Une équipe de recherche de l’Université KAIST, dirigée par le professeur Moon Choi, a démontré que les modèles d’intelligence artificielle générative, dont ChatGPT-4o, intègrent des stéréotypes liés à l’âge dans leurs réponses. Annonce faite le 28, l’étude publiée en février 2026 dans la revue The Gerontologist signale que ces biais algorithmiques risquent de perpétuer la discrimination numérique envers les seniors. Pour quantifier ce phénomène, les chercheurs ont soumis à GPT-4o 900 requêtes neutres demandant de décrire les caractéristiques des groupes d’âge, échelonnés de 10 à 90 ans par décennies. En croisant ces données avec le modèle de contenu stéréotypé, un cadre psychologique mesurant les représentations sociales selon les axes de la bienveillance et de la compétence, l’analyse révèle une tendance claire. Les personnes âgées de 60 ans et plus sont systématiquement associées à une grande chaleur humaine et à la fiabilité, mais voient leur compétence et leur assertivité nettement atténuées comparées aux jeunes adultes. Dès l’âge de 70 ans, les descriptions deviennent uniformes, présentant les aînés comme des figures bienveillantes mais passives et moins actives. Cette structuration du parcours de vie en trois blocs stricts reproduit directement les clichés médiatiques traditionnels. Les auteurs de l’étude, avec l’étudiante doctorante Wan Hong en première auteure, alertent sur les conséquences sociétales : une exposition prolongée à ce type de récits via les assistants conversationnels pourrait ancrer les préjugés intergénérationnels et favoriser un âgeisme numérique, limitant ainsi la participation et l’autonomie des seniors dans l’économie digitale. Le professeur Choi insiste sur le fait que les biais d’IA relèvent d’abord d’un problème social et non purement technique. Pour développer des systèmes véritablement inclusifs, il est indispensable d’associer des profils intergénérationnels et diversifiés aux processus d’entraînement et de validation des modèles. Ces résultats offrent une base factuelle pour les régulateurs et les développeurs, soulignant la nécessité d’auditer et d’ajuster les données d’apprentissage afin d’empêcher la reproduction automatique des inégalités historiques par les technologies émergentes.