformation Review) montre un double manque :
- Le secteur ne dispose pas des mesures nécessaires.
- Il connaît mal les résultats de la recherche.
L'article esquisse, à titre exploratoire, un observatoire permanent de l'environnement informationnel pour combler ces deux lacunes. C'est la forme concrète de la condition transversale de la note : se donner les moyens de savoir.
Mesurer ce que les outils actuels laissent invisible
- Une enquête répétée auprès d'un même échantillon de citoyens, sur l'exposition à la désinformation, les croyances, la confiance et l'isolement. Elle serait confiée à l'INSEE, l'institut national de la statistique, sous secret statistique : aucun organisme lié à l'État ne détiendrait les croyances de citoyens identifiés.
- Des mesures de l'offre d'information : nombre de journalistes couvrant chaque territoire, financement de l'information, évolution de la confiance.
- Les données des plateformes, que l'article 40 du DSA (le règlement européen sur les services numériques) permet désormais à des chercheurs agréés d'obtenir, pour voir comment le faux circule réellement : quels comptes l'amplifient, à quelle vitesse, auprès de qui.
- L'évaluation des dispositifs déjà financés. Idéalement par tirage au sort (on compare un groupe qui bénéficie du dispositif à un groupe qui n'en bénéficie pas) ; sinon par des méthodes « quasi expérimentales », qui comparent des groupes semblables quand le tirage au sort est impossible. S'y ajouteraient des bilans standardisés après chaque incident majeur.
Faire parvenir la recherche à ceux qui agissent
- Des synthèses en français, en accès libre, sur les questions qui reviennent sans cesse (le fact-checking marche-t-il ? quelle est l'exposition réelle à la désinformation ?).
- Des produits par métier : une note juridique pour le régulateur, une note sur les menaces pour l'analyste, une ressource de classe pour l'enseignant.
- Des passeurs de connaissance : des personnes chargées de relayer la recherche au sein des équipes. Ils seraient affectés là où la culture de la recherche est la plus faible, car c'est seulement là que le principal essai sur le sujet les a trouvés efficaces.
- Un retour régulier sur les indicateurs : chaque institution recevrait ses résultats, comparés à ceux d'institutions semblables et assortis d'un plan d'action.
Le point décisif est que les mesures de la demande (confiance, isolement) figureraient dans le même outil, au même rythme, que le décompte des campagnes étrangères. Or on diagnostique ce que l'on mesure. Aujourd'hui, les institutions ne comptent que les campagnes détectées et les contenus retirés, c'est-à-dire l'offre ; elles en concluent que le problème tient surtout à l'offre. Mettre les deux séries côte à côte corrigerait de lui-même ce biais.
- Le financer une fois pour toutes (par une dotation en capital ou un engagement pluriannuel inscrit dans la loi) plutôt que de renégocier son budget chaque année.
- Lui donner un statut de droit public : en cas de procès, c'est alors l'État qui assume sa défense juridique, et non l'organisme seul.
- Dire clairement ce qu'il ne fera jamais : aucun signalement de contenus, aucun arbitrage du vrai et du faux, aucune opération en période électorale, aucun partage de données avec les services de sécurité.
Les précédents montrent ce qui menace ce type d'organisme. Le Stanford Internet Observatory, un centre de recherche américain, a fermé en 2024. Il était passé de la mesure de l'environnement informationnel au signalement de contenus électoraux ; il a alors été visé par des assignations du Congrès américain et par des procès, dont la défense a coûté très cher à l'université.
L'observatoire proposé ne pourrait donc pas naître par décret : il se construirait par étapes.
- D'abord, rassembler ce qui existe déjà autour de quelques indicateurs communs.
- Ensuite, n'en faire une institution que si ce travail porte ses fruits.
Les auteurs le présentent comme une piste parmi d'autres, non comme une solution assurée. Elle répond à un paradoxe : le secteur doit combattre un phénomène qu'il ne sait pas mesurer, avec des connaissances qu'il ne lit pas.
Sources principales : G. Darcy, La Désinformation, La Découverte, coll. « Repères », 2026 (chapitre V et tableau 1) · DITP et VIGINUM, 2026 · Bateman et Jackson, Countering Disinformation Effectively, Carnegie Endowment, 2024 · Darcy et Altay, « Disinformation in practice », Harvard Kennedy School Misinformation Review, 2026 (annexe J) · Zollo et al., 2017.
Solutions: four pillars, four safety nets
No single instrument will suffice. Neither fact-checking, nor media literacy, nor platform moderation can, taken on its own, overcome a phenomenon this multifaceted. Disinformation thrives for three reasons at once:
- It exploits biases in how our minds work.
- It circulates in a digital environment that favors it.
- It feeds on social and political vulnerabilities (economic insecurity, isolation, distrust).
The challenge, then, is no longer simply to correct falsehoods, but to reduce the conditions that make them effective.
- The DITP-VIGINUM report. This is the shift endorsed by the joint report published in 2026 by two French government bodies, the DITP (the interministerial directorate for public transformation) and VIGINUM (the state agency that detects foreign digital interference), to which the author contributed.
- Layered nets. Instead of relying solely on correcting false information, the report proposes layering several safety nets.
- Four pillars. Here these nets take the form of the four pillars of the policy brief: each catches part of what the others let through.
The four pillars at a glance
How to read the diagram:
- At the top, disinformation, seen as the meeting of a supply (those who deliberately produce and spread falsehoods, often for political or financial gain) and a demand (the social reasons that lead audiences to seek out or believe such content).
- Below, each pillar is a net. Its labels show what it targets, how long it takes to show effects, and how solid the supporting studies are.
- The dots rate each lever's expected effectiveness.
- The last line of each net says what it lets through, or why it is hard to implement.
Necessary but insufficient. It goes after the revenue and methods of those who spread disinformation (fake accounts, advertising), without the state having to decide what is true.
- Demonetize disinformation ●●○○
- Make platforms auditable ●○○○
- Defend sender authenticity ●●○○*
- Regulate AI through its actors
What slips through: false but legal content produced by domestic actors, which no rule targets; and audiences who go elsewhere for what was removed from a platform.
The best-studied levers, but they reach few people. Poorly designed, they mostly teach distrust, and then make people doubt accurate information too.
- Refocused media literacy ●●○○
- Targeted, repeated prebunking ●●○○
- Corrections via credible messengers ●○○○
- Sharing frictions ●○○○
What slips through: the most exposed audiences, whom corrections do not reach; and behavior: people learn to judge content better, but this does less to change what they share.
The most decisive lever and the hardest to pull. Reducing insecurity, isolation and distrust protects against disinformation better than security tools alone: the welfare state is the strongest defense of the sovereign state.
- Public integrity ●●●○
- Places of social connection ●●●○
- Insecurity and benefit non-take-up ●●●○
- Depolarization ●○○○*
Why it is hard: slow, costly reforms whose effect on disinformation is the hardest to demonstrate.
Fighting for information is often more effective and less costly than fighting against disinformation.
- Restore local press funding ●●●●
- Stable media funding ●●●●
- Equip the messengers ●●●○
- Make AI contribute ●●○○*
Why it is neglected: heavy investments whose effects show up at the scale of a community and a decade, not an election campaign.
Expected effectiveness according to the DITP-VIGINUM grid (2026), as used in La Désinformation (Darcy, 2026): ●●●● very high, ●●●○ high, ●●○○ moderate, ●○○○ limited; * author's estimate; no dots: lever not rated. The levers are those of the policy brief.
- Demonetize: cut off a piece of content's or an account's advertising revenue.
- Auditable platforms: platforms whose data and algorithms researchers and regulators can check.
- Sender authenticity: verifying who is speaking (tracking fake accounts, tracing where content comes from) rather than judging what is said.
- Prebunking: warning people in advance about manipulation techniques, like a vaccine.
- Credible messengers: people the target audience already trusts.
- Sharing frictions: a short pause before resharing (one more click, a question about reliability).
- Public integrity: the exemplary conduct and transparency of institutions, on which their credibility rests.
- Non-take-up: not claiming a social benefit one is entitled to.
- Depolarization: reducing hostility between political camps.
- Messengers (pillar 4): fact-checkers and other producers of reliable information.
Pillar 2 is the most visible and the best evaluated, but correction can intercept only part of the content. Attack holds a structural advantage over defense: fabricating a fake is quick and cheap, whereas checking and correcting it takes time.
To be fully effective, fact-checking would have to meet three conditions:
- Spot all disinformation.
- Verify it quickly enough.
- Get its corrections to people beyond those already convinced.
The third condition is rarely met. A study of 54 million Facebook users showed this: roughly two-thirds of the “likes” on fact-checks came from users who already mostly followed science pages, not from those who followed conspiracy pages (Zollo et al., 2017). Corrections therefore mostly reach those who do not need them.
Hence the need for the other pillars, which act on supply, on demand, and on the place of reliable information.
A paradox to acknowledge: effectiveness versus strength of evidence
The map below places the fifteen interventions from Table 1 of La Désinformation according to two criteria: their expected effectiveness (vertical axis) and the strength of the studies that evaluate them (horizontal axis). It reveals a mismatch. The best-documented interventions are those with the most modest effects (bottom right: well proven, but modest); the most decisive are the hardest to prove (top left: decisive, but poorly proven).
- ASupport and revitalize the regional daily press (lever 13)
- BEnsure stable media funding and guarantee independence (lever 14)
- CStrengthen public integrity (lever 9)
- DSupport other content producers (lever 16)
- ESupport and equip the fact-checking sector (lever 16)
- FReinvest in spaces of social interaction (lever 10)
- GStrengthen social, economic and public-health policies (lever 11)
- HMedia and information literacy (lever 5)
- IInoculation (prebunking) (lever 6)
- JClean up the digital space and promote reliable information (lever 1, 3)
- KFact-checking (lever 7)
- LDisplay the source and its reliability (lever 8)
- MIntroduce a reflective pause (lever 8)
- NChange recommendation algorithms (lever 2)
- ODisplay the source to equip the reader (lever 8)
This mismatch is no accident:
- Testing the effect of a fact-check on a belief is easy: show the correction to one group and not to another, then compare.
- Demonstrating that a local news policy makes a community less vulnerable is much harder, not least because of the cost: in the United States, an ambitious revival of local media has been costed at between $10 billion and $52 billion per year (Bateman and Jackson, 2024), a scale at which no one runs a controlled experiment.
As a result, public action that funded only what has been proven would inevitably invest in the least powerful levers.
The portfolio strategy
The literature converges on a “portfolio strategy” (Bateman and Jackson, 2024). The image is borrowed from finance: a prudent investor does not put everything into a single stock, but combines investments with different returns, risks, and time horizons. Applied to disinformation, it means combining the four pillars rather than searching for a single remedy, each playing a different role in the portfolio.
Cut off revenue, scrutinize platforms, track fake accounts. Indispensable against organized campaigns, but bypassed as soon as those spreading disinformation switch channels.
Media literacy, prebunking, pauses before sharing. Rapid, well-measured effects, but modest, and they fade over time.
Public integrity, social ties, material security. The deepest effects, but the slowest and the hardest to demonstrate.
Local press, stable media funding, equipped messengers. The pillar judged most effective, and the one that receives the least investment.
Three reasons justify this combination:
- The pillars complement one another. Learning to recognize a reliable source (pillar 2) is useless if no reliable sources are left to turn to (pillar 4). Removing content from a platform (pillar 1) does not remove the need that drove people to look for it: that need moves elsewhere, and only pillar 3 tackles it. Finally, structural policies take years to produce results, and protection is needed in the meantime.
- Uncertainty is high. As in finance, diversification guards against misdiagnosis: we do not yet know which lever matters most, or in which context.
- Time horizons differ. Short-term measures (pillars 1 and 2) respond to the urgency of an election or a crisis; structural measures (pillars 3 and 4) build resilience for the decade ahead.
Yet the formula is somewhat misleading: a balanced portfolio does not mean equal shares. Today, public action devotes most of its resources to pillars 1 and 2, the most visible and least costly, and too little to pillars 3 and 4, even though they are judged most decisive. Rebalancing the portfolio means agreeing to fund what is hard to prove as well, provided it is evaluated over time. This is precisely the role of an observatory.
The Observatory of the information environment
A portfolio has to be managed: to rebalance it, one needs to know what works. Yet a survey of 106 French counter-disinformation practitioners (Darcy and Altay, 2026, Harvard Kennedy School Misinformation Review) reveals a twofold gap:
- The field lacks the necessary metrics.
- It knows little of what research has found.
The article sketches, on an exploratory basis, a permanent observatory of the information environment to fill both gaps. It is the concrete form of the brief's cross-cutting condition: giving ourselves the means to know.
Measuring what current tools leave invisible
- A recurring survey of the same sample of citizens, on exposure to disinformation, beliefs, trust, and isolation. It would be run by INSEE, France's national statistics institute, under statistical confidentiality: no state-affiliated body would hold data on the beliefs of identifiable citizens.
- Measures of the information supply: number of journalists covering each area, funding for news, trends in trust.
- Platform data, which Article 40 of the DSA (the EU Digital Services Act) now allows vetted researchers to obtain, to see how falsehoods actually circulate: which accounts amplify them, how fast, and to whom.
- Evaluation of programs already funded. Ideally through random assignment (comparing a group that receives the program with one that does not); otherwise through “quasi-experimental” methods, which compare similar groups when random assignment is impossible. Standardized reviews would follow every major incident.
Getting research to those who act
- Open-access syntheses in French on the questions that keep coming up (does fact-checking work? how much are people actually exposed to disinformation?).
- Profession-specific products: a legal brief for the regulator, a threat brief for the analyst, a classroom resource for the teacher.
- Knowledge brokers: people tasked with relaying research within teams. They would be assigned where research culture is weakest, since that is the only setting where the main trial on the subject found them effective.
- Regular feedback on indicators: each institution would receive its results, compared with those of similar institutions and accompanied by an action plan.
The decisive point is that measures of demand (trust, isolation) would appear in the same instrument, at the same frequency, as the tally of foreign campaigns. We diagnose what we measure. Today, institutions count only detected campaigns and removed content, that is, supply; they conclude that the problem lies mainly in supply. Putting the two series side by side would correct this bias on its own.
- Fund it once and for all (through an endowment or a multiyear commitment written into law) rather than renegotiating its budget every year.
- Give it public-law status: if it is sued, the state then takes responsibility for its legal defense, rather than the body alone.
- State clearly what it will never do: no content flagging, no arbitrating between true and false, no operations during election periods, no data sharing with security services.
Precedents show what threatens this kind of body. The Stanford Internet Observatory, a US research center, closed in 2024. It had moved from measuring the information environment to flagging election-related content; it was then hit by congressional subpoenas and lawsuits, whose defense cost the university dearly.
The proposed observatory could therefore not be created by decree: it would be built in stages.
- First, bring together existing efforts around a few shared indicators.
- Then, turn this into an institution only if the work bears fruit.
The authors present it as one avenue among others, not as a guaranteed solution. It answers a paradox: the field must combat a phenomenon it cannot measure, with knowledge it does not read.
Main sources: G. Darcy, La Désinformation, La Découverte, “Repères” series, 2026 (Chapter V and Table 1) · DITP and VIGINUM, 2026 · Bateman and Jackson, Countering Disinformation Effectively, Carnegie Endowment, 2024 · Darcy and Altay, “Disinformation in practice,” Harvard Kennedy School Misinformation Review, 2026 (Appendix J) · Zollo et al., 2017.
Las soluciones: cuatro pilares, cuatro redes de seguridad
Ningún instrumento bastará por sí solo. Ni la verificación de datos, ni la alfabetización mediática, ni la moderación de contenidos en las plataformas pueden, por separado, acabar con un fenómeno tan heterogéneo. La desinformación prospera por tres razones a la vez:
- Explota sesgos de nuestro funcionamiento mental.
- Circula en un entorno digital que la favorece.
- Se apoya en fragilidades sociales y políticas (precariedad, aislamiento, desconfianza).
El reto ya no consiste, por tanto, solo en corregir lo falso, sino en reducir las condiciones que lo hacen eficaz.
- El informe DITP-VIGINUM. Este desplazamiento es el que consagra el informe conjunto publicado en 2026 por la DITP (Dirección Interministerial de Transformación Pública) y VIGINUM (el servicio del Estado francés encargado de detectar las injerencias digitales extranjeras), en el que participó el autor.
- Redes superpuestas. En lugar de apostar únicamente por la corrección de las informaciones falsas, este informe propone superponer varias redes de seguridad.
- Cuatro pilares. Estas redes adoptan aquí la forma de los cuatro pilares de la nota de análisis: cada uno recoge una parte de lo que los demás dejan pasar.
Los cuatro pilares de un vistazo
Cómo leer el esquema:
- Arriba, la desinformación, entendida como el encuentro entre una oferta (quienes producen y difunden deliberadamente información falsa, a menudo por interés político o económico) y una demanda (las razones sociales que llevan a determinados públicos a buscar o a creer esos contenidos).
- Debajo, cada pilar es una red. Sus etiquetas indican a qué se dirige, el plazo necesario para observar sus efectos y la solidez de los estudios que lo respaldan.
- Los puntos miden la eficacia esperada de cada palanca.
- La última línea de cada red señala lo que deja pasar, o por qué resulta difícil de aplicar.
Necesario pero insuficiente. Se atacan los ingresos y los métodos de los difusores (cuentas falsas, publicidad) sin que el Estado tenga que decidir qué es verdad.
- Desmonetizar la desinformación ●●○○
- Hacer auditables las plataformas ●○○○
- Defender la autenticidad de los emisores ●●○○*
- Regular la IA a través de sus actores
Lo que se cuela: los contenidos falsos pero legales producidos por actores nacionales, a los que no apunta ninguna norma; y un público que busca en otra parte lo que se ha retirado de una plataforma.
Las palancas mejor estudiadas, pero llegan a poca gente. Mal diseñadas, enseñan sobre todo a desconfiar, hasta el punto de hacer dudar también de la información exacta.
- Alfabetización mediática reorientada ●●○○
- Prebunking focalizado y repetido ●●○○
- Corrección a través de intermediarios creíbles ●○○○
- Fricciones al compartir ●○○○
Lo que se cuela: los públicos más expuestos, a los que no llegan las correcciones; y los comportamientos: se aprende a juzgar mejor un contenido, pero eso cambia menos lo que se comparte.
La palanca más determinante y la más difícil de accionar. Reducir la precariedad, el aislamiento y la desconfianza protege mejor contra la desinformación que las meras herramientas de seguridad: el Estado social es la defensa más sólida del Estado en sus funciones soberanas.
- Integridad pública ●●●○
- Espacios de sociabilidad ●●●○
- Precariedad y no acceso a las prestaciones ●●●○
- Despolarización ●○○○*
Por qué es difícil: reformas lentas y costosas, cuyo efecto sobre la desinformación es el más difícil de demostrar.
Luchar a favor de la información suele ser más eficaz y menos costoso que luchar contra la desinformación.
- Volver a financiar la prensa local ●●●●
- Financiación estable de los medios ●●●●
- Dotar de herramientas a los intermediarios ●●●○
- Hacer que la IA contribuya ●●○○*
Por qué se descuida: inversiones cuantiosas, cuyos efectos se miden a la escala de un territorio y de una década, no de una campaña electoral.
Eficacia esperada según la matriz DITP-VIGINUM (2026) recogida en La Désinformation (Darcy, 2026): ●●●● muy elevada, ●●●○ elevada, ●●○○ aceptable, ●○○○ limitada; * estimación del autor; sin puntos: palanca no calificada. Las palancas son las de la nota de análisis.
- Desmonetizar: privar a un contenido o a una cuenta de sus ingresos publicitarios.
- Plataformas auditables: aquellas cuyos datos y algoritmos pueden verificar investigadores y reguladores.
- Autenticidad de los emisores: verificar quién habla (rastrear las cuentas falsas, trazar el origen de los contenidos) en lugar de juzgar lo que se dice.
- Prebunking: advertir al público de antemano sobre las técnicas de manipulación, como una vacuna.
- Intermediarios creíbles: mensajeros en quienes el público destinatario ya confía.
- Fricciones al compartir: una breve pausa antes de volver a compartir (un clic más, una pregunta sobre la fiabilidad).
- Integridad pública: la ejemplaridad y la transparencia de las instituciones, en las que se funda su credibilidad.
- No acceso a las prestaciones: el hecho de no percibir una ayuda social a la que se tiene derecho.
- Despolarización: reducir la hostilidad entre bandos políticos.
- Intermediarios (pilar 4): los verificadores y los demás productores de información fiable.
El pilar 2 es el más visible y el mejor evaluado, pero la corrección solo puede interceptar una parte de los contenidos. El ataque tiene una ventaja estructural sobre la defensa: fabricar una falsedad es rápido y barato, mientras que verificarla y corregirla requiere tiempo.
Para ser plenamente eficaz, la verificación de datos debería cumplir tres condiciones:
- Detectar toda la desinformación.
- Verificarla con suficiente rapidez.
- Hacer llegar sus correcciones más allá de los públicos ya convencidos.
La tercera condición rara vez se cumple. Así lo mostró un estudio sobre 54 millones de usuarios de Facebook: aproximadamente dos tercios de los «me gusta» en las verificaciones procedían de usuarios que ya frecuentaban sobre todo páginas científicas, y no de quienes seguían páginas conspiracionistas (Zollo et al., 2017). Las correcciones llegan, pues, sobre todo a quienes no las necesitan.
De ahí la necesidad de los demás pilares, que actúan sobre la oferta, sobre la demanda y sobre el lugar que ocupa la información fiable.
La paradoja que hay que asumir: eficacia frente a nivel de evidencia
El mapa siguiente sitúa las quince intervenciones del cuadro 1 de La Désinformation según dos criterios: su eficacia esperada (eje vertical) y la solidez de los estudios que las evalúan (eje horizontal). Pone de manifiesto un desajuste. Las intervenciones mejor documentadas son las que tienen efectos más modestos (abajo a la derecha: bien probado, pero modesto); las más determinantes son las más difíciles de probar (arriba a la izquierda: determinante, pero poco probado).
- AAcompañar y revitalizar la prensa diaria regional (palanca 13)
- BAsegurar una financiación estable a los medios y garantizar su independencia (palanca 14)
- CReforzar la integridad pública (palanca 9)
- DApoyar a los demás productores de contenidos (palanca 16)
- EAcompañar y dotar de herramientas al sector de la verificación de datos (palanca 16)
- FReinvertir en los espacios de sociabilidad (palanca 10)
- GReforzar las políticas sociales, económicas y de salud pública (palanca 11)
- HAlfabetización mediática e informacional (palanca 5)
- IInoculación (prebunking) (palanca 6)
- JSanear el espacio digital y poner en valor la información fiable (palanca 1, 3)
- KVerificación de datos (fact-checking) (palanca 7)
- LMostrar la fuente de la información y su fiabilidad (palanca 8)
- MIntroducir una pausa reflexiva (palanca 8)
- NModificar los algoritmos de recomendación (palanca 2)
- OMostrar la fuente para dotar de recursos al lector (palanca 8)
Este desajuste no es casual:
- Es fácil comprobar el efecto de una verificación de datos sobre una creencia: se muestra la corrección a un grupo y no a otro, y se comparan los resultados.
- Es mucho más difícil demostrar que una política de prensa local hace que un territorio sea menos vulnerable, sobre todo por su coste: en Estados Unidos, un relanzamiento ambicioso de los medios locales se ha cifrado entre 10 000 y 52 000 millones de dólares anuales (Bateman y Jackson, 2024), una escala a la que no se realizan experimentos controlados.
Consecuencia: una acción pública que solo financiara lo que está probado invertiría mecánicamente en las palancas menos potentes.
La estrategia de cartera
La literatura converge hacia una «estrategia de cartera» (Bateman y Jackson, 2024). La imagen procede de las finanzas: un inversor prudente no lo apuesta todo a un solo valor, sino que combina inversiones con rendimientos, riesgos y vencimientos distintos. Aplicada a la desinformación, consiste en combinar los cuatro pilares en lugar de buscar un remedio único, de modo que cada uno desempeña un papel diferente en la cartera.
Cortar los ingresos, controlar las plataformas, rastrear las cuentas falsas. Indispensable frente a las campañas organizadas, pero se elude en cuanto los difusores cambian de canal.
Alfabetización mediática, prebunking, pausas antes de compartir. Efectos rápidos y bien medidos, pero modestos, y que se diluyen con el tiempo.
Integridad pública, vínculo social, seguridad material. Los efectos más profundos, pero también los más lentos y los más difíciles de demostrar.
Prensa local, financiación estable de los medios, intermediarios dotados de herramientas. El pilar considerado más eficaz, y aquel en el que menos se invierte.
Tres razones justifican esta combinación:
- Los pilares se complementan. Aprender a reconocer una fuente fiable (pilar 2) no sirve de nada si ya no quedan fuentes fiables a las que recurrir (pilar 4). Retirar contenidos de una plataforma (pilar 1) no hace desaparecer la necesidad que llevaba a buscarlos: esa necesidad se desplaza a otro lugar, y solo el pilar 3 la aborda. Por último, las políticas de fondo tardan años en producir sus efectos, y entretanto hay que protegerse.
- La incertidumbre es elevada. Como en las finanzas, diversificar protege contra un error de diagnóstico: todavía no se sabe qué palanca pesa más, ni en qué contexto.
- Los horizontes difieren. Las medidas a corto plazo (pilares 1 y 2) responden a la urgencia de unas elecciones o de una crisis; las medidas de fondo (pilares 3 y 4) preparan la resiliencia de la década siguiente.
Pero la fórmula tiene algo de engañoso: una cartera equilibrada no significa partes iguales. Hoy, la acción pública dedica la mayor parte de sus recursos a los pilares 1 y 2, los más visibles y los menos costosos, y demasiado poco a los pilares 3 y 4, pese a que se consideran los más determinantes. Reequilibrar la cartera supone aceptar financiar también lo que se demuestra con dificultad, a condición de evaluarlo a lo largo del tiempo. Esa es precisamente la función de un observatorio.
El Observatorio del entorno informativo
Una cartera se gestiona: para reequilibrarla, hay que saber qué funciona. Ahora bien, una encuesta realizada a 106 profesionales franceses de la lucha contra la desinformación (Darcy y Altay, 2026, Harvard Kennedy School Misinformation Review) pone de relieve una doble carencia:
- El sector no dispone de las mediciones necesarias.
- Conoce mal los resultados de la investigación.
El artículo esboza, a título exploratorio, un observatorio permanente del entorno informativo para colmar ambas lagunas. Es la forma concreta de la condición transversal de la nota: dotarse de los medios para saber.
Medir lo que las herramientas actuales dejan en la sombra
- Una encuesta periódica a una misma muestra de ciudadanos sobre la exposición a la desinformación, las creencias, la confianza y el aislamiento. Se encomendaría al INSEE, el instituto nacional de estadística francés, bajo secreto estadístico: ningún organismo vinculado al Estado tendría en su poder las creencias de ciudadanos identificados.
- Mediciones de la oferta informativa: número de periodistas que cubren cada territorio, financiación de la información, evolución de la confianza.
- Los datos de las plataformas, que el artículo 40 del DSA (el Reglamento Europeo de Servicios Digitales) permite ahora obtener a investigadores autorizados, para ver cómo circula realmente lo falso: qué cuentas lo amplifican, a qué velocidad y entre quiénes.
- La evaluación de los dispositivos ya financiados. Idealmente mediante asignación aleatoria (se compara un grupo que se beneficia del dispositivo con otro que no); en su defecto, mediante métodos «cuasiexperimentales», que comparan grupos similares cuando la asignación aleatoria es imposible. A ello se sumarían balances normalizados tras cada incidente grave.
Hacer llegar la investigación a quienes actúan
- Síntesis en francés, en acceso abierto, sobre las preguntas que se plantean una y otra vez (¿funciona la verificación de datos?, ¿cuál es la exposición real a la desinformación?).
- Productos adaptados a cada profesión: una nota jurídica para el regulador, una nota sobre las amenazas para el analista, un recurso didáctico para el docente.
- Intermediarios del conocimiento: personas encargadas de transmitir la investigación dentro de los equipos. Se destinarían allí donde la cultura investigadora es más débil, porque solo en ese contexto el principal ensayo sobre la cuestión constató su eficacia.
- Una devolución periódica de los indicadores: cada institución recibiría sus resultados, comparados con los de instituciones similares y acompañados de un plan de acción.
Lo decisivo es que las mediciones de la demanda (confianza, aislamiento) figurarían en el mismo instrumento, con la misma periodicidad, que el recuento de las campañas extranjeras. Y es que se diagnostica lo que se mide. Hoy, las instituciones solo cuentan las campañas detectadas y los contenidos retirados, es decir, la oferta; y concluyen que el problema reside sobre todo en la oferta. Situar ambas series una junto a otra corregiría por sí solo este sesgo.
- Financiarlo de una vez por todas (mediante una dotación de capital o un compromiso plurianual consagrado en la ley) en lugar de renegociar su presupuesto cada año.
- Dotarlo de un estatuto de derecho público: en caso de litigio, corresponde entonces al Estado asumir su defensa jurídica, y no al organismo en solitario.
- Establecer con claridad lo que nunca hará: ninguna notificación de contenidos, ningún arbitraje entre lo verdadero y lo falso, ninguna operación en periodo electoral, ningún intercambio de datos con los servicios de seguridad.
Los precedentes muestran qué amenaza a este tipo de organismos. El Stanford Internet Observatory, un centro de investigación estadounidense, cerró en 2024. Había pasado de medir el entorno informativo a señalar contenidos electorales; fue entonces objeto de requerimientos del Congreso de los Estados Unidos y de demandas judiciales, cuya defensa costó muy cara a la universidad.
El observatorio propuesto no podría, por tanto, nacer por decreto: se construiría por etapas.
- Primero, reunir lo que ya existe en torno a unos pocos indicadores comunes.
- Después, convertirlo en una institución solo si ese trabajo da sus frutos.
Los autores lo presentan como una vía entre otras, no como una solución garantizada. Responde a una paradoja: el sector debe combatir un fenómeno que no sabe medir, con conocimientos que no lee.
Fuentes principales: G. Darcy, La Désinformation, La Découverte, col. «Repères», 2026 (capítulo V y cuadro 1) · DITP y VIGINUM, 2026 · Bateman y Jackson, Countering Disinformation Effectively, Carnegie Endowment, 2024 · Darcy y Altay, «Disinformation in practice», Harvard Kennedy School Misinformation Review, 2026 (anexo J) · Zollo et al., 2017.
Désinformation et élections : résister sans aggraver le problème
- La désinformation déplace peu de votes. Là où son effet direct a été mesuré, il est très faible, même s'il reste incertain dans les scrutins très serrés.
- Elle n'est pas inoffensive pour autant. Elle peut décourager des électeurs d'aller voter, salir un candidat au dernier moment, faire douter d'informations exactes et fournir des prétextes pour contester un résultat. Ces effets indirects sont mieux documentés que l'effet sur le vote.
- Un discours général et alarmiste sur l'ingérence aggrave le problème. Affirmer sans autre précision que « l'élection est visée par des ingérences » n'est pas forcément faux, puisque des tentatives d'ingérence existent bel et bien. La difficulté tient à ce que le public en conclut : il surestime l'effet de ces opérations sur le vote et peut finir par leur attribuer le résultat, en oubliant que des millions d'électeurs ont réellement choisi. La légitimité de ce choix s'en trouve affaiblie, la confiance dans l'élection et dans l'information recule, et c'est souvent précisément ce que cherchait l'ingérence.
- Il faut donc agir, mais avec précision. Cela suppose d'expliquer concrètement comment le vote est protégé, de rendre publics des cas documentés plutôt que la menace en général, de corriger des contenus précis et de passer par des messagers en qui le public a confiance.
- Tout cela exige des candidats une retenue qui n'a rien d'acquis. Chacun, pris isolément, peut avoir intérêt à crier à l'ingérence ou à la fraude. D'où la nécessité d'une discipline collective de campagne, et d'une vigilance envers ceux qui dénoncent l'ingérence avec des discours qui la servent.
- Dénoncer une ingérence en citant un cas précis et documenté.
- Préparer la riposte à un deepfake avant qu'il n'arrive.
- Contester un résultat sans preuve.
- Dire « je suis la cible d'ingérences » sans dire lesquelles.
- Vérifier la source plutôt que tout soupçonner.
- S'informer à l'avance sur la façon dont le vote est protégé.
- Relayer des alertes générales sur les deepfakes.
- Corriger vite, de façon précise et complète.
- Vérifier l'origine d'un contenu suspect avant d'en parler.
- Faire sa une sur un faux vu par quelques milliers de personnes.
- Expliquer concrètement, et à l'avance, comment le vote est protégé.
- Passer par des messagers de confiance, au plus près du terrain.
- Préparer l'après-scrutin autant que la campagne.
- Sonner l'alarme sans cas précis à montrer.
Le détail des quatorze actions figure plus bas, dans « Ce que chacun peut faire ».
En 2024, plus de la moitié de l'humanité était appelée aux urnes, et beaucoup annonçaient que l'intelligence artificielle générative allait décider des scrutins. Il n'en a rien été. En Europe, les observateurs n'ont recensé que moins d'une trentaine de cas viraux, et aucun n'a eu d'effet démontré sur un résultat (Stockwell, 2024 ; Simon et Altay, 2025). L'épisode est instructif parce qu'il reproduit un schéma que les chercheurs connaissent bien. Chaque élection apporte sa technique de tromperie, une vague d'inquiétude et une série de contre-mesures, puis, une fois la poussière retombée, peu de preuves que des électeurs aient été persuadés de quoi que ce soit. Ce Focus part de cet écart entre la crainte et les faits, et en tire les conséquences pour l'action.
La désinformation peut nuire à une élection par trois voies, d'inégale importance. La première, la plus redoutée, est la persuasion. Pour qu'un contenu faux fasse basculer un scrutin, il faudrait qu'il atteigne des électeurs encore indécis, que ceux-ci le croient, puis qu'ils changent leur vote pour cette raison. Or chacune de ces étapes est difficile à franchir, car la plupart des gens voient peu de désinformation, et ceux qui en consomment beaucoup sont déjà convaincus. C'est pourquoi l'effet direct, là où il a été mesuré, est très faible. Il serait imprudent, pour autant, de l'exclure dans une élection qui se joue à quelques milliers de voix.
La deuxième voie ne requiert la persuasion de personne. Une fausse information peut dissuader des électeurs de se déplacer, salir un candidat trop tard pour qu'il puisse répondre, faire douter d'informations exactes ou fournir des arguments à ceux qui veulent contester le résultat. Ces effets indirects sont plus discrets que l'effet sur le vote, mais ils sont mieux documentés, de sorte que mesurer la désinformation à sa seule capacité de convaincre conduit à en sous-estimer le coût.
La troisième voie est la moins intuitive, et elle nous paraît la plus importante : une partie du dommage tient à la manière dont nous réagissons. Une ingérence étrangère ne cherche pas seulement à faire gagner un candidat. L'analyse des opérations russes de 2016 montre qu'elles visaient aussi à diviser l'opinion et à décourager certains électeurs d'aller voter (DiResta et al., 2019), et semer le doute sur l'élection elle-même compte, plus largement, parmi les buts de ce type d'opération. Dès lors, un discours général et alarmiste sur l'ingérence peut produire à lui seul l'effet que l'attaquant recherchait.
Le mécanisme se comprend à partir de déclarations devenues familières, celles d'un candidat qui se dit « la cible d'ingérences » sans préciser lesquelles, ou d'un ministre qui répète que « l'élection est visée par des puissances étrangères ». De tels propos ne sont pas forcément faux, puisque les tentatives d'ingérence sont réelles. Le problème tient à ce que le public en retient. Faute d'apprendre qu'une opération précise a été repérée et contenue, il comprend que le scrutin a peut-être été faussé. Il tend alors à surestimer l'effet de l'ingérence sur les comportements et à lui attribuer le résultat, au lieu d'y voir le choix réel des électeurs, si bien que c'est la légitimité de ce choix démocratique qui se trouve atteinte, et avec elle la confiance dans l'élection. L'absence de cas précis aggrave encore le dommage : puisque rien n'est cité, rien ne peut être vérifié, et le soupçon, privé d'objet, s'étend jusqu'aux médias fiables. Un média qui consacre sa une à un faux vu par quelques milliers de personnes parvient à un résultat voisin par une autre voie, celle de la disproportion, puisqu'il donne à un incident marginal la taille d'une menace nationale. La réaction, celle du responsable politique comme celle du média, offre ainsi à l'attaquant un succès que son opération, seule, n'aurait sans doute pas obtenu.
Ce mécanisme n'est établi par des expériences que dans un cas précis, celui où l'on affirme qu'une ingérence a pesé sur le vote (voir l'encadré 3). Pour les alertes plus vagues, du type « l'élection est visée », nous extrapolons à partir de ces résultats. L'hypothèse est plausible, mais elle n'a pas encore été mesurée en tant que telle, et nous la donnons pour ce qu'elle est.
Rien de cela ne signifie que la désinformation soit sans danger, ni qu'il vaille mieux se taire. La conséquence est plutôt qu'il faut agir avec précision, en veillant à ne pas ajouter de l'alarme à l'alarme. Concrètement, la bonne réponse consiste à expliquer comment le vote est protégé et à rendre publics des cas précis et documentés : quelle opération, menée par qui, touchant combien de personnes, et ce qui a été fait pour y répondre. Un tel signalement donne au public des éléments qu'il peut vérifier et juger par lui-même, là où une alerte générale inquiète sans rien montrer. Résister à la désinformation en période électorale suppose donc de mener deux tâches de front, dont la seconde est la plus difficile : protéger le vote, et veiller à ce que nos réactions n'aggravent pas le mal qu'elles prétendent combattre.
Une élection est un test de résistance pour l'écosystème de l'information. Pendant quelques semaines, l'attention du public est à son maximum, les identités politiques sont mobilisées et l'issue est souvent serrée. Le temps, surtout, est compté, et une fausse information lancée la veille du vote ne pourra plus être corrigée à temps.
Dans le même temps, la riposte devient plus risquée, parce que les acteurs pressés de réagir (candidats, médias, institutions) sont aussi ceux qui peuvent faire le plus de dégâts s'ils réagissent mal. C'est pourquoi nous proposons de juger chaque mesure sur son effet net, c'est-à-dire sur ce qu'elle retire à la croyance dans le faux, déduction faite de ce qu'elle retire à la confiance dans le vrai. Une bonne mesure fait reculer le faux sans entamer le vrai. Une mauvaise mesure peut elle aussi faire reculer le faux, mais elle fait douter du vrai au passage, au point que son bilan peut devenir négatif. Ce critère guide l'ensemble des recommandations qui suivent, et il fait peser la charge de la preuve sur la réponse autant que sur la menace.
Ce que la désinformation fait à une élection
Avant de choisir une réponse, il faut comprendre comment la désinformation agit réellement pendant une campagne. Les encadrés qui suivent examinent d'abord son effet direct sur le vote, faible là où il a été mesuré mais incertain dans les élections serrées, puis ses effets indirects, plus discrets et mieux documentés. Le dernier réunit deux dommages qui ne viennent pas de l'attaquant lui-même, mais des acteurs du débat public : la contestation des résultats par des responsables politiques, qui est le dommage le mieux démontré, et la riposte alarmiste, qui peut servir l'attaquant qu'elle prétend combattre.
La crainte la plus répandue est celle de l'électeur manipulé, qui verrait un contenu faux, y croirait et changerait son vote en conséquence. Les études dessinent un tableau très différent. Pour modifier un vote, un contenu faux doit franchir trois étapes successives, et chacune réduit fortement ses chances d'y parvenir.
- Persuader en masse est difficile. Une synthèse de 49 expériences de terrain montre que les contacts et les publicités de campagne ne changent pratiquement pas le choix de vote lors des élections générales américaines (Kalla et Broockman, 2018). Si une persuasion organisée et financée obtient si peu, on voit mal comment des contenus faux, bien moins vus, feraient beaucoup mieux.
- L'exemple russe de 2016. Sur Twitter, les comptes de l'Internet Research Agency, l'« usine à trolls » russe, ont surtout atteint des républicains déjà convaincus, et aucun effet mesurable de cette exposition sur leurs opinions ou leur vote n'a été trouvé (Eady et al., 2023).
- Le public est moins crédule qu'on ne le croit. Son erreur la plus fréquente consiste moins à croire le faux qu'à douter du vrai (Pfänder et Altay, 2025). Ce résultat pèse sur tout ce qui suit, car une réponse qui accroît la méfiance générale aggrave justement l'erreur la plus répandue.
Le doute doit néanmoins être énoncé comme un doute. Les méthodes actuelles saisissent mal les effets lents ou cumulatifs, qui s'étalent sur des années, et l'absence de preuve n'est pas la preuve de l'absence. Quand une élection se joue à quelques milliers de voix, même un petit effet peut compter.
La désinformation n'a pas besoin de convaincre pour nuire. Ses producteurs visent souvent autre chose que la persuasion, et les cas et expériences qui suivent montrent que ces autres voies sont, pour la plupart, mieux établies que l'effet sur le vote.
Décourager d'aller voter
Une fausse information sur la date du scrutin, le bureau où se rendre ou les documents à présenter vise la participation plutôt que l'opinion. Elle cherche à faire rester des électeurs chez eux, ce qui est plus facile que de les convaincre (Darcy, 2026), et le mécanisme ne requiert aucune persuasion.
Frapper quand il est trop tard pour corriger
En Slovaquie, en 2023, un faux enregistrement audio a été diffusé pendant le moratoire de 48 heures qui précède le vote, période pendant laquelle les candidats ne peuvent plus faire campagne. Les fact-checkers l'ont démenti le jour même, mais le moratoire limitait la riposte du candidat visé, et l'audio a continué de circuler, notamment sur Telegram et Facebook. On ignore s'il a changé le résultat. Le cas montre en revanche où se situe le véritable danger d'une campagne, à savoir le manque de temps pour que les faits rattrapent la rumeur (de Nadal et Jančárik, 2024).
Salir la réputation d'un candidat
Un deepfake est une fausse vidéo réaliste fabriquée par IA. Dans plusieurs expériences, un deepfake a fait baisser le soutien au candidat visé, alors même que les participants le jugeaient moins crédible qu'une vraie vidéo. Les études divergent en revanche sur ce que peut un fact-check publié ensuite. Selon certaines, il réduit fortement ce préjudice (Dan, 2025). Selon d'autres, il rend la vidéo moins crédible, mais le tort fait au candidat persiste plusieurs jours avant de s'estomper (Hameleers et al., 2026), ce qui revient à dire que la correction répare la crédibilité de la vidéo plus vite que la réputation du candidat.
Le « dividende du menteur »
Plus le public sait que des preuves peuvent être fabriquées, plus il devient facile de rejeter une preuve authentique. Un responsable politique pris dans un vrai scandale peut alors se contenter de répondre « c'est un faux ». Aux États-Unis, cinq expériences menées auprès de plus de 15 000 adultes montrent que cette défense lui fait conserver davantage de soutiens que des excuses ou le silence. Elle fonctionne contre une preuve écrite, beaucoup moins contre une vidéo, et un fact-check suffit à annuler ce gain (Schiff, Schiff et Bueno, 2025).
Diviser et brouiller
Certaines campagnes cherchent moins à imposer une idée qu'à attiser les tensions. En 2016, les mêmes opérateurs russes animaient à la fois de faux comptes de militants noirs et de fausses pages ultraconservatrices, pour attiser la colère des deux côtés (DiResta et al., 2019). D'autres opérations multiplient les versions contradictoires d'un même événement, comme si le but était que le public finisse par penser que rien n'est fiable. Ce brouillage a des conséquences pratiques, puisque des expériences montrent que l'exposition à des contenus complotistes réduit l'intention de voter (Jolley et Douglas, 2014).
Les deux dommages réunis ici ont ceci de commun qu'ils naissent chez des acteurs légitimes du débat public (responsables politiques, gouvernements, médias), dont la parole porte bien plus loin que celle d'un attaquant anonyme. C'est d'ailleurs de ce côté que se trouve le dommage le mieux démontré.
La contestation des résultats
La contestation sans preuve d'un résultat est le dommage le mieux démontré. Autour de l'élection américaine de 2020, une expérience a exposé des participants à des déclarations de Donald Trump mettant en cause le scrutin, et ces déclarations ont fait baisser la confiance de ses partisans dans les élections (Clayton et al., 2021). Le dommage est d'autant plus sérieux qu'il se répare mal : une autre expérience, menée après les élections de mi-mandat de 2018, montre que les démentis des grands médias ne le réduisent pas de façon mesurable (Berlinski et al., 2023).
Celui qui conteste en paie aussi le prix. Après l'élection présidentielle de novembre 2020, Donald Trump a affirmé sans preuve que le scrutin lui avait été volé, notamment dans l'État de Géorgie. Lors du second tour des élections sénatoriales qui s'y est tenu en janvier 2021, la participation a reculé davantage dans les bureaux de vote où il était le plus populaire et, à l'échelle individuelle, celle de ses partisans a baissé d'environ 1,7 point de plus que celle des autres électeurs : une partie d'entre eux, découragés par l'idée que le vote était truqué, semblent être restés chez eux. Lors du second tour sénatorial de décembre 2022, ce recul était plus faible (Fraga, Peskowitz et Szewczyk, 2025). Un sondage réalisé auprès des électeurs de Géorgie va dans le même sens : ceux qui doutaient de la régularité de l'élection de 2020 ont moins voté en janvier 2021, surtout dans le camp de Donald Trump (McKee, Hood et Pittman, 2026). Ce coût différé, supporté par le camp même du contestataire, jouera un rôle dans notre conclusion.
Le piège de l'alarmisme
Le second dommage est plus paradoxal, parce qu'il naît de la volonté de protéger. Une ingérence informationnelle cherche souvent à faire douter de l'élection elle-même, qu'il s'agisse de sa sincérité, de son résultat ou de l'utilité de voter. Or un discours général et alarmiste (« nos élections sont manipulées », « la désinformation menace la démocratie ») produit précisément ce doute. Il fait ainsi le travail de l'attaquant à sa place, et peut lui offrir un succès que son opération, seule, n'aurait sans doute pas obtenu. Le schéma ci-dessous décompose cet enchaînement.
- Une opération d'ingérence est lancée. À elle seule, elle touche peu de monde.
- Une alarme générale la relaie (« l'élection est visée »), sans citer de cas précis.
- Le public surestime son effet et attribue le résultat à l'ingérence plutôt qu'au choix des électeurs.
- La confiance baisse dans l'élection et dans l'information, et l'attaquant atteint son objectif.
Deux épisodes réels illustrent la différence entre l'alarme et le signalement précis. Ils ne valent pas comparaison mesurée, mais ils montrent comment le mécanisme peut jouer.
Aucune enquête n'a établi que la Russie avait modifié le décompte des voix, et aucun effet mesurable de ses faux comptes Twitter sur les opinions n'a été trouvé (Eady et al., 2023). Pourtant, en décembre 2016, après des semaines de couverture consacrée à « l'ingérence russe », 52 % des démocrates jugeaient vrai que la Russie avait « trafiqué le décompte des voix » pour faire élire Donald Trump (sondage Economist/YouGov). Ce chiffre reflète aussi la réaction habituelle du camp perdant, mais il montre à quel point une ingérence réelle et limitée peut être perçue comme décisive.
- Une opération réelle, mais d'effet limité
- Un effet surestimé, au point de faire douter du résultat lui-même
La veille des élections de mi-mandat, Facebook annonce avoir bloqué 115 comptes Facebook et Instagram soupçonnés d'être liés à un acteur étranger, sur signalement des autorités. Le jour du vote, un site se réclamant de l'« usine à trolls » russe affirme avoir influencé l'élection. Les autorités américaines indiquent ensuite que rien ne montre qu'un acteur étranger ait pu modifier le décompte des voix (Trésor américain, 2019).
- Des faits datés et chiffrés
- Une revendication de l'attaquant, qui cherche justement à faire croire à son influence
- Une réponse qui dit ce qui a été touché, et ce qui ne l'a pas été
Plusieurs expériences permettent d'éprouver, un à un, les maillons de cet enchaînement.
- Annoncer qu'une ingérence a influencé le vote fait baisser la confiance dans le résultat. Aux États-Unis, des participants ont lu un article affirmant avec certitude que la désinformation russe avait influencé l'élection de 2016. Après cette lecture, ils pensaient que d'autres électeurs avaient été influencés, et c'est par ce biais que leur confiance dans le résultat comme leur satisfaction envers la démocratie ont baissé, même lorsque l'article condamnait l'acteur étranger. Le message « ils ont essayé de nous manipuler » devient ainsi « les autres ont été manipulés, donc le vote a été faussé » (Ross, Vaccari et Chadwick, 2022).
- L'alarme pousse à restreindre la liberté d'expression. Aux États-Unis, des lecteurs exposés à un article alarmiste sur la désinformation ont davantage soutenu des restrictions de la parole en ligne. Dans la même étude, les personnes qui se sentent le plus menacées par la désinformation sont aussi les moins satisfaites de la démocratie, sans qu'on sache lequel des deux entraîne l'autre (Jungherr et Rauchfleisch, 2024). L'alarme, qui se veut une défense du débat public, peut donc conduire à le restreindre.
- Parler de la menace ne rassure pas. Au Canada, des participants ont lu soit un message centré sur les menaces d'ingérence, soit un message expliquant comment le vote est protégé. Seul le second a renforcé leur confiance dans les élections. Le premier n'a rien amélioré, alors même qu'il entendait alerter pour protéger (Bordeleau et Garnett, 2024).
- Les mises en garde générales font douter du vrai. Prévenir le public que les deepfakes existent ne l'aide pas à les repérer ; il se met surtout à juger fausses des vidéos authentiques (Ternovski, Kalla et Aronow, 2022). De même, les interventions les plus répandues (fact-checks, conseils de vigilance, articles sur la désinformation) réduisent la croyance dans les fausses informations, mais rendent aussi les informations exactes moins crédibles (Hoes et al., 2024). Le soupçon ne s'arrête donc pas au faux, il déborde sur tout le reste.
Il ne suit pas de ces résultats qu'il faille se taire ou minimiser les opérations réelles. Ils plaident plutôt pour remplacer l'alarme générale par deux choses plus utiles. La première est une politique précise, qui dit qui fait quoi et avec quels moyens. La seconde est le signalement de cas précis, qui dit quelle opération a été menée, par qui, auprès de combien de personnes, et ce qui a été fait pour y répondre. Un cas documenté donne au public des éléments vérifiables et circonscrit la menace, au lieu de la laisser planer sur tout le scrutin. Cette distinction, il faut le préciser, n'a pas encore été testée en tant que telle : elle prolonge les résultats ci-dessus, qui portent sur l'annonce d'un effet sur le vote et sur les mises en garde générales. Elle ne fait pas non plus disparaître tout coût, puisque même les fact-checks, on vient de le voir, peuvent rendre les informations exactes moins crédibles. La précision réduit donc le risque sans le supprimer, et c'est la raison pour laquelle chaque intervention doit être jugée sur son effet net.
Un phénomène systémique
Les effets décrits dans ces trois encadrés s'entretiennent les uns les autres, et c'est ce qui rend le phénomène systémique. La défiance rend la désinformation plus crédible ; la désinformation, et l'alarme qui l'entoure, augmentent la défiance ; et des réponses mal calibrées nourrissent le scepticisme qu'elles voulaient guérir. Parce que ces effets se renforcent mutuellement et s'étalent dans le temps, il est difficile d'isoler la part propre de la désinformation, ce qui est une raison de plus pour ne pas juger de sa gravité à la seule aune de son effet direct sur le vote.
Sources principales : Altay, 2026 · Kalla et Broockman, APSR, 2018 · Eady et al., Nature Communications, 2023 · Clayton et al., PNAS, 2021 · Fraga, Peskowitz et Szewczyk, Political Behavior, 2025 · Van Duyn et Collier, 2019 · Schiff, Schiff et Bueno, APSR, 2025 · Berlinski et al., 2023 · Ross, Vaccari et Chadwick, 2022 · Ternovski, Kalla et Aronow, 2022 · Jungherr et Rauchfleisch, 2024 · Bordeleau et Garnett, 2024 · Hoes et al., 2024.
Ce que chacun peut faire
Aucun outil ne suffit à lui seul, et même les mieux évalués ont des effets modestes qui s'estompent avec le temps. La recherche permet néanmoins de distinguer ce qui aide de ce qui nuit, avec un degré de certitude variable que le tableau final précise pour chaque pratique. Toutes les actions proposées ici appliquent le critère de l'effet net défini plus haut : une mesure ne vaut que si elle fait reculer le faux sans faire douter du vrai.
Ce critère conduit à changer quatre réflexes, qui reviennent d'un acteur à l'autre :
Les quatorze actions qui suivent sont classées par acteur, parce que candidats, citoyens, médias et institutions n'ont ni les mêmes leviers ni les mêmes tentations, et parce que les acteurs les mieux placés pour causer un dommage sont souvent ceux qui sont censés le prévenir.
- 1 Ne jamais contester un résultat sans preuve.
- Pourquoi : c'est le dommage le mieux démontré. Un candidat qui conteste fait d'abord baisser la confiance de ses propres électeurs dans les élections (Clayton et al., 2021).
- Ce qu'il y perd : une partie de ces électeurs s'abstiennent au scrutin suivant (Fraga, Peskowitz et Szewczyk, 2025).
- 2 Ne pas crier aux « fake news » face à une accusation fondée.
- Pourquoi : la manœuvre peut payer à court terme, mais elle a un coût collectif. Le discours des responsables politiques sur les « fake news » fait baisser la confiance dans les médias et la capacité à reconnaître une vraie information (Van Duyn et Collier, 2019). Employée face à un scandale précis, cette défense ne semble pas, en revanche, réduire la confiance générale dans les médias (Schiff, Schiff et Bueno, 2025), ce qui laisse penser que le coût collectif tient surtout à la répétition du procédé.
- À faire plutôt : face à un vrai scandale, reconnaître les faits et s'excuser. Crier au faux peut certes rapporter davantage à court terme (Schiff, Schiff et Bueno, 2025), mais un fact-check suffit à annuler ce gain, et d'autres expériences montrent que les excuses font mieux que l'esquive ou le silence (Clementson, Zhao et Beatty, 2024). Recommander les excuses revient donc à demander au candidat de renoncer à un gain possible au nom de l'intérêt commun, ce qui annonce le dilemme évoqué en conclusion.
- 3 Ne pas invoquer l'ingérence en termes généraux.
- À éviter : « je suis la cible d'ingérences étrangères », « cette élection est visée par des ingérences », sans dire lesquelles.
- Pourquoi : les électeurs ne peuvent ni vérifier ni se défendre. Ils retiennent seulement que le résultat sera peut-être faussé, ce que cherchent justement de nombreuses opérations d'ingérence. Ces phrases servent aussi, parfois, à disqualifier par avance une défaite ou une critique légitime.
- À faire plutôt : transmettre le cas précis aux autorités compétentes, avec les éléments disponibles, et leur laisser le soin de l'établir publiquement. En France, ces autorités sont notamment Viginum, le service de l'État chargé de détecter les ingérences numériques étrangères, et la Commission nationale de contrôle de la campagne électorale, qui veille au respect des règles pendant l'élection présidentielle.
- 4 Préparer la riposte à un deepfake avant qu'il n'arrive.
- Concrètement : disposer de canaux officiels authentifiés, conserver les originaux de ses propres vidéos, repérer à l'avance des vérificateurs indépendants capables de répondre en quelques heures.
- Pourquoi un tiers : une correction est plus efficace quand elle vient d'une source que le public visé juge crédible, ce qui sera souvent davantage le cas d'un tiers indépendant que du candidat lui-même. Elle l'est aussi quand elle explique pourquoi le contenu est faux et ce qui s'est réellement passé (Ecker et al., 2022).
- 5 Apprendre à vérifier la source, plutôt qu'à tout soupçonner.
- La méthode : la « lecture latérale » consiste à quitter la page pour chercher ailleurs qui se trouve derrière une information. Dans un essai randomisé mené en classe, elle a nettement amélioré la capacité de lycéens américains à juger la crédibilité d'une source (Wineburg et al., 2022).
- L'habitude : suivre des médias d'information sur les réseaux sociaux améliore aussi les connaissances et la confiance (Altay, Hoes et Wojcieszak, 2025).
- 6 S'informer à l'avance sur la façon dont le vote est protégé.
- Le principe : c'est ce qu'on appelle le prébunking. Connaître à l'avance les garanties du scrutin aide à reconnaître les fausses informations quand elles surgissent, sans attendre qu'on les corrige.
- Le résultat : aux États-Unis et au Brésil, un message expliquant les garanties du scrutin a renforcé la confiance, et plus durablement qu'une correction.
- Ce qui agit : ce sont les faits expliqués, et non l'avertissement sur la menace (Carey et al., 2025).
- 7 Ne pas relayer d'alertes générales sur les deepfakes.
- Pourquoi : elles n'aident pas à repérer les faux, et elles font douter des vraies vidéos (Ternovski, Kalla et Aronow, 2022).
- À faire plutôt : vérifier d'où vient une vidéo. Qui l'a publiée en premier ? Une source fiable l'a-t-elle reprise ?
- 8 Donner à la désinformation la place qu'elle occupe réellement, et rappeler les garanties du vote.
- Le cadrage compte : au Canada, un article expliquant comment le vote est protégé a renforcé la confiance des lecteurs, ce que n'a pas fait un article présentant les ingérences comme une menace (Bordeleau et Garnett, 2024).
- Le risque d'amplification : un deepfake vu par quelques milliers de personnes, s'il devient une affaire nationale, atteint grâce aux médias un public que ses auteurs n'auraient jamais touché seuls. Ce risque se déduit des études sur l'amplification, mais il n'a pas été mesuré directement.
- 9 Corriger vite, de façon précise et complète.
- Ce qui marche : une étiquette « contesté » posée sur un contenu précis.
- Ce qui nuit : un avertissement général du type « attention, de fausses informations circulent », qui fait aussi douter des informations vraies (Clayton et al., 2020).
- Attention : n'étiqueter qu'une partie des contenus faux rend les autres plus crédibles (Pennycook et al., 2020).
- Les limites : le fact-checking corrige les croyances sans changer le soutien au candidat (Nyhan et al., 2020), et il touche peu les plus exposés, puisque presque aucun lecteur d'un site douteux ne lit le fact-check correspondant (Guess, Nyhan et Reifler, 2020).
- Face aux attaques : quand un responsable politique accuse à tort un média de diffuser des « fake news », le média a intérêt à répondre, car sa réplique renforce sa crédibilité (Neo, 2022).
- 10 Vérifier l'origine d'un contenu suspect avant d'en parler.
- Ne pas rediffuser l'extrait, même pour le dénoncer.
- Remonter à la source d'origine et examiner les données techniques du fichier.
- Convenir à l'avance avec les autorités électorales de la façon de travailler ensemble en cas d'urgence.
- 11 Expliquer, concrètement et à l'avance, toutes les garanties d'intégrité qui existent réellement. C'est le levier le mieux étayé par les expériences, à condition qu'il atteigne les électeurs méfiants (voir l'action suivante).
- Quoi : qui compte les bulletins, qui surveille le dépouillement, comment un résultat est vérifié, pourquoi cela prend parfois du temps.
- Le résultat : aux États-Unis, dans une expérience menée auprès de près de 8 500 participants, des vidéos de 30 secondes tournées avec des responsables électoraux des deux partis ont renforcé la confiance des démocrates comme des républicains (Gaudette et al., 2025). Une autre vidéo, qui expliquait pourquoi le dépouillement peut être long, a largement atténué la méfiance que suscite un résultat tardif (Lockhart et al., 2024).
- Un avantage rare : à la différence de l'alarme, ce message n'exagère rien, puisque les garanties qu'il décrit sont réelles.
- La limite : son effet semble s'estomper rapidement, ce qui oblige à le répéter.
- 12 Faire porter le message par des personnes de confiance, au plus près du terrain.
- Pourquoi : les messages qui fonctionnent dans les sondages atteignent mal les personnes méfiantes dans la vie réelle. Dans la région de Houston, au Texas, une campagne d'information visant environ 148 000 électeurs conservateurs jugés sceptiques n'a amélioré, pendant la présidentielle de 2024, ni leur confiance générale dans les élections ni leur participation (Kousser et al., 2026). Le recours à des messagers locaux n'a pas encore été testé en tant que tel.
- Par exemple, en France : un maire, un assesseur désigné par un autre candidat (les assesseurs sont des citoyens qui tiennent le bureau de vote) ou un journal régional seront sans doute mieux écoutés qu'une communication du gouvernement. La presse quotidienne régionale est jugée digne de confiance par 63 % des Français (La Croix-Verian, 2026).
- 13 Signaler des cas précis plutôt que sonner l'alarme.
- Quand c'est nécessaire : rendre publique une opération étrangère documentée, avec des faits précis (qui, quoi, quelle ampleur, quelle réponse), sans dramatiser.
- Pourquoi pas l'alarme : une alerte générale répand le doute sur l'ensemble du scrutin, ce que cherche justement l'attaquant, sans donner au public le moindre moyen de vérifier.
- Pour la régulation : les règles doivent porter sur l'authenticité des comptes et la transparence (qui parle, qui paie), et non conférer un pouvoir de décider ce qui est vrai.
- 14 Préparer l'après-scrutin autant que la campagne.
- Informer les électeurs qu'un contrôle des résultats a eu lieu renforce leur confiance.
- La façon dont ce contrôle est mené et présenté compte davantage que ce qu'il trouve, tant que les écarts constatés restent faibles (Jaffe et al., 2023).
Bonnes et mauvaises pratiques en un coup d'œil
Le tableau reprend, acteur par acteur, ce que la recherche recommande, ce qu'elle déconseille et ce que montrent les études. Le niveau de preuve y est qualifié de solide (plusieurs études concordantes), modéré (une ou deux bonnes études), faible (études de cas ou un seul pays) ou non testé. Lorsque les résultats divergent, nous distinguons les expériences (menées par sondage, en conditions contrôlées) de la vie réelle (de vraies campagnes, auprès de vrais électeurs). La distinction n'est pas de pure forme, car une pratique prometteuse en expérience, comme l'explication des garanties du vote, peut perdre l'essentiel de son effet sur le terrain.
| Acteur | Bonne pratique | Mauvaise pratique | Ce que montrent les études |
|---|---|---|---|
| Candidats | Accepter le résultat de l'élection, et ne le contester que si l'on dispose de preuves solides. | Dénoncer une fraude sans preuve, avant ou après le vote. | Les électeurs du candidat qui conteste perdent confiance dans les élections, et une partie d'entre eux s'abstiennent au scrutin suivant, ce qui coûte des voix à son propre camp. Solide |
| Candidats | Face à une accusation fondée, reconnaître les faits et présenter des excuses. | Qualifier de « fake news » une accusation pourtant exacte. | Cette défense peut faire conserver des soutiens à court terme, surtout face à une preuve écrite, mais un fact-check suffit à annuler son bénéfice. Plus largement, le discours des responsables politiques sur les « fake news » fait baisser la confiance dans les médias. Solide pour l'effet à court terme, modéré pour le coût collectif |
| Candidats | Signaler un cas précis d'ingérence aux autorités compétentes, avec les éléments dont on dispose. | Déclarer « je suis la cible d'ingérences » ou « l'élection est visée », sans préciser lesquelles. | Quand le public lit qu'une ingérence a pesé sur le vote, il juge le résultat moins légitime, même si le message condamne l'acteur étranger. L'effet des alertes plus vagues n'a pas été mesuré directement. Modéré |
| Candidats | Préparer avant la campagne la riposte à un deepfake : canaux authentifiés, archives de ses vidéos, vérificateurs indépendants prêts à intervenir. | Improviser une réponse le jour venu, ou se taire en espérant que l'affaire passe. | Un fact-check publié par un tiers crédible réduit le tort causé par un deepfake, parfois fortement, mais pas toujours tout de suite. L'effet du silence n'a pas, à notre connaissance, été mesuré. Modéré |
| Citoyens | Apprendre à vérifier qui se trouve derrière une information, et suivre des médias d'information fiables. | Apprendre surtout à se méfier de tout ce qu'on lit. | Apprendre à reconnaître les sources fiables améliore le jugement. À l'inverse, apprendre seulement à repérer le faux rend aussi méfiant envers les informations exactes. Solide pour le discernement, modéré pour le risque de méfiance |
| Citoyens | S'informer à l'avance, auprès de sources fiables, sur la façon dont le vote est protégé (prébunking). | Répéter que « la désinformation menace nos élections », sans expliquer comment le vote est protégé. | Ce sont les faits expliqués qui renforcent la confiance, alors que l'avertissement sur la menace, à lui seul, ne produit aucun effet. Dans tous les cas, l'effet reste faible et disparaît s'il n'est pas répété. Solide dans les expériences, modéré dans la vie réelle |
| Citoyens | Devant une vidéo suspecte, vérifier qui l'a publiée en premier et si une source fiable l'a reprise. | Diffuser des alertes générales du type « méfiez-vous des deepfakes ». | Ces alertes n'aident pas à repérer les fausses vidéos. Elles conduisent en revanche à juger fausses des vidéos authentiques. Modéré |
| Médias | Donner à la désinformation la place qu'elle occupe réellement, et rappeler à cette occasion comment le vote est protégé. | Une couverture alarmiste, qui amplifie un cas isolé ou s'y attarde. | Les articles alarmistes augmentent le soutien à des restrictions de la liberté d'expression, et ne renforcent pas la confiance. Les articles qui expliquent les garanties du vote la renforcent. Modéré |
| Médias | Poser une étiquette précise (« contesté ») sur un contenu précis, et répondre quand un responsable politique accuse le média à tort. | Publier des avertissements généraux (« de fausses informations circulent »), ou se taire face aux attaques. | Les avertissements généraux font aussi douter des informations exactes. Un média qui répond à une accusation infondée renforce sa crédibilité. Solide pour les étiquettes, modéré pour la réponse aux attaques |
| Médias | Vérifier les déclarations de campagne, en visant d'abord les publics modérés et curieux. | Espérer que le fact-checking convaincra les personnes déjà acquises à une fausse information. | Le fact-checking corrige les croyances, mais il ne change pas le vote. Il atteint peu les plus exposés, puisque presque aucun lecteur d'un site douteux ne lit le fact-check correspondant. Solide pour l'effet, faible pour la portée |
| Médias | Devant un contenu suspect, remonter à sa source d'origine avant d'en parler, sans rediffuser l'extrait. | Rediffuser le contenu pour le dénoncer, avant d'avoir établi d'où il vient. | Ces pratiques découlent de la recherche sur l'amplification, mais elles n'ont pas été évaluées en tant que telles. Non testé |
| Institutions | Expliquer à l'avance toutes les garanties réelles du scrutin, par la voix de responsables électoraux issus de tous les camps politiques. | Communiquer tardivement, et en parlant surtout de la menace. | Dans les expériences menées par sondage, ces explications renforcent nettement la confiance, y compris chez les sceptiques. Dans une vraie campagne, menée auprès de 148 000 électeurs conservateurs de la région de Houston, elles n'ont presque rien changé, hormis une légère hausse de la confiance dans le vote par correspondance. Le recours à des relais locaux de confiance est une piste plausible, mais il n'a pas été testé. Solide dans les expériences, faible dans la vie réelle |
| Institutions | Rendre publics des cas précis et documentés d'ingérence : qui, quoi, quelle ampleur, quelle réponse. | Tenir un discours général et alarmiste sur l'ingérence, ou présenter à tort une mobilisation citoyenne comme une opération étrangère. | Quand le public lit qu'une ingérence a pesé sur le vote, il juge le résultat moins légitime. Un discours centré sur la menace ne rassure pas, alors qu'un discours expliquant les protections du vote y parvient. Modéré |
| Institutions | Après le vote, contrôler les résultats de façon transparente, puis faire savoir que ce contrôle a eu lieu. | Laisser le doute s'installer sur le dépouillement sans y répondre. | Informer les électeurs qu'un contrôle a eu lieu renforce leur confiance. La façon dont ce contrôle est mené et présenté compte davantage que ce qu'il trouve, tant que les écarts restent faibles. Modéré |
| Institutions | Réguler l'authenticité des comptes et la transparence (qui parle, qui paie). | Adopter des lois qui donnent à l'État le pouvoir de dire ce qui est vrai. | Les effets de ces lois n'ont jamais été mesurés, et elles risquent d'alimenter le soupçon de censure. En France, par exemple, une loi de 2018 permet à un juge d'ordonner en urgence, dans les trois mois précédant un scrutin national, de faire cesser la diffusion massive et artificielle d'une allégation manifestement inexacte (le référé électoral). À notre connaissance, cette procédure n'a été utilisée qu'une fois, sans succès. Faible |
Ces recommandations ont toutefois une limite qu'il faut regarder en face. Accepter le résultat, ne le contester qu'avec des preuves, ne pas invoquer l'ingérence en termes généraux : tout cela suppose des acteurs de bonne foi, capables d'une retenue difficile à tenir en pleine campagne. L'intégrité électorale est un bien commun, et sa préservation pose un problème d'action collective proche du dilemme du prisonnier. Tous les candidats ont intérêt à ce que la confiance dans le scrutin soit préservée, mais chacun, pris isolément, peut être tenté de faire cavalier seul, en criant à l'ingérence pour discréditer un adversaire, en se posant en victime ou en préparant d'avance une contestation en cas de défaite. Le gain est immédiat et personnel, alors que le coût est différé et partagé. Dans le cas de la contestation des résultats, on l'a vu, ce coût retombe en partie sur celui qui conteste, mais il est trop lointain et trop diffus pour peser beaucoup dans les calculs d'une campagne. Si tous raisonnent ainsi, la confiance s'effondre pour tout le monde, vainqueur compris.
| Candidat B fait preuve de retenue | Candidat B crie à l'ingérence | |
|---|---|---|
| Candidat A fait preuve de retenue | La confiance dans le scrutin est préservée. Bon pour tous. | B prend un avantage de court terme, et A passe pour naïf. |
| Candidat A crie à l'ingérence | A prend un avantage de court terme, et B passe pour naïf. | La confiance s'effondre. Mauvais pour tous, vainqueur compris. |
Les bonnes pratiques ne suffiront donc pas si elles restent individuelles. Il y faut une forme de discipline collective de campagne, qui peut passer par des engagements communs des partis, par le rôle d'arbitre des autorités indépendantes et par la vigilance des médias. Ces derniers ont ici une responsabilité particulière, puisqu'il leur revient de mettre en lumière la contradiction, voire l'hypocrisie, de ceux qui dénoncent les ingérences étrangères avec des discours qui servent, en pratique, les objectifs de ces mêmes ingérences. Cette vigilance doit s'exercer envers les candidats comme envers les gouvernements, auxquels la dramatisation de la menace peut aussi profiter.
Face à la désinformation électorale, la retenue protège souvent mieux que l'alarme. Cette retenue n'a rien d'une inaction : elle consiste à répondre à des cas précis, à corriger des contenus précis et à expliquer ce qui protège le vote. Même les meilleurs outils n'ont cependant que des effets modestes, qui disparaissent lorsque le message n'atteint pas ceux à qui il s'adresse, si bien que la diffusion du message et la crédibilité du messager comptent autant que son contenu. Tout l'enjeu est donc de toucher les publics méfiants, par des messagers en qui ils ont confiance. Trois orientations en découlent pour tout pays qui prépare une élection, que nous illustrons par l'exemple de la France à l'approche de l'élection présidentielle de 2027 :
- Une réponse de l'État plus discrète, pas plus bruyante. Dans les pays où la confiance dans les institutions est faible, comme la France, l'État sera sans doute plus utile en soutenant des relais locaux et crédibles (rédactions, fact-checkers, élus locaux) qu'en corrigeant lui-même, car ceux qui se défient de lui risquent de lire ses corrections comme des positions plutôt que comme des faits. C'est ce que suggèrent les travaux sur la crédibilité des sources, ainsi que le faible effet, sur le terrain, des campagnes d'information auprès des électeurs méfiants.
- Faire valoir les garanties de sa propre procédure électorale. Lorsqu'un pays dispose d'une procédure solide, ses garanties sont le meilleur argument contre les rumeurs de fraude, à condition de les présenter comme des gages de qualité et de le faire avant que les attaques n'arrivent. En France, par exemple, on vote sur bulletin papier, et le dépouillement est manuel et public : n'importe quel citoyen peut y assister, et chaque candidat peut y envoyer ses représentants. Ces garanties ont l'avantage d'être simples à comprendre et faciles à montrer, ce qui en fait un atout à expliquer plutôt qu'une vulnérabilité à défendre.
- Évaluer ce qui est mis en place. Chaque élection est l'occasion de mesurer en conditions réelles l'effet des dispositifs déployés, au lieu de les reconduire sans savoir s'ils fonctionnent. En France, la campagne de 2027 offrira cette occasion, et la manquer reviendrait à fonder une décennie de plus de politique électorale sur des résultats obtenus par sondage, jamais confirmés sur le terrain.
Une campagne, enfin, n'est pas le moment où l'on construit la confiance. Elle révèle plutôt, en quelques semaines, celle qui s'est accumulée entre deux élections, grâce à des institutions solides, à une vie publique intègre et à un journalisme indépendant. La défense d'une élection se prépare donc bien avant le scrutin, à un moment où elle semble ne compter pour rien.
Sources principales : Gaudette et al., BJPolS, 2025 · Lockhart et al., PNAS Nexus, 2024 · Carey et al., Science Advances, 2025 · Kousser et al., Science Advances, 2026 · Bordeleau et Garnett, 2024 · Clayton et al., Political Behavior, 2020 · Neo, 2022 · Nyhan et al., 2020 · Guess, Nyhan et Reifler, 2020 · Jaffe et al., 2023 · La Croix-Verian, 2026 · G. Darcy, « Résister à la désinformation en période électorale », Futuribles, à paraître.
Disinformation and elections: resisting without making the problem worse
- Disinformation shifts few votes. Where its direct effect has been measured, it is very small, although it remains uncertain in very close contests.
- That does not make it harmless. It can discourage people from voting, smear a candidate at the last minute, cast doubt on accurate information and supply pretexts for contesting a result. These indirect effects are better documented than the effect on vote choice.
- Sweeping, alarmist talk about interference makes the problem worse. Saying, without further detail, that “the election is being targeted by interference” is not necessarily false, since interference attempts do exist. The difficulty lies in what the public concludes from it: people overestimate the effect of these operations on the vote and may end up attributing the result to them, forgetting that millions of voters genuinely made a choice. The legitimacy of that choice is weakened, trust in the election and in information declines, and that is often precisely what the interference was after.
- Action is therefore needed, but it must be precise. That means explaining concretely how the vote is protected, making documented cases public rather than the threat in general, correcting specific content and working through messengers the public trusts.
- All of this requires a restraint from candidates that cannot be taken for granted. Each of them, acting alone, may stand to gain from crying interference or fraud. Hence the need for collective campaign discipline, and for vigilance towards those who denounce interference in terms that serve it.
- Denounce interference by citing a specific, documented case.
- Prepare the response to a deepfake before it arrives.
- Contest a result without evidence.
- Say “I am the target of interference” without saying which.
- Check the source rather than suspect everything.
- Find out in advance how the vote is protected.
- Pass on general alerts about deepfakes.
- Correct quickly, precisely and completely.
- Check the origin of suspicious content before reporting on it.
- Put a fake seen by a few thousand people on the front page.
- Explain concretely, and in advance, how the vote is protected.
- Work through trusted messengers, as close to the ground as possible.
- Prepare for after the vote as much as for the campaign.
- Sound the alarm with no specific case to show.
The fourteen actions are set out in full below, under “What everyone can do”.
In 2024, more than half of humanity was called to the polls, and many predicted that generative AI would decide the outcomes. It did nothing of the sort. In Europe, observers counted fewer than thirty viral cases, and none had a demonstrated effect on any result (Stockwell, 2024; Simon and Altay, 2025). The episode is instructive because it repeats a pattern that researchers know well. Each election brings its own technique of deception, a wave of concern and a series of countermeasures, and then, once the dust has settled, little evidence that any voter was persuaded of anything. This Focus starts from that gap between fear and evidence, and draws out what it implies for action.
Disinformation can harm an election through three channels of unequal importance. The first, and the most feared, is persuasion. For false content to swing an election, it would have to reach voters who are still undecided, they would have to believe it, and they would then have to change their vote because of it. Each of these steps is hard to clear, because most people see little disinformation, and those who consume a lot of it are already convinced. That is why the direct effect, where it has been measured, is very small. It would nonetheless be unwise to rule it out in an election decided by a few thousand votes.
The second channel requires no one to be persuaded. A false claim can deter voters from turning out, smear a candidate too late for them to respond, sow doubt about accurate information or hand arguments to those who want to contest the result. These indirect effects are less visible than the effect on vote choice, but they are better documented, so that judging disinformation solely by its power to convince leads us to underestimate its cost.
The third channel is the least intuitive, and it strikes us as the most important: part of the damage stems from the way we react. Foreign interference does not seek only to help a candidate win. Analysis of the Russian operations of 2016 shows that they also aimed to divide public opinion and to discourage some voters from going to the polls (DiResta et al., 2019), and casting doubt on the election itself is, more broadly, among the aims of operations of this kind. It follows that sweeping, alarmist talk about interference can, on its own, produce the very effect the attacker was seeking.
The mechanism is easy to grasp from statements that have become familiar, such as those of a candidate who claims to be “the target of interference” without saying what kind, or of a minister who keeps repeating that “the election is being targeted by foreign powers”. Such statements are not necessarily false, since interference attempts are real. The problem lies in what the public takes away from them. Without learning that a specific operation has been detected and contained, people come to believe that the vote may have been distorted. They then tend to overestimate the effect of interference on behaviour and to attribute the result to it, instead of seeing it as the genuine choice of voters, so that it is the legitimacy of that democratic choice that suffers, and trust in the election along with it. The absence of specific cases compounds the damage: since nothing is cited, nothing can be checked, and suspicion, lacking any object, spreads until it reaches reliable media as well. A news outlet that splashes a fake seen by a few thousand people across its front page arrives at a similar result by another route, that of disproportion, since it gives a marginal incident the stature of a national threat. The reaction, whether it comes from the politician or from the outlet, thus hands the attacker a success that the operation alone would probably not have achieved.
This mechanism has been established experimentally in only one specific case, that of claims that interference has swayed the vote (see box 3). For vaguer warnings, along the lines of “the election is being targeted”, we are extrapolating from those results. The hypothesis is plausible, but it has not yet been measured as such, and we offer it for what it is.
None of this means that disinformation is harmless, or that silence is the better course. The lesson, rather, is that action must be precise, and that care must be taken not to pile alarm upon alarm. In practice, the right response is to explain how the vote is protected and to make specific, documented cases public: which operation, carried out by whom, reaching how many people, and what was done in response. A report of this kind gives the public evidence it can check and judge for itself, whereas a general alert worries people without showing them anything. Resisting disinformation at election time therefore means pursuing two tasks at once, the second of which is the harder: protecting the vote, and making sure that our reactions do not worsen the harm they claim to fight.
An election is a stress test for the information ecosystem. For a few weeks, public attention is at its peak, political identities are mobilised and the outcome is often close. Above all, time is short, and false information released the day before the vote can no longer be corrected in time.
At the same time, responding becomes riskier, because the actors under pressure to react (candidates, media, institutions) are also the ones who can do the most damage if they react badly. We therefore propose judging each measure by its net effect, that is, by how much it reduces belief in what is false, minus how much it reduces trust in what is true. A good measure pushes back falsehood without eroding what is true. A bad measure may also push back falsehood, but it casts doubt on what is true along the way, to the point that its overall balance can turn negative. This criterion guides all the recommendations that follow, and it places the burden of proof on the response as much as on the threat.
What disinformation does to an election
Before choosing a response, we need to understand how disinformation actually works during a campaign. The boxes that follow first examine its direct effect on the vote, which is small where it has been measured but uncertain in close elections, and then its indirect effects, which are less visible and better documented. The last box brings together two kinds of damage that come not from the attacker itself but from actors in public debate: politicians contesting results, which is the best-demonstrated harm, and alarmist responses, which can serve the very attacker they claim to fight.
The most widespread fear is that of the manipulated voter, who sees false content, believes it and changes their vote accordingly. The studies paint a very different picture. To change a vote, false content has to clear three successive hurdles, and each one sharply reduces its chances of success.
- Mass persuasion is hard. A synthesis of 49 field experiments shows that campaign contact and advertising have virtually no effect on vote choice in US general elections (Kalla and Broockman, 2018). If organised, well-funded persuasion achieves so little, it is hard to see how false content, seen by far fewer people, could do much better.
- The Russian example of 2016. On Twitter, accounts run by the Internet Research Agency, the Russian “troll factory”, mainly reached Republicans who were already convinced, and no measurable effect of this exposure on their opinions or their vote was found (Eady et al., 2023).
- The public is less gullible than is often assumed. Its most common error is not so much believing what is false as doubting what is true (Pfänder and Altay, 2025). This finding bears on everything that follows, because a response that increases general distrust makes precisely this most common error worse.
Doubt must nonetheless be stated as doubt. Current methods struggle to capture slow or cumulative effects that build up over years, and absence of evidence is not evidence of absence. When an election is decided by a few thousand votes, even a small effect can matter.
Disinformation does not need to convince in order to do harm. Those who produce it are often after something other than persuasion, and the cases and experiments below show that these other channels are, for the most part, better established than the effect on vote choice.
Discouraging people from voting
False information about the date of the vote, the polling station to go to or the documents to bring targets turnout rather than opinion. It seeks to keep voters at home, which is easier than winning them over (Darcy, 2026), and the mechanism requires no persuasion at all.
Striking when it is too late to correct
In Slovakia in 2023, a fake audio recording was released during the 48-hour moratorium before the vote, a period in which candidates are no longer allowed to campaign. Fact-checkers debunked it the same day, but the moratorium limited the targeted candidate's ability to respond, and the recording kept circulating, notably on Telegram and Facebook. We do not know whether it changed the result. What the case does show is where the real danger lies in a campaign, namely the lack of time for the facts to catch up with the rumour (de Nadal and Jančárik, 2024).
Smearing a candidate's reputation
A deepfake is a realistic fake video made with AI. In several experiments, a deepfake lowered support for the targeted candidate, even though participants found it less credible than a real video. Studies disagree, however, on what a fact-check published afterwards can achieve. According to some, it sharply reduces the damage (Dan, 2025). According to others, it makes the video less credible, but the harm to the candidate persists for several days before fading (Hameleers et al., 2026). In other words, a correction undermines the video's credibility faster than it restores the candidate's reputation.
The “liar's dividend”
The more the public knows that evidence can be fabricated, the easier it becomes to dismiss authentic evidence. A politician caught up in a real scandal can then simply reply “it's a fake”. In the United States, five experiments involving more than 15,000 adults show that this defence helps politicians retain more support than an apology or silence would. It works against written evidence, much less against video, and a fact-check is enough to wipe out the gain (Schiff, Schiff and Bueno, 2025).
Dividing and muddying the waters
Some campaigns seek less to impose an idea than to inflame tensions. In 2016, the same Russian operators ran both fake Black activist accounts and fake ultra-conservative pages, to stoke anger on both sides (DiResta et al., 2019). Other operations put out multiple contradictory versions of the same event, as if the goal were for the public to conclude that nothing can be trusted. This muddying has practical consequences, since experiments show that exposure to conspiracy content reduces the intention to vote (Jolley and Douglas, 2014).
The two kinds of damage grouped here have one thing in common: they originate with legitimate actors in public debate (politicians, governments, media), whose words carry much further than those of an anonymous attacker. It is on this side, moreover, that the best-demonstrated harm lies.
Contesting the results
Contesting a result without evidence is the best-demonstrated harm. Around the 2020 US election, one experiment exposed participants to statements by Donald Trump calling the vote into question, and these statements lowered his supporters' trust in elections (Clayton et al., 2021). The damage is all the more serious because it is hard to repair: another experiment, conducted after the 2018 midterm elections, shows that denials by major media outlets do not measurably reduce it (Berlinski et al., 2023).
Those who contest a result also pay a price. After the November 2020 presidential election, Donald Trump claimed without evidence that the vote had been stolen from him, in the State of Georgia among other places. In the Senate runoff held there in January 2021, turnout fell more in the precincts where he was most popular and, at the individual level, turnout among his supporters fell by about 1.7 points more than among other voters: some of them, discouraged by the idea that the vote was rigged, appear to have stayed at home. In the December 2022 Senate runoff, this drop was smaller (Fraga, Peskowitz and Szewczyk, 2025). A survey of Georgia voters points in the same direction: those who doubted the integrity of the 2020 election were less likely to vote in January 2021, especially in Trump’s camp (McKee, Hood and Pittman, 2026). This delayed cost, borne by the challenger’s own camp, will play a part in our conclusion.
The alarmism trap
The second kind of damage is more paradoxical, because it arises from the wish to protect. Information interference often seeks to make people doubt the election itself, whether its fairness, its result or the point of voting at all. Yet sweeping, alarmist talk (“our elections are being manipulated”, “disinformation threatens democracy”) produces exactly that doubt. It thus does the attacker's work for them, and can hand them a success that their operation alone would probably not have achieved. The diagram below breaks this sequence down.
- An interference operation is launched. On its own, it reaches few people.
- A general alarm amplifies it (“the election is being targeted”), without citing any specific case.
- The public overestimates its effect and attributes the result to interference rather than to the choice of voters.
- Trust falls in the election and in information, and the attacker achieves its goal.
Two real episodes illustrate the difference between alarm and precise reporting. They do not amount to a measured comparison, but they show how the mechanism can play out.
No investigation established that Russia had altered the vote count, and no measurable effect of its fake Twitter accounts on opinions was found (Eady et al., 2023). Yet in December 2016, after weeks of coverage of “Russian interference”, 52% of Democrats believed it was true that Russia had “tampered with vote tallies” to get Donald Trump elected (Economist/YouGov poll). The figure also reflects the usual reaction of the losing side, but it shows how easily real but limited interference can come to be seen as decisive.
- A real operation, but with limited effect
- An effect overestimated to the point of casting doubt on the result itself
On the eve of the midterm elections, Facebook announced that, following a tip-off from the authorities, it had blocked 115 Facebook and Instagram accounts suspected of links to a foreign actor. On election day, a website claiming to speak for the Russian “troll factory” asserted that it had influenced the election. The US authorities later stated that there was no evidence that any foreign actor had been able to alter the vote count (US Treasury, 2019).
- Dated, quantified facts
- A claim by the attacker, whose aim is precisely to make people believe in its influence
- A response that states what was affected, and what was not
Several experiments make it possible to test the links in this chain one by one.
- Announcing that interference influenced the vote lowers trust in the result. In the United States, participants read an article stating with certainty that Russian disinformation had influenced the 2016 election. Afterwards, they believed that other voters had been influenced, and it was through this belief that both their confidence in the result and their satisfaction with democracy fell, even when the article condemned the foreign actor. The message “they tried to manipulate us” thus turns into “others were manipulated, so the vote was distorted” (Ross, Vaccari and Chadwick, 2022).
- Alarm encourages restrictions on free speech. In the United States, readers exposed to an alarmist article about disinformation were more supportive of restrictions on online speech. In the same study, the people who feel most threatened by disinformation are also the least satisfied with democracy, although it is unclear which causes which (Jungherr and Rauchfleisch, 2024). Alarm, which presents itself as a defence of public debate, can therefore end up curbing it.
- Talking about the threat does not reassure. In Canada, participants read either a message focused on the threat of interference or a message explaining how the vote is protected. Only the second strengthened their trust in elections. The first improved nothing, even though its purpose was to warn people in order to protect them (Bordeleau and Garnett, 2024).
- General warnings make people doubt what is true. Warning the public that deepfakes exist does not help them spot one; mostly, people start judging authentic videos to be fake (Ternovski, Kalla and Aronow, 2022). Similarly, the most common interventions (fact-checks, tips on staying vigilant, articles about disinformation) reduce belief in false information but also make accurate information less credible (Hoes et al., 2024). Suspicion therefore does not stop at what is false; it spills over onto everything else.
These findings do not imply that one should stay silent or play down real operations. Rather, they argue for replacing general alarm with two more useful things. The first is a specific policy, setting out who does what and with what resources. The second is the reporting of specific cases, stating which operation was carried out, by whom, reaching how many people, and what was done in response. A documented case gives the public verifiable evidence and contains the threat, instead of leaving it hanging over the whole election. This distinction, it should be stressed, has not yet been tested as such: it extends the findings above, which concern claims that interference affected the vote and general warnings. Nor does it remove every cost, since, as we have just seen, even fact-checks can make accurate information less credible. Precision therefore reduces the risk without eliminating it, which is why each intervention should be judged on its net effect.
A systemic phenomenon
The effects described in these three boxes sustain one another, and that is what makes the phenomenon systemic. Distrust makes disinformation more credible; disinformation, and the alarm surrounding it, increase distrust; and poorly calibrated responses feed the scepticism they set out to cure. Because these effects reinforce each other and unfold over time, it is hard to isolate the specific contribution of disinformation, which is one more reason not to judge its seriousness solely by its direct effect on the vote.
Main sources: Altay, 2026 · Kalla and Broockman, APSR, 2018 · Eady et al., Nature Communications, 2023 · Clayton et al., PNAS, 2021 · Fraga, Peskowitz and Szewczyk, Political Behavior, 2025 · Van Duyn and Collier, 2019 · Schiff, Schiff and Bueno, APSR, 2025 · Berlinski et al., 2023 · Ross, Vaccari and Chadwick, 2022 · Ternovski, Kalla and Aronow, 2022 · Jungherr and Rauchfleisch, 2024 · Bordeleau and Garnett, 2024 · Hoes et al., 2024.
What everyone can do
No tool is enough on its own, and even the best-evaluated ones have modest effects that fade over time. Research nonetheless makes it possible to tell what helps from what harms, with a degree of certainty that varies and that the final table specifies for each practice. All the actions proposed here apply the net-effect criterion defined earlier: a measure is worthwhile only if it pushes back falsehood without casting doubt on what is true.
This criterion calls for changing four reflexes that recur from one actor to the next:
The fourteen actions that follow are grouped by actor, because candidates, citizens, media and institutions have neither the same levers nor the same temptations, and because the actors best placed to cause harm are often those who are supposed to prevent it.
- 1 Never contest a result without evidence.
- Why: this is the best-demonstrated harm. A candidate who contests a result lowers, first and foremost, their own voters' trust in elections (Clayton et al., 2021).
- What they lose: some of those voters abstain at the next election (Fraga, Peskowitz and Szewczyk, 2025).
- 2 Do not cry “fake news” in response to a well-founded accusation.
- Why: the tactic can pay off in the short term, but it carries a collective cost. Politicians' talk of “fake news” lowers trust in the media and people's ability to recognise genuine news (Van Duyn and Collier, 2019). Used in response to a specific scandal, however, this defence does not appear to reduce general trust in the media (Schiff, Schiff and Bueno, 2025), which suggests that the collective cost comes mainly from repeated use of the tactic.
- Instead: in the face of a real scandal, acknowledge the facts and apologise. Crying fake may admittedly yield more in the short term (Schiff, Schiff and Bueno, 2025), but a fact-check is enough to wipe out that gain, and other experiments show that apologies work better than evasion or silence (Clementson, Zhao and Beatty, 2024). Recommending an apology therefore amounts to asking candidates to forgo a possible gain for the sake of the common interest, which foreshadows the dilemma discussed in the conclusion.
- 3 Do not invoke interference in general terms.
- Avoid: “I am the target of foreign interference”, “this election is being targeted by interference”, without saying what kind.
- Why: voters can neither check nor defend themselves. All they take away is that the result may be distorted, which is precisely what many interference operations are after. Such statements are also sometimes used to discredit a defeat or legitimate criticism in advance.
- Instead: pass the specific case on to the competent authorities, with the evidence available, and leave it to them to establish it publicly. In France, these authorities include Viginum, the government agency responsible for detecting foreign digital interference, and the National Commission for the Control of the Electoral Campaign, which ensures that the rules are respected during the presidential election.
- 4 Prepare the response to a deepfake before it arrives.
- In practice: have authenticated official channels, keep the originals of one's own videos, and line up in advance independent fact-checkers able to respond within a few hours.
- Why a third party: a correction is more effective when it comes from a source the target audience finds credible, which will often be an independent third party rather than the candidate. It is also more effective when it explains why the content is false and what actually happened (Ecker et al., 2022).
- 5 Learn to check the source, rather than to suspect everything.
- The method: “lateral reading” means leaving the page to look elsewhere for who is behind a piece of information. In a randomised classroom trial, it clearly improved US high school students' ability to judge the credibility of a source (Wineburg et al., 2022).
- The habit: following news outlets on social media also improves knowledge and trust (Altay, Hoes and Wojcieszak, 2025).
- 6 Find out in advance how the vote is protected.
- The principle: this is known as prebunking. Knowing the safeguards of the vote in advance helps people recognise false information when it appears, instead of waiting for it to be corrected.
- The result: in the United States and Brazil, a message explaining the safeguards of the vote strengthened trust, and did so more durably than a correction.
- What works: the facts being explained, not the warning about the threat (Carey et al., 2025).
- 7 Do not pass on general alerts about deepfakes.
- Why: they do not help people spot fakes, and they make people doubt real videos (Ternovski, Kalla and Aronow, 2022).
- Instead: check where a video comes from. Who published it first? Has a reliable source picked it up?
- 8 Give disinformation the space it actually occupies, and remind audiences of the safeguards of the vote.
- Framing matters: in Canada, an article explaining how the vote is protected strengthened readers' trust, which an article presenting interference as a threat did not (Bordeleau and Garnett, 2024).
- The risk of amplification: a deepfake seen by a few thousand people, if it becomes a national story, reaches through the media an audience its authors would never have reached on their own. This risk is inferred from research on amplification, but it has not been measured directly.
- 9 Correct quickly, precisely and completely.
- What works: a “disputed” label on a specific piece of content.
- What harms: a general warning such as “beware, false information is circulating”, which also makes people doubt true information (Clayton et al., 2020).
- Caution: labelling only some false content makes the rest more credible (Pennycook et al., 2020).
- The limits: fact-checking corrects beliefs without changing support for the candidate (Nyhan et al., 2020), and it reaches few of the most exposed, since almost no readers of a dubious site read the corresponding fact-check (Guess, Nyhan and Reifler, 2020).
- Under attack: when a politician wrongly accuses a media outlet of spreading “fake news”, the outlet should respond, because its reply strengthens its credibility (Neo, 2022).
- 10 Check the origin of suspicious content before reporting on it.
- Do not rebroadcast the clip, even to denounce it.
- Trace it back to the original source and examine the file's technical data.
- Agree in advance with the electoral authorities on how to work together in an emergency.
- 11 Explain, concretely and in advance, all the integrity safeguards that actually exist. This is the lever best supported by experiments, provided it reaches distrustful voters (see the next action).
- What: who counts the ballots, who oversees the count, how a result is verified, why it sometimes takes time.
- The result: in an experiment in the United States with nearly 8,500 participants, 30-second videos featuring election officials from both parties strengthened the trust of Democrats and Republicans alike (Gaudette et al., 2025). Another video, explaining why the count can take a long time, largely offset the distrust that a late result tends to provoke (Lockhart et al., 2024).
- A rare advantage: unlike alarm, this message exaggerates nothing, since the safeguards it describes are real.
- The limit: its effect seems to fade quickly, so it has to be repeated.
- 12 Have the message carried by trusted people, as close to the ground as possible.
- Why: messages that work in surveys reach distrustful people poorly in real life. In the Houston area, in Texas, an information campaign targeting some 148,000 conservative voters judged likely to be sceptical improved neither their general trust in elections nor their turnout during the 2024 presidential election (Kousser et al., 2026). Relying on local messengers has not yet been tested as such.
- In France, for example: a mayor, a polling station assessor appointed by another candidate (assessors are citizens who staff the polling station) or a regional newspaper will probably be listened to more than government communication. The regional daily press is considered trustworthy by 63% of French people (La Croix-Verian, 2026).
- 13 Report specific cases rather than sound the alarm.
- When necessary: make a documented foreign operation public, with specific facts (who, what, on what scale, what response), without dramatising.
- Why not alarm: a general alert spreads doubt over the entire election, which is just what the attacker wants, without giving the public any means of checking.
- For regulation: rules should target account authenticity and transparency (who is speaking, who is paying), not confer a power to decide what is true.
- 14 Prepare for after the vote as much as for the campaign.
- Telling voters that the results have been audited strengthens their trust.
- How the audit is conducted and presented matters more than what it finds, as long as the discrepancies found remain small (Jaffe et al., 2023).
Good and bad practices at a glance
The table sets out, actor by actor, what research recommends, what it advises against and what the studies show. The level of evidence is rated solid (several converging studies), moderate (one or two good studies), weak (case studies or a single country) or untested. Where results diverge, we distinguish experiments (survey-based, under controlled conditions) from real life (actual campaigns, with actual voters). The distinction is more than a formality, because a practice that looks promising in experiments, such as explaining the safeguards of the vote, can lose most of its effect in the field.
| Actor | Good practice | Bad practice | What the studies show |
|---|---|---|---|
| Candidates | Accept the election result, and contest it only on the basis of solid evidence. | Allege fraud without evidence, before or after the vote. | Supporters of a candidate who contests the result lose trust in elections, and some of them abstain at the next election, which costs that candidate's own camp votes. Solid |
| Candidates | In the face of a well-founded accusation, acknowledge the facts and apologise. | Dismiss an accurate accusation as “fake news”. | This defence can help retain support in the short term, especially against written evidence, but a fact-check is enough to wipe out its benefit. More broadly, politicians' talk of “fake news” lowers trust in the media. Solid for the short-term effect, moderate for the collective cost |
| Candidates | Report a specific case of interference to the competent authorities, with the evidence available. | Declare “I am the target of interference” or “the election is being targeted”, without saying what kind. | When the public reads that interference has swayed the vote, it judges the result less legitimate, even if the message condemns the foreign actor. The effect of vaguer warnings has not been measured directly. Moderate |
| Candidates | Prepare the response to a deepfake before the campaign: authenticated channels, an archive of one's own videos, independent fact-checkers ready to step in. | Improvise a response when the time comes, or stay silent in the hope that it will blow over. | A fact-check published by a credible third party reduces the harm caused by a deepfake, sometimes sharply, but not always straight away. To our knowledge, the effect of silence has not been measured. Moderate |
| Citizens | Learn to check who is behind a piece of information, and follow reliable news media. | Learn above all to distrust everything one reads. | Learning to recognise reliable sources improves judgement. Conversely, learning only to spot what is false also breeds distrust of accurate information. Solid for discernment, moderate for the risk of distrust |
| Citizens | Find out in advance, from reliable sources, how the vote is protected (prebunking). | Repeat that “disinformation threatens our elections”, without explaining how the vote is protected. | It is the facts being explained that strengthen trust, whereas a warning about the threat has no effect on its own. In all cases, the effect remains small and disappears unless it is repeated. Solid in experiments, moderate in real life |
| Citizens | When faced with a suspicious video, check who published it first and whether a reliable source has picked it up. | Spread general alerts such as “beware of deepfakes”. | These alerts do not help people spot fake videos. They do, however, lead people to judge authentic videos to be fake. Moderate |
| Media | Give disinformation the space it actually occupies, and use the occasion to remind audiences how the vote is protected. | Alarmist coverage that amplifies an isolated case or dwells on it. | Alarmist articles increase support for restrictions on free speech and do not strengthen trust. Articles that explain the safeguards of the vote do strengthen it. Moderate |
| Media | Put a specific label (“disputed”) on specific content, and respond when a politician wrongly accuses the outlet. | Publish general warnings (“false information is circulating”), or stay silent in the face of attacks. | General warnings also make people doubt accurate information. An outlet that responds to an unfounded accusation strengthens its credibility. Solid for labels, moderate for responding to attacks |
| Media | Fact-check campaign statements, targeting moderate and curious audiences first. | Hope that fact-checking will win over people already convinced by a false claim. | Fact-checking corrects beliefs, but it does not change votes. It reaches few of the most exposed, since almost no readers of a dubious site read the corresponding fact-check. Solid for the effect, weak for the reach |
| Media | When faced with suspicious content, trace it back to its original source before reporting on it, without rebroadcasting the clip. | Rebroadcast the content to denounce it, before establishing where it comes from. | These practices follow from research on amplification, but they have not been evaluated as such. Untested |
| Institutions | Explain all the real safeguards of the vote in advance, through election officials from across the political spectrum. | Communicate late, and talk mainly about the threat. | In survey experiments, these explanations markedly strengthen trust, including among sceptics. In an actual campaign, run among 148,000 conservative voters in the Houston area, they changed almost nothing, apart from a slight rise in confidence in voting by mail. Turning to trusted local messengers is a plausible avenue, but it has not been tested. Solid in experiments, weak in real life |
| Institutions | Make specific, documented cases of interference public: who, what, on what scale, what response. | Engage in sweeping, alarmist talk about interference, or wrongly present a citizen mobilisation as a foreign operation. | When the public reads that interference has swayed the vote, it judges the result less legitimate. A message centred on the threat does not reassure, whereas one explaining how the vote is protected does. Moderate |
| Institutions | After the vote, audit the results transparently, then make it known that the audit has taken place. | Let doubts about the count take hold without responding. | Telling voters that an audit has taken place strengthens their trust. How the audit is conducted and presented matters more than what it finds, as long as the discrepancies remain small. Moderate |
| Institutions | Regulate account authenticity and transparency (who is speaking, who is paying). | Pass laws that give the state the power to say what is true. | The effects of such laws have never been measured, and they risk fuelling suspicions of censorship. In France, for example, a 2018 law allows a judge, in the three months before a national election, to order on an urgent basis an end to the massive, artificial dissemination of a manifestly inaccurate allegation (the so-called electoral injunction). To our knowledge, this procedure has been used only once, without success. Weak |
These recommendations nevertheless have a limitation that must be faced squarely. Accepting the result, contesting it only with evidence, not invoking interference in general terms: all of this assumes actors acting in good faith, capable of a restraint that is hard to sustain in the heat of a campaign. Electoral integrity is a common good, and preserving it poses a collective action problem akin to the prisoner's dilemma. All candidates have an interest in keeping trust in the vote intact, but each of them, acting alone, may be tempted to break ranks by crying interference to discredit an opponent, by posing as a victim or by laying the groundwork in advance for a challenge in case of defeat. The gain is immediate and personal, while the cost is deferred and shared. In the case of contested results, as we have seen, part of that cost falls on the challenger, but it is too remote and too diffuse to weigh much in campaign calculations. If everyone reasons this way, trust collapses for everyone, the winner included.
| Candidate B shows restraint | Candidate B cries interference | |
|---|---|---|
| Candidate A shows restraint | Trust in the vote is preserved. Good for everyone. | B gains a short-term advantage, and A looks naive. |
| Candidate A cries interference | A gains a short-term advantage, and B looks naive. | Trust collapses. Bad for everyone, the winner included. |
Good practices will therefore not be enough if they remain individual. What is needed is a form of collective campaign discipline, which can take the shape of joint commitments by the parties, the refereeing role of independent authorities and the vigilance of the media. The media bear a particular responsibility here, since it falls to them to expose the contradiction, even the hypocrisy, of those who denounce foreign interference with rhetoric that in practice serves the aims of that very interference. This vigilance should apply to candidates and governments alike, since governments too can benefit from dramatising the threat.
In the face of election disinformation, restraint often protects better than alarm. Restraint is not inaction: it means responding to specific cases, correcting specific content and explaining what protects the vote. Even the best tools, however, have only modest effects, which disappear when the message does not reach the people it is meant for, so that how widely the message travels and how credible the messenger is matter as much as what it says. The whole challenge, then, is to reach distrustful audiences through messengers they trust. Three directions follow for any country preparing for an election, which we illustrate with the example of France as the 2027 presidential election approaches:
- A quieter state response, not a louder one. In countries where trust in institutions is low, such as France, the state will probably do more good by supporting local, credible messengers (newsrooms, fact-checkers, local elected officials) than by issuing corrections itself, because those who distrust it are liable to read its corrections as positions rather than as facts. This is what research on source credibility suggests, as does the weak real-world effect of information campaigns on distrustful voters.
- Make the most of the safeguards of one's own electoral procedure. When a country has a robust procedure, its safeguards are the best argument against rumours of fraud, provided they are presented as guarantees of quality and this is done before the attacks come. In France, for example, voting is by paper ballot, and the count is manual and public: any citizen can attend, and every candidate can send representatives. These safeguards have the advantage of being simple to understand and easy to show, which makes them an asset to explain rather than a vulnerability to defend.
- Evaluate what is put in place. Each election is an opportunity to measure, under real conditions, the effect of the measures deployed, rather than renewing them without knowing whether they work. In France, the 2027 campaign will provide that opportunity, and missing it would mean basing another decade of electoral policy on survey-based findings that have never been confirmed in the field.
Finally, a campaign is not the moment when trust is built. Rather, it reveals within a few weeks the trust that has accumulated between elections, thanks to strong institutions, integrity in public life and independent journalism. The defence of an election is therefore prepared long before the vote, at a time when it seems to count for nothing.
Main sources: Gaudette et al., BJPolS, 2025 · Lockhart et al., PNAS Nexus, 2024 · Carey et al., Science Advances, 2025 · Kousser et al., Science Advances, 2026 · Bordeleau and Garnett, 2024 · Clayton et al., Political Behavior, 2020 · Neo, 2022 · Nyhan et al., 2020 · Guess, Nyhan and Reifler, 2020 · Jaffe et al., 2023 · La Croix-Verian, 2026 · G. Darcy, “Resisting disinformation in election season”, Futuribles, forthcoming.
Desinformación y elecciones: resistir sin agravar el problema
- La desinformación mueve pocos votos. Allí donde se ha medido su efecto directo, este es muy pequeño, aunque sigue siendo incierto en las elecciones muy reñidas.
- Eso no la vuelve inofensiva. Puede disuadir a parte del electorado de acudir a votar, manchar a un candidato en el último momento, sembrar dudas sobre informaciones exactas y ofrecer pretextos para impugnar un resultado. Estos efectos indirectos están mejor documentados que el efecto sobre el voto.
- Un discurso genérico y alarmista sobre la injerencia agrava el problema. Afirmar sin más precisiones que «las elecciones son objeto de injerencias» no es necesariamente falso, porque los intentos de injerencia existen realmente. La dificultad está en lo que el público deduce de ello: sobrestima el efecto de esas operaciones sobre el voto y puede acabar atribuyéndoles el resultado, olvidando que millones de electores eligieron de verdad. La legitimidad de esa elección se resiente, la confianza en los comicios y en la información retrocede, y a menudo eso es justamente lo que buscaba la injerencia.
- Hay que actuar, por tanto, pero con precisión. Eso supone explicar de forma concreta cómo se protege el voto, hacer públicos casos documentados en lugar de la amenaza en abstracto, corregir contenidos concretos y recurrir a mensajeros en quienes el público confía.
- Todo ello exige de los candidatos una contención que no está garantizada. Cada uno, por separado, puede tener interés en denunciar a gritos una injerencia o un fraude. De ahí la necesidad de una disciplina colectiva de campaña, y de vigilar a quienes denuncian la injerencia con discursos que le hacen el juego.
- Denunciar una injerencia citando un caso concreto y documentado.
- Preparar la respuesta a un deepfake antes de que llegue.
- Impugnar un resultado sin pruebas.
- Decir «soy blanco de injerencias» sin precisar cuáles.
- Verificar la fuente en lugar de sospechar de todo.
- Informarse con antelación sobre cómo se protege el voto.
- Difundir alertas genéricas sobre los deepfakes.
- Corregir rápido, de forma precisa y completa.
- Verificar el origen de un contenido sospechoso antes de hablar de él.
- Llevar a portada un bulo visto por unos pocos miles de personas.
- Explicar de forma concreta, y con antelación, cómo se protege el voto.
- Recurrir a mensajeros de confianza, lo más cerca posible del terreno.
- Preparar el periodo posterior a la votación tanto como la campaña.
- Dar la voz de alarma sin ningún caso concreto que mostrar.
Las catorce acciones se detallan más abajo, en «Lo que cada actor puede hacer».
En 2024, más de la mitad de la humanidad estaba llamada a las urnas, y muchos auguraban que la inteligencia artificial generativa iba a decidir los comicios. No fue así. En Europa, los observadores registraron menos de una treintena de casos virales, y ninguno tuvo un efecto demostrado sobre un resultado (Stockwell, 2024; Simon y Altay, 2025). El episodio resulta instructivo porque reproduce un patrón que los investigadores conocen bien. Cada elección trae su técnica de engaño, una ola de inquietud y una serie de contramedidas y, una vez asentado el polvo, pocas pruebas de que se haya persuadido a los electores de nada. Este Enfoque parte de esa distancia entre el temor y los hechos, y extrae de ella las consecuencias para la acción.
La desinformación puede perjudicar a unas elecciones por tres vías, de desigual importancia. La primera, la más temida, es la persuasión. Para que un contenido falso inclinara una elección, tendría que llegar a electores todavía indecisos, estos tendrían que creérselo y, después, cambiar su voto por ese motivo. Ahora bien, cada una de estas etapas es difícil de superar, porque la mayoría de las personas ve poca desinformación, y quienes la consumen en abundancia ya están convencidos. Por eso el efecto directo, allí donde se ha medido, es muy pequeño. Sería imprudente, sin embargo, descartarlo en una elección que se decide por unos pocos miles de votos.
La segunda vía no requiere persuadir a nadie. Una información falsa puede disuadir a los electores de acudir a votar, manchar a un candidato cuando ya es demasiado tarde para que responda, sembrar dudas sobre informaciones exactas o dar argumentos a quienes quieren impugnar el resultado. Estos efectos indirectos son más discretos que el efecto sobre el voto, pero están mejor documentados, de modo que medir la desinformación únicamente por su capacidad de convencer lleva a subestimar su coste.
La tercera vía es la menos intuitiva, y nos parece la más importante: una parte del daño depende de nuestra manera de reaccionar. Una injerencia extranjera no busca solo hacer ganar a un candidato. El análisis de las operaciones rusas de 2016 muestra que también pretendían dividir a la opinión pública y disuadir a ciertos electores de acudir a votar (DiResta et al., 2019) y, en términos más generales, sembrar la duda sobre la propia elección figura entre los objetivos de este tipo de operaciones. De ahí que un discurso genérico y alarmista sobre la injerencia pueda producir por sí solo el efecto que buscaba el atacante.
El mecanismo se entiende a partir de declaraciones que se han vuelto familiares, como la del candidato que se dice «blanco de injerencias» sin precisar cuáles, o la del ministro que repite que «las elecciones están en el punto de mira de potencias extranjeras». Tales afirmaciones no son necesariamente falsas, puesto que los intentos de injerencia son reales. El problema reside en lo que el público retiene de ellas. Como nadie le dice que se ha detectado y contenido una operación concreta, entiende que la votación quizá se ha falseado. Tiende entonces a sobrestimar el efecto de la injerencia sobre los comportamientos y a atribuirle el resultado, en lugar de ver en él la decisión real de los electores, de modo que lo que queda dañado es la legitimidad de esa decisión democrática y, con ella, la confianza en las elecciones. La falta de casos concretos agrava aún más el daño: como no se cita nada, nada puede verificarse, y la sospecha, privada de objeto, se extiende hasta los medios fiables. Un medio que abre su portada con un bulo visto por unos pocos miles de personas llega a un resultado parecido por otra vía, la de la desproporción, ya que da a un incidente marginal la dimensión de una amenaza nacional. La reacción, tanto la del dirigente político como la del medio, regala así al atacante un éxito que su operación, por sí sola, probablemente no habría logrado.
Este mecanismo solo está demostrado experimentalmente en un caso concreto, aquel en que se afirma que una injerencia ha influido en el voto (véase el recuadro 3). Para las alertas más vagas, del tipo «las elecciones están en el punto de mira», extrapolamos a partir de esos resultados. La hipótesis es verosímil, pero aún no se ha medido como tal, y la presentamos como lo que es.
Nada de esto significa que la desinformación sea inofensiva, ni que sea preferible callar. La conclusión es más bien que hay que actuar con precisión, cuidando de no sumar alarma a la alarma. En concreto, la respuesta adecuada consiste en explicar cómo se protege el voto y en hacer públicos casos concretos y documentados: qué operación, llevada a cabo por quién, cuántas personas alcanzó y qué se hizo para responder. Una comunicación así da al público elementos que puede verificar y juzgar por sí mismo, mientras que una alerta genérica inquieta sin mostrar nada. Resistir a la desinformación en periodo electoral exige, por tanto, llevar adelante dos tareas a la vez, la segunda más difícil que la primera: proteger el voto y velar por que nuestras reacciones no agraven el mal que pretenden combatir.
Unas elecciones son una prueba de resistencia para el ecosistema informativo. Durante unas semanas, la atención del público está en su punto máximo, las identidades políticas se movilizan y el desenlace suele ser reñido. Sobre todo, el tiempo apremia, y una información falsa lanzada la víspera de la votación ya no podrá corregirse a tiempo.
Al mismo tiempo, responder se vuelve más arriesgado, porque los actores presionados para reaccionar (candidatos, medios, instituciones) son también los que más daño pueden hacer si reaccionan mal. Por eso proponemos juzgar cada medida por su efecto neto, es decir, por lo que resta a la creencia en lo falso, una vez descontado lo que resta a la confianza en lo verdadero. Una buena medida hace retroceder lo falso sin mermar lo verdadero. Una mala medida también puede hacer retroceder lo falso, pero de paso siembra la duda sobre lo verdadero, hasta el punto de que su balance puede volverse negativo. Este criterio orienta todas las recomendaciones que siguen, y hace recaer la carga de la prueba tanto sobre la respuesta como sobre la amenaza.
Lo que la desinformación le hace a una elección
Antes de elegir una respuesta, hay que entender cómo actúa realmente la desinformación durante una campaña. Los recuadros siguientes examinan primero su efecto directo sobre el voto, pequeño allí donde se ha medido, pero incierto en las elecciones reñidas, y después sus efectos indirectos, más discretos y mejor documentados. El último reúne dos daños que no proceden del propio atacante, sino de los actores del debate público: la impugnación de los resultados por parte de dirigentes políticos, que es el daño mejor demostrado, y la respuesta alarmista, que puede favorecer al atacante que dice combatir.
El temor más extendido es el del elector manipulado, que vería un contenido falso, se lo creería y cambiaría su voto en consecuencia. Los estudios dibujan un panorama muy distinto. Para modificar un voto, un contenido falso debe superar tres etapas sucesivas, y cada una reduce mucho sus posibilidades de lograrlo.
- Persuadir de forma masiva es difícil. Una síntesis de 49 experimentos de campo muestra que los contactos y los anuncios de campaña prácticamente no cambian el sentido del voto en las elecciones generales estadounidenses (Kalla y Broockman, 2018). Si una persuasión organizada y financiada logra tan poco, cuesta ver cómo unos contenidos falsos, mucho menos vistos, iban a lograr mucho más.
- El ejemplo ruso de 2016. En Twitter, las cuentas de la Internet Research Agency, la «fábrica de trols» rusa, llegaron sobre todo a republicanos ya convencidos, y no se encontró ningún efecto medible de esa exposición sobre sus opiniones ni sobre su voto (Eady et al., 2023).
- El público es menos crédulo de lo que se cree. Su error más frecuente no consiste tanto en creer lo falso como en dudar de lo verdadero (Pfänder y Altay, 2025). Este resultado condiciona todo lo que sigue, porque una respuesta que aumenta la desconfianza general agrava precisamente el error más extendido.
La duda, no obstante, debe formularse como tal. Los métodos actuales captan mal los efectos lentos o acumulativos, que se extienden a lo largo de años, y la ausencia de prueba no es prueba de ausencia. Cuando una elección se decide por unos pocos miles de votos, incluso un efecto pequeño puede contar.
La desinformación no necesita convencer para hacer daño. Quienes la producen persiguen a menudo algo distinto de la persuasión, y los casos y experimentos que siguen muestran que esas otras vías están, en su mayoría, mejor demostradas que el efecto sobre el voto.
Disuadir de votar
Una información falsa sobre la fecha de la votación, el colegio electoral al que acudir o los documentos que hay que presentar apunta a la participación más que a la opinión. Busca que los electores se queden en casa, lo cual es más fácil que convencerlos (Darcy, 2026), y el mecanismo no requiere persuasión alguna.
Golpear cuando ya es tarde para corregir
En Eslovaquia, en 2023, se difundió una grabación de audio falsa durante la jornada de reflexión de 48 horas que precede a la votación, periodo en el que los candidatos ya no pueden hacer campaña. Los verificadores la desmintieron ese mismo día, pero la jornada de reflexión limitaba la capacidad de respuesta del candidato afectado, y el audio siguió circulando, sobre todo en Telegram y Facebook. Se desconoce si cambió el resultado. El caso muestra, en cambio, dónde reside el verdadero peligro en una campaña: la falta de tiempo para que los hechos alcancen al rumor (de Nadal y Jančárik, 2024).
Manchar la reputación de un candidato
Un deepfake o ultrafalso es un vídeo falso realista fabricado con IA. En varios experimentos, un deepfake redujo el apoyo al candidato afectado, aun cuando los participantes lo consideraban menos creíble que un vídeo real. Los estudios discrepan, en cambio, sobre lo que puede lograr una verificación publicada después. Según algunos, reduce mucho ese perjuicio (Dan, 2025). Según otros, resta credibilidad al vídeo, pero el daño al candidato persiste varios días antes de desvanecerse (Hameleers et al., 2026), lo que equivale a decir que la corrección repara la credibilidad del vídeo más deprisa que la reputación del candidato.
El «dividendo del mentiroso»
Cuanto más sabe el público que las pruebas pueden fabricarse, más fácil resulta descartar una prueba auténtica. Un dirigente político implicado en un escándalo real puede entonces limitarse a responder «es falso». En Estados Unidos, cinco experimentos realizados con más de 15 000 adultos muestran que esta defensa le permite conservar más apoyos que pedir disculpas o guardar silencio. Funciona frente a una prueba escrita, mucho menos frente a un vídeo, y basta una verificación para anular esa ventaja (Schiff, Schiff y Bueno, 2025).
Dividir y confundir
Algunas campañas buscan menos imponer una idea que avivar las tensiones. En 2016, los mismos operadores rusos gestionaban a la vez cuentas falsas de activistas negros y páginas falsas ultraconservadoras, para atizar la ira en ambos bandos (DiResta et al., 2019). Otras operaciones multiplican las versiones contradictorias de un mismo acontecimiento, como si el objetivo fuera que el público acabara pensando que nada es fiable. Esta confusión tiene consecuencias prácticas, ya que los experimentos muestran que la exposición a contenidos conspiracionistas reduce la intención de votar (Jolley y Douglas, 2014).
Los dos daños que se reúnen aquí tienen en común que nacen de actores legítimos del debate público (dirigentes políticos, gobiernos, medios), cuya palabra llega mucho más lejos que la de un atacante anónimo. Es precisamente de este lado donde se encuentra el daño mejor demostrado.
La impugnación de los resultados
Impugnar un resultado sin pruebas es el daño mejor demostrado. En torno a las elecciones estadounidenses de 2020, un experimento expuso a los participantes a declaraciones de Donald Trump que cuestionaban la votación, y esas declaraciones redujeron la confianza de sus partidarios en las elecciones (Clayton et al., 2021). El daño es tanto más serio cuanto que se repara mal: otro experimento, realizado tras las elecciones de mitad de mandato de 2018, muestra que los desmentidos de los grandes medios no lo reducen de forma medible (Berlinski et al., 2023).
Quien impugna también paga un precio. Tras la elección presidencial de noviembre de 2020, Donald Trump afirmó sin pruebas que le habían robado la elección, entre otros lugares en el estado de Georgia. En la segunda vuelta de las elecciones al Senado celebrada allí en enero de 2021, la participación cayó más en los colegios electorales donde era más popular y, a escala individual, la de sus partidarios cayó alrededor de 1,7 puntos más que la de los demás votantes: parte de ellos, desanimados por la idea de que la votación estaba amañada, parecen haberse quedado en casa. En la segunda vuelta al Senado de diciembre de 2022, esa caída fue menor (Fraga, Peskowitz y Szewczyk, 2025). Una encuesta a los votantes de Georgia apunta en la misma dirección: quienes dudaban de la limpieza de la elección de 2020 votaron menos en enero de 2021, sobre todo en el bando de Trump (McKee, Hood y Pittman, 2026). Este coste diferido, que soporta el propio bando de quien impugna, desempeñará un papel en nuestra conclusión.
La trampa del alarmismo
El segundo daño es más paradójico, porque nace de la voluntad de proteger. Una injerencia informativa busca a menudo hacer dudar de la propia elección, ya sea de su limpieza, de su resultado o de la utilidad de votar. Ahora bien, un discurso genérico y alarmista («nuestras elecciones están manipuladas», «la desinformación amenaza la democracia») produce justamente esa duda. Hace así el trabajo del atacante en su lugar, y puede regalarle un éxito que su operación, por sí sola, probablemente no habría logrado. El esquema siguiente desglosa esta cadena.
- Se lanza una operación de injerencia. Por sí sola, llega a poca gente.
- Una alarma genérica se hace eco de ella («las elecciones están en el punto de mira»), sin citar casos concretos.
- El público sobrestima su efecto y atribuye el resultado a la injerencia en lugar de a la decisión de los votantes.
- La confianza cae en las elecciones y en la información, y el atacante alcanza su objetivo.
Dos episodios reales ilustran la diferencia entre la alarma y la comunicación precisa. No constituyen una comparación medida, pero muestran cómo puede operar el mecanismo.
Ninguna investigación ha establecido que Rusia modificara el recuento de votos, y no se ha encontrado ningún efecto medible de sus cuentas falsas de Twitter sobre las opiniones (Eady et al., 2023). Sin embargo, en diciembre de 2016, tras semanas de cobertura dedicada a la «injerencia rusa», el 52 % de los demócratas consideraba cierto que Rusia había «manipulado el recuento de votos» para que saliera elegido Donald Trump (encuesta Economist/YouGov). Esta cifra refleja también la reacción habitual del bando perdedor, pero muestra hasta qué punto una injerencia real y limitada puede percibirse como decisiva.
- Una operación real, pero de efecto limitado
- Un efecto sobrestimado, hasta el punto de hacer dudar del propio resultado
La víspera de las elecciones de mitad de mandato, Facebook anuncia que ha bloqueado 115 cuentas de Facebook e Instagram sospechosas de estar vinculadas a un actor extranjero, a raíz de un aviso de las autoridades. El día de la votación, un sitio que se presenta como la «fábrica de trols» rusa asegura haber influido en las elecciones. Las autoridades estadounidenses indican después que nada demuestra que un actor extranjero haya podido modificar el recuento de votos (Tesoro estadounidense, 2019).
- Hechos con fechas y cifras
- Una reivindicación del atacante, que busca precisamente hacer creer en su influencia
- Una respuesta que dice qué se vio afectado y qué no
Varios experimentos permiten poner a prueba, uno por uno, los eslabones de esta cadena.
- Anunciar que una injerencia ha influido en el voto reduce la confianza en el resultado. En Estados Unidos, unos participantes leyeron un artículo que afirmaba con rotundidad que la desinformación rusa había influido en las elecciones de 2016. Tras la lectura, pensaban que otros electores habían sido influidos, y es por esa vía por la que disminuyeron tanto su confianza en el resultado como su satisfacción con la democracia, incluso cuando el artículo condenaba al actor extranjero. El mensaje «intentaron manipularnos» se convierte así en «los demás fueron manipulados, luego el voto se falseó» (Ross, Vaccari y Chadwick, 2022).
- La alarma empuja a restringir la libertad de expresión. En Estados Unidos, los lectores expuestos a un artículo alarmista sobre la desinformación apoyaron en mayor medida restricciones a la expresión en línea. En el mismo estudio, las personas que se sienten más amenazadas por la desinformación son también las menos satisfechas con la democracia, sin que se sepa cuál de los dos factores provoca el otro (Jungherr y Rauchfleisch, 2024). La alarma, que se presenta como una defensa del debate público, puede así llevar a restringirlo.
- Hablar de la amenaza no tranquiliza. En Canadá, unos participantes leyeron o bien un mensaje centrado en las amenazas de injerencia, o bien un mensaje que explicaba cómo se protege el voto. Solo el segundo reforzó su confianza en las elecciones. El primero no mejoró nada, pese a que su intención era alertar para proteger (Bordeleau y Garnett, 2024).
- Las advertencias genéricas hacen dudar de lo verdadero. Advertir al público de que existen los deepfakes no le ayuda a detectarlos; sobre todo, lo lleva a considerar falsos vídeos auténticos (Ternovski, Kalla y Aronow, 2022). Del mismo modo, las intervenciones más extendidas (verificaciones, consejos de prudencia, artículos sobre la desinformación) reducen la creencia en las informaciones falsas, pero también restan credibilidad a las informaciones exactas (Hoes et al., 2024). La sospecha, por tanto, no se detiene en lo falso, sino que se desborda hacia todo lo demás.
De estos resultados no se desprende que haya que callar o minimizar las operaciones reales. Abogan más bien por sustituir la alarma genérica por dos cosas más útiles. La primera es una política precisa, que diga quién hace qué y con qué medios. La segunda es la comunicación de casos concretos, que diga qué operación se llevó a cabo, quién la realizó, a cuántas personas alcanzó y qué se hizo para responder. Un caso documentado da al público elementos verificables y acota la amenaza, en lugar de dejar que planee sobre toda la votación. Conviene precisar que esta distinción aún no se ha puesto a prueba como tal: prolonga los resultados anteriores, que se refieren al anuncio de un efecto sobre el voto y a las advertencias genéricas. Tampoco elimina todo coste, ya que incluso las verificaciones, como acabamos de ver, pueden restar credibilidad a las informaciones exactas. La precisión reduce, pues, el riesgo sin suprimirlo, y por eso cada intervención debe juzgarse por su efecto neto.
Un fenómeno sistémico
Los efectos descritos en estos tres recuadros se alimentan entre sí, y eso es lo que confiere al fenómeno su carácter sistémico. La desconfianza hace más creíble la desinformación; la desinformación, y la alarma que la rodea, aumentan la desconfianza; y las respuestas mal calibradas nutren el escepticismo que pretendían curar. Como estos efectos se refuerzan mutuamente y se extienden en el tiempo, es difícil aislar la parte que corresponde propiamente a la desinformación, lo que constituye una razón más para no juzgar su gravedad únicamente por su efecto directo sobre el voto.
Fuentes principales: Altay, 2026 · Kalla y Broockman, APSR, 2018 · Eady et al., Nature Communications, 2023 · Clayton et al., PNAS, 2021 · Fraga, Peskowitz y Szewczyk, Political Behavior, 2025 · Van Duyn y Collier, 2019 · Schiff, Schiff y Bueno, APSR, 2025 · Berlinski et al., 2023 · Ross, Vaccari y Chadwick, 2022 · Ternovski, Kalla y Aronow, 2022 · Jungherr y Rauchfleisch, 2024 · Bordeleau y Garnett, 2024 · Hoes et al., 2024.
Lo que cada actor puede hacer
Ninguna herramienta basta por sí sola, e incluso las mejor evaluadas tienen efectos modestos que se desvanecen con el tiempo. La investigación permite, no obstante, distinguir lo que ayuda de lo que perjudica, con un grado de certeza variable que el cuadro final precisa para cada práctica. Todas las acciones aquí propuestas aplican el criterio del efecto neto definido más arriba: una medida solo vale si hace retroceder lo falso sin hacer dudar de lo verdadero.
Este criterio obliga a cambiar cuatro reflejos, que se repiten de un actor a otro:
Las catorce acciones que siguen se ordenan por actor, porque candidatos, ciudadanos, medios e instituciones no tienen ni las mismas palancas ni las mismas tentaciones, y porque los actores mejor situados para causar un daño suelen ser los mismos que, en principio, deben prevenirlo.
- 1 No impugnar nunca un resultado sin pruebas.
- Por qué: es el daño mejor demostrado. Un candidato que impugna reduce ante todo la confianza de sus propios votantes en las elecciones (Clayton et al., 2021).
- Lo que pierde con ello: parte de esos votantes se abstiene en la siguiente elección (Fraga, Peskowitz y Szewczyk, 2025).
- 2 No tachar de «fake news» una acusación fundada.
- Por qué: la maniobra puede dar réditos a corto plazo, pero tiene un coste colectivo. El discurso de los dirigentes políticos sobre las «fake news» reduce la confianza en los medios y la capacidad de reconocer una información verdadera (Van Duyn y Collier, 2019). En cambio, empleada frente a un escándalo concreto, esta defensa no parece reducir la confianza general en los medios (Schiff, Schiff y Bueno, 2025), lo que sugiere que el coste colectivo se debe sobre todo a la repetición de la táctica.
- Mejor: ante un escándalo real, reconocer los hechos y pedir disculpas. Es cierto que tachar algo de falso puede rendir más a corto plazo (Schiff, Schiff y Bueno, 2025), pero basta una verificación para anular esa ventaja, y otros experimentos muestran que las disculpas funcionan mejor que la evasiva o el silencio (Clementson, Zhao y Beatty, 2024). Recomendar las disculpas equivale, por tanto, a pedir al candidato que renuncie a una posible ventaja en nombre del interés común, lo que anticipa el dilema que se aborda en la conclusión.
- 3 No invocar la injerencia en términos genéricos.
- Qué evitar: «soy blanco de injerencias extranjeras», «estas elecciones son objeto de injerencias», sin decir cuáles.
- Por qué: los votantes no pueden ni verificar ni defenderse. Solo retienen que el resultado quizá se falsee, que es precisamente lo que buscan muchas operaciones de injerencia. Estas frases sirven también, a veces, para descalificar de antemano una derrota o una crítica legítima.
- Mejor: transmitir el caso concreto a las autoridades competentes, con los elementos disponibles, y dejar que sean ellas quienes lo establezcan públicamente. En Francia, esas autoridades son, entre otras, VIGINUM, el servicio del Estado encargado de detectar las injerencias digitales extranjeras, y la Comisión Nacional de Control de la Campaña Electoral, que vela por el respeto de las normas durante la elección presidencial.
- 4 Preparar la respuesta a un deepfake antes de que llegue.
- En concreto: disponer de canales oficiales autenticados, conservar los originales de los propios vídeos y localizar de antemano a verificadores independientes capaces de responder en pocas horas.
- Por qué un tercero: una corrección es más eficaz cuando procede de una fuente que el público destinatario considera creíble, y a menudo lo será más un tercero independiente que el propio candidato. También lo es cuando explica por qué el contenido es falso y qué ocurrió realmente (Ecker et al., 2022).
- 5 Aprender a verificar la fuente, en lugar de sospechar de todo.
- El método: la «lectura lateral» consiste en salir de la página para buscar en otro lugar quién está detrás de una información. En un ensayo aleatorizado realizado en el aula, mejoró claramente la capacidad de estudiantes de secundaria estadounidenses para juzgar la credibilidad de una fuente (Wineburg et al., 2022).
- El hábito: seguir a medios de información en las redes sociales también mejora los conocimientos y la confianza (Altay, Hoes y Wojcieszak, 2025).
- 6 Informarse con antelación sobre cómo se protege el voto.
- El principio: es lo que se denomina inoculación o prebunking. Conocer de antemano las garantías de la votación ayuda a reconocer las informaciones falsas cuando aparecen, sin esperar a que alguien las corrija.
- El resultado: en Estados Unidos y en Brasil, un mensaje que explicaba las garantías de la votación reforzó la confianza, y de forma más duradera que una corrección.
- Lo que funciona: son los hechos explicados, y no la advertencia sobre la amenaza (Carey et al., 2025).
- 7 No difundir alertas genéricas sobre los deepfakes.
- Por qué: no ayudan a detectar los vídeos falsos y hacen dudar de los auténticos (Ternovski, Kalla y Aronow, 2022).
- Mejor: comprobar de dónde procede un vídeo. ¿Quién lo publicó primero? ¿Lo ha recogido una fuente fiable?
- 8 Dar a la desinformación el lugar que realmente ocupa y recordar las garantías del voto.
- El encuadre importa: en Canadá, un artículo que explicaba cómo se protege el voto reforzó la confianza de los lectores, algo que no logró un artículo que presentaba las injerencias como una amenaza (Bordeleau y Garnett, 2024).
- El riesgo de amplificación: un deepfake visto por unos pocos miles de personas, si se convierte en un asunto nacional, llega gracias a los medios a un público al que sus autores nunca habrían alcanzado por sí solos. Este riesgo se deduce de los estudios sobre la amplificación, pero no se ha medido directamente.
- 9 Corregir rápido, de forma precisa y completa.
- Lo que funciona: una etiqueta de «cuestionado» colocada sobre un contenido concreto.
- Lo que perjudica: una advertencia genérica del tipo «cuidado, circulan informaciones falsas», que hace dudar también de las informaciones verdaderas (Clayton et al., 2020).
- Atención: etiquetar solo una parte de los contenidos falsos vuelve más creíbles los demás (Pennycook et al., 2020).
- Los límites: la verificación de datos corrige las creencias sin cambiar el apoyo al candidato (Nyhan et al., 2020), y apenas llega a los más expuestos, ya que casi ningún lector de un sitio dudoso lee la verificación correspondiente (Guess, Nyhan y Reifler, 2020).
- Ante los ataques: cuando un dirigente político acusa sin razón a un medio de difundir «fake news», al medio le conviene responder, porque su réplica refuerza su credibilidad (Neo, 2022).
- 10 Verificar el origen de un contenido sospechoso antes de hablar de él.
- No volver a difundir el fragmento, ni siquiera para denunciarlo.
- Remontarse a la fuente original y examinar los datos técnicos del archivo.
- Acordar de antemano con las autoridades electorales cómo trabajar juntos en caso de urgencia.
- 11 Explicar, de forma concreta y con antelación, todas las garantías de integridad que existen realmente. Es la palanca mejor respaldada por los experimentos, siempre que llegue a los votantes desconfiados (véase la acción siguiente).
- Qué: quién cuenta las papeletas, quién supervisa el escrutinio, cómo se verifica un resultado y por qué a veces lleva tiempo.
- El resultado: en Estados Unidos, en un experimento con casi 8500 participantes, unos vídeos de 30 segundos grabados con responsables electorales de ambos partidos reforzaron la confianza tanto de demócratas como de republicanos (Gaudette et al., 2025). Otro vídeo, que explicaba por qué el escrutinio puede ser largo, atenuó en gran medida la desconfianza que suscita un resultado tardío (Lockhart et al., 2024).
- Una ventaja poco común: a diferencia de la alarma, este mensaje no exagera nada, puesto que las garantías que describe son reales.
- El límite: su efecto parece desvanecerse rápidamente, lo que obliga a repetirlo.
- 12 Confiar el mensaje a personas de confianza, lo más cerca posible del terreno.
- Por qué: los mensajes que funcionan en las encuestas llegan mal a las personas desconfiadas en la vida real. En la región de Houston, en Texas, una campaña informativa dirigida a unos 148 000 votantes conservadores considerados escépticos no mejoró, durante las presidenciales de 2024, ni su confianza general en las elecciones ni su participación (Kousser et al., 2026). El recurso a mensajeros locales aún no se ha probado como tal.
- Por ejemplo, en Francia: un alcalde, un miembro de mesa designado por otro candidato (los miembros de mesa son ciudadanos que se encargan del colegio electoral) o un periódico regional probablemente serán más escuchados que una comunicación del Gobierno. El 63 % de los franceses considera digna de confianza la prensa diaria regional (La Croix-Verian, 2026).
- 13 Comunicar casos concretos en lugar de dar la voz de alarma.
- Cuando sea necesario: hacer pública una operación extranjera documentada, con hechos concretos (quién, qué, qué alcance, qué respuesta), sin dramatizar.
- Por qué no la alarma: una alerta genérica extiende la duda a toda la votación, que es justo lo que busca el atacante, sin dar al público el menor medio para verificar.
- En materia de regulación: las normas deben centrarse en la autenticidad de las cuentas y en la transparencia (quién habla, quién paga), y no conferir el poder de decidir qué es verdad.
- 14 Preparar el periodo posterior a la votación tanto como la campaña.
- Informar a los votantes de que se ha realizado un control de los resultados refuerza su confianza.
- La forma en que se lleva a cabo y se presenta ese control importa más que lo que encuentra, siempre que las discrepancias detectadas sean pequeñas (Jaffe et al., 2023).
Buenas y malas prácticas de un vistazo
El cuadro recoge, actor por actor, lo que la investigación recomienda, lo que desaconseja y lo que muestran los estudios. El nivel de evidencia se califica como sólido (varios estudios coincidentes), moderado (uno o dos buenos estudios), débil (estudios de caso o un solo país) o no probado. Cuando los resultados divergen, distinguimos los experimentos (realizados mediante encuestas, en condiciones controladas) de la vida real (campañas reales, con votantes reales). La distinción no es una mera formalidad, porque una práctica prometedora en un experimento, como la explicación de las garantías del voto, puede perder la mayor parte de su efecto sobre el terreno.
| Actor | Buena práctica | Mala práctica | Lo que muestran los estudios |
|---|---|---|---|
| Candidatos | Aceptar el resultado de las elecciones e impugnarlo solo si se dispone de pruebas sólidas. | Denunciar un fraude sin pruebas, antes o después de la votación. | Los votantes del candidato que impugna pierden confianza en las elecciones, y parte de ellos se abstiene en la siguiente votación, lo que cuesta votos a su propio bando. Sólido |
| Candidatos | Ante una acusación fundada, reconocer los hechos y pedir disculpas. | Tachar de «fake news» una acusación que es exacta. | Esta defensa puede permitir conservar apoyos a corto plazo, sobre todo frente a una prueba escrita, pero basta una verificación para anular su beneficio. En términos más generales, el discurso de los dirigentes políticos sobre las «fake news» reduce la confianza en los medios. Sólido para el efecto a corto plazo, moderado para el coste colectivo |
| Candidatos | Comunicar un caso concreto de injerencia a las autoridades competentes, con los elementos de que se disponga. | Declarar «soy blanco de injerencias» o «las elecciones están en el punto de mira», sin precisar cuáles. | Cuando el público lee que una injerencia ha influido en el voto, considera el resultado menos legítimo, aunque el mensaje condene al actor extranjero. El efecto de las alertas más vagas no se ha medido directamente. Moderado |
| Candidatos | Preparar antes de la campaña la respuesta a un deepfake: canales autenticados, archivo de los propios vídeos, verificadores independientes listos para intervenir. | Improvisar una respuesta cuando llegue el momento, o callar con la esperanza de que el asunto se olvide. | Una verificación publicada por un tercero creíble reduce el daño causado por un deepfake, a veces de forma notable, aunque no siempre de inmediato. El efecto del silencio, hasta donde sabemos, no se ha medido. Moderado |
| Ciudadanos | Aprender a verificar quién está detrás de una información, y seguir a medios de información fiables. | Aprender sobre todo a desconfiar de todo lo que se lee. | Aprender a reconocer las fuentes fiables mejora el juicio. Por el contrario, aprender solo a detectar lo falso vuelve también desconfiado hacia las informaciones exactas. Sólido para el discernimiento, moderado para el riesgo de desconfianza |
| Ciudadanos | Informarse con antelación, en fuentes fiables, sobre cómo se protege el voto (prebunking). | Repetir que «la desinformación amenaza nuestras elecciones», sin explicar cómo se protege el voto. | Son los hechos explicados los que refuerzan la confianza, mientras que la advertencia sobre la amenaza, por sí sola, no produce ningún efecto. En todos los casos, el efecto sigue siendo pequeño y desaparece si no se repite. Sólido en los experimentos, moderado en la vida real |
| Ciudadanos | Ante un vídeo sospechoso, comprobar quién lo publicó primero y si lo ha recogido una fuente fiable. | Difundir alertas genéricas del tipo «cuidado con los deepfakes». | Estas alertas no ayudan a detectar los vídeos falsos. En cambio, llevan a considerar falsos vídeos auténticos. Moderado |
| Medios | Dar a la desinformación el lugar que realmente ocupa y aprovechar para recordar cómo se protege el voto. | Una cobertura alarmista, que amplifica un caso aislado o se recrea en él. | Los artículos alarmistas aumentan el apoyo a restricciones de la libertad de expresión y no refuerzan la confianza. Los artículos que explican las garantías del voto sí la refuerzan. Moderado |
| Medios | Colocar una etiqueta precisa («cuestionado») sobre un contenido concreto, y responder cuando un dirigente político acusa al medio sin razón. | Publicar advertencias genéricas («circulan informaciones falsas»), o callar ante los ataques. | Las advertencias genéricas hacen dudar también de las informaciones exactas. Un medio que responde a una acusación infundada refuerza su credibilidad. Sólido para las etiquetas, moderado para la respuesta a los ataques |
| Medios | Verificar las declaraciones de campaña, dirigiéndose ante todo a los públicos moderados y curiosos. | Esperar que la verificación de datos convenza a quienes ya se han adherido a una información falsa. | La verificación de datos corrige las creencias, pero no cambia el voto. Llega poco a los más expuestos, ya que casi ningún lector de un sitio dudoso lee la verificación correspondiente. Sólido para el efecto, débil para el alcance |
| Medios | Ante un contenido sospechoso, remontarse a su fuente original antes de hablar de él, sin volver a difundir el fragmento. | Volver a difundir el contenido para denunciarlo, antes de haber establecido de dónde procede. | Estas prácticas se derivan de la investigación sobre la amplificación, pero no se han evaluado como tales. No probado |
| Instituciones | Explicar con antelación todas las garantías reales de la votación, en boca de responsables electorales de todo el espectro político. | Comunicar tarde y hablar sobre todo de la amenaza. | En los experimentos realizados mediante encuestas, estas explicaciones refuerzan claramente la confianza, también entre los escépticos. En una campaña real, dirigida a 148 000 votantes conservadores de la región de Houston, apenas cambiaron nada, salvo un ligero aumento de la confianza en el voto por correo. Recurrir a intermediarios locales de confianza es una vía plausible, pero no se ha probado. Sólido en los experimentos, débil en la vida real |
| Instituciones | Hacer públicos casos concretos y documentados de injerencia: quién, qué, qué alcance, qué respuesta. | Mantener un discurso genérico y alarmista sobre la injerencia, o presentar erróneamente una movilización ciudadana como una operación extranjera. | Cuando el público lee que una injerencia ha influido en el voto, considera el resultado menos legítimo. Un discurso centrado en la amenaza no tranquiliza, mientras que uno que explica las protecciones del voto sí lo consigue. Moderado |
| Instituciones | Después de la votación, controlar los resultados de forma transparente y dar a conocer que ese control se ha realizado. | Dejar que la duda sobre el escrutinio se instale sin responder. | Informar a los votantes de que se ha realizado un control refuerza su confianza. La forma en que se lleva a cabo y se presenta ese control importa más que lo que encuentra, siempre que las discrepancias sean pequeñas. Moderado |
| Instituciones | Regular la autenticidad de las cuentas y la transparencia (quién habla, quién paga). | Aprobar leyes que den al Estado el poder de decir qué es verdad. | Los efectos de estas leyes nunca se han medido, y pueden alimentar la sospecha de censura. En Francia, por ejemplo, una ley de 2018 permite a un juez ordenar con carácter urgente, en los tres meses anteriores a una elección nacional, que cese la difusión masiva y artificial de una afirmación manifiestamente inexacta (el llamado «référé électoral», un procedimiento judicial de urgencia). Hasta donde sabemos, este procedimiento solo se ha utilizado una vez, sin éxito. Débil |
Estas recomendaciones tienen, no obstante, un límite que hay que afrontar. Aceptar el resultado, impugnarlo solo con pruebas, no invocar la injerencia en términos genéricos: todo ello presupone actores de buena fe, capaces de una contención difícil de mantener en plena campaña. La integridad electoral es un bien común, y su preservación plantea un problema de acción colectiva cercano al dilema del prisionero. A todos los candidatos les interesa que se preserve la confianza en la votación, pero cada uno, por separado, puede sentir la tentación de ir por libre, denunciando una injerencia para desacreditar a un adversario, presentándose como víctima o preparando de antemano una impugnación en caso de derrota. La ganancia es inmediata y personal, mientras que el coste es diferido y compartido. En el caso de la impugnación de los resultados, como hemos visto, ese coste recae en parte sobre quien impugna, pero es demasiado lejano y difuso para pesar mucho en los cálculos de una campaña. Si todos razonan así, la confianza se derrumba para todos, incluido el vencedor.
| El candidato B actúa con contención | El candidato B denuncia una injerencia | |
|---|---|---|
| El candidato A actúa con contención | La confianza en la votación se preserva. Bueno para todos. | B obtiene una ventaja a corto plazo, y A queda como ingenuo. |
| El candidato A denuncia una injerencia | A obtiene una ventaja a corto plazo, y B queda como ingenuo. | La confianza se derrumba. Malo para todos, incluido el vencedor. |
Las buenas prácticas no bastarán, por tanto, si se quedan en el plano individual. Hace falta una forma de disciplina colectiva de campaña, que puede pasar por compromisos comunes de los partidos, por el papel arbitral de las autoridades independientes y por la vigilancia de los medios. Estos últimos tienen aquí una responsabilidad particular, puesto que les corresponde poner de relieve la contradicción, e incluso la hipocresía, de quienes denuncian las injerencias extranjeras con discursos que sirven, en la práctica, a los objetivos de esas mismas injerencias. Esta vigilancia debe ejercerse tanto sobre los candidatos como sobre los gobiernos, a los que la dramatización de la amenaza también puede favorecer.
Frente a la desinformación electoral, la contención suele proteger mejor que la alarma. Esta contención no tiene nada de inacción: consiste en responder a casos concretos, corregir contenidos concretos y explicar lo que protege el voto. Sin embargo, incluso las mejores herramientas tienen efectos modestos, que desaparecen cuando el mensaje no llega a sus destinatarios, de modo que la difusión del mensaje y la credibilidad del mensajero importan tanto como su contenido. Todo el desafío consiste, por tanto, en llegar a los públicos desconfiados, mediante mensajeros en quienes confíen. De ello se derivan tres orientaciones para cualquier país que prepare unas elecciones, que ilustramos con el ejemplo de Francia ante la elección presidencial de 2027:
- Una respuesta del Estado más discreta, no más ruidosa. En los países donde la confianza en las instituciones es baja, como Francia, el Estado probablemente será más útil apoyando a intermediarios locales y creíbles (redacciones, verificadores, cargos electos locales) que corrigiendo él mismo, porque quienes desconfían de él corren el riesgo de leer sus correcciones como tomas de posición y no como hechos. Es lo que sugieren los trabajos sobre la credibilidad de las fuentes, así como el escaso efecto, sobre el terreno, de las campañas informativas entre los votantes desconfiados.
- Poner en valor las garantías del propio procedimiento electoral. Cuando un país dispone de un procedimiento sólido, sus garantías son el mejor argumento contra los rumores de fraude, siempre que se presenten como señales de calidad y se haga antes de que lleguen los ataques. En Francia, por ejemplo, se vota con papeleta de papel, y el escrutinio es manual y público: cualquier ciudadano puede asistir, y cada candidato puede enviar a sus representantes. Estas garantías tienen la ventaja de ser fáciles de entender y de mostrar, lo que las convierte en una baza que conviene explicar, más que en una vulnerabilidad que haya que defender.
- Evaluar lo que se pone en marcha. Cada elección es una oportunidad para medir en condiciones reales el efecto de los dispositivos desplegados, en lugar de renovarlos sin saber si funcionan. En Francia, la campaña de 2027 ofrecerá esa oportunidad, y desaprovecharla supondría basar una década más de política electoral en resultados obtenidos mediante encuestas, nunca confirmados sobre el terreno.
Por último, una campaña no es el momento en que se construye la confianza. Más bien revela, en pocas semanas, la que se ha acumulado entre dos elecciones gracias a instituciones sólidas, a una vida pública íntegra y a un periodismo independiente. La defensa de unas elecciones se prepara, pues, mucho antes de la votación, en un momento en que parece no contar para nada.
Fuentes principales: Gaudette et al., BJPolS, 2025 · Lockhart et al., PNAS Nexus, 2024 · Carey et al., Science Advances, 2025 · Kousser et al., Science Advances, 2026 · Bordeleau y Garnett, 2024 · Clayton et al., Political Behavior, 2020 · Neo, 2022 · Nyhan et al., 2020 · Guess, Nyhan y Reifler, 2020 · Jaffe et al., 2023 · La Croix-Verian, 2026 · G. Darcy, «Résister à la désinformation en période électorale», Futuribles, en prensa.