Comment reconnaître un réseau de podcasts fabriqué par IA
Nous écrivions en octobre que près d'un nouveau podcast sur trois était généré par une intelligence artificielle. Le constat posait une question sans y répondre : comment les distingue-t-on ? Une enquête publiée par le média spécialisé Podnews apporte des éléments concrets — et le plus décisif tient en un chiffre : 1 503 épisodes publiés en vingt jours.
Le cas qui sert de leçon
Podnews s'est penché sur un réseau de podcasts éducatifs anglophone, apparu à l'automne 2026 et hébergé sur une plateforme de production automatisée. Nous ne le nommons pas : l'enquête repose sur une source unique, et plusieurs de ses conclusions portent sur l'identité de personnes que nous n'avons pas pu vérifier nous-mêmes.
Ce qui nous intéresse ici n'est pas l'accusation, c'est la méthode de vérification. Elle est reproductible, et elle devrait faire partie de la boîte à outils de tout éditeur, annuaire ou plateforme d'écoute.
Le marqueur décisif : le débit de publication
C'est le signal le plus simple à mesurer, et le plus difficile à maquiller.
| Indicateur | Valeur |
|---|---|
| Épisodes publiés | 1 503 |
| Période | Du 19 octobre au 7 novembre 2026, soit 20 jours |
| Moyenne quotidienne | Environ 75 épisodes par jour |
| Volume d'audio quotidien | 23 heures, selon le flux lui-même |
Aucune structure humaine ne produit vingt-trois heures d'audio par jour. À titre de comparaison, une rédaction de radio nationale qui diffuse en continu produit vingt-quatre heures de programme — avec des dizaines de salariés, et une bonne part de musique et de rediffusion.
Le débit est donc un test quantitatif : il se calcule à partir du seul flux RSS, sans écouter un seul épisode, et il ne souffre aucune interprétation.
Les autres signaux relevés
Pris isolément, aucun n'est concluant. Réunis, ils dessinent un faisceau.
| Vérification | Ce qu'elle a montré |
|---|---|
| Métadonnées de la photo | Un marqueur IPTC indiquant une image générée par intelligence artificielle |
| Registre des entreprises | La société éditrice annoncée est absente du registre de son État |
| Réseaux professionnels | Aucune trace de la société ni de ses responsables |
| Partenariat universitaire revendiqué | Démenti par l'université contactée |
| En-têtes des courriels | Incohérences entre la localisation affichée et les indices techniques |
| Prénoms des animateurs | Les mêmes reviennent d'une émission à l'autre, sans lien apparent |
| Domaine d'hébergement | Des émissions sans rapport servies depuis la même plateforme automatisée |
Le premier point est le plus utile au quotidien : les métadonnées d'une image se lisent en quelques secondes, et les générateurs d'images y inscrivent de plus en plus souvent une mention de provenance. C'est un contrôle gratuit, instantané et difficile à contourner sans intention manifeste.
Le dernier signal mérite aussi l'attention d'un annuaire : plusieurs programmes apparemment indépendants servis depuis un même domaine de production automatisée, c'est le motif d'un réseau, pas d'une coïncidence.
La nuance qui compte : généré ne veut pas dire mauvais
Un point de l'enquête mérite d'être souligné, car il va à rebours du réflexe habituel. Podnews a écouté un épisode de cinquante-sept minutes du réseau en question, et son constat est sans ambiguïté : chaque affirmation y était étayée, à une erreur mineure près.
Le problème n'est donc pas la qualité du contenu, ni même l'usage de l'intelligence artificielle. Le problème est l'absence de déclaration. Un programme qui assume sa fabrication automatique et affiche son éditeur réel ne trompe personne. Un programme qui invente une société, un partenariat et un animateur, si.
La frontière utile ne passe pas entre humain et machine. Elle passe entre déclaré et dissimulé.
Ce que cela change pour un annuaire
Référencer un podcast supposait hier de vérifier qu'il existe, que son flux fonctionne et que son contenu correspond à sa description. Cela suppose désormais trois contrôles supplémentaires : le débit de publication, la provenance de l'image, et l'existence réelle de l'éditeur annoncé.
Les deux premiers sont automatisables à partir du seul flux RSS. Le troisième demande une vérification humaine, mais ne prend que quelques minutes quand le doute est installé.
C'est aussi la raison pour laquelle la maîtrise de son propre flux devient un enjeu pour les producteurs légitimes : dans un environnement saturé de programmes automatisés, prouver qui l'on est a désormais une valeur.
Ce que les plateformes devraient faire
La charge ne peut pas reposer entièrement sur les annuaires et les auditeurs. Les plateformes d'hébergement et d'écoute disposent d'informations qu'aucun tiers n'a : identité de paiement, adresse IP de publication, rythme réel de dépôt des fichiers.
Une mention obligatoire de production automatisée, comparable à la mention « contenu sponsorisé » en publicité, réglerait l'essentiel du problème — à condition qu'elle soit vérifiée et non simplement déclarative. Près de 63 000 faux podcasts générés par IA ont été supprimés en treize mois par un seul index : le nettoyage fonctionne, mais il intervient toujours après coup.
L'essentiel
- Un réseau examiné par Podnews a publié 1 503 épisodes en vingt jours, soit 23 heures d'audio par jour.
- Le débit de publication est le marqueur le plus fiable : il se calcule à partir du seul flux RSS.
- Les métadonnées des images révèlent souvent une génération par intelligence artificielle.
- L'absence de la société éditrice dans les registres officiels est un signal fort.
- Un contenu généré par IA peut être factuellement exact : le problème est l'absence de déclaration, pas la machine.
- Référencer un podcast suppose désormais de vérifier le débit, la provenance des images et l'existence de l'éditeur.