Censuré ici, bavard là-bas : le grand écart des IA selon les continents

Demandez à un LLM « qui a gagné la guerre du Haut-Karabakh » depuis une IP indienne, chinoise, américaine ou européenne. Vous obtiendrez quatre réponses différentes — et peut-être un refus poli. Une étude récente met en lumière le patchwork mondial de la censure algorithmique : les mêmes modèles, les mêmes poids, mais des comportements radicalement différents selon l'endroit d'où vous les interrogez. Enquête sur les frontières invisibles de l'IA.

Le test qui fâche

Le 4 juillet 2026, le think tank indien Takshashila a publié les résultats d'une expérience simple mais dévastatrice : tester les mêmes modèles d'IA open-weight depuis quatre juridictions différentes — Inde, Chine, États-Unis, Europe. Même prompt. Même modèle. Résultats radicalement différents.

La conclusion tient en une phrase : « Il y a une différence frappante entre les deux voies d'accès, révélant comment les exigences de censure sont probablement implémentées. » En clair : votre LLM ne ment pas de la même façon selon le pays où vous vous trouvez.

L'étude portait sur les modèles open-weight — ces modèles dont les poids sont publics, téléchargeables, théoriquement identiques pour tout le monde. Et pourtant. Les couches de censure ne sont pas dans les poids. Elles sont dans le wrapping : les API, les interfaces, les couches de « safety » ajoutées par les fournisseurs de cloud et les plateformes.

Le patchwork mondial de la censure

Le phénomène n'est pas nouveau, mais il s'accélère. Voici le paysage en 2026 :

🇨🇳 Chine — la censure par défaut

Les LLM chinois (Qwen, DeepSeek, Ernie) intègrent la censure au niveau du pré-entraînement. Ce n'est pas un filtre ajouté après coup — c'est dans les données d'entraînement elles-mêmes. Une étude d'Enkrypt AI de janvier 2025 avait déjà montré que DeepSeek refusait de répondre à seulement 2% des questions, mais affichait un taux de biais de 30.6% — particulièrement favorable aux narratifs chinois sur Tiananmen, Hong Kong, et le Tibet.

La censure chinoise ne refuse pas. Elle oriente.

🇪🇺 Europe — la censure par régulation

L'UE a choisi la voie réglementaire. Le Digital Services Act (DSA) impose des obligations de modération aux plateformes, y compris celles qui hébergent des LLM. Résultat : les modèles déployés en Europe sont plus restrictifs sur les contenus « potentiellement illégaux » — une catégorie suffisamment vague pour englober à peu près tout.

En février 2026, un rapport du Congrès américain dénonçait le DSA comme « une censure étrangère qui contraint la liberté d'expression américaine ». Ironie : l'UE est accusée de censure par le pays qui a inventé le Premier Amendement.

🇺🇸 États-Unis — la censure par corporate liability

Aux US, pas de loi fédérale sur la censure des IA. Mais les entreprises californiennes qui dominent le marché (OpenAI, Anthropic, Google) ont leurs propres politiques de « safety » — souvent plus restrictives que ce qu'exigerait n'importe quelle loi. Pourquoi ? Parce qu'un procès coûte plus cher qu'un refus de répondre.

Le phénomène est bien documenté : en février 2026, une étude de eye2.ai classait les modèles les plus censurés. Sans surprise, les modèles américains grand public arrivaient en tête. Anthropic refusait 38% des requêtes « sensibles », OpenAI 31%, Google 27%. À l'inverse, les modèles open-source non filtrés (Dolphin, Hermes) affichaient des taux de refus inférieurs à 5%.

🇮🇳 Inde — la censure émergente

L'Inde est le nouveau front. Le pays héberge une communauté open-source massive et une industrie IT qui pèse des milliards. Mais le gouvernement Modi a multiplié les injonctions de blocage ces dernières années. L'étude de Takshashila s'inquiète spécifiquement de l'impact des lois indiennes sur les modèles open-weight : si un modèle refuse de répondre à cause d'une injonction gouvernementale, qui est responsable ? L'hébergeur ? L'utilisateur ? Le créateur du modèle ?

La réponse juridique n'existe pas encore. Mais la réponse technique est déjà là : les modèles open-weight peuvent être téléchargés et exécutés localement, hors de portée des filtres nationaux. C'est le paradoxe : plus on censure, plus on pousse les utilisateurs vers des solutions décentralisées impossibles à contrôler.

Ce que ça change pour vous

Le constat est simple : il n'existe pas « un » LLM. Il existe des centaines de configurations du même modèle, filtrées différemment selon la juridiction. Votre expérience de ChatGPT n'est pas la même depuis Paris, Pékin ou New Delhi.

Pour les développeurs, ça veut dire : - Un agent IA déployé sur plusieurs continents peut avoir des comportements incohérents - Les benchmarks de performance ne mesurent pas l'effet de la censure - Un modèle open-weight téléchargé en local peut être radicalement différent du même modèle servi via API

Pour les utilisateurs, ça veut dire : - Votre VPN ne change pas seulement votre IP — il change ce que votre IA accepte de vous dire - La « vérité » d'un LLM est géolocalisée

La guerre des filtres

Derrière ce patchwork, une guerre froide se joue. Chaque bloc géopolitique veut imposer sa vision de ce qu'une IA a le droit de dire :

- La Chine veut des IA qui ne mentionnent pas Tiananmen - L'Europe veut des IA qui ne génèrent pas de « désinformation » - Les US veulent des IA qui ne donnent pas de conseils médicaux ou légaux - L'Inde veut des IA qui respectent les sensibilités religieuses locales

Le problème : ces exigences sont incompatibles entre elles. Ce qui est de la « sécurité » pour Pékin est de la « censure » pour Washington. Ce qui est de la « protection du consommateur » pour Bruxelles est de l'« entrave à l'innovation » pour la Silicon Valley.

Résultat : les LLM deviennent des objets politiques. Leurs réponses sont le produit d'un compromis entre des forces contradictoires — et ce compromis change tous les 1000 kilomètres.

Verdict

L'étude de Takshashila est un signal d'alarme. La fragmentation géopolitique de l'IA n'est pas un problème théorique — elle est déjà là, mesurable, documentée.

Les modèles open-weight offrent une échappatoire technique : téléchargez les poids, faites tourner le modèle en local, et vous êtes libres. Mais cette liberté a un prix — celui de la compétence technique nécessaire pour faire tourner un LLM sur son propre matériel.

Le vrai gagnant de cette guerre des filtres n'est ni la Chine, ni les US, ni l'Europe. C'est le modèle open-source non censuré, téléchargé sur un GPU dans un pays sans régulation. La censure est un puissant moteur d'adoption de l'open-source.

Verdict : 4/5. Un point en moins parce que l'étude de Takshashila mériterait des données chiffrées plus précises (taux de refus par pays et par question). Le constat est solide, les implications sont énormes, mais on attend la suite de l'enquête avec des chiffres.

Sources

- — 4 juillet 2026 - — 11 février 2026 - — 30 janvier 2025 - — 18 décembre 2025 - — 3 février 2026 -

💡 Idée d'illustration : Une mappemonde stylisée vue du dessus, divisée en quatre quadrants de couleurs différentes (rouge Chine, bleu Europe, blanc US, orange Inde). Au centre, un robot dont les quatre bras pointent vers chaque quadrant — chaque main tient un panneau : l'un dit « REFUSED », l'autre « CENSORED », le troisième « ALLOWED », le quatrième « MODIFIED ». Style infographique géopolitique, tons sombres avec accents de couleur par région, 16:9.