Le mensonge devient la norme
Dans notre article sur les grands échecs de l'IA, nous avons mentionné que le Rabbit R1 reposait sur une démo CES en grande partie truquée. Mais Rabbit n'est pas un cas isolé. Depuis l'explosion de l'IA générative en 2023, les démos truquées sont devenues une stratégie marketing systématique, utilisée par les plus grands acteurs du secteur. Et le grand public continue de s'y laisser prendre.
Voici les cinq cas les plus emblématiques, et les signaux qui auraient permis de les repérer à l'avance.
Cas 1 : Rabbit R1 et la fausse magie du "Large Action Model"
Au CES 2024 (le Consumer Electronics Show, plus grand salon mondial annuel de l'électronique grand public, tenu chaque janvier à Las Vegas), Rabbit présente son R1, un petit gadget orange à 199 dollars qui promet de révolutionner l'informatique mobile. Sur scène, le fondateur Jesse Lyu montre comment l'appareil commande un Uber, réserve un restaurant, achète des billets de concert, le tout par simple commande vocale. Le public est conquis, 100 000 unités sont vendues en quelques semaines.
À la livraison, la réalité est tout autre. L'appareil ne peut presque rien faire de ce qui était montré. Les démos étaient en grande partie des scripts pré-enregistrés (instructions codées à l'avance, qui simulent une intelligence mais ne réagissent qu'à des séquences prévues). Le mystérieux "Large Action Model" ou LAM (modèle d'action large, un type d'IA censée comprendre des intentions et agir sur des interfaces) dont Lyu se vantait n'était en réalité qu'un wrapper (une enveloppe logicielle qui appelle d'autres modèles existants) sur des modèles classiques avec quelques scripts hardcodés (codés en dur, non modifiables par l'IA).
Quand Rabbit a refusé de mettre son SDK (Software Development Kit, ensemble d'outils permettant aux développeurs tiers de construire sur la technologie) à disposition au lancement, prétextant "protéger l'expérience utilisateur", c'était un signal d'alarme. Une vraie technologie nouvelle invite les développeurs à l'étendre. Une fausse technologie cache son code. La règle vaut pour tous les produits IA : si l'entreprise ne laisse pas les développeurs voir ce qu'il y a dessous, c'est qu'il n'y a probablement pas grand-chose dessous.
Cas 2 : Google Gemini et la vidéo "miraculeuse"
Décembre 2023, Google publie une vidéo de démonstration intitulée "Hands-on with Gemini" qui montre l'IA répondant en temps réel à des questions visuelles et vocales. Le résultat est impressionnant : Gemini reconnaît une main qui fait du papier-pierre-ciseaux, suit un canard qui se déplace, comprend des gestes complexes. La vidéo devient virale, dépasse les 2 millions de vues en quelques jours.
Quelques jours plus tard, Google admet : la vidéo a été fortement éditée. Les questions ont été tapées en texte, pas posées à l'oral. Les réponses ont été générées à partir d'images statiques, pas de vidéo en temps réel. Les temps de latence (délai entre la question et la réponse) réels ont été coupés. Bharat Mediratta, alors vice-président de l'ingénierie chez Google, a confirmé sur X (anciennement Twitter) que la vidéo était "un highlight reel" (une compilation des meilleurs moments) et non une démonstration en conditions réelles.
L'affaire a fait scandale dans le milieu tech, mais a peu pénétré le grand public. La plupart des gens ont vu la vidéo originale et en ont gardé l'impression que Gemini était bien plus avancé qu'il ne l'était vraiment.
Cas 3 : Meta Ray-Ban Display et le plantage devant Zuckerberg
Septembre 2025, conférence Meta Connect (l'événement annuel de Meta dédié aux nouveautés produits). Mark Zuckerberg, PDG et fondateur de Meta (la maison-mère de Facebook, Instagram et WhatsApp), est sur scène pour présenter les nouvelles Ray-Ban Display, l'avenir des lunettes intelligentes. Une créatrice de contenu cuisine, et l'IA Meta est censée la guider en temps réel. Sauf que rien ne fonctionne. L'assistant ne répond pas, ou répond à côté, ou saute des étapes. La démo s'effondre en direct.
Pire, le segment suivant montre le Neural Band, un bracelet censé contrôler les lunettes par captation neuronale (en lisant les signaux électriques des muscles du poignet). La sonnerie d'alarme continue de retentir malgré les tentatives de Zuckerberg pour l'éteindre. La salle, silencieuse, observe le PDG du géant tech s'empêtrer publiquement.
Meta a ensuite expliqué que les bugs étaient dus à une "race condition" (un problème courant en programmation où plusieurs processus accèdent à la même ressource simultanément et produisent des résultats imprévisibles), pas à un défaut fondamental du produit. Andrew Bosworth, le CTO (Chief Technology Officer, directeur technique) de Meta, a précisé sur Instagram qu'il s'agissait "d'échecs de démonstration et non d'échecs produit". La nuance est défendable. Mais elle laisse une question ouverte : si Meta n'arrive pas à faire fonctionner ses propres produits dans des conditions contrôlées de keynote, qu'en sera-t-il chez l'utilisateur final ?
Cas 4 : Sora et la promesse des 60 secondes en 4K
Février 2024, OpenAI dévoile Sora avec une série de vidéos époustouflantes : un mammouth marchant dans la neige, des rues de Tokyo filmées au coucher du soleil, un astronaute dans un paysage martien. Les vidéos durent jusqu'à 60 secondes, en 4K (résolution ultra haute définition, environ 4 000 pixels de largeur). Sam Altman, PDG et co-fondateur d'OpenAI (créateur de ChatGPT), parle d'une "nouvelle ère de la création vidéo".
Quand Sora est enfin sorti, les utilisateurs ont constaté la différence. Le modèle générait des vidéos de bien moindre qualité que les exemples promotionnels. Les durées étaient limitées à 10 secondes pour la plupart des comptes. La 4K n'était disponible qu'aux abonnés Pro. Et les démos officielles, comme l'ont reconnu plusieurs ingénieurs d'OpenAI ex-Sora, étaient le résultat d'une énorme sélection (en anglais, on parle de cherry-picking : choisir les exemples les plus flatteurs en cachant les nombreux essais ratés). Des milliers de générations étaient produites, et seules les 10 ou 20 meilleures étaient montrées au public.
Comme nous l'avons documenté dans notre article sur les grands échecs IA, Sora a finalement été fermé en avril 2026, avec un total de revenus 7 fois inférieur aux coûts d'une seule journée. La promesse marketing n'avait jamais rencontré la réalité économique.
Cas 5 : Apple Intelligence et la Siri qui n'existait pas
Le cas Apple, déjà traité dans notre article sur les grands échecs IA, mérite une mention spécifique ici. À la WWDC (Worldwide Developers Conference, conférence annuelle d'Apple pour les développeurs) de juin 2024, Apple a montré sur scène une nouvelle Siri capable d'utiliser le contexte personnel, d'agir entre les applications, de comprendre des situations complexes. Tous les iPhone 16 ont été vendus à partir de septembre 2024 avec ces fonctionnalités annoncées.
Ces fonctionnalités n'existaient pas. Apple a dû le reconnaître publiquement en mars 2025, en repoussant la nouvelle Siri à 2026. La plainte collective (en anglais : class action, une procédure où de nombreux plaignants se regroupent pour intenter une action en justice commune) intentée par les acheteurs d'iPhone a été réglée en mai 2026 pour 250 millions de dollars. L'accusation principale était que Apple avait commercialisé "des capacités IA qui n'existaient pas à l'époque, qui n'existent toujours pas, et qui n'existeront pas avant deux ans ou plus".
C'est probablement le cas le plus grave de cette liste, parce qu'il ne s'agit pas d'une démo trompeuse à un événement, mais d'une campagne marketing mondiale étalée sur des mois, avec des publicités sur tous les supports, qui annonçait des fonctionnalités totalement fictives au moment de la commercialisation.
Les cinq signaux à reconnaître
Si on examine ces cinq cas en bloc, plusieurs signaux d'alarme reviennent. Voici comment les reconnaître à l'avance.
Signal 1 : pas de période de test pour la presse indépendante. Les démos Rabbit, Sora et Apple Intelligence n'ont jamais été testées en conditions réelles par des journalistes indépendants avant la commercialisation. Quand un produit IA est lancé sans phase de test public, c'est souvent parce que le résultat réel décevrait. Une vraie technologie aime les tests indépendants.
Signal 2 : la démo est trop fluide. Les vraies IA en 2026 ont encore des latences perceptibles, des hésitations, des limites. Quand une démo montre des réponses instantanées, parfaites, sans aucune approximation, il y a 90% de chances que ce soit du montage ou un script. Les démos crédibles montrent au contraire les moments où l'IA hésite ou se reprend.
Signal 3 : les conditions exactes ne sont pas précisées. Les démos Sora et Gemini ne disaient pas combien de tentatives avaient été nécessaires pour obtenir le résultat montré. Les démos Rabbit ne précisaient pas si les actions étaient pré-scriptées. Quand une démo refuse de détailler le processus exact, c'est souvent parce que le processus ne supporterait pas la transparence.
Signal 4 : le code source ou l'API sont fermés. L'API (Application Programming Interface) est l'interface technique qui permet à d'autres logiciels d'utiliser un service. Comme dit plus haut, Rabbit a refusé de donner accès à son SDK. Apple a refusé pendant 20 mois d'ouvrir la nouvelle Siri aux développeurs tiers, "parce que ce n'était pas prêt". Un produit qui marche vraiment laisse les développeurs l'étendre rapidement. Un produit qui ne marche pas vraiment se barricade.
Signal 5 : les promesses dépassent ce que la concurrence sait faire. Quand un acteur annonce des performances 10 fois supérieures à ce que les meilleurs labos mondiaux savent faire, il y a deux possibilités : soit une avancée scientifique majeure (rare, et généralement accompagnée de publications scientifiques), soit une démo manipulée. Sora 60 secondes en 4K en 2024 dépassait largement ce que les labos chinois et américains arrivaient à produire à l'époque. Le décalage était un signal.
Comment naviguer dans ce paysage
Pour un utilisateur, un acheteur d'entreprise ou un investisseur, la règle pratique est simple : ne jamais croire une démo IA avant qu'elle ait été testée par au moins trois journalistes ou créateurs indépendants en conditions réelles. Attendez les premiers tests publics. Lisez les commentaires des utilisateurs qui ont reçu le produit. Vérifiez si le produit fait vraiment ce qui était promis sur scène.
Pour les développeurs et les entrepreneurs, la leçon est différente. Comme nous l'avons montré dans notre article sur les startups IA qui gagnent, les entreprises qui réussissent vraiment en 2026 sont celles qui livrent ce qu'elles promettent. Cursor (éditeur de code IA), Perplexity (moteur de recherche conversationnel), ElevenLabs (génération de voix), Anthropic (créateur de Claude) : aucune de ces réussites n'a été bâtie sur une démo truquée. Toutes ont laissé leur produit se diffuser par bouche à oreille de professionnels qui le testaient eux-mêmes.
Cette analyse complète notre série sur les zones d'ombre de l'IA en 2026. Pour continuer, vous pouvez lire notre article sur le piège du freemium IA, et plus largement notre analyse de la bulle IA qui replace ces démos dans un contexte économique plus large.
L'IA en 2026 ne manque pas de technologies réelles. Elle manque de transparence sur ce qui marche vraiment. Les démos truquées prolongent artificiellement la confusion. Apprendre à les repérer, c'est gagner deux à trois ans d'avance sur les acheteurs naïfs qui découvriront les déceptions au moment de la facture.