Votre visage est devenu une matière première pour l’intelligence artificielle. Capturé sans votre accord dans les espaces publics, stocké, analysé et intégré à des bases d’entraînement, il nourrit des systèmes de reconnaissance faciale qui vous identifieront ensuite partout. Cette même logique s’applique à vos créations numériques, et Adobe l’a rappelé à ses dépens.
Adobe a intégré dans ses conditions d’utilisation une clause permettant d’exploiter les créations des utilisateurs pour entraîner ses outils d’intelligence artificielle. Cette décision, révélée au grand jour, a provoqué une réaction immédiate des créateurs. Elle pose une question centrale : jusqu’où une entreprise peut-elle utiliser le travail de ses clients pour améliorer ses propres modèles sans demander un consentement explicite ?
Le visage comme donnée brute
La recommandation de l’UNESCO sur l’éthique de l’IA, adoptée en novembre 2021 par 193 États, pose quatre valeurs fondamentales : le respect des droits humains, la protection de l’environnement, la diversité et l’inclusion, et la paix. Elle sert de boussole aux législateurs nationaux, même si son application reste volontaire.
La reconnaissance faciale n’est plus un gadget de film d’espionnage. On la déploie dans les lieux publics, les gares, les centres commerciaux, les stades. Elle capture, stocke et analyse des traits biométriques uniques.
Votre visage n’est pas une image. C’est un identifiant permanent, impossible à changer comme un mot de passe. Une fois compromis, il le reste.
Les caméras installées dans l’espace public fonctionnent en continu. Elles ne demandent pas d’autorisation. Elles ne préviennent pas. Elles collectent.
Un visage filmé sans consentement devient une donnée d’entraînement. Personne ne vous demande votre avis. C’est admis.
Ce que les caméras capturent sans votre accord
- Les traits biométriques du visage, uniques et permanents.
- La démarche, la posture, les habitudes de déplacement.
- Les horaires de passage et la fréquence de fréquentation.
- Les interactions avec d’autres personnes filmées.
Le problème ne s’arrête pas à la capture. Il tient à la conservation et à l’usage de ces données. Une photo prise à votre insu peut rejoindre une base d’entraînement pour un modèle de reconnaissance faciale. Ce modèle vous identifiera ensuite dans d’autres contextes.
La donnée biométrique, un identifiant impossible à révoquer
Les systèmes de reconnaissance faciale s’entraînent sur des millions d’images. Chaque visage filmé enrichit la base. Plus la base grandit, plus le système devient efficace.
Plus il devient efficace, plus on le déploie. Un cercle qui ne profite pas aux personnes filmées.
L’opacité de la collecte en amont
La collecte se fait en amont, dans l’opacité. Vous découvrez après coup ce qu’on a fait de vos informations. Quand vous le découvrez.
La transparence devrait être la règle : savoir quelles données sont prises, pourquoi, et comment s’y opposer. Ce contrôle reste insuffisant.
La minimisation des données reste un principe ignoré. Collecter le strict nécessaire, anonymiser dès que possible, chiffrer systématiquement. Ça paraît évident. Ce n’est pas la norme.
| Principe de protection | Ce qu’il implique | État réel sur le terrain |
|---|---|---|
| Minimisation des données | Collecter uniquement le nécessaire | Souvent ignoré au profit du volume |
| Anonymisation | Rendre impossible l’identification | Complexe avec la biométrie, rarement appliquée |
| Transparence | Informer les personnes filmées | Très insuffisante dans les espaces publics |
| Consentement explicite | Obtenir l’accord avant capture | Impossible à grande échelle en pratique |
Défendre la vie privée face à l’IA passe par une prise de conscience : chaque passage devant une caméra laisse une trace exploitable. Cette trace ne vous appartient plus.
Des visages filmés, puis stockés, puis réutilisés
La chaîne est simple. Une caméra filme. Un système extrait les traits du visage.
Une base de données stocke les informations
Un modèle d’IA s’entraîne dessus.
À aucun moment la personne filmée n’a donné son accord. C’est le cœur du problème : la protection des données arrive après coup, quand elle arrive.
Des conversations privées deviennent des données d’entraînement
Le consentement se noie dans des conditions d’utilisation que personne ne lit.
La reconnaissance faciale et l’IA partagent un mécanisme : elles transforment des moments de vie en matière première. Sans bruit. Sans friction. Sans retour en arrière.
Vos PSD. Vos illustrations. Vos roughs inaboutis. Adobe les a traités comme une matière première libre de droits.
Les conditions d’utilisation ont glissé une clause autorisant l’exploitation des créations et des données des utilisateurs pour entraîner les modèles d’IA maison. La levée de boucliers a été immédiate. Elle était méritée.
Les fichiers manipulés dans Photoshop, Illustrator ou Lightroom pouvaient servir à améliorer Firefly, le moteur génératif d’Adobe. Sans opt-in explicite. Les illustrateurs, photographes et designers y ont vu une atteinte à leurs droits d’auteur et à leur liberté créative. Difficile de leur donner tort.
Cette affaire illustre un problème plus vaste. Les IA génératives comme Midjourney, DALL-E ou les modèles d’OpenAI s’entraînent sur des millions d'œuvres protégées. Sans autorisation ni rémunération des ayants droit.
Dans d’autres contextes, on appellerait ça du pillage. Source : trailhead.salesforce.com
Le flou juridique autour des œuvres générées
Une œuvre entièrement générée par IA, sans intervention humaine créative, n’est pas protégeable. Il n’y a pas d’auteur humain. Point. Une œuvre « augmentée » par l’IA avec une contribution humaine significative peut l’être.
Un prompt détaillé, des retouches manuelles, une sélection créative : ça compte. Le droit d’auteur ne s’évapore pas parce qu’un outil a participé. Il s’apprécie au cas par cas, et c’est là que le bât blesse pour les créateurs qui veulent défendre leur travail.
L’AI Act européen impose aux fournisseurs de modèles de publier un résumé détaillé des données d’entraînement. Les ayants droit peuvent s’opposer à l’utilisation de leurs créations. C’est une avancée. Mais entre une clause dans un texte européen et la réalité des serveurs d’entraînement, il y a un monde.
Quand une entreprise considère vos fichiers comme un jeu de données, elle ne vous demande plus la permission. Elle vous informe. L’information, ce n’est pas le consentement.
La confusion entre « analyser pour améliorer le service » et « exploiter pour entraîner un modèle concurrent » est au cœur du problème. Les créateurs n’ont pas peur de la technologie. Ils ont peur de devenir les formateurs bénévoles de l’outil qui les remplacera.
Pourquoi ça change le rapport de force
Adobe n’est pas un hébergeur neutre. C’est un éditeur qui vend des outils, stocke des fichiers dans le cloud et développe ses propres modèles génératifs. Trois casquettes, un seul acteur. Le créateur qui utilise Creative Cloud devient client, fournisseur de données et concurrent potentiel de l’entreprise qu’il paie.
Ce triptyque fausse la relation
Un photographe qui retouche ses images dans Lightroom alimente un écosystème capable de produire des visuels similaires en quelques secondes. Il paie un abonnement pour entraîner, sans compensation, un outil qui pourrait capter une partie de son marché.
- L’ambiguïté des conditions d’utilisation laisse place à l’interprétation.
- L’opt-out, quand il existe, est souvent enfoui dans des paramètres peu visibles.
- La frontière entre usage local et traitement cloud reste floue pour l’utilisateur moyen.
Ce flou n’est pas un accident. Il sert un modèle économique où la donnée créative devient un actif stratégique. Plus les modèles s’entraînent sur des productions humaines de qualité, plus ils deviennent performants. Et plus la valeur se déplace du créateur vers la plateforme.
Le RGPD entre dans le débat
Une œuvre n’est pas toujours une donnée personnelle, mais les métadonnées, les habitudes d’utilisation et les contenus stockés peuvent l’être. Dès qu’un fichier contient des informations identifiantes, le traitement doit respecter les principes de finalité, de minimisation et de transparence. Une clause générique dans des CGU ne remplit pas ces exigences.
La CNIL et ses homologues européens ont commencé à s’intéresser aux modèles d’IA entraînés sur des données insuffisamment consenties. Les premières sanctions et mises en demeure ont montré que le régulateur ne compte pas laisser les géants de la création s’autoréguler. Bonne nouvelle pour les créateurs. Mais la procédure est lente, et les modèles continuent d’apprendre.
Ce que les créateurs peuvent faire concrètement
Des réglages existent dans les préférences du compte Adobe pour limiter l’analyse des contenus. Encore faut-il savoir qu’ils existent. La première défense, c’est la vérification des paramètres de confidentialité après chaque mise à jour majeure. Les conditions évoluent, et rarement dans le sens du créateur.
- Ouvrir les préférences de confidentialité du compte Adobe.
- Désactiver l’option d’analyse des contenus pour l’amélioration des produits.
- Privilégier le stockage local pour les travaux sensibles ou non publiés.
- Surveiller les notifications de modification des conditions d’utilisation.
Pour les projets confidentiels, la parade la plus efficace reste de ne pas les faire transiter par le cloud. Un fichier stocké sur un disque local n’est pas accessible aux algorithmes d’analyse. C’est une contrainte, mais c’est la seule certitude dans un écosystème où la transparence reste théorique.
Une question demeure, et elle n’est pas technique. Que vaut la confiance d’un créateur quand l’outil qu’il utilise depuis 20 ans considère son travail comme un gisement ? La réponse conditionnera la survie d’Adobe face à des alternatives qui font de la confidentialité un argument de vente.
- Vous croyez que l’IA se nourrit de données anonymes.
- Faux
Elle se nourrit de vous. L’intelligence artificielle et la vie privée entretiennent un rapport tendu, parce que chaque modèle doit ingérer des quantités massives d’informations personnelles pour fonctionner, souvent sans consentement éclairé des personnes concernées.
Pourtant, des solutions existent pour concilier apprentissage automatique et confidentialité. La confidentialité différentielle permet d’obtenir des résultats statistiques utiles tout en protégeant les informations individuelles. L’apprentissage fédéré entraîne les modèles sur des appareils locaux sans centraliser les données sur un serveur unique.
Des industriels les déploient, des chercheurs les documentent, et des textes comme le RGPD les encadrent. Ce qui ne veut pas dire qu’elles suffisent.
Des alternatives techniques qui changent la donne
La confidentialité différentielle n’est pas un gadget. Elle impose une limite mesurable à ce qu’un modèle peut révéler sur un individu précis. On injecte une quantité calibrée de bruit dans les réponses.
Le résultat agrégé reste exploitable. La contribution d’une personne devient indiscernable.
L’apprentissage fédéré part d’une logique inverse. On n’envoie pas les données brutes vers un cloud central. On déplace l’entraînement vers le téléphone ou l’ordinateur de l’utilisateur.
Seuls les paramètres du modèle remontent vers le serveur. Les données personnelles ne quittent pas l’appareil.
Entre les exigences du RGPD appliqué aux systèmes d’IA et la méfiance du public, les entreprises ne peuvent plus prétendre que la performance justifie tout.
Pourquoi ces techniques restent fragiles
La confidentialité différentielle a un coût. Plus on ajoute de bruit, plus les résultats se dégradent. Les modèles perdent en précision, les analyses en finesse. Trouver le bon réglage relève d’un compromis permanent entre utilité et protection.
L’apprentissage fédéré, lui, n’est pas invulnérable
Des travaux de recherche ont montré qu’il est parfois possible de reconstituer des données d’entraînement à partir des mises à jour de paramètres. Les attaques par inférence existent. Elles ne sont pas théoriques.
Et puis, ces techniques ne couvrent qu’une partie du problème. Elles protègent pendant l’entraînement. Elles ne protègent pas contre une collecte abusive en amont, ni contre une utilisation détournée en aval.
Ce que ces alternatives ne règlent pas
La reconnaissance faciale dans les espaces publics continue de fonctionner sur des bases d’images souvent constituées sans consentement. Les publicités hyperciblées exploitent des profils comportementaux d’une finesse croissante. La prise de décision automatisée écarte des candidats, refuse des crédits, ajuste des primes d’assurance.
La rapidité de ces processus complique la prévention des violations
L’opacité des modèles rend la contestation impossible pour un individu isolé. Vous pouvez demander une explication. Vous obtiendrez rarement une réponse exploitable.
Dix-sept ans de gendarmerie m’ont appris une chose : le maillon faible, c’est toujours l’humain. Ici, les concepteurs décident des garde-fous. Et ils les décident sous pression économique.
L’éthique ajoutée après coup ne protège personne
Un dilemme classique : un système de reconnaissance faciale améliore la sécurité d’un quartier mais réduit la liberté de circulation des habitants. L’UNESCO cite aussi le cas d’un algorithme de recrutement qui reproduit des biais historiques sous couvert d’objectivité. Ces exemples montrent que l’éthique doit être intégrée dès la conception, pas ajoutée en couche.
Désigner un délégué à la protection des données, c’est une obligation pour beaucoup d’entreprises. Lui donner les moyens de surveiller les pratiques, de bloquer un déploiement, de former les équipes, c’est une autre affaire.
Cette obligation de transparence change le rapport de force. Avant, l’opacité protégeait les fournisseurs. Désormais, l’absence de documentation devient un risque juridique en soi. Un modèle sans résumé de données publié est un modèle qui s’expose.
Dans trop d’organisations, l’éthique de l’IA se résume à une case cochée dans un dossier de conformité. Un comité se réunit. Un document est publié. Pendant ce temps, les modèles continuent d’être entraînés sur des données collectées sans consentement éclairé.
La question n’est pas d’arrêter l’IA. Elle est de savoir qui contrôle quoi, et avec quels pouvoirs. Pour l’instant, le doute est permis. Ce n’est pas rassurant.
La technique ne suffira pas. Protéger les données exige d’abord une décision politique : refuser que la performance algorithmique justifie l’effacement de la vie privée.
En pratique, l’écart entre le texte et les déploiements se creuse à chaque nouvelle version de modèle.
Le problème n’est pas théorique. Un système d’IA prédit, anticipe, adapte. Il répond à des défis concrets dans la santé, la mobilité, l’emploi.
Mais ces gains produisent des conséquences directes pour les personnes physiques. Le développement de l’IA sans garde-fous empiète sur la vie privée. Ce n’est pas un dommage collatéral acceptable : c’est une faille structurelle qu’on laisse filer parce que la technique avance plus vite que le droit.
Les domaines sensibles sous protection renforcée
Certaines données exigent une protection renforcée. On ne devrait les exploiter que dans des contextes définis. La santé, l’emploi, l’éducation.
Pourquoi ces trois-là
Une fuite y produit des dégâts immédiats. Un dossier d’embauche traité sans consentement, un parcours scolaire analysé pour du profilage : les conséquences sont concrètes.
Le traitement massif de données personnelles pour entraîner les modèles menace la vie privée. Plus un modèle est performant, plus il a consommé de données. Plus il a consommé, plus il a empiété sur la sphère privée. La performance a un prix, payé en données personnelles.
Pour aller plus loin sur la mise à jour sécurisée de vos informations : Comment mettre à jour vos informations personnelles en toute sécurité sur les plateformes de casino
Ce que l’AI Act change pour les données d’entraînement
L’UNESCO décline cette approche en domaines d’action stratégique : évaluation d’impact éthique, gouvernance des données, égalité des genres, et protection des groupes vulnérables. Chaque domaine se traduit par des obligations concrètes pour les développeurs de systèmes de reconnaissance faciale.
La question de la création et de la propriété
Certains, comme Ericsson, suivent la définition de l’IA de l’UE et ses caractéristiques : leur IA doit être légale, éthique et robuste. C’est un engagement public.
Entre l’engagement et les déploiements, un fossé subsiste
Seuls des audits indépendants peuvent le combler.
Je me méfie des chartes éthiques qui tiennent en trois adjectifs. Légale, éthique, robuste : tout le monde signe. Personne ne définit ce que ça implique quand un modèle se trompe sur un patient ou un candidat. La vraie question n’est pas l’intention affichée, c’est le mécanisme de contrôle quand l’intention échoue.
=> En complément : The Pirate Bay, pourquoi il survit après vingt ans de procès
Quand la CNIL vous répond
Regard OPJ · numéro du 15 octobre 2026
Ce que j'ai décortiqué il y a deux semaines
Des années de réquisitions. Deux faits, deux remèdes. Les abonnés les ont déjà lus. Vous, pas encore.
iOS 27 neutralise votre bloqueur de pubs DNS sans vous demander votre avis
La mise à jour iOS 27 embarque un réglage appelé Connectivity Assist. Activé par défaut, il contourne les bloqueurs de publicité basés sur le DNS comme NextDNS, AdGuard ou Pi-hole.
Ce que je fais : Je désactive Connectivity Assist sur tous mes appareils iOS dès la mise à jour installée. Ensuite, je vérifie que mon bloqueur DNS fonctionne encore.
Amazon équipe ses livreurs de lunettes qui photographient tout
Amazon a construit des lunettes connectées avec caméras intégrées pour ses livreurs. Elles prennent des photos de tout ce que le livreur voit, y compris les personnes et les propriétés.
Ce que je fais : Je n'achète plus rien sur Amazon quand je peux l'éviter. Et si un livreur arrive avec ces lunettes, je lui demande de les retirer avant d'ouvrir.
La lettre complète en contient trois, avec mon regard d'ancien OPJ et le détail de chaque remède.
Gratuit, sans pub, désabonnement en un clic.
Ou passez directement à la version complète :
Sans engagement, résiliable en un clic.
| Situation précise | Le réflexe CNIL qui surprend | Ce que vous ignorez peut-être |
|---|---|---|
| Une caméra de vidéosurveillance vous filme dans la rue | Vous pouvez demander les images où vous apparaissez (droit d’accès direct, article 15 RGPD) | Le responsable a un mois pour répondre. Sans réponse, plainte recevable auprès de la CNIL avec ce seul élément |
| ChatGPT refuse de corriger une information fausse vous concernant | Le droit de rectification s’applique aussi aux systèmes d’IA générative | OpenAI a une procédure dédiée, mais la CNIL considère que le responsable du traitement reste l’éditeur de l’outil, pas vous |
| Votre employeur utilise un logiciel de surveillance basé sur l’IA | Le comité social et économique doit être consulté avant tout déploiement | Sans cette consultation, les preuves collectées peuvent être écartées en cas de litige prud’homal |
| Une app de santé partage vos données avec un assureur | Les données de santé sont une catégorie particulière, consentement explicite obligatoire | Le partage sans consentement explicite est sanctionnable jusqu’à 20 millions d’euros ou 4% du chiffre d’affaires |
Les discussions qui m’ont servi
Un chercheur en fin de thèse a découvert que des courriels échangés entre collègues contenaient des appréciations sur lui, et il a exigé d’y accéder en invoquant le RGPD. Le service de messagerie a refusé, ce qui soulève une vraie question : les données personnelles dans les courriels professionnels appartiennent-elles à la personne concernée ou à ceux qui les ont écrites ?
Ce cas illustre un angle mort du règlement européen. Quand une information inexacte circule dans des messages privés et porte préjudice à quelqu’un, les lois sur la protection des données devraient logiquement s’appliquer. Mais obliger un service à divulguer les correspondances de ses utilisateurs dès qu’un nom apparaît créerait un précédent dangereux pour la confidentialité des échanges.
La distinction entre données structurées et non structurées n’a aucun sens pratique. Un dossier RH formel ou un fil de courriels informels peuvent contenir exactement la même information trompeuse. Ce qui compte, c’est la nature de la donnée, son usage et qui l’exploite, pas le support où elle est stockée.
Un autre retour d’expérience concerne les assistants vocaux basés sur l’IA. Les utilisateurs découvrent que leurs conversations sont enregistrées et conservées, parfois avec des informations sensibles. La crainte principale porte sur la sécurité des données vocales : une fuite peut exposer à l’usurpation d’identité ou à une intrusion dans la vie privée.
Les participants insistent sur deux exigences minimales : le consentement éclairé et la transparence. Les utilisateurs doivent savoir précisément comment leurs données sont collectées, utilisées et stockées. Sans politique de confidentialité claire et accessible, la confiance dans ces technologies s’effondre, et le développement responsable devient impossible.
=> Pour aller plus loin : Reconnaissance faciale pour activer un téléphone : bonne idée ou risque majeur ?
Quand on parle de protection des données, je repense à l’article 14 du Code de procédure pénale. L’OPJ doit constater les infractions et rassembler les preuves, dans un cadre défini par la loi.
La donnée brute, qu’elle vienne d’un contrôle d’identité ou d’une réquisition, n’a de valeur que si le cadre qui autorise sa collecte est respecté.
Sinon, toute la procédure tombe.
La compétence territoriale suit la même logique que la finalité d’un traitement de données. Un OPJ n’agit pas hors de son département d’affectation, sauf réquisition d’un magistrat ou habilitation précise.
Une IA qui exploite des données personnelles sans base légale claire, c’est un OPJ qui sort de sa zone sans autorisation. Le résultat est nul, et la confiance avec.
Le contrôle des APJ, on l’oublie trop souvent. L’OPJ ne fait pas que collecter : il vérifie que ceux qui l’assistent respectent les actes de procédure.
Dans l’IA, ça veut dire qu’un algorithme performant ne suffit pas. Il faut quelqu’un qui contrôle ce que la machine fait des données, et qui en répond devant l’autorité judiciaire.
Ce que disent les forums
La réponse juridique reste incertaine. Le principe de protection des données personnelles devient un casse-tête dès que le support est informel. Les outils de conformité ignorent ces zones grises où l’information circule sans contrôle.
Le consentement devient une formalité, pas un choix. La vie privée des utilisateurs dépend d’une case cochée à la va-vite sur une interface pensée pour décourager la lecture.
Une brèche sur des enregistrements vocaux expose plus qu’un numéro de carte bancaire : des relations, des opinions, des faiblesses. Le préjudice est intime, pas seulement financier.
C’est précisément ce que le RGPD appelle la « privacy by design ». Et c’est encore trop souvent une case à cocher dans un dossier de conformité, pas un principe d’architecture réellement appliqué au code.
Un assistant vocal qui écoute en permanence, un montage de données qui s’entraîne sur des emails, un score prédictif qui trie des candidats : dans les trois cas, la règle est la même. Le système doit prouver qu’il respecte la vie privée, pas l’inverse. La charge de la preuve pèse sur celui qui collecte, pas sur celui qui subit.
Cette asymétrie s’accompagne d’une opacité technique : les chaînes de traitement sont devenues si complexes que leurs concepteurs peinent à retracer l’origine d’une décision automatisée. Exiger de l’utilisateur qu’il démontre un préjudice précis revient à lui demander de naviguer dans une boîte noire dont on lui refuse l’accès. Le renversement de la charge de la preuve n’est donc pas un aménagement procédural : c’est une condition du contrôle effectif.
La protection des données ne se joue pas dans les textes, mais dans les mécanismes qui les font respecter. Tant que la preuve reste du côté des personnes concernées, la transparence et la responsabilité restent théoriques. Un droit qu’on ne peut exercer sans moyens disproportionnés cesse d’être un droit.
Questions fréquentes
Qu’est-ce que l’éthique de l’intelligence artificielle ?
L’éthique de l’IA regroupe les principes qui encadrent la conception, le déploiement et l’usage des systèmes d’intelligence artificielle. Elle vise à garantir le respect des droits humains, la transparence et la non-discrimination. Ce n’est pas un supplément moral, mais un cadre opérationnel.
Quelles sont les quatre valeurs fondamentales de l’UNESCO ?
La recommandation de l’UNESCO retient le respect des droits humains, la protection de l’environnement, la diversité et l’inclusion, et la paix. Ces valeurs servent de socle aux politiques nationales d’IA éthique.
Comment savoir si mon visage a été utilisé pour entraîner une IA ?
Dans la plupart des cas, vous ne pouvez pas le savoir. L’opacité des jeux de données d’entraînement rend toute vérification individuelle extrêmement difficile, ce qui constitue l’un des angles morts majeurs de la régulation actuelle.
La confidentialité différentielle suffit-elle à respecter le RGPD ?
Non
Elle constitue un outil technique utile, mais le RGPD exige une base légale, une information claire des personnes et une minimisation des données. Aucune technique ne dispense de ces obligations.
Preuves et références
| iana-data.org ↗ |
Ce que la grille d’enquête m’a appris sur la donnée brute
Quand je remplissais la grille de renseignement judiciaire sur un mineur, je devais consigner des choses que les parents eux-mêmes n’auraient jamais couchées sur papier : le niveau intellectuel, les fréquentations, le comportement selon l’âge.
Sept sections, des dizaines de rubriques. Et chaque rubrique vide était une information manquante pour le juge.
Sur une grille d’enquête, on ne demande jamais « comment va l’enfant ». On demande des faits. Le flou n’a pas sa place, et c’est exactement ce qu’une IA fait de vos données : elle les transforme en rubriques.
Pour aller plus loin, NordVPN reste l’option que je recommande pour ce genre de situation.
Article utile ? Dites-le à Google. Ajoutez ce blog à vos sources préférées : un clic, et vous le retrouverez dans vos recherches (et l’AI Mode) au lieu du contenu recyclé par des robots. C’est votre façon de reprendre le contrôle sur ce que vous lisez.
Et si vous avez aimé, partagez (c’est le meilleur coup de pouce pour un blog indépendant qui publie sans algorithme ni sponsor déguisé).
Un clic, gratuit. Nécessite d’être connecté à votre compte Google.
Laisser un commentaire