Gouvernance & droit

Gestion de crise à l'ère de l'IA générative

23 août 2026 6 min de lecture
Kamel Malek Directeur de SetRecord.ai

Un plan de communication de crise a en général un chapitre pour la presse, un chapitre pour les réseaux sociaux, parfois un chapitre pour les salariés. Presque aucun n'a de chapitre pour ce que ChatGPT, Gemini ou Perplexity raconteront à la prochaine personne qui interroge l'incident — alors que, en quelques jours, cette version des faits peut être celle que le plus grand nombre lit réellement.

Un nouveau canal de crise, qu'on le planifie ou non

Pendant tout événement réputationnel — un rappel de produit, un départ de dirigeant, un procès, un incident de données — l'histoire se déploie sur les canaux habituels, mais elle est aussi absorbée, compressée et répétée par les assistants IA dès qu'assez de contenu à son sujet existe en ligne. Contrairement à un cycle d'actualité, ce canal ne s'estompe pas en une semaine. Le résumé d'un modèle sur « ce qui s'est passé » peut persister, largement inchangé, tant que les sources dont il s'est nourri restent non corrigées — bien après que le cycle d'actualité lui-même est passé à autre chose.

Cette persistance est la différence essentielle que les équipes de crise doivent intégrer : la couverture presse vieillit ; la réponse standard d'un modèle à « que s'est-il passé chez [entreprise] » ne vieillit pas de la même façon, et peut continuer à ressortir une version précoce, incomplète ou inexacte des faits à chaque nouvelle personne qui pose la question.

Le mécanisme est simple une fois qu'on le voit. Les assistants qui répondent principalement à partir de ce qu'ils ont appris pendant l'entraînement ont tendance à figer la version des faits la plus largement publiée au moment où ces données d'entraînement ont été rassemblées — y compris des articles précoces et incomplets. Les assistants qui recherchent activement sur le web au moment de la requête se comportent différemment : ils peuvent faire remonter la couverture du jour même, mais cela signifie aussi que leur réponse sur une crise en cours peut changer d'heure en heure selon ce qui se trouve bien classé à cet instant précis — une instabilité d'un autre genre, à gérer aussi.

Imaginez une entreprise de taille moyenne confrontée à un rappel de produit. La première vague de couverture — signalements d'incidents, déclaration initiale à la hâte — est indexée en quelques heures. Deux semaines plus tard, une fois l'enquête conclue sur une cause racine plus étroite et moins alarmante, cette mise à jour doit se battre pour exister face à un narratif précoce déjà compressé en un résumé assuré d'un paragraphe sur plusieurs assistants. Combler cet écart tient surtout au moment où le récit corrigé est publié et à sa visibilité — pas à la véracité de la correction elle-même.

Comment les réponses des modèles amplifient — ou atténuent — une crise

Trois dynamiques font des assistants IA une force distincte pendant une crise, pas seulement un canal de diffusion de plus :

  • La compression — une situation nuancée, faite de multiples faits, est réduite à un résumé court et assuré. La nuance qui figurerait dans un article complet ne survit souvent pas à cette compression.
  • Le verrouillage sur les premières sources — la première vague de couverture, parfois spéculative ou incomplète, est ce qui est disponible quand les modèles sont interrogés tôt. Si votre version officielle, corrigée, arrive plus tard, elle doit rivaliser avec une réponse qui paraît déjà établie.
  • L'aplatissement de la nuance — les précautions de langage d'un article précoce (« selon des sources non confirmées », « il semblerait que ») survivent rarement dans le résumé d'un modèle, qui a tendance à affirmer les choses de façon plus tranchée que la couverture dont il s'est pourtant nourri.

Aucune de ces dynamiques n'exige que le modèle soit hostile à votre égard. C'est simplement ce que produisent, par défaut, la compression et le verrouillage sur les premières sources, en l'absence d'une correction ultérieure et délibérée pour les contrebalancer.

L'angle mort de la plupart des plans de crise

La plupart des playbooks de crise sont construits autour de la surveillance : mentions média, sentiment sur les réseaux sociaux, résultats de recherche. Très peu étendent cette surveillance aux assistants IA, et encore moins ont un responsable désigné pour « que disent les modèles de cela en ce moment ». Cet angle mort fait que les organisations découvrent souvent la version IA de leur crise des semaines après les faits — généralement quand un client, un journaliste ou un investisseur la leur mentionne en retour, moment auquel la version inexacte a déjà eu le temps de s'installer.

Vous ne savez pas ce que dit l'IA de vous aujourd'hui ?

Un audit SetRecord interroge les modèles d'IA pris en charge sur votre organisation et mesure l'écart avec les faits vérifiables — en cinq jours ouvrés.

Demander un audit

La raison tient en partie à l'organisation, pas à la technique. La communication porte la veille presse, le juridique porte les obligations d'information réglementaire, et le mandat d'aucune des deux équipes ne s'étend naturellement à « que dit un assistant IA de cela en ce moment ». Sans une décision explicite d'en porter la responsabilité, ce sujet a tendance à tomber dans l'interstice entre deux fonctions qui pensent chacune que c'est le travail de l'autre.

Avant la crise : cartographier son exposition de référence

Le meilleur moment pour apprendre ce que les assistants IA disent de votre organisation, c'est avant une crise, pas pendant. Un audit de référence — les dix à quinze questions qu'un journaliste ou un client poserait sur votre organisation dans un moment difficile — vous donne un point de comparaison. Quand un événement réel survient, vous saurez immédiatement si le récit du modèle a bougé, et de combien, au lieu d'essayer d'établir une référence sous pression.

Il vaut la peine d'aller un cran plus loin et d'intégrer cela aux simulations de crise existantes. Lors d'un exercice sur table pour un incident hypothétique, ajoutez un tour où l'équipe doit rédiger la déclaration qu'elle voudrait voir reflétée à terme par les modèles, pas seulement le communiqué de presse. Les équipes qui ne l'ont jamais fait sont généralement surprises de voir à quel point elles écrivent différemment pour un public qui condense tout en deux phrases.

Pendant la crise : que surveiller concrètement

Une fois l'incident en cours, ajoutez les assistants IA à la même cadence de surveillance que la presse et les réseaux sociaux :

  • Interroger quotidiennement, pas hebdomadairement — les réponses des modèles sur une actualité en cours peuvent bouger aussi vite que la couverture qui les alimente.
  • Suivre les mêmes cinq signaux que pour la surveillance courante — présence, exactitude, sentiment, diversité des sources, volatilité — mais à fréquence plus élevée le temps de l'événement.
  • Signaler les erreurs factuelles précises, pas seulement le ton général ; une correction doit viser une affirmation, pas une ambiance.
  • Publier sa version officielle rapidement et la rendre facile à trouver et à citer — une déclaration claire et datée donne aux futures réponses des modèles quelque chose de faisant autorité sur quoi s'appuyer.
  • Maintenir une seule déclaration canonique — orienter tous les canaux, internes et externes, vers le même récit factuel daté ; un ensemble fragmenté d'éléments de langage internes jamais publiés ne donne au modèle aucune base faisant autorité sur laquelle s'appuyer plus tard.

C'est un ajout court mais intense à la charge d'une équipe de crise déjà sous tension — ce qui est précisément la raison pour laquelle la question de la responsabilité, abordée plus haut, doit être réglée avant qu'une crise ne commence, pas pendant.

Après la crise : vérifier la persistance, ne pas présumer la résolution

Le réflexe une fois la crise résolue dans la presse est d'arrêter de surveiller. C'est précisément le moment où un résumé IA inexact tend à se figer, parce que le volume de requêtes baisse et que plus personne ne vérifie. Une clôture disciplinée consiste à réinterroger les mêmes questions de référence trente, soixante et quatre-vingt-dix jours après l'événement, pour confirmer que le récit du modèle a bien rattrapé les faits — et à corriger de nouveau s'il ne l'a pas fait. Cette boucle de clôture est ce qui distingue une réponse de crise réellement résolue d'une réponse simplement plus surveillée.

Il est utile d'intégrer ce contrôle du narratif IA à la même réunion de retour d'expérience où vous passez déjà en revue la couverture presse et les délais de réponse internes. Demander « le récit du modèle a-t-il fini par rejoindre les faits, et en combien de temps » transforme une préoccupation ad hoc en un indicateur que vous pouvez réellement améliorer d'un incident à l'autre.

Voir ce que l'IA dit de vous

Un audit SetRecord confronte les réponses des modèles d'IA pris en charge à vos faits vérifiables — en cinq jours ouvrés.