Les publicités arrivent dans ChatGPT avec une promesse simple : financer un accès plus large au service sans influencer les réponses. Un premier audit indépendant révèle toutefois que leur distribution n’est pas uniforme. Sur 91 comptes expérimentaux américains, ceux associés à des zones aux revenus plus faibles ont eu davantage de chances de recevoir au moins une annonce.
L’étude, mise en ligne le 5 août 2026 et annoncée pour la conférence AAAI/ACM AIES 2026, ne démontre ni ciblage volontaire des personnes modestes, ni discrimination individuelle. Elle photographie le comportement d’un système encore jeune à partir de comptes synthétiques. Mais avec 127 801 conversations observées et 3 602 impressions publicitaires archivées, elle fournit la première base empirique d’ampleur pour comprendre ce que devient la publicité lorsqu’elle entre dans une conversation avec une intelligence artificielle.
Son principal enseignement dépasse ChatGPT. Un annonceur n’a pas besoin de demander explicitement un critère social pour qu’un algorithme de diffusion produise des écarts entre groupes. Le choix des utilisateurs éligibles, le contexte de la discussion, la géographie, les enchères et l’optimisation des clics peuvent suffire à créer des expériences différentes.
Un audit construit avec 91 faux utilisateurs
Les chercheuses Emma Lurie, Ro Encarnación, Sorelle A. Friedler et Danaé Metaxa ont créé 91 comptes gratuits, appelés sock puppets dans la recherche sur les plateformes. Ces profils ne représentaient pas de vraies personnes : ils servaient à envoyer les mêmes requêtes dans des conditions contrôlées.
Le protocole croisait trois groupes raciaux ou ethniques majoritaires dans les codes postaux sélectionnés — noir, hispanique et blanc — avec trois niveaux de revenu médian — faible, intermédiaire et élevé. La localisation était signalée par des adresses IP résidentielles et par quelques questions mentionnant le lieu. Les seuils de revenu provenaient des données de l’American Community Survey du Bureau du recensement américain.
Chaque jour, tous les comptes recevaient un même échantillon de requêtes puisées dans un corpus de 335 prompts. Celui-ci mêlait des exemples publiés par OpenAI, des titres de discussions Reddit et des questions rédigées par les chercheuses. Les thèmes allaient des conseils pratiques aux achats, en passant par la cuisine, la santé, l’emploi, la politique ou les relations personnelles.
La collecte a commencé le 6 février. Le test public des annonces dans ChatGPT a débuté aux États-Unis le 9 février, selon OpenAI, mais les premières publicités de l’audit n’ont été observées que le 8 mars. La fenêtre réellement exploitable s’est ensuite concentrée sur trois semaines, jusqu’au 31 mars.
Une expérience contrôlée, pas un panel de consommateurs
Cette méthode a un avantage décisif : les profils reçoivent les mêmes questions, ce qui permet de comparer leur traitement. Elle a aussi une limite évidente. Des comptes récents qui interrogent ChatGPT à heures régulières ne se comportent pas comme des humains ayant des mois d’historique, des centres d’intérêt cohérents et un usage irrégulier.
L’audit mesure donc ce que la plateforme a fait dans ces conditions, pas ce que voit en moyenne chaque utilisateur. Cette distinction est indispensable pour lire les résultats sans les exagérer.
Le revenu est associé à l’entrée dans le système publicitaire
Sur l’ensemble de l’étude, 53 comptes ont reçu au moins une annonce. L’analyse statistique trouve une association négative entre le revenu médian du code postal attribué et la probabilité d’être exposé : pour chaque tranche supplémentaire de 1 000 dollars de revenu annuel, les chances de recevoir une publicité diminuaient d’environ 2 %. Le résultat atteint de peu le seuil de significativité statistique retenu par les auteurs.
Autrement dit, l’écart porte surtout sur la sélection des comptes admis dans la diffusion publicitaire. Une fois un profil exposé, la fréquence des annonces ne suivait plus clairement le revenu. Pendant la fenêtre du 8 au 31 mars, les 48 comptes concernés voyaient une publicité sur une médiane de 24 % des requêtes à partir de leur première annonce. Le compte le plus exposé en recevait sur 37,1 % de ses prompts.
Le délai joue également un rôle. Aucun profil n’a vu d’annonce durant sa première semaine. Parmi ceux qui ont fini par en recevoir, le délai médian avant la première publicité était de 14 jours. Ce mécanisme d’éligibilité progressive explique pourquoi un test de quelques conversations ne suffit pas à auditer le système.
Les chercheuses n’ont, en revanche, détecté aucune association significative avec le groupe racial ou ethnique du code postal. Elles appellent elles-mêmes à la prudence : avec seulement 16 à 19 comptes exposés par groupe, l’expérience manque de puissance pour exclure des différences plus faibles.
Ce résultat ne révèle pas l’intention d’OpenAI
L’étude observe la sortie d’une boîte noire. Elle ne voit ni les critères exacts d’éligibilité, ni les enchères disponibles pour chaque zone, ni les signaux internes retenus par OpenAI. Le revenu n’était pas déclaré directement dans les comptes ; il était approché par le revenu médian du code postal.
Plusieurs explications restent possibles : géolocalisation, inventaire local des annonceurs, estimation de la probabilité de clic, date de création des comptes ou interaction entre ces facteurs. Les auteurs soupçonnent en outre que leurs profils ont été repérés comme artificiels lorsque le volume d’annonces s’est effondré à partir du 29 mars. Une modification simultanée du déploiement publicitaire ne peut pas être exclue.
Parler de « ciblage des pauvres » serait donc abusif. Le signal utile est plus précis : un système publicitaire optimisé peut répartir inégalement l’attention commerciale sans qu’un annonceur ait sélectionné une catégorie de revenu. C’est justement le type d’effet qu’un audit externe doit rendre mesurable.
Ce que les conversations déclenchent le plus d’annonces
Entre le 8 et le 31 mars, l’étude a enregistré 63 657 interactions. Une annonce est apparue dans 5,61 % d’entre elles. La moyenne globale masque cependant de grands écarts selon le sujet.
Les demandes liées aux produits achetables, à la cuisine, au sport et aux conseils pratiques ont été les plus commerciales. Une question sur le remplacement d’un phare cassé déclenchait une publicité dans 19,2 % des observations ; une demande sur un lave-vaisselle bouché dans 18,2 % ; une interrogation sur le dernier iPhone dans 17,2 %.
Les annonces ne correspondaient pas toujours au besoin de façon fine. Une recette de pad thaï pouvait conduire à une publicité pour un service de livraison de repas. Dans cette première version du produit, les cartes renvoyaient surtout vers un annonceur plutôt que vers un article précis.
Le commerce de détail et le secteur de l’information, qui inclut notamment les logiciels et services numériques, représentaient ensemble environ 57 % des impressions classées. Target était l’annonceur le plus souvent observé, devant Top10.com, Preply et Advance Auto Parts. Au total, le jeu détaillé recense 191 annonceurs répartis dans 16 secteurs.
Les garde-fous ont plutôt tenu pendant cette première phase
OpenAI affirme ne pas placer de publicité près des conversations personnelles portant sur la santé, la santé mentale ou la politique. L’audit trouve des taux proches de zéro dans ces catégories exclues, ce qui va globalement dans le sens de cette promesse.
Les frontières restent néanmoins délicates. Une question sur les probiotiques n’a généré aucune annonce, tandis qu’une demande pour développer sa masse musculaire pouvait recevoir une publicité liée au régime ou au sport. Des conseils sur l’équilibre entre vie professionnelle et vie privée ont parfois été accompagnés d’annonces pour une montre connectée ou un agent de travail automatisé.
La politique publicitaire d’OpenAI, actualisée le 10 août, interdit désormais plus explicitement les annonces à proximité de situations personnelles vulnérables. Elle exclut aussi les contenus politiques et encadre fortement la santé, la finance et d’autres secteurs réglementés. L’étude porte toutefois sur les premières semaines du système : elle constitue un point de départ, pas une validation des règles actuelles.
ChatGPT sait davantage qu’un moteur de recherche sur le contexte
Depuis l’expérience menée en mars, OpenAI a détaillé le fonctionnement commercial de ChatGPT Ads. Les annonces peuvent apparaître sur les offres Free et Go, mais pas sur Plus, Pro, Business, Enterprise ou Edu, ni pour les comptes identifiés comme appartenant à des mineurs. Elles sont affichées sous la réponse et marquées comme sponsorisées.
Le système tient compte de l’intention de la conversation en cours, de la page d’arrivée, du titre et du texte de l’annonce, ainsi que d’indications fournies par l’annonceur sur les thèmes où son offre peut être pertinente. Si la personnalisation est activée, OpenAI peut aussi utiliser certains signaux issus des discussions passées, de la mémoire et de l’historique publicitaire.
OpenAI assure que les annonceurs n’accèdent ni aux chats, ni aux souvenirs, ni aux données personnelles et qu’ils ne peuvent pas influencer les réponses du modèle. Ils reçoivent des statistiques agrégées sur les vues, les clics et les conversions. Cette séparation protège la conversation vis-à-vis de la marque, mais elle ne signifie pas que le contenu des échanges n’est pas traité par OpenAI pour sélectionner une annonce.
L’enchère ajoute une deuxième couche de décision
La diffusion combine pertinence attendue et mise de l’annonceur. OpenAI propose des achats au coût par mille impressions ou au coût par clic et recommande, pour démarrer une campagne au clic, une enchère maximale de 3 à 5 dollars. La sélection repose sur une enchère au second prix pondérée par la pertinence.
Cette architecture donne au système deux objectifs potentiellement tendus : montrer une annonce utile dans le contexte et produire un résultat commercial. Si certains profils sont estimés plus susceptibles de cliquer, l’optimisation peut concentrer les annonces sur eux. L’audit ne prouve pas que ce mécanisme explique l’écart de revenu observé, mais il montre pourquoi la transparence sur les paramètres de diffusion compte autant que le contrôle des catégories autorisées.
L’enjeu se déplace de la réponse vers son environnement
Les annonces observées par les chercheuses étaient clairement séparées du texte généré. C’est un point positif : le lecteur pouvait distinguer le contenu payé de la réponse. Mais l’histoire des moteurs de recherche montre que les formats commerciaux tendent à devenir plus riches et plus proches des résultats organiques avec le temps.
Dans un chatbot, la question n’est pas seulement visuelle. La réponse installe un contexte de confiance, clarifie le besoin et peut préparer une décision. Même placée après le texte, une publicité bénéficie de ce travail conversationnel. Son pouvoir de persuasion ne vient donc pas nécessairement d’un mélange avec la réponse, mais de sa position au terme d’un échange personnalisé.
Pour les utilisateurs, OpenAI propose de désactiver la personnalisation, de consulter la raison d’une annonce et d’effacer les données publicitaires. Les publicités continuent alors à être choisies selon la conversation en cours. Une option gratuite sans annonces existe aussi, avec moins de messages et certaines fonctions retirées ; les abonnements supérieurs restent sans publicité.
Pour les chercheurs et les régulateurs, ces réglages individuels ne remplacent pas une vision collective. Il faut pouvoir comparer les taux d’exposition, les thèmes, les annonceurs et les écarts démographiques dans le temps. La bibliothèque publique créée par l’équipe — avec prompt, réponse, capture, date et profil expérimental — fournit précisément ce point de comparaison.
Un premier signal qui doit devenir une série de mesures
Cette étude ne permet pas de conclure que les utilisateurs modestes de ChatGPT voient aujourd’hui systématiquement plus de publicités. Elle porte sur 91 profils artificiels, aux États-Unis, pendant un lancement mouvant de trois semaines. Seuls 65 % des prompts programmés ont été exécutés avec succès, et la détection probable des comptes a écourté la collecte.
Elle établit cependant trois faits utiles. La publicité conversationnelle peut être auditée de l’extérieur. Son exposition peut varier socialement avant même d’analyser le contenu des annonces. Et les garde-fous doivent être suivis dans le temps, car le produit, les annonceurs et les règles changent déjà.
Le bon test pour ChatGPT Ads ne sera pas l’absence totale d’écart, rarement réaliste dans un marché d’enchères. Ce sera la capacité d’OpenAI à expliquer les différences, à empêcher qu’elles ne deviennent préjudiciables et à donner aux chercheurs un accès plus fiable que la création de faux comptes. Sans cette transparence, les premières anomalies resteront visibles, mais leur cause demeurera hors champ.
Références
- Emma Lurie, Ro Encarnación, Sorelle A. Friedler et Danaé Metaxa, « The Beginning of ChatGPT Ads », arXiv, 5 août 2026, à paraître à AAAI/ACM AIES 2026.
- Équipe de recherche, ChatGPT Ad Library, archive publique des annonces collectées.
- OpenAI, « Ads in ChatGPT », foire aux questions sur l’éligibilité, la personnalisation et la vie privée.
- OpenAI, « Ads in ChatGPT: The Basics », documentation sur la sélection, les enchères et la mesure.
- OpenAI, « Ad policies », politique publicitaire mise à jour le 10 août 2026.
- OpenAI, « New ways to buy ChatGPT ads », 5 mai 2026.
