Commmonn Ground

Fact Check

Fact Check : Comment un graphique mal étiqueté sur les femmes bisexuelles est devenu une « preuve » de contagion sociale trans

En mars 2026, un graphique est apparu sur X, prétendant montrer le pourcentage de jeunes s'identifiant comme transgenres — une courbe ascendante abrupte conçue pour paraître alarmante. Elon Musk l'a amplifié en moins de cinq minutes. Les vues cumulées ont dépassé les 30 millions en moins de 48 heures. Les réponses ont afflué avec des variantes de « contagion sociale confirmée ». Le problème ? Le graphique montrait en réalité le pourcentage de femmes américaines s'identifiant comme bisexuelles, ventilé par groupe d'âge, à partir de données du CDC analysées par la psychologue Jean Twenge. L'étiquette originale avait été supprimée et remplacée par une fausse affirmation sur la jeunesse transgenre.

C'est l'histoire d'un seul graphique. Mais les compétences dont vous avez besoin pour repérer ce genre de manipulation survivront à chaque cycle d'actualité.

Ce que le graphique montrait réellement

Les données originales provenaient de la National Survey of Family Growth du CDC et d'enquêtes comportementales connexes, couvrant la période de 2014 à 2025. La psychologue Jean Twenge — connue pour ses recherches sur les tendances générationnelles — a publié une analyse sur son Substack examinant le pourcentage croissant de jeunes femmes américaines s'identifiant comme bisexuelles. Le graphique traçait cette tendance par groupe d'âge, montrant une augmentation significative chez les femmes âgées de 18 à 25 ans au cours de la dernière décennie.

Les données sont réelles. La tendance est réelle. Et cela n'a rien à voir avec l'identification transgenre.

L'analyse de Twenge explorait plusieurs explications possibles pour la tendance à l'identification bisexuelle — notamment la réduction de la stigmatisation, des définitions plus larges de la sexualité et des effets d'influence sociale. C'était une discussion nuancée, basée sur des données. Ce n'était en aucun cas un graphique sur la jeunesse transgenre.

Comment l'erreur d'étiquetage s'est produite

Le mécanisme était d'une simplicité affligeante. Quelqu'un a fait une capture d'écran du graphique, a recadré le titre original de Twenge et les étiquettes des axes faisant référence aux femmes bisexuelles, et a ajouté une nouvelle légende : une affirmation selon laquelle il représentait des jeunes s'identifiant comme transgenres. La forme visuelle des données — une courbe ascendante — a fait le reste. Pas de lien vers la source. Pas de méthodologie. Juste un graphique qui « avait l'air scientifique » associé à une affirmation politiquement chargée.

Au moment où Musk l'a republié, le faux cadrage était déjà ancré. Des millions de personnes ont vu un graphique avec une tendance à la hausse abrupte et une légende sur la jeunesse trans. La plupart n'ont jamais remis cela en question. Pourquoi le feraient-ils ? Il y avait un graphique. Les graphiques sont des données. Les données sont la vérité. Sauf quand elles ne le sont pas.

The Journal, l'organe de fact-checking irlandais, a été parmi les premiers à remonter l'image jusqu'au post Substack original de Twenge et à confirmer l'erreur d'étiquetage. Leur enquête a montré une chaîne claire : graphique original sur les femmes bisexuelles → recadré et ré-étiqueté → posté comme preuve de contagion sociale trans → amplifié auprès de dizaines de millions de personnes.

Comment vérifier n'importe quel graphique en ligne

Cet incident est un cas d'école, mais la méthode de vérification fonctionne sur n'importe quelle visualisation de données que vous rencontrez. Voici un processus en quatre étapes :

1. Trouver la source originale

Tout graphique légitime provient de quelque part — une étude, un ensemble de données, un rapport. Si le post ne contient pas de lien vers une source, c'est votre premier signal d'alarme. Recherchez des phrases clés dans le texte du graphique, ou utilisez la recherche d'image inversée (Google Lens, TinEye) pour trouver où l'image est apparue pour la première fois.

2. Vérifier les axes et les étiquettes

Qu'est-ce qui est mesuré exactement ? Quelles sont les unités ? Quelle est la période de temps ? Un graphique sans axes clairement étiquetés est, au mieux, incomplet. Au pire, il est intentionnellement vague. Dans ce cas, l'étiquette originale de l'axe Y faisant référence à l'identification bisexuelle avait été supprimée — le seul changement qui a rendu toute la tromperie possible.

3. Retracer la méthodologie

Qui a collecté ces données ? Comment ? Quelle était la taille de l'échantillon ? Les enquêtes du CDC suivent une méthodologie rigoureuse. Un graphique aléatoire sur les réseaux sociaux, non. Comprendre d'où proviennent les données vous indique quel poids leur accorder.

4. Vérifier qui partage et pourquoi

Le contexte compte. Un graphique partagé par un chercheur avec un lien vers sa méthodologie est fondamentalement différent du même graphique dépouillé de son contexte et partagé par un compte ayant un agenda politique. Les données n'ont pas changé. Le cadrage, si.

Ces compétences ne servent pas seulement à repérer la désinformation sur les questions sociales. Les mêmes techniques s'appliquent aux graphiques manipulés sur les capacités de l'IA, les références de l'industrie ou les comparaisons technologiques. Partout où les visualisations de données sont utilisées pour persuader, ces étapes de vérification s'appliquent.

Pourquoi les visualisations de données sont particulièrement dangereuses lorsqu'elles sont détournées

Les graphiques occupent une place particulière dans la façon dont nous traitons l'information. Ils portent une autorité implicite que le texte n'a pas. Une affirmation écrite — « l'identification transgenre monte en flèche chez les jeunes » — invite au scepticisme. La même affirmation présentée sous forme de graphique linéaire avec des axes et des points de données ressemble à une preuve. Notre cerveau traite les données visualisées comme plus objectives, plus scientifiques, plus dignes de confiance que les mots seuls.

C'est ce qui rend les graphiques mal étiquetés si efficaces en tant que désinformation. Ils exploitent la confiance que nous accordons à la visualisation de données en tant que support. Vous n'avez pas besoin de fabriquer des données. Vous n'avez pas besoin de pirater une base de données gouvernementale. Il vous suffit de prendre un graphique réel, d'en retirer l'étiquette et d'en ajouter une nouvelle. Le visuel se charge de vous convaincre.

La recherche en sciences cognitives confirme cela. Des études sur l'« effet d'imprimatur scientifique » montrent que les gens jugent les affirmations plus crédibles lorsqu'elles sont accompagnées de graphiques — même lorsque les graphiques ne contiennent aucune information pertinente. Le format lui-même est persuasif.

Le dividende du menteur

Il existe un effet de second ordre qui est sans doute pire que la désinformation elle-même. Lorsque les gens apprennent que les graphiques peuvent être falsifiés ou mal étiquetés, certains commencent à douter de toutes les visualisations de données — y compris les plus précises. Les chercheurs appellent cela le « dividende du menteur » (liar's dividend) : l'existence de faux donne aux gens la permission de rejeter les preuves réelles qui contredisent leurs croyances.

C'est le coût le plus profond. Le graphique mal étiqueté sur les femmes bisexuelles transformé en graphique sur la jeunesse trans n'a pas seulement induit 30 millions de personnes en erreur sur un sujet. Il a contribué à un environnement où les données légitimes — du CDC, d'études évaluées par des pairs, de chercheurs méticuleux comme Twenge — sont rejetées avec un « on ne peut faire confiance à aucun graphique en ligne ».

La réponse n'est pas d'arrêter de faire confiance aux données. C'est de devenir meilleur pour les lire.

En résumé

Le graphique était réel. Les données étaient réelles. L'étiquette était un mensonge. Et 30 millions de personnes ont vu le mensonge avant que quiconque ne vérifie. Dans un environnement d'information où une simple capture d'écran peut aller plus vite que n'importe quel fact-checker sur la planète, la compétence la plus importante n'est pas de connaître la bonne réponse — c'est de savoir comment poser les bonnes questions avant de cliquer sur partager.

Questions fréquemment posées

Que montrait réellement le graphique viral ?

Le graphique montrait le pourcentage de femmes américaines s'identifiant comme bisexuelles par groupe d'âge, de 2014 à 2025. Les données provenaient d'enquêtes du CDC et ont été initialement publiées par la psychologue Jean Twenge sur son Substack. Cela n'avait rien à voir avec l'identification transgenre. Quelqu'un a supprimé les étiquettes originales et a ajouté une fausse légende prétendant qu'il s'agissait de données sur la jeunesse trans.

Comment savoir si un graphique sur les réseaux sociaux est réel ou manipulé ?

Utilisez une vérification en quatre étapes : (1) cherchez la source originale — s'il n'y a pas de lien, soyez sceptique ; (2) lisez attentivement les axes et les étiquettes pour les détails ; (3) tracez qui a collecté les données et comment ; (4) considérez qui partage et si le contexte a été supprimé. La recherche d'image inversée peut vous aider à trouver la version originale.

Qu'est-ce que le « dividende du menteur » dans la désinformation ?

Le dividende du menteur est un concept selon lequel l'existence connue de faux et de contenus manipulés donne aux gens une raison de rejeter les preuves réelles qu'ils trouvent dérangeantes. Une fois que les gens apprennent que les graphiques peuvent être mal étiquetés, certains utilisent cette connaissance non pas pour devenir de meilleurs lecteurs de données, mais pour rejeter toute donnée qui remet en question leurs croyances existantes.

Sources :

Keep Reading

← All articles