La méthode de lecture latérale pour évaluer la crédibilité des sources

Une compétence critique face à l’IA générative et à la désinformation

Face à la prolifération de contenu généré par l’IA et à la multiplication des sources peu fiables, comment outiller la communauté étudiante pour qu’elle navigue avec discernement ?

À l’aide des trois ressources mentionnées ci-dessous, nous explorons les applications concrètes de cette méthode dans l’enseignement supérieur. ​

Les bases de la lecture latérale (2019)

Notre première ressource est « Lateral Reading: Reading Less and Learning More When Evaluating Digital Information » (Wineburg et McGrew, Teachers College Record, 2019).

Les auteurs établissent les bases empiriques de la méthode. Contrairement à la « lecture verticale » (analyse approfondie d’une source), la « lecture latérale » incite à changer rapidement de page et à explorer d’autres onglets, en croisant les informations grâce à des recherches externes. Les « fact-checkers », les personnes professionnelles observées dans l’étude, servent de modèle. Ils évaluent en quelques secondes le contexte global d’un site, surpassant ainsi les étudiantes et étudiants, de même que les expertes et experts, en vitesse et en précision.

Plus précisément, les « fact-checkers » qui quittent rapidement un site pour vérifier ailleurs identifient presque toujours la source la plus fiable. En revanche, les personnes expertes d’un domaine et surtout la communauté étudiante, qui se concentrent davantage sur ce qu’elles voient à l’intérieur de la page, se trompent beaucoup plus souvent. Cette découverte souligne l’importance de prendre en compte d’autres facteurs que la simple expertise disciplinaire pour évaluer la fiabilité d’une information.

Sur le plan pédagogique, ce résultat montre que la maîtrise disciplinaire ou le niveau d’études ne suffisent pas à se protéger de la désinformation. Les personnes étudiantes, en particulier, apparaissent vulnérables lorsqu’elles s’appuient uniquement sur leurs impressions de surface plutôt que sur une démarche de vérification externe.

Intégrer la méthode en classe (2023)

Notre deuxième ressource est le livre « Verified: How to Think Straight, Get Duped Less » (University of Chicago Press, 2024), Wineburg. Il approfondit la méthode d’enseignement de la lecture latérale via la méthode SIFT ((Stop, Investigate the source, Find better coverage, Trace claims)).

Le livre montre comment cette compétence s’acquiert par la pratique, notamment en résistant aux flux informationnels constants et massifs.

Cette méthode pratique se divise en quatre étapes distinctes :

• Stop : Avant d’interagir avec un contenu, il est important de suspendre son jugement initial (première impression) et de reconnaître qu’on ne peut pas évaluer quelque chose dont on ignore le contexte.
• Investigate the source : Quitter la page pour vérifier rapidement qui se cache derrière la source et l’investiguer (auteur, organisation, financement).
• Find better coverage : Chercher ce que d’autres sources fiables disent sur le sujet ou sur la source elle-même.
• Trace claims : Retracer les affirmations, les données statistiques ou les citations jusqu’à leur source originale.

Selon Wineburg, ces compétences ne sont pas innées pour une personne apprenante. La méthode SIFT est particulièrement pertinente, voire indispensable, face aux outils d’IA générative de texte. Analyser le contexte devient encore plus crucial « lorsque la prose de l’autre côté est créée par une machine convaincante ».

Utiliser la lecture latérale pour relever les défis de l’IA (2025)

Notre troisième ressource découle des deux premières. C’est la capsule vidéo «Vérifier les productions d’IA générative en utilisant la lecture latérale» (InfoTrack, Université de Genève) qui présente une démonstration pratique de cette méthode face à des outils tels que ChatGPT.

L’IA générative produit des textes plausibles, mais qui peuvent contenir des erreurs factuelles, des hallucinations ou des biais. La lecture latérale devient un outil privilégié pour distinguer le vrai du faux. La stratégie ? Extraire les affirmations clés (faits, statistiques, références) et les confronter à des sources indépendantes (sites institutionnels, bases scientifiques), en vérifiant l’existence réelle des auteurs ou citations mentionnées.

Pourquoi cela devrait nous intéresser ?

Ensemble, ces trois références forment un continuum cohérent : de la recherche empirique (2019) à l’intégration pédagogique (2023) et aux applications IA actuelles (2025). Elles permettent de concevoir des activités telles que des ateliers de révision de textes générés par IA, tout en encourageant une utilisation responsable et critique des IA dans un contexte académique.​

Et si, lors de votre prochain cours, atelier ou laboratoire, vous enseigniez cette méthode ?

Bibliographie

• Wineburg, S., & McGrew, S. (2019). Lateral reading and the nature of expertise: Reading less and learning more when evaluating digital information. Teachers College Record, 121(11), 1–40. https://journals.sagepub.com/doi/10.1177/016146811912101102
• Caulfield, M., & Wineburg, S. (2023). Verified: How to think straight, get duped less, and make better decisions about what to believe online. University of Chicago Press.
• Bibliothèque de l’Université de Genève. (2025). Vérifier les productions des IA génératives en utilisant la « lecture latérale ». InfoTrack. https://infotrack.unige.ch/verifier-productions-IA-generatives