Le réseau Pravda, lancé en avril 2022 dans le prolongement de l'invasion de l'Ukraine et rattaché à l'opération plus large Portal Kombat identifiée en février 2024 par le service français de vigilance et de protection contre les ingérences numériques étrangères, s'est étendu à 49 pays et à des dizaines de langues, publiant selon une étude de NewsGuard 3,6 millions d'articles au cours de la seule année 2024. Une enquête publiée en mars 2025 par ce même organisme a testé dix agents conversationnels majeurs, parmi lesquels ChatGPT, Gemini, Copilot, Grok, Claude, Perplexity et Le Chat de Mistral, et a mesuré qu'ils reprenaient les récits diffusés par ce réseau comme des sources apparemment légitimes dans un tiers des réponses générées sur les sujets concernés. Malgré des sanctions européennes visant en 2025 la société Tigerweb et son fondateur, une enquête du Digital Forensic Research Lab publiée en avril 2026 a confirmé que le réseau continuait d'opérer et de chercher à façonner l'image de l'Ukraine à l'étranger.
Un déplacement de cible, du lecteur humain vers l'infrastructure qui nourrit les modèles
La pratique que les chercheurs désignent par l'expression « dressage des modèles de langage » consiste à produire un volume massif de contenus quasi identiques, répartis sur un nombre élevé de sites nominalement indépendants et dans de nombreuses langues, dans le but non pas de convaincre directement un lecteur humain qui visiterait ces sites, mais d'être indexé, crawlé et potentiellement intégré aux corpus d'entraînement ou aux sources consultées en temps réel par les grands modèles de langage. Cette bascule exploite une caractéristique structurelle du fonctionnement de ces systèmes : un modèle de langage n'évalue pas la crédibilité d'une source de la même manière qu'un analyste du renseignement formé à la vérification des sources, mais s'appuie en partie sur la prévalence statistique et la convergence apparente d'une affirmation à travers le corpus auquel il a accès.
En multipliant les sites qui republient un même récit sous des formes légèrement différentes, le réseau Pravda fabrique une apparence de corroboration indépendante que ces systèmes peuvent interpréter, à tort, comme un signal de fiabilité, alors qu'il s'agit en réalité d'une seule source dupliquée par une infrastructure conçue à cet effet plutôt que d'une pluralité de sources authentiquement distinctes parvenant à une même conclusion.
Pourquoi l'infiltration d'un chatbot blanchit un récit plus efficacement que sa diffusion directe
Ce déplacement de cible a une portée qui dépasse la simple question technique de la contamination des données d'entraînement : lorsqu'un agent conversationnel largement utilisé restitue un récit d'origine propagandiste avec l'apparence de neutralité et d'autorité informationnelle qu'un utilisateur associe généralement à ces outils, il confère à ce récit une crédibilité que la consultation directe du site d'origine, identifiable comme propagandiste par un lecteur averti ou par les organismes de vérification, ne lui aurait jamais accordée. L'infiltration réussie de la sortie d'un modèle de langage fonctionne ainsi comme un mécanisme de blanchiment informationnel, transformant une source non fiable en une information apparemment neutre, restituée par un intermédiaire technique que l'utilisateur ne perçoit pas comme un acteur politique.
Cette dynamique explique pourquoi une part croissante des efforts documentés de ces réseaux ne vise plus prioritairement l'engagement direct sur les réseaux sociaux, mesurable en partages ou en commentaires, mais l'optimisation du volume et de la structure du contenu publié pour maximiser ses chances d'être repris par les systèmes de recherche assistée par IA et par les modèles eux-mêmes, un objectif qui se mesure différemment et échappe largement aux outils traditionnels de suivi des campagnes de désinformation.
Une persistance qui illustre les limites structurelles des sanctions et des retraits
La persistance du réseau après les sanctions européennes de 2025 visant son opérateur affiché révèle une asymétrie structurelle propre à cette forme de guerre de l'information : sanctionner ou faire fermer une entité juridique identifiée derrière un réseau de sites a un effet limité lorsque le contenu déjà publié a pu être indexé ou intégré aux données d'entraînement de modèles déjà déployés, et lorsque l'infrastructure elle-même peut être reconstituée sous de nouveaux noms de domaine et de nouvelles structures juridiques à un coût marginal très inférieur à celui de la détection et de la sanction qui l'a précédemment visée.
Cette asymétrie de coût, entre la facilité de reconstitution d'un réseau de publication automatisé et la lenteur des procédures de sanction, d'attribution et de correction des modèles affectés, constitue probablement le facteur le plus déterminant de la résilience observée de ce type d'opération, davantage que la sophistication du contenu lui-même, qui reste souvent grossier et aisément identifiable par un lecteur formé à la vérification des sources.
Sources documentaires
- NewsGuard — A well-funded Moscow-based global 'news' network has infected Western artificial intelligence tools worldwide with Russian propaganda.
- DFRLab — Sanctioned Kremlin-affiliated content persists via Pravda Network, attempting to shape Ukraine's image abroad.
- Bulletin of the Atomic Scientists — Russian networks flood the Internet with propaganda, aiming to corrupt AI chatbots.
- EUvsDisinfo — Large language models: the new battlefield of Russian information warfare.