Les règles d’OpenAI interdisent aux campagnes politiques d’intégrer son chatbot grand public dans leurs processus de création publicitaire, et l’interdiction des publicités politiques sur ChatGPT est désormais testée publiquement : Le Washington Post des rapports indiquent que des campagnes utilisent tout de même ChatGPT pour produire des publicités. Aucun modèle n’a été modifié cette semaine, aucun produit n’a été lancé. Ce qui émerge, c’est l’écart entre une règle écrite d’usage acceptable et ce que font réellement les utilisateurs une fois qu’ils disposent d’un compte — un problème partagé par tous les développeurs qui construisent sur des modèles hébergés, y compris avec OpenAI.
Points clés
- Le Washington Post des rapports indiquent que des campagnes politiques produisent des publicités à l’aide de ChatGPT, en dépit de la politique d’OpenAI interdisant leur utilisation à cette fin.
- L’extrait disponible ne nomme aucune campagne, ne quantifie pas l’ampleur de cette pratique, ni ne mentionne de réponse d’OpenAI ; l’ampleur du phénomène doit donc être considérée comme non quantifiée.
- Il s’agit d’une histoire d’application des règles, non d’une histoire de capacité technique : une politique d’usage est une condition contractuelle vérifiée a posteriori, et non une limite intégrée au modèle lui-même.
- Le coût n’est plus un frein. Selon Convly Base de données de modèles, Sora 2 débute à 0,05 $ la seconde de vidéo, Sora 2 Pro à 0,15 $, Veo 3.1 à 0,05 $, Kling 2.5 Turbo Pro à 0,07 $ et Wan 2.5 à 0,05 $.
- La rédaction de publicités est encore moins chère : Claude Sonnet 5 coûte 2,00 $ en entrée / 10,00 $ en sortie par million de jetons, et Gemini 3.6 Flash 1,50 $ / 7,50 $ ; un scénario complet coûte donc des fractions de centime.
- Les modèles à poids ouverts signifient que la restriction imposée par un seul fournisseur revient, pour l’utilisateur, à une simple décision d’acheminement, et non à une barrière infranchissable.
Ce que couvre réellement l’interdiction des publicités politiques sur ChatGPT
Les faits rapportés ici sont circonscrits et méritent d’être énoncés avec précision. Selon Le Washington Post, OpenAI interdit aux campagnes politiques d’utiliser ChatGPT pour créer des publicités, et celles-ci l’utilisent tout de même à cette fin. Le matériel disponible ne précise ni quelles campagnes sont concernées, ni combien de publicités sont impliquées, ni quelle proportion d’une publicité donnée a été générée par machine, ni si OpenAI a engagé des mesures contre un compte quelconque. Toute personne citant un chiffre dans ce contexte fait référence à une information non rapportée.
La politique elle-même n’est pas secrète. OpenAI publie ses règles relatives aux usages autorisés ou interdits de ses modèles dans ses politiques d’usage, et les campagnes politiques figurent depuis longtemps dans la catégorie des usages restreints, aux côtés d’autres domaines à haut risque. Ce document constitue la source première de la règle, et c’est bien cette page qu’une équipe chargée de la conformité devrait consulter, plutôt qu’un résumé de celle-ci. Ce document ne peut toutefois pas décrire comment la règle est détectée ou appliquée — précisément le point où se situe le comportement rapporté.
Pourquoi les politiques d’usage échouent-elles au niveau du prompt
À titre de contexte plutôt que de fait rapporté, il convient de préciser la raison structurelle pour laquelle une telle règle « fuit » : cela vaut en effet pour tous les modèles figurant dans notre Base de données des modèles IA. Une politique d’usage est une clause contractuelle. L’entraînement en sécurité des modèles est une tendance comportementale. Aucun des deux ne constitue un filtre capable d’identifier le client final. Lorsqu’une demande arrive demandant cinq variantes d’un scénario de trente secondes sur la hausse des prix de l’alimentation, destiné aux électeurs âgés de 35 à 54 ans, il y a très peu d’éléments permettant de la distinguer d’un travail marketing de marque ordinaire. Le modèle ne peut pas vérifier l’identité du client final, et l’opérateur ne dispose pas non plus d’un signal fiable a posteriori.
Cela rend l’application de la règle tributaire de signalements externes, de déclarations spontanées ou d’analyses de motifs au niveau du compte — toutes méthodes trop lentes au regard du cycle d’une campagne. Cela signifie également que la sanction concrète d’une violation d’une clause d’usage acceptable consiste en une suspension du compte après que le travail a déjà été livré, et non pas en un blocage de la génération au moment même de la demande. Pour les développeurs, c’est là la leçon opérationnelle essentielle : les conditions auxquelles vous avez souscrit s’appliquent à votre compte, et non à vos prompts.
La génération vidéo de qualité publicitaire coûte désormais quelques centimes la seconde
L’aspect économique importe, car il explique pourquoi la politique est ignorée, et non simplement mal aimée. Produire un spot court nécessitait autrefois une équipe, un studio de montage et un budget suffisamment important pour apparaître dans les documents financiers. La vidéo générée a fait disparaître cette ligne budgétaire. Les chiffres ci-dessous correspondent aux prix de départ par seconde que nous publions dans notre propre base de données, et ils s’appliquent à tout utilisateur des points de terminaison hébergés, qu’il s’agisse d’une campagne ou non.
| Modèle | Fournisseur | Prix de départ par seconde |
|---|---|---|
| Sora 2 | OpenAI | $0.05 |
| Sora 2 Pro | OpenAI | $0.15 |
| Veo 3.1 | $0.05 | |
| Kling 2.5 Turbo Pro | Kuaishou | $0.07 |
| Wan 2.5 | Alibaba | $0.05 |
À 0,05 $ la seconde, trente secondes de séquence représentent 1,50 $ de calcul avant itérations. Même au tarif Sora 2 Pro de 0,15 $ la seconde, ces trente secondes coûtent 4,50 $. La génération de scénario et de sous-titres ajoute presque rien : GPT-5.6 Sol est facturé 5,00 $ en entrée / 30,00 $ en sortie par million de jetons, Claude Sonnet 5 à 2,00 $ / 10,00 $ et Gemini 3.6 Flash à 1,50 $ / 7,50 $ ; or une publicité ne représente que quelques centaines de jetons. Si vous souhaitez chiffrer un volume spécifique de brouillons et de variantes, nos Calculateur de coûts pour les API IA et Indice prix-performance IA couvrent les calculs pour l’ensemble des fournisseurs.
Les poids ouverts rendent les règles d’un fournisseur facultatives
Il existe une deuxième raison pour laquelle la portée d’une restriction imposée par une seule entreprise est limitée, et c’est la même raison pour laquelle les acheteurs institutionnels continuent de demander des solutions auto-hébergées. L’usage restreint d’un produit hébergé n’est applicable que tant que l’utilisateur en a besoin. Plusieurs des modèles à poids ouverts les plus performants peuvent être exécutés sur du matériel qu’une petite agence peut louer ou acheter : Qwen3 32B nécessite environ 20 Go de VRAM en quantification 4 bits, Llama 3.3 70B environ 40 Go, et les deux sont capables de rédiger des textes publicitaires. Dès lors qu’un modèle tourne sur votre propre machine, aucune politique d’usage acceptable ne figure plus dans le flux de requêtes.
Tel est le fait structurel inconfortable sous-jacent à cette histoire : une telle politique fonctionne comme un instrument réputationnel et contractuel, non comme un contrôle technique. Les lecteurs évaluant ce compromis peuvent dimensionner le matériel requis à l’aide de nos calculateur gratuit de VRAM, et le panorama global des coûts est traité dans notre étude comparative des coûts entre IA ouverte et fermée. Il ne s’agit pas de dire que les campagnes s’auto-hébergent — rien dans les faits rapportés ne le confirme — mais bien de souligner que, même en théorie, le plafond de l’application effective de la règle est bas.
Ce que cela signifie pour les développeurs qui construisent sur des API de modèles
Si vous déployez une application reposant sur un modèle hébergé, cette histoire préfigure les risques que vous assumez pour le compte de vos clients. La liste des usages restreints de votre fournisseur s’applique à votre compte, tandis que vos utilisateurs finaux sont ceux qui génèrent les prompts. Trois conséquences pratiques en découlent. Premièrement, les catégories restreintes doivent être gérées au sein de votre propre couche logicielle, car le modèle amont ne refusera pas de manière fiable un travail qui n’est interdit que de façon contextuelle. Deuxièmement, la journalisation des prompts et des sorties vous permet de répondre aux questions de votre fournisseur en cas d’examen de compte, ce qui fait de la politique de conservation des journaux une décision de conformité autant qu’une question de stockage. Troisièmement, les contrats conclus avec vos clients doivent nommer explicitement les catégories restreintes, car une violation commise par un client constitue néanmoins une violation sur votre compte.
Rien de tout cela n’est inhabituel. Il s’agit de la même discipline que les secteurs réglementés appliquent déjà à l’usage des modèles, étendue à une catégorie — la publicité politique — où l’exposition réputationnelle est particulièrement élevée et le cycle d’examen particulièrement court.
Provenance et manque de transparence
Le problème de détection aggrave le problème d’application. Les métadonnées de provenance jointes au moment de la génération sont fragiles dans un usage courant : les fichiers sont re-encodés, recadrés, ré-uplodés et passés dans des outils de montage, et les signaux intégrés ne survivent souvent pas intact à ce parcours. Les obligations de divulgation visible du contenu synthétique dans la publicité politique varient selon les juridictions et ne sont pas encore stabilisées — il s’agit ici de contexte, non d’un fait rapporté dans cette histoire. L’effet combiné est que la publicité finale porte rarement une trace fiable du modèle qui l’a produite ; la question de savoir si un spot donné a violé la l’interdiction des publicités politiques sur ChatGPT est donc généralement impossible à trancher à partir de l’artefact seul.
Questions fréquemment posées
Que prohibe exactement l’interdiction des publicités politiques sur ChatGPT ? Les politiques d’usage publiées par OpenAI restreignent l’usage de ses modèles à des fins de campagne politique ; Le Washington Post rapporte que des campagnes utilisent tout de même ChatGPT pour produire des publicités. La portée exacte est définie dans le document de politique d’OpenAI, qui constitue la référence officielle et est mise à jour régulièrement par la société.
OpenAI a-t-elle sanctionné une campagne quelconque ? Aucun élément rapporté ne le confirme. Le texte décrit la règle et le comportement observé, mais pas d’action répressive ni de réponse officielle de la part de la société ; aucune conclusion concernant des sanctions ne saurait donc être tirée.
Pourquoi OpenAI ne peut-elle pas simplement bloquer les publicités de campagne au moment de la génération ? Parce qu’une demande visant à rédiger un texte percutant court ou à générer trente secondes de vidéo ressemble à du travail marketing commercial. Le modèle ne peut pas vérifier l’identité du client final, aussi la restriction est-elle appliquée a posteriori au niveau du compte, et non pas à chaque prompt individuel.
À quel point est-il bon marché de générer une publicité aujourd’hui ? Selon les prix de départ figurant dans notre base de données, trente secondes de sortie Sora 2 coûtent environ 1,50 $ en calcul, soit environ 4,50 $ sur Sora 2 Pro à 0,15 $ la seconde. Les points de terminaison concurrents commencent à 0,05 $ la seconde pour Veo 3.1 et Wan 2.5, et à 0,07 $ pour Kling 2.5 Turbo Pro. La génération de scénario représente une dépense négligeable comparée à cela.
Cela m’affecte-t-il si j’utilise uniquement l’API pour des produits classiques ? Indirectement, oui. Les catégories d’usage restreint sont appliquées au niveau du compte : toute application permettant à des tiers de soumettre des prompts hérite donc de la charge de conformité. Mettre en place ses propres contrôles par catégorie et conserver des journaux exploitables constituent les mesures correctives adéquates.
En résumé
L’histoire rapportée est limitée et précise : une règle existe, et selon Le Washington Post, les campagnes la contournent. Son importance dépasse largement cet incident isolé. Les politiques d’usage acceptable sont sollicitées pour accomplir une tâche — réguler la finalité descendante d’un outil à usage général — pour laquelle elles sont structurellement inaptes, à un moment où le coût de production de vidéos de longueur diffusable est tombé à quelques centimes la seconde et où des alternatives performantes à poids ouverts peuvent fonctionner sur une seule station de travail. On peut donc s’attendre à ce que la pression se déplace de l’interdiction vers la divulgation et la traçabilité, car celles-ci sont au moins vérifiables. Jusqu’à ce que cela se produise, tout acteur déployant une application sur un modèle hébergé devrait considérer que la conformité aux politiques relève de sa propre responsabilité technique, et non de celle du fournisseur.
Sources : news.google.com. Rapporté le 5 septembre 2026.